在生态学领域，生物多样性与入侵性之间的关系一直是一个“悬而未决”的复杂问题。
传统观点认为，生物多样性越高，生态系统越难以被外来物种入侵，因为高多样性意味着生态位已被充分占据。
然而，在实际的野外观测中，生态学家们观察到了两种不同的相关性：
一方面，随着当地物种多样性的增加，入侵性会降低；另一方面，有时也会观察到随着物种多样性的增加，入侵性反而增加的现象。这种矛盾的现象引发了科学家重新思考生物多样性与入侵性之间的关系。
近期，美国麻省理工学院团队为上述问题提供了一个全新的、相对统一的视角。他们结合理论和实验发现，不能简单地用物种多样性进行入侵性预测，关键在于分析当地物种多样性被调控的因素。
当物种多样性受外来物种库的数量调控时，多样性确实与传统的生物抵抗假说一致，即随着多样性增加入侵性会降低。但当环境条件发生变化时，环境因素可能会同时影响入侵性和多样性，导致二者之间呈正相关的关系。
例如，在沙漠生态系统中，物种多样性低，入侵性也低；而草原生态系统中，物种多样性高，入侵性也高。
总体来说，该研究通过对生态学中三个重要的涌现变量（多样性、稳定性、入侵性）建立统一的关系框架，为预测入侵成功与生态影响提供了一种全新的视角。
图丨胡脊梁（来源：胡脊梁）
近日，相关论文以《集体动力机制预测微生物群落中的入侵成功及其影响》（Collective dynamical regimes predict invasion success and impacts in microbial communities）为题发表在Nature Ecology & Evolution[1]。
麻省理工学院胡脊梁博士（现为清华大学助理教授）是第一作者，杰夫・戈尔（Jeff Gore）教授担任通讯作者。
图丨相关论文（来源：Nature Ecology & Evolution）
2022 年，该课题组在Science报道了一种封闭生态系统中群落作为整体的涌现行为（DeepTech 此前报道：MIT中国博士首次提出生态群落的动力学相图，为系统描述和预测复杂生态系统行为提供可能），但当时没有考虑外来物种加入的情况。
然而，现实中的生态系统往往是开放的，随时可能面临外来物种的入侵。因此，研究人员在之前工作的基础上，进一步探讨了如何预测开放生态系统中入侵物种的涌现行为。
该研究的思路是：在理论层面对复杂系统进行降维处理，通过粗粒化和简化来识别出能够描述系统状态的关键控制参数。
胡脊梁解释说道：“这是物理学和科学研究的一个主要目标，因为只有将系统的维度降低，我们才能更好地进行预测、控制和操作。”
在前文提到的Science研究中，他们发现，只需要少数几个关键参数就可以预测某个群落的涌现行为和动力学特性，例如平均互作强度和物种池的大小。
（来源：胡脊梁）
在这项新的研究中，研究人员同样发现系统可能只与几个关键变量相关，主要是存活率（surviving fraction）、稳定性（即系统是处于震荡状态还是稳态）、互作强度和物种池的大小。
他们发现，使用存活率作为预测指标能够更准确地反映入侵性。在野外，可以通过比较一个局部区域的生物多样性与更广泛区域的生物多样性来计算存活率，从而预测入侵性。
（来源：Nature Ecology & Evolution）
此外，该课题组还发现，具有动态振荡的群落不仅多样性更高，入侵性也更高。“这可能是因为振荡群落随着时间的推移提供了持续变化的生态位，为更多入侵物种提供了机会。”胡脊梁表示。
在实验中，研究人员观察到了生物学家之前所观察到的各种现象，包括正相关和负相关，以及优先效应的存在与否。通过新框架对数据进行组织和分析后，他们发现可以很好地预测粗略化的参数。
这意味着，尽管存在一些看似矛盾的关系，但通过该团队所提出的分析框架，这些关系可以被整合为一种更为普适的模式。
研究人员认为，这种方法未来也可以应用于自然数据的分析。例如，如果有足够的数据，可以通过同样的分析方法帮助其他生态学家将他们观察到的各种现象整合在一起。
该研究不仅有助于更好地理解和预测生态系统的入侵过程，还与生态和健康的相关问题密切相关。例如，益生菌的定制和粪便移植等方法都涉及对原有菌群的入侵，致病菌（如艰难梭菌）的入侵等。
该研究可以直接帮助理解和预测有益和有害入侵的影响，从而有望通过设计更有效的益生菌或策略，更好地适应和发挥作用。此外，这项研究在更宏观的生态层面也具有指导意义。
胡脊梁举例说道：“例如，在希望某些生物入侵以重建荒漠化地区时，或者在抵御外来物种入侵时，我们的工作可以提供一些有价值的参考和指导。”
（来源：Nature Ecology & Evolution）
据了解，胡脊梁已于 2024 年 12 月入职清华大学，他的研究兴趣主要集中在微生物与癌症的生态学和进化动力学方面，特别是关注微生物群落与肿瘤体系之间的相互作用，以及它们在生态和进化层面的动态变化。
下一步，该课题组计划将研究框架应用于临床菌群数据、微生物群落移植数据以及宏观生态学数据的分析，以验证该方法在其他数据集中入侵行为的有效性。
“我将继续关注于如何将当前的入侵行为模型拓展到考虑复杂空间结构的情况，比如在肿瘤组织内部的空间结构对入侵行为的影响。”胡脊梁表示。
参考资料：
1.Hu, J., Barbier, M., Bunin, G. et al. Collective dynamical regimes predict invasion success and impacts in microbial communities.Nature Ecology & Evolution(2025). https://doi.org/10.1038/s41559-024-02618-y
2.Hu,J. et al. Emergent phases of ecological diversity and dynamics mapped in microcosms.Science 378, 6615,85-89（2022）. https://www.science.org/doi/10.1126/science.abm7841
运营/排版：何晨龙
