Abstract To develop a quantitative theory that can predict how microbiomes assemble, and how they respond to perturbations, we must identify which descriptive features of microbial communities are reproducible and predictable, which are unpredictable, and why. The emergent metagenomic structure of communities is often quantitatively convergent in similar habitats, with highly similar fractions of the metagenome being devoted to the same metabolic pathways. By contrast, the species-level taxonomic composition is often highly variable even in replicate environments. The mechanisms behind these patterns are not yet understood. By studying the self-assembly of hundreds of communities in replicate, synthetic habitats, we show that the reproducibility of microbial community assembly reflects an emergent metabolic structure, which is quantitatively predictable from first-principles, genome-scale metabolic models. Taxonomic variability within functional groups arises through multistability in population dynamics, and the species-level community composition is predictably governed by the mutual competitive exclusion of two sub-dominant strains. Our findings provide a mechanistic bridge between microbial community structure at different levels of organization, and show that the evolutionary conservation of metabolic traits, both in terms of growth responses and niches constructed, can be leveraged to quantitatively predict the taxonomic and metabolic structure of microbial communities.

Abstract Microbial communities are highly diverse, and understanding the factors that promote and modulate this diversity is a major area of research in microbial ecology. Recent work has proposed a reductionist perspective to microbial coexistence, where pairwise coexistence between strains in isolation is required for their coexistence in a more complex community. In this view, species exclusion in pairwise co-culture would preclude their coexistence in a more complex community too. An alternative view is that coexistence is a more complex property of the entire community, requiring the presence of additional community members. If this view were correct, competitive exclusion in pairwise co-culture would not necessarily preclude species coexistence in more complex community contexts. Empirically testing these alternative hypotheses is complicated by the intractably high microbial diversity of most natural communities, and the challenges of reconstituting every pair of coexisting species under the exact same habitat where their community of origin was assembled. To address this challenge, we have experimentally reconstituted all possible pairwise co-cultures between stably coexisting species from 13 different, low-diversity microbial enrichment communities, which had previously been assembled in a well-controlled synthetic habitat. We find that, when isolated from the rest of their community members, most species pairs fail to coexist. This result highlights the importance of community context for microbial coexistence and indicates that pairwise exclusion may not reflect the ability of species to coexist in more complex, multispecies ecosystems.

Abstract Artificial selection is a promising approach to manipulate the function of microbial communities. Here, we report the outcome of two artificial selection experiments at the microbial community level. Both experiments used “propagule” strategies, in which a set of the best-performing communities are used as the inocula to form a new generation of communities. In both cases, the selected communities are compared to a control treatment where communities are randomly selected. The first experiment used a defined set of strains as the starting inoculum, and the function under selection was the amylolytic activity of the consortia. The second experiment used a diverse set of natural communities as the inoculum, and the function under selection was the cross-feeding potential of the resulting communities towards a reference bacterial strain. In both experiments, the selected communities reached a higher mean and a higher maximum function than the control. In the first experiment this is caused by a decline in function of the control, rather than an improvement of the selected line. In the second experiment, the strong response of the mean is caused by the large initial variance in function across communities, and is the immediate consequence of the spread of the top-performing community in the starting group, whose function does not increase. Our results are in agreement with basic expectations of artificial selection theory, pointing out some of the limitations of community-level selection experiments which can inform the design of future studies.

Abstract Directed evolution has been used for decades to engineer biological systems from the top-down. Generally, it has been applied at or below the organismal level, by iteratively sampling the mutational landscape in a guided search for genetic variants of higher function. Above the organismal level, a small number of studies have attempted to artificially select microbial communities and ecosystems, with uneven and generally modest success. Our theoretical understanding of artificial ecosystem selection is still limited, particularly for large assemblages of asexual organisms, and we know little about designing efficient methods to direct their evolution. To address this issue, we have developed a flexible modeling framework that allows us to systematically probe any arbitrary selection strategy on any arbitrary set of communities and selected functions, in a wide range of ecological conditions. By artificially selecting hundreds of in-silico microbial metacommunities under identical conditions, we examine the fundamental limits of the two main breeding methods used so far, and prescribe modifications that significantly increase their power. We identify a range of directed evolution strategies that, particularly when applied in combination, are better suited for the top-down engineering of large, diverse, and stable microbial consortia. Our results emphasize that directed evolution allows an ecological structure-function landscape to be navigated in search for dynamically stable and ecologically and functionally resilient high-functioning communities.