VIRE：全球规模宏基因组病毒组资源库的构建及其环境背景整合分析

《Nucleic Acids Research》：VIRE: a metagenome-derived, planetary-scale virome resource with environmental context

本刊编辑推荐：为系统探索地球上最丰富却认知有限的病毒多样性，研究人员开发了VIRE资源库，从>10万份公共宏基因组中整合了>170万株高质量病毒基因组，提供基因组完整性、分类、宿主预测(基于CRISPR spacer)和功能注释(如eggNOG/PHROG/KEGG)。该平台与SPIRE/Metalog资源互联，首次实现病毒基因组、微生物宏基因组组装基因组(MAGs)及环境/临床元数据的联合分析，为行星尺度病毒生态进化研究提供开放平台。

　　

病毒是地球上最丰富的生物实体，数量高达10³¹颗粒，然而由于传统培养技术的限制，全球病毒多样性仍大部分处于“暗物质”状态。尤其噬菌体作为细菌的主要捕食者，通过调控微生物群落结构、介导水平基因转移和驱动生物地球化学循环，深刻影响着生态系统功能。尽管高通量测序技术推动了宏基因组学发展，现有病毒基因组数据库多局限于特定环境（如人类肠道、海洋），缺乏跨生态系统的整合分析平台。

为解决这一难题，欧洲分子生物学实验室（EMBL）Peer Bork团队联合东京大学、科克大学等机构在《Nucleic Acids Research》发表了VIRE（Viral Integrated Resource across Ecosystems）资源库。该研究从101,623份公共宏基因组中重建了178.4万个中高质量病毒基因组（含38.4万完整基因组），规模超越现有最大数据库IMG/VR v4，新增56.1%的物种级新簇。通过统一流程进行基因组质量评估（CheckV）、分类注释（geNomad）和功能分析，并创新性地整合CRISPR spacer匹配（从120万MAGs和100万参考基因组中提取）实现宿主预测，首次构建了涵盖水生、陆生、宿主相关等多元环境的行星尺度病毒资源库。

研究采用的核心技术包括：1）从ENA/SRA获取101,623份宏基因组数据，经MEGAHIT组装后筛选>5 kb（常规样本）/2 kb（病毒组样本）的contig；2）使用geNomad（病毒评分≥0.7）和CheckV（完整性≥50%且污染<10%）鉴定病毒基因组，并过滤rRNA基因；3）通过vclust以95%/70% ANI（85% AF）进行物种/属级聚类；4）基于SPIRE MAGs和proGenomes数据库的CRISPR spacer完美匹配预测宿主；5）利用prodigal-gv预测基因，结合eggNOG-mapper、MetaCerberus等多工具进行功能注释。

基因组概览与环境分布

VIRE中87.2%基因组属于双链DNA尾病毒域（Duplodnaviria），9.2%为单链DNA病毒（Monodnaviria）。人类肠道样本贡献52.9%的基因组，其次为水生（18.7%）和陆生环境（6.4%）。

稀有曲线分析显示多数环境（如热液喷口、苔原）的物种发现系数>0.8，表明病毒多样性远未饱和。

宿主注释与遗传特征

基于CRISPR spacer的宿主预测覆盖46.8%病毒基因组，涉及2,367个细菌/古菌属。研究发现感染拟杆菌门（Bacteroidota）的病毒中4.0%使用非标准遗传密码15（如Crassvirales目），而感染Patescibacteria的病毒7.5%使用遗传密码4，反映病毒对宿主翻译系统的适应性进化。

功能注释与生态适应

从8,946万预测基因中，40.2%获功能注释（eggNOG覆盖51.4%）。水生病毒富含辅助代谢基因（AMG），涉及辅酶代谢和碳水化合物代谢；而宿主相关病毒AMG集中于氨基酸代谢。

抗生素耐药基因仅检出618个（如ACI-1），97.2%来源于宿主环境，印证噬菌体罕见携带耐药基因的规律。

VIRE通过标识符与SPIRE（微生物MAGs库）、Metalog（样本元数据库）无缝集成，支持病毒-微生物-环境多维关联分析。该平台不仅为病毒分类、宿主互作和AMG功能研究提供数据基石，其开放架构（https://vire.embl.de）更助力新兴人畜共患病预警和生态系统建模。随着长读长测序与转录组数据的整合，VIRE将持续推动行星尺度病毒生态学的范式革新。