《Environmental Microbiology》：An Interpretation, Survey, and Outlook on Microbial Macroecology
微生物群落动态与结构的预测性理论构建，要求识别可重复且稳健的经验模式。对此类模式的研究在生态学中历来属于宏观生态学（macroecology）这一分支领域。然而，将宏观生态学应用于微生物并非顺理成章，因为研究领域尚缺乏如下方面的清晰认识：微生物宏观生态学如何源自宏观生态学的原初原则；经验模式如何与生态过程相关联；以及微生物宏观生态学的总体目标为何。在本文这一观点性论文（Perspective）中，研究人员对这些问题给出非终局性的回答。文章首先通过将微生物生命科学研究的特殊性映射到若干重要宏观生态学主题之上，对微生物宏观生态学作出诠释。随后，正文主体对常见微生物宏观生态模式进行综述：首先关注独立于数据类型而成立的普适模式，继而讨论反映时间动态的模式。全文始终强调获得生态动态最小预测模型（minimal predictive model）的努力，这也是微生物宏观生态学的主要目标之一。最后，文章对微生物生命中仍在很大程度上有待宏观生态学深入研究的若干方面作出展望，以期为不同研究背景的研究者提供启发。
1 Introduction
引言部分指出，刻画可重复的经验模式是科学理论建构的核心环节，因此，要形成对微生物群落典型组成与动态的预测性认识，必须系统考察生态模式。文章强调，宏观生态学（macroecology）虽然常被理解为研究大尺度生态模式与过程的学科，但其定义并不单一。随着全球尺度微生物数据采集工作的推进，宏观生态学方法已日益用于微生物群落研究。鉴于相关研究数量、经验规律及数学模型迅速累积，有必要重新评估当前对微生物宏观生态模式的理解，以及这些模式如何服务于微生物生态理论的发展。作者进一步说明本文目标：并非规定唯一的宏观生态学定义，也并非提出一个解释全部模式的统一模型，而是从微生物生命科学视角重释宏观生态学主题，综述横截面与时间数据中的主要可重复模式，并讨论未来可测量变量与生物过程。
2 What Is Macroecology?
本节回顾宏观生态学（macroecology）的历史发展与当代内涵。作者指出，被今天称为宏观生态学的生物多样性模式研究，自生态学萌芽时期即已存在。其在20世纪后期的正式凝练，主要受三方面推动：其一，研究者认识到大尺度过程会塑造局地群落；其二，生物多样性定量数据的积累与整理；其三，生态学对还原论/微观方法局限性的认识增强。在此背景下，宏观生态学被形式化为：借助跨空间、时间与分类尺度的统计模式，研究生物与环境关系的研究纲领。文章进一步指出，宏观生态学的定义后来分化为两类：一类强调“大尺度生态学”，另一类强调生物多样性反复出现的统计规律，近似于生态学中的统计物理学（statistical physics）路径。尽管定义多元，但它们共同坚持经验主义。基于此，作者不试图将微生物研究强行嵌入某单一定义，而是提炼若干核心主题，包括尺度（scale）、模式优先推断（pattern-first inference）、非实验性研究、以及对比较数据的依赖，为后文讨论微生物宏观生态学奠定框架。
3 What Is Microbial Macroecology?
本节将微生物宏观生态学界定为宏观生态学原则与方法在微生物系统中的应用，并指出其并非简单同义反复，因为宏观生态学本身即具有多重解释，而微生物学又具有鲜明特殊性。作者据此从四个方面展开讨论。
3.1 Scale, a Fortiori
作者认为，微生物最突出的特征之一即其尺度优势。微生物在全球丰度、丰富度、系统发育多样性、代谢多样性以及栖息环境广度上均具备宏观生态研究所需的尺度条件；同时，微生物群落时间序列易于覆盖远超其内禀生态时间尺度的时长。因此，微生物群落几乎占据宏观生态学所有尺度维度。作者指出，尺度本身虽不足以定义宏观生态学，但它使研究者得以通过统计聚合识别在小尺度下难以观察的一般规律。另一种理解是，微生物群落往往具有高维特征，因此适合采用描述“典型群落”而非穷尽全部可能状态的模型。
3.2 The Utility of Minimal Models in Microbial Macroecological Investigations
本节强调最小模型（minimal models）在微生物宏观生态学中的方法论价值。作者指出，不同生态机制常可对同一宏观生态模式给出相似解释，因此识别最简单、但足以再现实证规律的模型至关重要；新增模型细节应被视为需由数据额外支持的假设。该策略有助于避免复杂模型中参数不可辨识的问题。文章认为，微生物群落的宏观生态模式解释在很大程度上得益于最小数学模型的应用。例如，仅凭若干基础经验规律，即可排除部分候选模型；而对不显式涉及时间的群落组成模式，甚至可使用极少自由参数进行定量预测。这些模型既为后续生态动态最小模型的建立提供基础，也可提示何时必须引入显式生态相互作用，如广义Lotka–Volterra模型（generalized Lotka-Volterra, gLV）。作者同时指出，这一建模路线并不限于现象学尺度，机制性的消费者-资源模型（Consumer-Resource Models, CRMs）同样可以成为成功的最小模型。
3.3 Observational and Experimental Investigation: Pari passu
本节讨论观察研究与实验研究在微生物宏观生态学中的并进关系。传统宏观生态学最初偏重非实验研究，部分原因在于宏体生物实验在时间尺度、重复性和系统操控方面受限，难以将具体机制与宏观模式稳健对应。微生物生态学则提供了突破口：研究者能够在重复群落集合上跟踪微生物动态，并实施系统性操控。此类实验设计与微生物群落高分类维度相结合，非常适合识别可重复的宏观生态模式。作者指出，若干宏观生态模式已在实验微生物群落中得到观测，而实验操控还能直接检验生物与非生物因素对模式的贡献。与此同时，能够解释自然群落模式的最小模型，也可为未来实验生成新预测，从而形成经验与理论的良性循环。
3.4 Limitations of Microbial Measurement
作者在本节系统分析微生物测量的约束。文章指出，测量并非中性行为，研究者在数据采集中的技术选择会直接限制可研究的模式类型及可检验的模型。微生物群落研究高度依赖测序技术，从16S rRNA条形码到宏基因组学（metagenomics），这些方法极大推动了大尺度时空采样与群落组成研究。宏基因组学还提供群落成员内部遗传变异频率信息，使生态-进化模式分析成为可能。然而，基于测序推断生物多样性单元始终存在困难：从操作分类单元（Operational Taxonomic Units, OTUs）到扩增子序列变体/精确序列变体（Amplicon/Exact Sequence Variants, ASVs/ESVs），分辨率虽提高，但16S rRNA单基因究竟能在多大程度上反映整个基因组编码的生态差异，仍有限制。宏基因组数据则可进一步识别菌株（strains）层级结构。更为关键的限制在于，大多数测序数据缺乏绝对丰度信息，只能得到相对丰度，由此产生组成性（compositionality）问题及统计伪影。虽然可通过外部定量手段或内参标准恢复绝对丰度估计，但这些方法尚少被广泛整合进具有宏观生态尺度的研究设计中。因此，当前微生物宏观生态模式主要集中于多样性与组成，而对依赖物理量纲变量如绝对丰度、生物量的模式了解较少。作者据此提醒，在应用以总绝对丰度为群落层级约束的模型时应格外谨慎，这也为偏好过程模型而非纯约束模型提供了依据。
4 Sample-Invariant Microbial Macroecological Patterns
本节综述同时适用于横截面数据与时间序列数据的“样本不变”宏观生态模式。作者认为，这些模式在不同环境中的可重复出现，以及可由少量参数定量解释，为理解“典型”微生物群落结构提供了基础。
4.1 Abundance Fluctuation Distribution (AFD)
丰度波动分布（Abundance Fluctuation Distribution, AFD）描述单一物种丰度在时间或空间上的分布，是宏观生态学中的基础对象。文章指出，在不同环境及实验群落中，经均值与方差重标化后，不同群落成员的AFD通常呈现相同的定性形状，即“数据塌缩”（data collapse），且这一形状常由伽马分布（gamma distribution）刻画。对于时间AFD，在满足一定条件时，它还可被理解为时间无关的平稳分布。基于此，研究者可以构建具有不同生态机制、但共享相同平稳AFD的随机微分方程（Stochastic Differential Equations, SDEs），如随机Logistic模型（Stochastic Logistic Model, SLM）与出生-死亡-迁移模型（Birth-Death-Migration, BDM）。作者还指出，AFD的定性不变性在不同系统发育和分类尺度上均被观察到，从菌株层级到粗粒化后的分类单元均成立，并已被用于分析不同系统发育/分类尺度上的多样性关系。
4.2 Taylor's Law
Taylor定律（Taylor's Law）描述群落成员AFD均值与方差之间的幂律关系，是生态学中最广泛研究的规律之一。作者指出，该规律在微生物群落中几乎无处不在，无论自然环境还是实验体系、横截面数据还是时间序列数据、物种层级还是菌株层级，均有大量证据支持。微生物数据中常见的指数值为2，这意味着不同群落成员的变异系数保持恒定，体现了相对于典型丰度而言波动强度的尺度不变性。文章进一步概述了Taylor定律的机制解释：既包括基于资源波动与消费者动态的消费者-资源模型，也包括资源利用稀疏性等结构因素。实验研究则表明，其指数变化可能受子代数相关性、空间竞争、迁移速率与方式、抗生素施用及噬菌体捕食等因素影响。尽管实验可改变指数取值，但Taylor定律的函数形式几乎从不被破坏，这支持其可能源于增长过程的乘法本性。关于噪声来源，文章指出环境噪声足以再现观测规律，而人口统计噪声在随机gLV模型中往往会削弱甚至逆转Taylor定律。
4.3 Mean Abundance Distribution (MAD)
平均丰度分布（Mean Abundance Distribution, MAD）刻画不同群落成员典型丰度之间的差异程度。作者指出，在自然群落的时间与横截面数据中，MAD通常可由对数正态分布（lognormal distribution）描述，实验群落横截面数据中也观察到类似结果。近来的研究则指出，在低相对丰度阈值下，截断后的MAD可能更符合对数拉普拉斯分布（log-Laplace distribution），而在较高阈值下则恢复为对数正态。作者强调，采样过程会显著影响经验MAD，因此统计推断时必须显式纳入采样效应。与单个样本内部的物种丰度分布相比，MAD更便于与理论生态学中的经典假设对接。例如，中性理论（Unified Neutral Theory of Biodiversity, UNTB）在物种可交换条件下预测平均丰度趋于一致，由此得到与经验MAD不符的结果；相对地，当在随机gLV模型中引入较弱且连接度较低的种间作用时，才能再现经验MAD。这表明，结合多种宏观生态模式对模型进行联合约束，有助于提升机制解释力。
4.4 Species Abundance Distribution (SAD)
物种丰度分布（Species Abundance Distribution, SAD）是生态学历史上研究最深入的模式之一。文章指出，当Taylor定律成立且AFD可由均值和方差充分表征时，只要知道MAD，即可完全确定所有群落成员的AFD，从而预测单一样本中的SAD。作者认为，这三条宏观生态规律共同构成了预测SAD的基础，并且相关模型已被用于进一步推断全球微生物丰富度。不过，文中也提到，对数正态SAD的普适性近年受到挑战，幂弯分布（powerbend）作为幂律与指数函数的混合形式，在部分微生物数据中具有更强解释力。与此同时，机制模型层面，消费者-资源模型在特定条件下能够重现经验SAD，例如在海洋数据中得到对数级数（logseries）型SAD。作者据此推断，既然某些gLV模型可解释MAD，而gLV又常可从CRM导出，那么CRM有望解释不同环境中SAD形式的差异。
4.5 Abundance-Occupancy Relationship (AOR)
丰度-占据关系（Abundance-Occupancy Relationship, AOR）描述群落成员的典型丰度与其跨样本出现频率之间的关系，是宏观生态学中最经典的模式之一。作者指出，在微生物群落中，可通过伽马分布AFD结合泊松采样近似定量预测占据度，这一结果意味着某一成员在样本中“缺失”往往主要反映采样不足，而非真实生态消失。值得注意的是，即便在具有替代稳定态的实验群落中，仅凭均值与方差也可较准确预测占据度，且迁移操控并不系统性改变这一点。因此，作者认为，占据度本身除反映底层AFD形状外，通常不携带太多额外生态信息；其机制解释价值相对有限。
5 Temporal Microbial Macroecological Patterns
本节讨论时间序列特有的宏观生态模式。与横截面数据不同，时间序列具有顺序结构，因此可揭示与群落时间动态直接相关的规律。作者将这些模式分为群落成员内部/跨成员的时间模式，以及成员之间的时间相关模式。
5.1 Patterns Within and Across Community Members
在离散化增长率方面，作者指出，时间序列可用于考察相邻采样间相对丰度变化，其对数形式可解释为离散化的人均增长率。当前微生物研究主要依赖测序数据推断这一量，也可借助宏基因组覆盖偏倚间接获取增长信息。经验上，离散化增长率分布常近似拉普拉斯分布（Laplace distribution），但关于其更支持人口统计噪声还是环境噪声，现有研究尚未完全一致。进一步地，增长率与丰度间的关系斜率可用于度量负频率依赖，其结果在CRM与gLV框架下均可与资源输入时间自相关联系起来。关于增长率波动随时间间隔扩大的规律，文章引入Hurst指数（Hurst exponent）刻画异常扩散行为；在人类和小鼠肠道群落中，相关结果通常表现为亚扩散，符合物种围绕稳态波动的图景。
在时间尺度方面，作者讨论了连续出现时间（residence time, t
res）与连续未观测时间（return time, t
ret）的分布。尽管这些量曾被视为局地灭绝与周转动态的表征，但由于测序读取数与真实细胞数之间存在巨大差距，加之采样间隔接近生长时间尺度，这些分布往往更多反映群落典型组成加采样效应，而非真实灭绝事件。与此不同，围绕稳态丰度的偏离持续时间，即逗留时间（sojourn time, t
soj），更可能保留真实时间动态信息。作者指出，人类肠道数据中，偏离幅度、逗留时长及其缩放关系显示出与统计物理中返原随机行走相近的普适特征。
在时间自相关方面，作者讨论了时间自相关函数及其傅里叶变换——功率谱密度（Power Spectral Density, PSD）。PSD衰减指数可反映噪声颜色与系统记忆结构。人类肠道微生物群常呈现粉红噪声（pink noise）特征，即自相关以幂律衰减、缺乏特征时间尺度；而口腔和手掌微生物群则更接近白噪声（white noise）。gLV模型表明，自相互作用强度与平均丰度的乘积是关键控制参数。作者还指出，若群落成员处于广义平稳状态，则可通过样本不相似度随时间间隔是否饱和来判断；人类肠道多数成员表现为平稳，但少数成员不饱和，提示其可能经历环境突变并进入替代稳定态（alternative stable states）。
5.2 Patterns Between Community Members
本节首先讨论成对时间相关。作者指出，物种间成对相关分布无法由不显式包含相互作用的最小模型解释，因此常被视为底层生态相互作用的反映。随机gLV模型表明，该分布宽度取决于相互作用矩阵的稀疏性与典型作用强度，并与复杂性—稳定性关系密切相关。更进一步，粗粒化CRM也能够在不直接拟合成对相关的情况下再现该分布，说明共享资源偏好与资源波动可通过间接方式塑造相关结构。文章还强调，群落间距离/不相似性及其与重叠度的关系，在很大程度上也可由物种间相关性解释。另一个新近识别的模式是：成对相关强度随系统发育距离增加而衰减。若将系统发育距离解释为环境偏好相似性的代理，则该模式更支持“环境过滤”（environmental filtering）而非竞争主导机制。
随后，作者讨论时间互相关函数及其傅里叶变换——交叉功率谱密度（Cross-Power Spectral Density, CPSD）。其归一化形式相干性（coherence）已被用于在海洋群落中推断层级化资源利用结构。相比静态成对相关，这类多时间尺度分析更有潜力识别群落结构与种间作用。作者同时指出，相干性也会随系统发育距离增大而下降，呈现与成对相关类似的衰减趋势。
6 Prospects of Microbial Macroecology
展望部分提出四条潜在发展方向。其一是测量生理变量。作者指出，微生物宏观生态学长期缺乏对具有物理量纲的个体层级变量，如每物种细胞数、生物量、代谢活性的系统观测，而这些变量在宏体生物宏观生态学中曾产生深远影响。尽管群落总体生物量、实验室单菌株代谢耗散等研究已取得进展，但在混合群落背景下获得物种水平代谢与质量信息仍极具挑战。未来可结合RNA、宏转录组学（metatranscriptomics）、稳定同位素探针、显微拉曼或NanoSIMS等技术推进。单细胞质量测量技术的发展，则为未来解析群落尺度质量谱（Community Size-Spectrum, CSS）与异速生长关系提供了可能。
其二是将资源作为机制核心。作者认为，现象学模型虽有价值，但无法充分揭示群落组装的真实机制。随着代谢组学与资源操控实验的发展，资源供给、交叉喂养（cross-feeding）与环境波动可被直接纳入宏观生态研究。资源-多样性关系作为新近实验模式即是一例：群落多样性对可替代资源数目的响应，并不总符合严格竞争排斥预期，而可能因交叉喂养、死亡驱动资源循环或代谢权衡而呈现多种形式。
其三是将空间模式视为物理过程结果。作者指出，微生物空间格局的机制解释长期困难，而实验系统与明确物理环境可帮助将细胞移动、扩散、机械相互作用与空间宏观模式关联起来。资源交换、负相互作用、机械压力以及生物膜作为“活物质”（living matter）的物理属性，都可能为微生物空间宏观生态学提供统一解释框架。
其四是将噬菌体视为营养级结构。作者认为，现有讨论多聚焦资源竞争，忽视了捕食。噬菌体是海洋等系统中驱动细菌死亡与生物量周转的重要因素，因此极可能对应一系列类似宏体生物捕食—被捕食缩放规律的微生物宏观生态模式。已有研究开始关注噬菌体与细菌的共现、相对丰度相关性及多样性关系，而总噬菌体粒子数与总细胞丰度之间的缩放关系，则可进一步作为最小模型的经验约束。
7 Summary
总结部分指出，本文梳理了从宏观生态学到微生物宏观生态学的科学脉络，概述了后者的研究对象、方法与目标。作者强调，单一宏观生态模式很少对应唯一生态原因，因此必须联合多个模式评估候选机制，并借助最小模型逐步缩小解释空间。与此同时，采样不完全、数据不完美、自然测量对异质群落的聚合等问题，仍会限制推断力度。实验宏观生态学与对测量局限的进一步重视，可能在一定程度上缓解这些问题。最后，作者特别强调微生物宏观生态学的跨学科属性：理论与实验、物理学与生物学之间的持续合作，不仅有助于发现新模式，也有助于发展可测量、可检验并可系统整合进理论的解释框架。
