不同中国民族和生活方式人群的肠道微生物组群体异质性在尺度上表现出一致性（即其变化规律相似）

《International Microbiology》：Community heterogeneity scaling of gut microbiomes across Chinese ethnicities and lifestyles appears invariant

　　摘要

在微生物组研究中，微生物群的群落异质性具有重要的理论和实践意义，微生物组的多样性和个体间的异质性都是人类微生物组计划（HMP）的核心目标。尽管多样性分析（如香农熵）已成为微生物组研究的实际标准，但异质性却较少受到关注。然而，这并不意味着它的作用较小；事实上，宏观生态学的研究表明，异质性在决定群落稳定性方面同样重要，甚至可能更为关键——这一概念与微生物组失调密切相关，而微生物组失调会显著影响与微生物组相关的疾病。解决异质性问题的挑战在于其复杂性，因为它涉及到的不仅仅是简单的物种数量。在这项研究中，我们应用了泰勒幂律（TPL）及其扩展模型（TPLE）来分析不同种族群体和生活方式下的中国人群肠道微生物组的异质性，使用了代表七个种族和两种生活方式（农村和城市）的314个个体的数据集。我们的研究结果表明，个体间的群落异质性尺度与生活方式和地理/种族无关，可以用一个一致的缩放模型（TPLE）来描述，该模型适用于四个分类水平（门、科、属和种）。此外，在微生物物种水平上，TPL的种群聚集参数在较高分类水平（门和科）上是不变的，但在较低水平（属和种）上有所不同。这些结果表明，中国不同种族和生活方式之间的个体间异质性尺度具有高度稳定性，这种稳定性可能受到生物地理学、文化和遗传背景的影响。这种稳定性类似于物理系统中的准不变性质。

引言

人类肠道拥有一个独特的微生物组生态系统，它与整体健康密切相关，通过抵御病原体、产生生物活性代谢物和调节免疫功能来影响宿主（Lu等人，2021年；Xiao等人，2021年；Yoo等人，2020年）。这种系统的失衡，即微生物组失调，与多种疾病有关，包括炎症性肠病、2型糖尿病、肥胖、癫痫和自闭症（Hollister等人，2014年；Heintz-Buschart和Wilmes，2018年；Canfora等人，2019年；Gurung等人，2020年；Lou等人，2022年）。虽然大规模评估已经记录了不同种族、生活方式和地理区域的组成动态（Zhang等人，2015年），并且中国人群的多样性也得到了研究（Xiao等人，2021年），但这些群落的异质性——即个体间物种组成和丰度的不均匀性——仍然是一个被忽视且难以量化的维度。这一挑战是实质性的，因为与简单的多样性指标（如香农熵）不同，异质性考虑了复杂的物种相互作用和分布模式，从而可能提供对群落稳定性和功能的更深入见解。在过去的二十年里，测序技术的进步彻底改变了微生物组研究，大多数工作集中在与环境条件相关的组成和动态上（HMP联盟，2012年；iHMP联盟，2019年；Falony等人，2016年；Oh等人，2016年；Li等人，2012年；Lozupone等人，2012年）。然而，作为生态学中的一个基本概念，异质性捕捉了群落结构的一个关键方面。Aaron Ellison的评论恰当地说明了这一点：“虽然动物园是多样的，但自然生态系统是异质的。”为了填补这一测量和分析上的空白，泰勒幂律（TPL）及其扩展模型（TPLE）作为描述种群和群落分布和尺度的强大工具，为量化人类肠道微生物组的难以捉摸的异质性提供了坚实的框架。

泰勒幂律（TPL）是宏观生态学中的一个基础生态模型，最初由LR Taylor提出（Taylor，1961年）。它成功地阐明了在植物和动物的宏观生态学中，单个物种水平的平均种群丰度（m）与其相应方差（V）之间的关系（Stumpf和Porter，2012年；Taylor，1961年，1984年；Taylor等人，1983年；Cohen和Saitoh，2016年；Reuman等人，2009年，2014年；Sunagawa等人，2015年）。Ma（2015年）将泰勒幂律模型从种群水平扩展到群落水平，提出了四种类型的扩展模型（泰勒幂律扩展模型，Type I–IV TPLEs），用于测量群落异质性（Type I和Type III TPLEs用于空间样本或局部群落）和时间稳定性（Type II和Type IV TPLEs用于时间采样数据）。

基于Ma（2015年）的基础工作，种群聚集描述了单个微生物物种内的个体倾向于聚集在一起，而不是随机分布在不同的样本或地点。这种聚集是一个基本的物种特异性特征。从整个微生物群落的层面来看，群落异质性指的是不同宿主个体或身体部位之间所有物种及其丰度的整体组成的不均匀性。分析这些模式揭示了微生物群落本质上是结构化的和非随机的，受可扩展的生态学原理支配。在种群和群落层面量化这种内在的斑块性是必要的，因为它超越了简单的微生物存在目录，捕捉了它们的分布方式——这是理解生态系统稳定性、宿主特异性适应和潜在微生物组失调的关键。TPLE模型已被广泛用于评估微生物群落内的群落异质性和种群聚集（Ma，2015年；Oh等人，2016年；Li和Ma，2019年；Ma和Li，2019年；Ma，2020a；Ma和Taylor，2020年）。例如，研究发现温泉微生物组的群落空间异质性（CSH）参数不受温度和pH值的影响（Li和Ma，2019年）。Ma和Li（2019年）比较了男性和女性之间15个微生物组地点的群落空间异质性，发现异质性参数与性别无关。Ma（2020a）通过重新分析26项与微生物组相关疾病的研究数据，发现健康组和疾病组之间的群落空间异质性存在显著差异，大约在10-16%的病例中（Ma，2020a）。此外，Ma和Taylor（2020年）发现人类阴道和精液微生物组的群落空间异质性表现出样本缩放，但两者与人类肠道微生物组相比都有显著差异。除了微生物群落之外，TPLE模型还应用于宏基因组基因的异质性、COVID-19感染病例预测和测序覆盖率估计等领域（Ma，2020b，2020c，2020d）。

本研究的目标有两个方面。首先，我们使用泰勒幂律扩展模型（TPLE）分析了不同尺度下的中国肠道微生物组，旨在确定关键环境因素（如生活方式（例如，农村和城市群体）、种族和地理）是否显著影响群落空间异质性。如果发现这些异质性是尺度不变的，我们将进一步开发中国肠道微生物组的通用异质性参数，以阐明微生物群的分布和结构。其次，我们将泰勒幂律（TPL）模型应用于14个群体（包括7个种族和2种生活方式）的中国肠道微生物组，从而获得了门、科、属和种水平的种群聚集参数。此外，我们比较了农村和城市群体在单一分类水平上的聚集参数，以评估生活方式是否显著影响共享分类水平上的种群聚集。

材料与方法

中国肠道微生物组数据集

分析的分类表直接来源于Zhang等人（2015年）的已发表工作，他们将序列数据存储在MG-RAST数据库中（访问号1538）。简要来说，他们的处理流程如下：使用454 GS FLX焦磷酸测序技术为16S rRNA基因的V5–V6区域生成了5,102,015个高质量序列（Zhang等人，2015年）。序列使用MG-RAST管道（数据库版本3.3）在97%的身份阈值下聚类为操作分类单元（OTUs）。这产生了物种级别的OTU表。为了确保我们异质性分析的可重复性，在分析之前过滤掉了原始数据集中的非微生物序列（例如，食物项目、实验室污染物），仅保留了细菌和古菌的OTUs。本研究中使用的最终处理后的物种级别OTU表作为补充文件提供（表S15）。

Zhang等人（2015年）收集了总共314个肠道微生物组样本，包括145名城市居民和169名农村居民。这些样本代表了中国的7个种族群体（白族、汉族、哈萨克族、蒙古族、藏族、维吾尔族和壮族），来自中国的9个省份，其中汉族居民来自四个不同的地理位置：黑龙江、河南、江苏和四川。此外，哈萨克族和维吾尔族居民来自新疆维吾尔自治区。该研究旨在评估中国个体的肠道微生物组组成，并探索不同种族群体、生活方式和地理位置下的肠道微生物组组成的动态（Zhang等人，2015年）。在这种情况下，空间异质性缩放的概念被用来描述中国肠道微生物组内种群和群落的分布。

泰勒幂律及其扩展的定义

Taylor LR在1961年发表了经典的生态幂律模型（Taylor，1961年），该模型描述了种群丰度的平均值（m）与其相应方差（V）之间的关系：$$\:V=a{m}^{b}$$ （1）其中m是平均种群丰度，V是特定空间位置的相应方差。参数a和b分别衡量种群聚集程度和采样尺度。泰勒幂律（1961年）提供了一个强大的工具，用于定量描述种群分布。

Ma（2015年）将泰勒幂律从种群水平扩展到群落水平。引入了四种扩展模型（泰勒幂律扩展模型，TPLE），用于量化群落空间异质性、群落时间稳定性以及混合物种种群的空间异质性和时间稳定性（Ma，2015年）。TPLE模型和TPLE模型具有相同的数学公式，但它们的参数的生物学意义不同。在这项研究中，Type-I TPLEs用于分析不同尺度下中国肠道微生物组的群落空间异质性缩放，即：$$\begin{array}{cc}V_s=am_{s\:}^b&s=\text{1,2},3,\dots\:,S\end{array}$$ （2）其中ms是第sth群落中所有物种的平均丰度，Vs是相应的方差。S是群落的数量。参数a和b的生物学意义与泰勒原始幂律中的参数a和b类似。Ma（2015年）提出，群落异质性水平（参数b）应与环境条件无关，这一推断在温泉微生物组中得到了验证（Li和Ma，2019年）。他们发现温泉微生物组的异质性参数b不受pH值和温度的影响（Li和Ma，2019年）。

为了获得方程（2）的模型参数，TPLE模型可以通过对数变换转换为线性关系：$$\:\text{ln}\left(V\right)=\text{ln}\left(a\right)+bln\left(m\right)$$ （3）对于方程（3），如果V = m，$$\begin{array}{cc}CACD=m_0=\text{exp}\left(\frac{ln\left(a\right)}{1-b}\right)&(a>0,\:b\neq\:1)\end{array}$$ （4）其中CACD（群落聚集临界多样性）是Ma（2015年）提出的一个概念。同样，PACD（种群水平上的种群聚集临界密度）也由Ma（1989年，1991年）定义。CACD或PACD定义了人口分布模式在规则型、随机型和聚集型之间的关键转变点。本研究旨在探讨种族、生活方式和地理因素是否影响中国个体肠道微生物组中空间社区异质性和人口聚集的尺度变化。我们按照以下方案和步骤对中国肠道微生物组进行了社区异质性和人口聚集分析（图1）：

**图1** 全尺寸图像

**通过泰勒幂律（TPL）及其I型扩展（TPLE）估计的人口聚集和社区异质性的图形摘要和概念：**

**(i) 社区异质性：**我们设计了五种不同的尺度方案来探索影响中国肠道微生物组社区异质性的关键因素。
- **方案I：**根据2种生活方式和7个种族，将所有314个样本分为14个队列。将I型TPLE模型应用于这两种类型的数据集。首次拟合结果比较了同一省份（地理因素）内两种生活方式（农村和城市队列）之间的I型TPLE参数。第二次拟合结果在控制生活方式（农村和城市）的情况下，比较了7个种族之间的I型TPLE参数。
- **方案II：**根据7个种族（结合同一种族的农村和城市样本），将所有314个样本分为7个队列。我们将I型TPLE模型应用于每个队列，并比较了7个种族群体之间的I型TPLE参数。
- **方案III：**除了汉族外，将所有种族合并为4个队列：农村汉族、城市汉族、农村少数民族和城市少数民族。该方案旨在比较不同生活方式和种族之间的I型TPLE模型参数。
- **方案IV：**将所有7个种族的农村和城市样本合并为两个总体队列。然后我们计算了这两个队列的I型TPLE模型，并比较了它们之间的参数。
- **方案V：**将所有314个样本合并，以计算中国肠道微生物组的I型PLEC模型。

为了确定参数b、ln(a)和CACD在不同队列之间是否存在显著差异，我们对不同种族和生活方式的中国肠道微生物组进行了随机化测试。随机化测试的程序遵循Collingridge（2013）和Li与Ma（2019）的方法。

**(ii) 人口聚集：**我们设计了两种方案使用泰勒幂律（TPL）来测量人口聚集。
- **方案I：**中国肠道微生物组数据集包含14个队列（7个种族×2种生活方式）。我们使用至少出现在8个队列中的每个分类单元（门、科、属或种）的平均种群丰度和相应方差来拟合泰勒幂律。共有29个门、168个科、326个属和797个种符合这一出现标准。
- **方案II：**我们使用7个种族的平均种群丰度和农村及城市样本中每个分类单元的相应方差来拟合泰勒幂律。该方案旨在比较至少出现在5个种族中的分类单元的人口聚集情况。

为了引导读者，提供了说明TPL/TPLE核心概念和所采用的五种分析方案的图形摘要（图1和图2）。

**图2** 全尺寸图像

**使用I型TPLE分析中国肠道微生物组中七个主要中国种族队列的不同生活方式的社区异质性和人口聚集的五种方案**

**使用I型TPLE量化社区空间异质性：**我们将I型TPLE模型应用于五种方案的数据集，为这些数据集中的每个队列构建了一个I型TPLE模型（详细拟合结果见表S1-S5）。为了检测I型TPLE模型主要参数的差异，我们对关键参数进行了排列测试，结果列在表S6-S11中。共有112个微生物组社区成功拟合了I型TPLE模型，除了3个案例（农村和城市的哈萨克族个体，以及农村的维吾尔族个体在物种水平上，p > 0.05）。图3和图5总结了方案I中中国肠道微生物组社区空间异质性的结果。值得注意的是，四个分类单元水平的社区空间异质性参数b的平均值超过了1，表明中国肠道微生物组中的几乎所有微生物社区都是异质的，b反映了社区空间异质性的程度。

**图3** 全尺寸图像

**使用方案I计算的I型TPLE模型的b值和ln(a)的森林图。A：b值；B：ln(a)**
在方案I中，城市队列中的蒙古族群体在所有四个分类单元水平上表现出最高的社区空间异质性，而农村队列中的蒙古族和藏族群体也显示出相似的高异质性水平（表S1和图3）。

在方案II中，蒙古族群体在科、属和种水平上表现出最高的社区空间异质性，参数b的最大值集中在这一群体中（表S2）。相反，哈萨克族群体表现出最低的社区空间异质性，b = 1.15（种水平）（表S2）。

在方案III中，除了汉族外，所有种族都被合并为4个队列：农村汉族、城市汉族、农村少数民族和城市少数民族。该方案旨在比较不同生活方式和种族之间的I型TPLE模型参数。

在方案IV中，将所有7个种族的农村和城市样本合并为两个总体队列，形成两个总体队列（农村和城市）。然后我们计算了这两个队列的I型TPLE模型，并比较了它们之间的参数。

在方案V中，将所有314个样本合并，以计算中国肠道微生物组的I型PLEC模型。

为了确定参数b、ln(a)和CACD在不同队列之间是否存在显著差异，我们对不同种族和生活方式的中国肠道微生物组进行了随机化测试。随机化测试的程序遵循Collingridge（2013）和Li与Ma（2019）的方法。

**使用泰勒幂律（TPL）测量人口聚集：**我们设计了两种方案来测量人口聚集。
- **方案I：**中国肠道微生物组数据集包含14个队列（7个种族×2种生活方式）。我们使用至少出现在8个队列中的每个分类单元（门、科、属或种）的平均种群丰度和相应方差来拟合泰勒幂律。共有29个门、168个科、326个属和797个种符合这一出现标准。
- **方案II：**我们使用7个种族的平均种群丰度和农村及城市样本中每个分类单元的相应方差来拟合泰勒幂律。该方案旨在比较至少出现在5个种族中的分类单元在农村和城市样本中的人口聚集情况。

为了指导读者，提供了说明TPL/TPLE核心概念和所采用的五种分析方案的图形摘要（图1和图2）。

**图2** 全尺寸图像

**使用五种方案分析中国肠道微生物组中七个主要中国种族队列的不同生活方式的社区异质性和两种方案分析人口聚集**

**使用I型TPLE量化社区空间异质性：**我们将I型TPLE模型应用于五种方案的数据集，为这些数据集中的每个队列构建了一个I型TPLE模型（详细拟合结果见表S1-S5）。为了检测I型TPLE模型主要参数的差异，我们对关键参数进行了排列测试，结果列在表S6-S11中。共有112个微生物组社区成功拟合了I型TPLE模型，除了3个案例（农村和城市的哈萨克族个体，以及农村的维吾尔族个体在物种水平上，p > 0.05）。图3和图5总结了方案I中中国肠道微生物组社区空间异质性的结果。值得注意的是，四个分类单元水平的社区空间异质性参数b的平均值超过了1，表明中国肠道微生物组中的几乎所有微生物社区都是异质的，b反映了社区空间异质性的程度。

**图3** 全尺寸图像

**使用方案I计算的I型TPLE模型的b值和ln(a)的森林图。A：b值；B：ln(a)**
在方案I中，城市队列中的蒙古族群体在所有四个分类单元水平上表现出最高的社区空间异质性，而农村队列中的蒙古族和藏族群体也显示出相似的高异质性水平（表S1和图3）。

在方案II中，蒙古族群体在科、属和种水平上表现出最高的社区空间异质性，参数b的最大值集中在这一群体中（表S2）。相反，哈萨克族群体表现出最低的社区空间异质性，b = 1.15（种水平）（表S2）。

在方案III中，在所有四个分类单元水平上，农村少数民族的社区空间异质性大于农村汉族。此外，城市少数民族在科、属和种水平上也表现出比城市汉族更高的社区异质性（表S3）。这表明，除了门分类单元水平外，中国少数民族的肠道微生物群落结构更加异质。

在方案IV中，农村队列在科和种水平上表现出更高的异质性，而城市队列在门和属水平上表现出更高的异质性（表S4）。

在方案V中，I型TPLE模型应用于314个个体，揭示了物种水平的社区空间异质性水平（b = 1.781，表S5）。这一社区异质性水平比人类微生物组项目（HMP）的粪便样本数据集（b = 2.006，Ma 2015）低12.6%，比美国肠道项目数据集（b = 1.831，Ma和Taylor 2020）低约3%。然而，它比温泉微生物组数据集（b = 1.594，Li和Ma 2019）高10.5%。这些结果表明，中国和美国肠道微生物组的社区异质性与温泉微生物组更为相似（图4）。

**图4** 全尺寸图像

**所有五种方案中社区异质性参数（b）与样本数量之间的Spearman相关性和线性拟合模型**

图3和图5显示了每种方案中拟合I型TPLE模型的平均参数（详细拟合结果见表1）。由TPLE模型估计的参数b和CACD的平均值在四个分类单元水平上呈现出单调递减的趋势（从门到种），除了方案I中的异质性参数b。相比之下，参数ln(a)从门水平到种水平呈现出单调递增的趋势。此外，同一分类单元水平上不同方案之间的b值相似，门水平的b值范围从1.968到2.013，仅相差2.3%。从方案I到方案V，参数CACD随着社区规模的增加而减小，表明人口分布模式的关键转变点值随着社区规模的增大而单调减小。为了评估队列规模对异质性参数的影响，我们将TPLE参数与对数转换后的样本大小进行了绘制（图4）。Spearman相关性分析未发现样本大小与异质性参数b之间存在显著的单调关系，表明观察到的参数变化不能归因于队列规模的差异。

**表1** 使用中国肠道微生物组计算的I型TPLE参数的随机化测试的显著差异百分比（%）（四个分类单元：门、科、属和种）

**图5** 全尺寸图像

**五种设计方案中四个分类单元水平上中国肠道微生物组社区空间异质性（CSH）的I型TPLE平均参数**

为了评估独立于环境因素（如压力和健康状况）的队列之间的潜在差异，应用了随机化测试来评估TPLE参数b、ln(a)和CACD的差异，如表1所总结，并在表S6-S11中详细说明。成对比较表明，只有2.7%（8/300）的异质性参数b显示出显著差异，这意味着除了随机差异外，队列之间的b几乎没有显著变化。参数ln(a)和CACD的显著差异百分比分别为4.3%（13/300）和11.3%（35/300）。值得注意的是，在所有四个分类单元水平（门、科、属或种）上，农村和城市队列之间的社区异质性参数b没有显著差异（见表S6、S9和S11）。这表明社区异质性参数b是尺度不变的，不受生活方式（农村与城市）的影响。此外，ln(a)和CACD在不同生活方式上也表现出尺度不变性。

鉴于中国肠道微生物组的社区异质性参数（b、ln(a)和CACD）是尺度不变的，需要建立一个通用的异质性参数来衡量微生物群的分布和结构。人口聚集作为人口生态异质性的对应物，通过泰勒幂律模型来量化微生物群的分布和结构。

**使用泰勒幂律量化人口聚集：**为了评估中国肠道微生物组在单个分类单元（门、科、属、种）内的人口聚集，我们对代表七个种族和两种生活方式的14个队列进行了泰勒幂律（Taylor 1961）的拟合。拟合结果表明，超过98%的单分类单元模型成功拟合（p < 0.05，R > 0.90）（表S12）。门、科、属和种水平的平均人口聚集参数分别为1.990 ± 0.127、1.924 ± 0.044、1.955 ± 0.029和1.932 ± 0.018。值得注意的是，并非所有分类单元都表现出聚集分布；例如，在种水平上，有5%的物种观察到随机或均匀分布（其中b < 1）（表S12）。

为了评估不同生活方式之间聚集模式的一致性，我们对每个共享分类单元的农村和城市TPL参数进行了相关性分析（表2）。在科（ρ = 0.504，p < 0.001）、属（ρ = 0.468，p < 0.001）和种（ρ = 0.469，p < 0.001）水平上观察到强烈且显著的正相关性，表明在农村队列中高度聚集的分类单元在城市队列中也倾向于高度聚集，尽管Wilcoxon测试在较低的分类单元水平上检测到显著的位置偏移。

**表2** 农村和城市生活方式之间人口水平幂律参数的Wilcoxon测试和Spearman相关性**

**全尺寸表格**

**中国肠道微生物组中的主要细菌门——厚壁菌门、拟杆菌门、变形菌门和放线菌门**进一步进行了研究（Zhang等人，2015）。在这些门中，厚壁菌门在门水平上表现出最高的人口聚集（b = 4.219），而拟杆菌门和变形菌门也表现出聚集分布，分别为b = 1.995和b = 2.285（表S12A）。相比之下，放线菌门显示出随机或均匀分布，b = 0.921（表S12A）。在科分类单元水平上，瘤胃球菌科（Ruminococcaceae）具有最高的聚集参数（b = 3.915）（表S12B），假丁酸弧菌（Pseudobutyrivibrio）在属水平上表现出最高的聚集（b = 3.817）（表S12C），Huttleworthia satelles在种水平上表现出最高的聚集（b = 3.933）（表S12D）。此外，Zhang等人（2015）在314个中国个体中识别出九个主要属（Phascolarctobacterium、Roseburia、Bacteroides、Blautia、Faecalibacterium、Clostridium、Subdoligranulum、Ruminococcus和Coprococcus）。使用泰勒幂律评估的这些主要属的人口聚集范围从1.689到3.661，表明虽然这些属在所有个体中都很普遍，但它们的分布并不均匀（详细拟合结果见表S12C）。

鉴于单个分类单元水平上人口聚集的重要性（其中属水平的聚集范围从1.689到3.661），量化农村和城市队列在共享分类单元水平上的人口聚集规模是相关的。因此，我们将泰勒幂律模型应用于七个农村和七个城市队列在共享分类单元上，详细信息见表S13和S14。这些结果表明，农村队列的聚集规模b显著高于城市队列，无论是在属水平（农村 = 2.015，城市 = 1.939）还是种水平（农村 = 2.063）。相反，在农村群体中，ln(a)在属水平（农村=0.547，城市=0.849）和种水平（农村=0.622，城市=0.981）上都显著低于城市群体。我们使用Wilcoxon检验来确定Taylor幂律的参数b在农村和城市群体之间是否存在显著差异。表2总结了在16个门、104个科、214个属和514个物种中，聚合参数b的成对Wilcoxon检验结果。在门和科的水平上，都没有观察到农村和城市群体之间的种群聚合参数b和ln(a)存在显著差异。这一发现与预期一致，因为肠道微生物组的种群聚合受到生活环境和饮食习惯的影响。

讨论
中国人群的肠道微生物组结构表现出受环境因素、种族和生活方式影响的独特特征。因此，研究不同种族和地理区域中中国肠道微生物组的群落异质性和种群聚合具有很高的意义。
如前文所述，我们设计了五种方案来评估可能显著影响群落空间异质性的关键因素，如生活方式、地理和种族。TPL模型的拟合结果表明，中国肠道微生物组的异质性参数在不同种族、生活方式和地理背景下是普遍存在的且具有尺度不变性。值得注意的是，与中国人类微生物组（HMP）、美国肠道微生物组和温泉微生物组（Ma 2015；Li和Ma 2019；Ma和Taylor 2020）相比，中国肠道微生物组的群落异质性尺度b的变化不超过13%。具体来说，中国和美国肠道微生物组之间的差异仅为3%（1.781对比1.831）。我们推测，群落异质性参数b的尺度不变性可以归因于中国人群中共享的生物地理环境和宿主基因组。这些因素可能是由数千年来肠道（生态活性）化学圈的选择过程塑造的。这种肠道化学圈反映了消化道微生物组环境的独特方面，表明生物地理因素和宿主基因组在决定微生物组群落的分布和结构中起着关键作用。
研究表明，群落异质性（b）是微生物群落的一个重要特征，它保持尺度不变性，并且基本上不受微生物组相关疾病的影响（Li和Ma 2019；Ma 2020a）。另一个评估群落异质性的有价值指标是种群聚合，它是异质性的生态学对应物，这一点得到了许多涉及植物和动物的微生物生态学实地实验和调查的支持。我们使用Taylor幂律来评估中国肠道微生物组的种群聚合，发现种水平的b=1.781。值得注意的是，大约95%的物种在所有分类水平上都表现出聚合现象。有趣的是，虽然放线菌门是主要的门之一，其分布呈随机分布（b=0.921），但Zhang等人（2015）鉴定出的九个属则表现出聚集且不均匀的分布，种群聚合参数在种水平上介于1.689到3.661之间。Wilcoxon检验显示，在比较农村和城市群体时，种群聚合参数b在门和科的水平上是不变的。这表明中国肠道微生物组的参数b与微生物组群落的组装和维持有关，受到数千年来肠道化学圈选择的影响。
观察到的参数b的变化，例如蒙古群体中持续的较高异质性，需要从生态学角度进行解释。这可能反映了不同的饮食习惯、遗传适应或随机的历史起源事件。将这些特定的异质性模式与宿主表型数据联系起来是一个有前景的未来研究方向。然而，我们的结论受到几个限制的制约。一些种族群体中的样本量较小，限制了检测微妙差异的统计能力。此外，我们的研究对象是健康的年轻人；未来的工作应该探讨异质性尺度如何随生命周期、健康状况和更极端的生活方式梯度而变化。因此，关于不变性的结论应该是暂时的，需要在更大规模、设计相似的群体中进行验证。

结论
总之，异质性参数b在中国不同种族和生活方式中表现出高度稳定性，类似于物理系统中的准不变性质。Li和Ma（2019）提供了一个概念上的类比，将参数b与地球上的重力加速度（g）进行比较，后者在地球上是一个常数，但在其他天体上略有不同。同样，虽然bb在这个中国群体中表现出核心的尺度不变性，但在不同群体之间以及与其他数据集相比时存在轻微的变化，这些变化受到特定的生物地理和宿主基因组环境的影响。这一框架鼓励进一步探索不同人类群体和疾病状态下的异质性尺度变化。