《Journal of Molecular Biology》：OpenRecombinHunt: Automatic detection of recombination in publicly available viral sequences
编辑推荐：
面对病毒基因组数据爆炸式增长与现有工具依赖预设谱系分类的瓶颈，本研究开发了OpenRecombinHunt自动化工作流。它巧妙整合了无需预设谱系的HaploCoV聚类方法与基于最大似然的RecombinHunt重组检测算法，实现了对SARS-CoV-2、RSV、Mpox等多种重要病毒的重组事件自动筛查与优先排序。该研究为大规模病毒基因组监测提供了可扩展的端到端解决方案，其交互式Web服务器（http://gmql.eu/openrecombinhunt/）将持续更新，助力新发重组病毒的快速发现。
病毒，是地球上最“狡猾”的演化高手。它们不仅会通过随机突变缓慢改变自身，更能通过一种名为“重组”的机制，像玩“基因拼图”一样，将不同亲本病毒的基因片段快速组合，从而“一步到位”地创造出具有新特性（如传染性增强、免疫逃逸）的变异株。近年来，从COVID-19、猴痘到禽流感，一次次疫情提醒我们，监控病毒的演化，特别是重组事件，对于预警和应对公共卫生威胁至关重要。
然而，随着全球测序能力的提升，NCBI、Nextstrain等公共数据库中的病毒基因组序列正以前所未有的速度增长，形成了海量数据。传统的重组检测方法，如基于系统发育树或全基因组扫描的算法，虽然精准，但计算繁重，难以扩展到成千上万的基因组。更棘手的是，许多新发或缺乏完善研究的病毒（如寨卡病毒、黄热病病毒），根本没有一个被广泛接受的谱系（Lineage）或进化支（Clade）分类命名体系。而大多数现有的高效重组检测工具，恰恰依赖于这种预设的分类体系来定义“亲本”背景。这就形成了一个监测困境：一方面，我们拥有海量数据亟待挖掘潜在威胁；另一方面，缺乏合适的“地图”（谱系分类）来指引我们高效地发现“重组”这个暗流。为了破解这个困境，来自意大利米兰理工大学的研究团队在《Journal of Molecular Biology》上发表了他们的最新成果。
研究人员致力于开发一个不依赖于预设分类、可大规模自动运行的病毒重组监测框架。为此，他们将两个关键工具整合成一个名为OpenRecombinHunt的自动化流程。这个流程的核心创新在于，首先使用HaploCoV工具对病毒基因组数据集进行“无监督聚类”，即在不预设任何分类的情况下，根据高频基因变异自动将序列划分为有生物学意义的“单倍群”（Haplogroup, HG），从而为缺乏命名体系的病毒创建出“谱系地图”。然后，将这张新“地图”作为背景，输入到他们之前开发的RecombinHunt算法中。RecombinHunt是一种基于最大似然法的计算工具，它通过比较“非重组模型”（单一亲本谱系）和“重组模型”（两个亲本谱系贡献不同基因组区域）对目标基因组数据的拟合优度，来识别潜在的嵌合体（Mosaic）结构，并定位重组断点。
整个研究综合利用了生物信息学、计算生物学和软件开发等多个领域的关键技术方法。首先，研究团队构建了一个模块化的自动化数据处理流水线，定期（每月）从NCBI Virus和Nextstrain两大公共数据库程序化下载并预处理多种病毒（包括SARS-CoV-2、呼吸道合胞病毒RSV A/B、猴痘病毒、寨卡病毒、黄热病病毒及H5N1流感病毒HA节段）的全基因组序列与元数据。接着，对于缺乏既定谱系分类的病毒，应用HaploCoV工具进行从头（De novo）谱系生成，该工具基于表型聚类（Phenetic clustering）算法，利用高频遗传变异对基因组进行无监督聚类，形成单倍群。之后，利用RecombinHunt工具在所有病毒（包括已有谱系的病毒）数据集上进行大规模的重组检测，该工具通过比较非重组与重组进化模型，利用AIC（Akaike Information Criterion）准则进行模型选择，以识别候选重组基因组。最后，团队开发并部署了一个基于Streamlit框架的交互式Web服务器，用于结果可视化与探索，整个系统通过Docker容器化实现可重复部署，并通过cron任务实现月度自动更新。
研究结果
应用于多种病毒的重组信号筛查
OpenRecombinHunt首次发布聚焦于七种对人类感染重要的病毒病原体。表1C 汇总了检测到的候选重组模式。结果显示：
• 在SARS-CoV-2和猴痘病毒（已知会发生重组的病毒）中，检测到了相当高比例的独特重组模式，这与真实重组产生多样化嵌合基因组的情况更为吻合。
• 在呼吸道合胞病毒（RSV-A/B）、寨卡病毒、黄热病病毒和H5N1流感病毒HA节段中，尽管也检测到相当数量的候选重组基因组，但独特的重组模式比例极低。这表明许多检测信号对应于少数模式的重复出现，可能与统计假阳性、趋同进化或技术假象有关，与这些病毒中重组并非主要进化机制的传统认知一致。
交互式Web服务器与结果可视化
所有结果通过一个交互式Web服务器（
http://gmql.eu/openrecombinhunt/ ）开放访问。每个病毒专属页面包含三个标签页：
1. 病毒概述 ：提供背景信息、参考基因组详情、数据来源、质量过滤标准和HaploCoV参数。
2. 摘要仪表板 ：整合关键指标、谱系细分表、重组热点列表以及时间和地理分布图。例如，在猴痘病毒的仪表板中，用户可以快速查看分析序列总数、可能的重组基因组数（分为1BP和2BP）、最常见亲本谱系组合等。
3. 重组探索器 ：允许用户通过谱系、断点数量、国家等筛选基因组，并对单个候选重组进行详细检查。详情视图包括案例摘要、区域分析表、可视化图谱（展示各区域累积似然对数值）和目标突变列表。图2 展示了两个被识别的猴痘病毒候选重组基因组的详细“基因卡片”，包括断点位置、候选亲本谱系及统计证据。
针对大规模SARS-CoV-2数据的优化分析
鉴于SARS-CoV-2数据集的庞大规模（超过九百万个基因组），研究采用了两种互补的分析模式：
1. 最近两个月模式 ：分析最近两个月收集的基因组，实现准实时监测。此模式成功识别出了许多已被Pango命名系统标记为重组谱系（如XFG、XFC等）的基因组。
2. 共识序列模式 ：分析每个谱系的一个共识序列。通过对2025年10月从Nextstrain获取的数据集分析，在Pango系统当前标记为“重组”的134个谱系中，有85个在本框架中显示出统计学显著的重组信号，大部分与此前报告结果一致，验证了方法的稳健性。
结论与讨论
本研究成功开发并推出了OpenRecombinHunt，这是一个强大、自动化的病毒重组监测新框架。其核心贡献在于通过整合HaploCoV的谱系生成能力与RecombinHunt的重组检测算法，克服了现有工具对预设谱系分类体系的依赖，首次实现了对多种缺乏完善分类的病毒进行大规模、自动化的重组筛查。
该研究的主要结论和意义体现在以下几个方面：
首先，方法论上实现了重要突破 。OpenRecombinHunt作为一个大规模筛选框架，其目标并非做出最终诊断，而是从海量数据中优先标记出具有重组信号的候选基因组，以供进一步验证。这极大地提高了监测效率，为专家手工分析或经典重组检测方法提供了精准的“靶向”列表。
其次，应用范围得到极大扩展 。该框架成功应用于SARS-CoV-2、RSV、猴痘、寨卡、黄热病和H5N1流感HA节段等多种病毒，证明了其广泛的适用性。特别是在SARS-CoV-2上的分析，不仅验证了方法的有效性，也展示了其处理超大规模数据和进行准实时监测的能力。
再次，成果获取的便利性显著提升 。配套开发的交互式Web服务器将复杂的基因组数据转化为可访问的仪表板，使病毒学家和公共卫生官员能够直观探索谱系动态、筛选并深入查看个体重组候选的详细统计证据和可视化图谱，极大促进了研究成果的转化与应用。
最后，研究也坦诚地指出了局限性并展望了未来 。作者指出，对于RSV、流感等通常认为重组罕见的病毒，检测到的信号需谨慎解读，可能混杂了技术假象或趋同进化。HaploCoV的聚类参数选择目前基于定性评估，未来需开发数据驱动的自动优化机制。此外，当前方法主要针对双亲本、单次或两次断点的重组模型，未来可扩展至多片段病毒（如流感病毒）的重配分析，甚至跨病毒家族的重组研究。
总而言之，OpenRecombinHunt为全球基因组监测基础设施添加了一个必不可少的、可扩展的自动化层。通过对多种病毒进化动态的持续监控，它有望加速新发重组威胁的检测，最终为更快、更明智的全球公共卫生响应提供支持。其所有代码和工具均已开源，体现了开放科学的精神。
