Science：菌群越復雜越好猜？涌現簡單性會自動化繁為簡

導語

為什么一個系統越復雜，反而越容易預測？一項發表于《Science》的研究提出了一個反常識發現：在微生物群落中，隨著物種數量不斷增加，系統并沒有變得更加不可捉摸，而是逐漸收斂到少數幾個主導維度上。研究團隊建立了一套量化框架，發現高多樣性群落不僅更加穩定，而且能夠用更少的信息實現更準確的預測。這種現象被稱為“涌現可預測性”（Emergent Predictability）。研究表明，復雜系統中的大量微觀細節并不會無限累積復雜性，而可能通過反饋機制壓縮為少數關鍵變量，為理解微生物生態、氣候系統乃至更廣泛復雜系統中的“降維規律”提供了新的視角。

關鍵詞：涌現可預測性、復雜系統、粗粒化、反饋機制、多樣性、帕累托前沿

來源：集智俱樂部

作者：郭瑞東

審校：張江

按照常識，一個系統里的變量越多，往往就越難預測。一鍋放了二十幾種食材的亂燉，香料、肉類、蔬菜彼此交織，這鍋湯最終呈現出的風味，通常很難僅憑單個成分直觀推斷。

但今年4月發表于Science的一項研究卻發現，在微生物世界里，情況可能恰恰相反：菌種越多，系統反而越容易預測。當一個微生物群落從幾種菌擴展到幾十種菌時，它在微觀層面確實變得更加復雜；然而在宏觀功能層面，卻開始自發收斂到少數幾個主導變量上。研究者將這種現象稱為涌現可預測性（emergent predictability）。

這有些像一幅印象派畫作：近看是無數復雜而雜亂的筆觸，退后幾步，整體結構反而變得清晰可辨。不過，一個反常識現象要成立，首先需要回答一個問題：什么叫“更容易預測”？

論文題目：Emergent predictability in microbial ecosystems 論文鏈接：https://www.science.org/doi/10.1126/science.adr1440 發表日期：2026年4月9日 發表期刊：Science

量化評估并拆解涌現簡單性

僅僅觀察到高多樣性群落表現得更穩定，并不能證明系統真的變得更容易預測。它也可能只是隨機波動被平均后的結果。因此，研究者首先建立了一套量化框架，希望回答一個更具體的問題：隨著微生物群落變得越來越復雜，其宏觀功能究竟需要多少信息才能被準確預測？

在這項研究中，研究人員從一個固定的菌株庫出發，通過組合抽樣構建不同組成和豐富度的微生物群落，每個群落包含S個物種。隨后，他們記錄每個群落的物種豐度ni，并測量對應的宏觀功能指標Y（如代謝產物濃度）。

圖1：實驗設計流程圖

如果系統真的存在某種“涌現簡單性”，那么理論上，我們未必需要掌握每一種細菌的全部信息，就能夠預測群落的整體行為。為了檢驗這一點，研究者開始嘗試對群落組成進行壓縮。

他們不再逐個追蹤所有物種，而是將其歸并為更少的功能組（圖1B），即把S個物種劃分為遠小于S的K個功能類（functional classes）。這些功能組既可以依據分類學關系、代謝通路或系統發育距離劃分，也可以完全由數據驅動生成。這種用更少類別描述更多物種的過程，被稱為粗粒化（coarse-graining）。本質上，研究者是在問：如果不再關心每一種細菌的具體身份，而只保留更粗略的功能分類，還能否準確預測系統行為？

為了回答這個問題，研究者引入了兩個指標。第一個指標衡量信息壓縮的程度，采用物種標簽與粗粒化類別標簽之間的互信息表示，記為I(Ψ)。I(Ψ)越小，說明壓縮越徹底；I(Ψ)越大，則意味著保留了更多原始組成信息。第二個指標衡量預測誤差，即粗粒化后仍有多少系統變化無法被解釋，用無法解釋方差占比（Fraction of Variance Unexplained，FVU）表示。FVU越小，說明預測能力越強。

接下來，研究者比較了大量不同的粗粒化方案（圖1C）。有些方案保留了更多物種信息，有些則進行了更激進的壓縮。對于每一種方案，都可以同時得到一個“信息量”和“預測誤差”的組合結果。將這些方案放在一起后，會形成一條代表最佳權衡關系的邊界，即帕累托前沿（Pareto frontier）。這條邊界反映了系統在“信息復雜度”和“預測能力”之間能夠達到的最佳平衡。

更重要的是，當群落多樣性發生變化時，這條邊界也會隨之移動。通過比較不同多樣性水平下帕累托前沿的位置，研究者便能夠觀察系統是變得更容易壓縮、更容易預測，還是僅僅變得更加穩定，從而量化所謂的“涌現簡單性”。

不過，“系統變簡單”本身并不是單一現象。一個系統可能只是變得更加穩定，也可能更容易被壓縮描述，或者真的開始被少數主導變量所約束。為了區分這些不同來源的簡單化過程，研究者進一步將涌現簡單性拆分為三個彼此獨立的維度（圖2）。

為了理解這三個維度，可以把微生物群落想象成一支不斷擴充成員的合唱團。

圖2：涌現簡單性的三個維度

第一個維度叫涌現可重復性（emergent reproducibility），對應的是“人多聲穩”。一支合唱團人數越多，單個成員的發揮對整體效果的影響往往越小，因此每次演出的音量和節奏都會更加穩定。對應到微生物系統中，就是隨著物種豐富度增加，群落宏觀屬性Y（如代謝產物濃度）的波動范圍逐漸收縮（圖2D）。此時系統表現得更穩定了，但這種穩定更多來自隨機波動被平均，并不意味著系統變得更容易理解。

第二個維度叫可粗粒化（coarse-grained），對應的是“分聲部聽音”。聽合唱時，我們未必需要分辨每位歌手的聲音，只需區分高聲部、低聲部等幾個大類，就能大致把握整體旋律。類似地，在微生物群落中，即使不追蹤每個具體物種，只保留更粗略的功能分類，依然能夠保留相當強的預測能力（圖2E）。這說明系統內部并非完全雜亂無章，而是存在某種能夠被壓縮和概括的結構。

而第三維度涌現可預測性（emergent predictability）則最反直覺，也是論文真正關注的核心。對于低多樣性群落，要預測其整體行為，往往需要掌握大量關于具體物種的信息；而在高多樣性群落中，只需知道少量粗粒化信息，例如不同功能組的大致比例，就能夠做出更準確的預測。換句話說，隨著系統變得越來越復雜，決定其行為的有效變量反而變少了。

在圖2F中，高多樣性群落對應的帕累托前沿（紫色）整體移動到低多樣性群落（橙色）的左下方，這意味著兩件事同時發生了：

• 在相同信息復雜度下，預測誤差更低；

• 或者在相同預測精度下，所需的信息量更少。

至此，文章開頭提出的那個問題有了答案。所謂“更容易預測”，并不是系統中的組成成分減少了，而是系統的行為開始受到少數主導軸的約束。隨著多樣性增加，越來越多的微觀細節被吸收到這些主導軸中，因此雖然系統包含的物種更多了，但描述和預測其宏觀行為所需的信息反而更少了。

最反直覺的結果出現了：菌越多，越容易預測

前面的分析仍然屬于理論框架。那么，在真實微生物群落中，涌現簡單性真的存在嗎？

為此，研究團隊進一步分析了兩組已公開發表的實驗數據：一組來自包含25株腸道菌的合成群落體系，通過測量不同菌群組合產生的發酵產物來評估群落功能；另一組來自土壤微生物合成群落體系，通過觀察目標共生菌的定殖情況，評估群落組成對生態功能的影響。研究者將這些群落按照多樣性劃分為低、中、高三個等級，并利用前述框架逐一檢驗涌現簡單性的三個維度。

結果首先驗證了涌現可重復性。隨著群落多樣性增加，無論是發酵產物濃度還是關鍵菌種豐度，其波動幅度都持續下降，說明高多樣性群落確實表現出更強的穩定性。與此同時，可粗粒化特征也得到了驗證。即使不追蹤每一種細菌，只保留較粗略的功能分類信息，研究者依然能夠較好地預測系統行為。這表明微生物群落內部并非完全雜亂無章，而是存在能夠被壓縮描述的結構。

但真正關鍵的發現來自第三個維度——涌現可預測性。研究者比較了不同多樣性水平下的帕累托前沿，發現高多樣性群落對應的前沿整體向左下方移動。按照前文建立的框架，這意味著系統同時實現了兩件看似矛盾的事情：一方面預測誤差下降，另一方面所需的信息量也減少了。

這正是本文最反直覺的結果。按照通常理解，系統越復雜，應該越難預測；然而在這些微生物群落中，隨著物種數量增加，預測系統行為所需的信息反而越來越少。復雜性并沒有消失，但開始被壓縮到少數幾個主導維度之中。

研究者進一步對腸道菌群的數據進行了主成分分析（PCA），結果發現，由四種發酵產物構成的四維功能空間中，高多樣性群落并沒有均勻分布，而是聚集到一個低維流形上（圖3A）。這意味著雖然群落內部包含大量不同物種，但它們最終產生的功能狀態卻集中在少數幾種可能的模式之中。

圖3：功能空間坍縮到反饋假設的機制解釋

那么，是什么力量讓原本復雜的系統開始表現出這種收斂趨勢？

研究者提出，一個可能的答案來自環境反饋。例如，微生物代謝會改變環境pH，而變化后的pH又會反過來影響不同菌種的生長和競爭能力（圖3B）。以產酸菌為例：它們降低環境pH，而較低的pH又會抑制不耐酸菌，從而進一步強化產酸菌和耐酸菌的優勢。隨著這種反饋不斷強化，系統行為開始向少數穩定狀態收斂，并表現出更強的可預測性。

不過，研究者也強調，pH目前仍只是候選機制，而非已經證實的因果解釋。究竟是pH篩選了優勢菌，還是優勢菌先改變環境進而影響pH，仍需進一步實驗驗證。

不是所有“簡單化”都一樣

這一發現的重要意義在于，它幫助研究者區分了兩種容易混淆的“簡單化”。

第一種簡單化來自統計平均效應。當系統規模變大時，隨機波動被不斷抵消，整體表現得更加穩定；或者經過粗粒化后，即使忽略部分微觀細節，仍然能夠保留一定預測能力。這對應前文討論的涌現可重復性和可粗粒化特征。

然而，僅僅更穩定、或者能夠被粗略描述，并不意味著系統真的變得更容易理解。因為這些現象完全可能來自大數定律：物種多了，個體差異自然被平均掉，系統看起來更平滑而已。

這項研究真正關注的是另一種情況：隨著多樣性增加，預測系統行為所需的信息本身也在減少。換句話說，系統不僅表現得更穩定，而且開始呈現出新的組織結構。

正是在這個意義上，這篇研究將“涌現可預測性”與一般意義上的穩定性區分開來。從這個角度看，這項研究真正挑戰的并不是“復雜系統是否復雜”，而是另一個更深刻的問題：復雜性是否一定意味著不可預測。

從腸道菌群到氣候系統：

復雜世界為何總會“降維”

下面關于跨系統的討論，主要是筆者基于本文結果的延伸思考，用于理解涌現可預測性可能具有的普遍意義。

20世紀中葉以前，熱帶太平洋的氣候波動長期被視為近乎隨機的現象。直到1960年代，氣象學家Jacob Bjerknes提出海—氣耦合反饋機制：海溫變化影響風場，風場又反過來改變海溫，形成閉環反饋。正是這一反饋結構，讓原本雜亂的數據開始呈現出可理解的規律，并最終催生了現代ENSO預測理論。

從這個角度看，微生物群落中的涌現可預測性與氣候系統中的可預報性，或許遵循著相似的邏輯：當系統規模不斷擴大時，復雜性并不一定無限增長；某些反饋過程反而會逐漸占據主導地位，將大量微觀細節壓縮到少數幾個關鍵變量之中。

這或許也是本文最值得思考的地方。復雜性并不一定意味著不可預測。正如印象派畫作中的無數筆觸最終匯聚成清晰圖景一樣，復雜系統中的大量局部互動，也可能在更高尺度上收斂為少數可理解、可預測的規律。

作者：郭瑞東 審核：張江 北京師范大學系統科學學院教授 出品：中國科協科普部 監制：中國科學技術出版社有限公司、北京中科星河文化傳媒有限公司

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）