生物群集全体と各２種間相互作用との関係を人工生態系での総当たり実験により解明する

本研究では、微生物による人工生態系を用いて、群集全体と各2種間相互作用総和の関係を解明する。全体として次の5項目を行う：[1] 単種の系、２種の系、全種の系の実験と測定、[2] 機械学習による生物種同定手法の確立、[3] 全種のデータから推測される種間相互作用と、２種のデータとの比較、[4] 単種及び２種のデータからの全種予測と、全種のデータとの比較、[5] 総合解析とまとめ。このうち2022年度には計画通り[4]および[5]について取り掛かり、以下のような結果を得た。前年度に続き、3種以上のデータを用いずに単種と2種のデータを説明するモデルを作り、このモデルが3種以上のデータをどれだけ予測できるかを調べた。前年度には、一般化線形モデル(GLM)では予測と実験が合わない部分が多いこと、動態モデルとして多種のMonod型モデルを用いた場合には多くが矛盾なく説明できることが分かっていた。本年度は、この動態モデルを用いて、さらに複雑な状況である『生態系と生態系の混合』を試した。この実験を行い、動態モデルの予測と比較したところ、やはり多くが矛盾なく説明できることが分かった。以上から、動態はおよそ理解できたと考えられる。一方、説明できない部分もある。それは主に生物の適応であり、例えば大腸菌は世代を超えずに形状が変化し、これが大きく動態に影響することが分かっていた。これに関しては、捕食者に依存するケミカルな応答での表現型可塑性が含まれることを実験的に確かめた。それ以外にも、長期に培養した際の変化は説明できていない。これは進化と考えられるため、生物を単離し、再度混合すると、その生物の性質は元のものとは変化していることが確認された。これら適応は非常に重要であるが、本研究の枠を超えており、重要な次の研究につながったと言える。

本研究では、微生物による人工生態系を用いて、群集全体と各2種間相互作用総和の関係を解明する。全体として次の5項目を行う：[1] 単種の系、２種の系、全種の系の実験と測定、[2] 機械学習による生物種同定手法の確立、[3] 全種のデータから推測される種間相互作用と、２種のデータとの比較、[4] 単種及び２種のデータからの全種予測と、全種のデータとの比較、[5] 総合解析とまとめ。このうち2022年度には計画通り[4]および[5]について取り掛かり、以下のような結果を得た。前年度に続き、3種以上のデータを用いずに単種と2種のデータを説明するモデルを作り、このモデルが3種以上のデータをどれだけ予測できるかを調べた。前年度には、一般化線形モデル(GLM)では予測と実験が合わない部分が多いこと、動態モデルとして多種のMonod型モデルを用いた場合には多くが矛盾なく説明できることが分かっていた。本年度は、この動態モデルを用いて、さらに複雑な状況である『生態系と生態系の混合』を試した。この実験を行い、動態モデルの予測と比較したところ、やはり多くが矛盾なく説明できることが分かった。以上から、動態はおよそ理解できたと考えられる。一方、説明できない部分もある。それは主に生物の適応であり、例えば大腸菌は世代を超えずに形状が変化し、これが大きく動態に影響することが分かっていた。これに関しては、捕食者に依存するケミカルな応答での表現型可塑性が含まれることを実験的に確かめた。それ以外にも、長期に培養した際の変化は説明できていない。これは進化と考えられるため、生物を単離し、再度混合すると、その生物の性質は元のものとは変化していることが確認された。これら適応は非常に重要であるが、本研究の枠を超えており、重要な次の研究につながったと言える。