编辑推荐：
为探究纤维素降解微生物群落及潜在纤维素酶基因，研究人员分析 2305 个宏基因组。他们发现 1735 个宏基因组存在纤维素酶，共 12837 个，分属 3 种催化功能，聚成 136 个簇。这为纤维素酶利用研究提供了重要数据。
在大自然的物质循环中，纤维素就像一座顽固的 “碳库”。它是植物细胞壁中最丰富的多糖，却因其复杂的结构，成为众多生物获取碳源路上的 “拦路虎”。只有少数生物能够分解它，靠的就是神奇的纤维素酶。这种酶能精准切断纤维素中的 β - 糖苷键，将其逐步转化为葡萄糖，为生物提供能量。然而，目前人们对纤维素酶的了解还十分有限，尤其是在微生物群落层面，到底哪些微生物能产生纤维素酶，它们产生的酶又有哪些特点和差异，这些问题就像一团迷雾，亟待解开。
为了驱散这团迷雾，西北农林科技大学等机构的研究人员踏上了探索之旅。他们聚焦于 2305 个宏基因组，开展了一项深入的研究。最终，他们取得了令人瞩目的成果：在 1735 个宏基因组中发现了纤维素酶，共计 12837 个，这些酶涵盖了外切葡聚糖酶（CBH，1042 个）、内切葡聚糖酶（EG，5685 个）和 β - 葡萄糖苷酶（βG，6110 个）三种催化功能，并且将这些酶聚类成了 136 个蛋白质家族。这一成果意义非凡，为后续深入研究纤维素酶的利用奠定了坚实的数据基础，就像是为科学家们打开了一扇通往纤维素高效利用世界的大门。该研究成果发表在了《Scientific Data》杂志上。
研究人员在研究过程中运用了多种关键技术方法。首先，从 Uniprot 数据库下载 122 个已知细菌纤维素酶的蛋白质序列，作为后续研究的参照。接着，从 NCBI 获取 2305 个宏基因组的核苷酸序列，利用 DIAMOND 序列比对工具，通过设置 e - value<10-5、查询覆盖率 > 50% 等筛选条件，筛选出潜在的纤维素酶序列。然后，将筛选出的核苷酸序列翻译为蛋白质序列，并借助 HMMER v3.0 HMMscan 与 Pfam - A 数据库鉴定糖苷水解酶（GH）结构域。最后，使用 Needleman–Wunsch 算法和 Markov CLuster 算法（MCL）对纤维素酶进行聚类分析。
一、纤维素酶的发现与量化
研究人员从 225 个生物项目的 1735 个宏基因组中发现了纤维素酶。这些宏基因组来源广泛，涵盖了 27 种不同环境中的 35 个原核生物门。通过对宏基因组核酸样本的分析，精确量化出 12837 个宏基因组衍生的纤维素酶，它们分属于外切葡聚糖酶（CBH）、内切葡聚糖酶（EG）和 β - 葡萄糖苷酶（βG）这三种具有不同催化功能的酶。这一发现，就像是在微生物的 “宝库” 中找到了分解纤维素的关键 “钥匙”。
二、纤维素酶的聚类分析
依据酶委员会编号（EC）分类，研究人员把宏基因组衍生的纤维素酶划分到不同的蛋白质簇中。经过仔细分析，这 12837 个纤维素酶共归属于 136 个组。其中，内切葡聚糖酶（EG）的簇数量最多，有 97 个；β - 葡萄糖苷酶（βG）和外切葡聚糖酶（CBH）的簇数量均为 19 个。这种聚类分析为进一步研究纤维素酶的特性和功能提供了清晰的分类框架。
三、纤维素酶基因的分类学归属
研究人员借助从 NCBI RefSeq 数据库获取的 5655 个原核生物基因组数据库，对纤维素酶基因进行分类学归属。通过在原核生物基因组上进行最佳比对，以 e - value<10-5为阈值，在门的水平上对纤维素酶进行了特征描述。这一步骤就像是给每个纤维素酶基因找到了 “籍贯”，让研究人员对它们的来源和归属有了更清晰的认识。
研究结论表明，研究人员成功从大量宏基因组中挖掘出丰富的纤维素酶资源，并对其进行了系统分类和聚类分析。这些成果为后续深入研究纤维素酶的作用机制、开发高效的纤维素降解技术提供了宝贵的数据支持。在未来，有望基于这些研究成果，进一步优化纤维素的分解利用过程，例如在生物能源生产领域，提高纤维素转化为生物燃料的效率；在环境治理方面，加速自然界中纤维素废弃物的降解，助力生态环境的可持续发展。这项研究为生命科学和生物技术领域开启了新的研究方向，具有重要的理论和实践意义。
