壁橱里的魔鬼

2019年4月2日,华盛顿州西雅图

有时在科学中,看似简单的旅程可能会花费大量时间。 我们在《 公共科学图书馆·生物学 (Hart等人,2019)中的论文就是这样的旅程。 这个问题似乎很容易:对于一个高度简化的微生物群落-一个由两个相互帮助或“合作”的酵母菌株组成的群落,我们能否预测该群落的成长速度?

如果您认为这个问题很深奥,那就不是。 合作在生物学中令人惊讶地普遍:致病细菌相互合作以发起感染; 污水处理污泥中的微生物共同分解废物。 一个社区发展得越快,它越有可能幸免于麻烦或发展到新的领域。 最终,对微生物群落的定量了解将使我们能够控制和使用群落作为益生菌。

这项工作的一个显着方面-长期而动荡的妊娠-从数据本身是看不见的。 在回应期刊审稿人的批评时,我强烈希望写下这个不为人知的科学发现故事。

谦虚的梦想

该项目始于大约17年前我是一名博士后的时候。 为了将生物学与数学联系起来,我加入了纽约洛克菲勒大学的物理学家实验室。 我想看看生物系统的“各个部分”如何相互作用,从而可以作为“整个”系统产生定量的特性。

所有生物系统均由部分组成。 例如,一个生态群落由相互作用的物种组成,而人体则由不同的细胞类型组成。 对生物系统如何工作的定量了解可能非常有力。 例如,它可以帮助我们预测如果我们要扰动零件会发生什么。

一个数学模型由一个或多个方程组成。 一个方程式描述了不同数量如何相互链接。 例如,人口数量的快速变化等于通过出生增加新成员的速度,减去现有成员死亡的速度。 生长率和死亡率是模型参数的示例。

那时,人们一直在对生物系统进行建模,例如生态群落,基因调控网络和细胞分裂周期。 一些模型可以很好地匹配数据。 但是,著名的数学家和计算机科学家约翰·冯·诺伊曼(John von Neumann)曾经说过:“有四个参数,我就可以适应一只大象,有五个参数,我就可以使他摆动树干。”换句话说,只要有足够的“自由参数”,一个参数就可以自由选择而不是受实验测量结果的现实约束,可以建立一个模型以适合任何数据。 尽管拟合模型可以解释数据,但这并不意味着模型正确或可以预测新数据。

为了避免“自由参数”问题,我决定从一个非常简单的系统开始。 在这样的系统中,我应该确切地知道零件之间如何相互作用。 然后,我可以写下等式,知道需要测量哪些参数,然后测量所有参数。 经过深思熟虑后,我决定设计一个高度简化的合作酵母群落,该群落由两种菌株组成,每种菌株相互提供必需的代谢产物。 我和我的同事们想到了一个好听的名字:CoSMO-合成且相互强制的合作。 与科学家通常难以计算物种数量的现实社区不同,CoSMO具有两个和只有两个菌株。 与现实生活中的物种通过释放许多未表征的化学物质而相互影响的现实社区不同,在CoSMO中,每个菌株仅释放一种伴侣需要和消耗的代谢产物。 此外,在CoSMO中,这两个菌株由于相互依赖而并存,因此我不必担心会丢失其中任何一个。

现在,我知道了两种菌株如何相互作用,原则上应该容易预测社区属性,例如社区的增长速度或社区增长率。 社区增​​长率主要取决于每种菌株的两个特征:代谢产物释放速率和每次出生所消耗的代谢产物量。 因此,对社区增长率的建模归结为测量四个参数。 这绝不是野心勃勃的!

任务中止

我测量了所有四个参数。 在没有伴侣的情况下,我测量了每种菌株的代谢物释放和消耗特性。 我摆脱了伴侣,以便释放的代谢物积聚在试管中供我测量,而不是被伴侣立即消耗。 但是,由于没有合作伙伴在场,因此测量环境(称为“批处理文化”环境)与社区环境有所不同。 例如,为了测量分批培养物中的代谢物消耗,我将在实验开始时添加高剂量的代谢物。 相反,在社区中,消耗的代谢物经常是由伴侣以低水平供应的。 在类似社区的环境中测量菌株性状需要特殊的实验装置。 因此,我不得不希望批处理文化环境可以近似社区环境。

在测量了四个参数之后,我预测了社区的增长率。 但是,我的预测与实验结果相去甚远。 我很失望。 从理论上讲,数学模型在失败时会很有用,因为失败表明我们仍然缺少重要的部分。 实际上,我对失败并没有感到兴奋,因为即使在像CoSMO这样简单的系统中,也可能遗漏太多部件。 例如,分批培养环境可能无法近似社区环境; 细胞可能正在演变……问题立即变得非常凌乱和令人难以置信-恶魔。

最终,我中止了任务。 我被迫问我是否可以解释其他一些社区属性,即社区开始成长所需的最小总细胞密度。 该计算需要测量更多参数-例如各种代谢物浓度下的细胞生长速率。 我没有进行此类测量的实验装置,因此我放弃了自由参数。 我做了过去和现在经常做的事情:寻找文学价值。 文献值在一个数量级上变化,因此我自然选择了可以解释我的数据的值。 我感到内,但通过注意至少我选择的自由参数并不令人感到放心,并且至少我模型中的自由参数比例远低于大多数其他模型。 这种推理并没有使我感到宽恕,但是却帮助结束了我的博士后项目(Shou等,2007)。

被魔鬼困扰

当我在Hutch实验室开始实验时,我立即将魔鬼锁在了壁橱里。 我感到被捉住了:一方面,拨款审查员一直在惩罚我,因为“ CoSMO 简单了”,但另一方面,我什至无法理解社区的一个非常基本的属性。 我的建模失败确实令人羞辱。 我没有办法以令人兴奋的方式改写这个问题,以吸引任何人,甚至可能包括我自己。

我的小组开始研究其他更性感的问题,例如这两种合作菌株如何抵御那些消耗但不贡献代谢产物的作弊者(Waite和Shou,2012; Momeni等人,2013a)。

尽管小组成员取得了成功,但魔鬼仍然困扰着我。 当时我实验室的博士后研究员Babak Momeni检查了CoSMO在琼脂糖垫上生长时在CoSMO中的空间格局。 当我们将模型预测的模式与实验中观察到的模式进行比较时,从定性的角度来看,它们看起来很相似。 但是,时机看起来非常不同。 鉴于我们不了解社区的发展速度,这不足为奇。 幸运的是,动力学并不是本文的重点,因此我们从仿真中删除了所有时间戳(Momeni等人,2013b)。

多年后,德国马克斯·普朗克进化生物学研究所的Arne Traulsen说道:“我们都认为生物学的数学建模很困难,但是寿文颖来了,她向我们展示了她可以做到的。”而我会尴尬地坦白说:“不,阿恩-到目前为止,我们只处理了定性部分。 我们甚至不知道CoSMO的增长速度如何……”

恶魔挣脱

最终,我过去失败的魔鬼不会让我进一步忽略它。

两位才华横溢的小组成员Chi Chi-Chun Chen和Jose Pineda正在量化进化细胞的代谢产物释放速率。 他们想知道细胞是否可以通过释放更多的细胞而进化为更“慷慨的”。 然而,尽管Chi-Chun和Jose具有出色的实验能力,他们的结果却变化很大。 当问题变成定量问题时,我们似乎陷入了困境。

我们怀疑可变的测量结果可能是由于细胞特征对测量环境高度敏感所致。 为了在类似社区的环境中进行测量,实验室的物理学家戴维·斯库丁(David Skelding)开始制造被称为“化学稳定剂”的设备。 在恒化器中,以小剂量(小滴)但经常(每隔几十秒)提供营养,模仿伴侣菌株缓慢但恒定的代谢物释放速率。 大卫花了好一年甚至更长的时间来确保稳定器的工作可靠,精确(Skelding et al。,2018)。

驯服恶魔

当Sam Hart以研究技术员的身份加入我的实验室时,他继承了我,Chi-Chun和Jose留下的问题。 萨姆(Sam)在佛蒙特大学(University of Vermont)进行了四年的本科研究,因此他很快从何塞(Jose)那里学习了实验技能。 萨姆(Sam)还是一名运动员,还是西雅图Sockeye Ultimate飞盘俱乐部的成员。 他受过处理很多挫折的训练。

最初,Sam继续对分批培养物中的菌株性状进行定量,因为毕竟,化学恒温器的测量要困难得多,并且受培养箱数的限制。 但是,在某个时候,我们意识到,如果没有扎实的基础知识,我们就会追逐尾巴:如果我们不了解两种祖传菌株(即为什么祖传菌株的特性无法解释祖传社区的生长速度),试图了解进化的毒株毫无意义。

到那时,山姆已经投资了一两年。 但是Sam毫不慌张,因为他理解提出正确的问题的重要性,尽管不方便。 Sam重新测量了David的恒化器中祖先菌株的代谢物释放和消耗特性。 通过控制代谢物的缓慢供应,Sam可以迫使细胞以CoSMO中观察到的各种缓慢速度生长。 但是,化学恒化器引入了自己的魔鬼:由于代谢产物的限制,两种菌株的细胞在适应代谢产物的限制的同时迅速脱离了原始状态。 然后,山姆想出了解决这个新问题的方法。

最终,Sam发现确实,在化学恒温器中,与分批培养相比,代谢物释放和消耗特性的测量值可能存在显着差异。 来自中国的本科访问学生米汉冰(Hanbing Mi)提出了当细胞可以快速进化时如何正确衡量社区增长率的方法。 一旦考虑了所有这些因素,我们就解决了难题(Hart等,2019)。 但仅仅是部分:我们仍然不了解CoSMO增长放缓的初始阶段。

使用我们发现值得信赖的相同定量方法,Sam指出了“慷慨”的含义(已接受,(Hart&Pineda等人,2019)),并且哪些突变体进化得更加慷慨(见制备)。 Sam现在是华盛顿大学的研究生。

摘要

做仔细的科学需要很多时间。 为了使科学进步,它必须站在坚实的基础上。 通过演示如何正确建模非常简单的生活系统,我们帮助设定了将来对更复杂的系统(如益生菌群落或传染病)建模的标准。

致谢

我非常感谢我的实验室成员,特别是Sam Hart,Jose Pineda,Chen-Chun Chen,Mi Hanbing Mi和David Skelding所做的高质量工作。 感谢Alex Yuan向我介绍medium.com。 Alex Yuan,David Skelding,Riley Kimsey,Robin Wilcox,George Moore和Aziz Alfi提供了有关写作的反馈。 我还要感谢林逸婷(Hutch Science Spotlight的作家)和加里·吉利兰德(Gary Gilliland)(哈奇总统,外展倡导者)为本书的撰写提供了更多动力。

笔记

  1. 下划线包含指向研究文章的可单击链接。
  2. 有关其他故事,请参见https://medium.com/@wenying.shou。

后记

  1. 我用中文为母亲读了这个故事,她说:“我不知道你在做什么,但现在我有了一些了解!”
  2. 我与我以前在Pomona学院的细胞生物学教授Bruce Telzer教授分享了我的故事。 他写了:

故事的一个方面令我感到震惊……您如何将最初的实验视为“失败”,而从我的角度来看却并非如此。

托马斯·爱迪生(Thomas Edison)曾经有句著名的话:“我没有失败。 我发现了10,000种行不通的方法。” …… 我想起了我在实验室里花了多少时间试图使一个实验“起作用”,而同时我一直以为自己无济于事。 但是,在每次出现明显故障的过程中,我都成功地调整了pH值,时间,温度和试剂浓度等,直到最终在第10001次尝试中都奏效。 爱迪生是对的。

我作为一名教授所面临的最艰巨的任务之一,尤其是在生物入门课程中,是应对学生的“我的实验无济于事”的抱怨,因为他们没有得到预期的结果。 我会自言自语,试图说服他们,实验总是在向他们提供有意义的数据以计划下一个实验,然后再计划下一个实验。 他们中的一些人最终意识到这就是科学的完成方式。 但是,许多人仍然离开实验室,认为他们失败了,这总是让我感到难过。