菌看作是复杂、未知的“黑匣子”（未弄清发酵过程及关键发酵菌）。组学方法确 实能够闸明复杂沼气中的微生物的分类或功能，但是这一方法却不能理解发酵过 程中存在生态学及经济学方面（如，配料、温度等会影响利益最大化）的核心内 容。简单来说，现在的问题是如何将微生物组研究化繁为简，进一步提高对微生 物组的理解。 多组学研究范畴外，重要的生态学结论已经悄然出现：多组学分析不应该是 简单的多个组学数据的加和，其应该产生系统性、综合性的结果。虽然长路漫漫， 但前景光明，这些“非生态学”(reverse ecology)方法对预测微生物群落物种间 的关系、了解它们自然栖息环境的代谢网络仍大有裨益。此外，过去几年中出现 了能够替代的预测生态学相关信息的方法。比如：类神经网络（或人工模拟神经 网络)的方法可用于微生物群落的建模，将环境内部参数及微生物间相互关系建 立一种函数关系：通过测量种间代谢关系随时间的变化揭示菌群组成及其动态变 化：通过数学模型及多维尺度分析让微生物群落可视化的新方法最近也被报道 了。虽然如此，但在微生物生态学的研究中，多组学的实验数据和基于理解机制 的数学预测模型仍然缺少联系环节。 可以想象的是，微生物生态学研究未来将会是光明的，那时新的方法能够将 千兆的多组学数据通过分析，转变成更加简单的生态学结论。但这意味着我们能 够抛弃微生物培养的方法吗？我们坚定地认为现在比以往任何时候更需要培养 技术。实际上，当我们研究稀有细菌物种时，仅对物种进行鉴定和描述是多组学 所做不到的，即便宏基因组测序的覆盖度(coverage)如此之高。另外，当研究 者寻求利用微生物发展生物技术应用时，多组学方法也是鞭长莫及。单细胞测序 技术的发展提高了对宏基因组数据分析的能力，也革新了取样方法（如，其能够 分析0.2um过滤器滤出的生物质)，单细胞测序的优势使许多新发现微生物的进 化和功能的多样性得以被阐明，因此，我们需要一种能够全面地描述稀有微生物、 验证计算预测微生物模型正确与否的方法。这种方法确实也出现了，就是一培养 技术，在培养技术方面，培养难以培养微生物的方法进来有所发展。在培养技术 中，原位(imsi)培养方法在分离具有新基因序列、产新抗生素的细菌方面已 经取得成功。这些特征（新基因序列、新代谢物）是多组学预测不到的，因为在 多组学方法中，存在可能会与数据库中未知功能序列匹配的现象。确实是这样菌看作是复杂、未知的“黑匣子”（未弄清发酵过程及关键发酵菌）。组学方法确 实能够阐明复杂沼气中的微生物的分类或功能，但是这一方法却不能理解发酵过 程中存在生态学及经济学方面（如，配料、温度等会影响利益最大化）的核心内 容。简单来说，现在的问题是如何将微生物组研究化繁为简，进一步提高对微生 物组的理解。 多组学研究范畴外，重要的生态学结论已经悄然出现：多组学分析不应该是 简单的多个组学数据的加和，其应该产生系统性、综合性的结果。虽然长路漫漫， 但前景光明，这些“非生态学”（reverse ecology）方法对预测微生物群落物种间 的关系、了解它们自然栖息环境的代谢网络仍大有裨益。此外，过去几年中出现 了能够替代的预测生态学相关信息的方法。比如：类神经网络（或人工模拟神经 网络）的方法可用于微生物群落的建模，将环境内部参数及微生物间相互关系建 立一种函数关系；通过测量种间代谢关系随时间的变化揭示菌群组成及其动态变 化；通过数学模型及多维尺度分析让微生物群落可视化的新方法最近也被报道 了。虽然如此，但在微生物生态学的研究中，多组学的实验数据和基于理解机制 的数学预测模型仍然缺少联系环节。 可以想象的是，微生物生态学研究未来将会是光明的，那时新的方法能够将 千兆的多组学数据通过分析，转变成更加简单的生态学结论。但这意味着我们能 够抛弃微生物培养的方法吗？我们坚定地认为现在比以往任何时候更需要培养 技术。实际上，当我们研究稀有细菌物种时，仅对物种进行鉴定和描述是多组学 所做不到的，即便宏基因组测序的覆盖度（coverage）如此之高。另外，当研究 者寻求利用微生物发展生物技术应用时，多组学方法也是鞭长莫及。单细胞测序 技术的发展提高了对宏基因组数据分析的能力，也革新了取样方法（如，其能够 分析 0.2μm 过滤器滤出的生物质），单细胞测序的优势使许多新发现微生物的进 化和功能的多样性得以被阐明。因此，我们需要一种能够全面地描述稀有微生物、 验证计算预测微生物模型正确与否的方法。这种方法确实也出现了，就是—培养 技术，在培养技术方面，培养难以培养微生物的方法进来有所发展。在培养技术 中，原位（insitu）培养方法在分离具有新基因序列、产新抗生素的细菌方面已 经取得成功。这些特征（新基因序列、新代谢物）是多组学预测不到的，因为在 多组学方法中，存在可能会与数据库中未知功能序列匹配的现象。确实是这样