基于宏基因组（Metagenome-based）方法预测微生物生境中氧（Oxygen）水平的工具开发与应用——OxyMetaG

《mSystems》：Predicting oxygen levels in microbial habitats using a metagenome-based approach

　　

氧（O2）是驱动微生物生命分布与活性的首要环境因子。由于氧浓度往往难以进行现场原位（in situ）测定，一种潜在的解决方案是利用细菌作为氧水平的生物指示物（Bioindicator）。细菌涵盖专性需氧菌（Obligate aerobes）至专性厌氧菌（Obligate anaerobes），因此量化细菌群落的好氧偏好可用于推断氧浓度的变化及细菌的代谢策略。研究人员采用集成机器学习（Ensemble machine learning）筛选出预测单个细菌氧耐受性最重要的20个基因，进而基于含已知好氧菌与厌氧菌比例的人工模拟宏基因组，建立了好氧∶厌氧指示基因丰度比与好氧菌相对丰度间的关系。研究人员开发了名为OxyMetaG的工具，以鸟枪法宏基因组（Shotgun metagenomic）测序读段（Reads）为输入，提取细菌读段并比对至上述20个基因，按0%（完全缺氧/Anoxic）至100%（完全充氧/Oxic）的量表预测样品的氧可得性（Oxygen availability）。研究人员在多种环境和宿主关联样品（含实测或推断氧水平）上测试了OxyMetaG，并将其应用于540份表层土壤宏基因组，表明表层土壤总体呈富氧态，但湿度更高、质地更细的位点氧水平相对较低；应用于73份人类肠道宏基因组则显示，出生后前3年人肠道氧水平从最高约61%降至0%。OxyMetaG有望广泛用于表征现代及古代微生物生境中的氧水平。

论文解读：《Predicting oxygen levels in microbial habitats using a metagenome-based approach——基于宏基因组方法预测微生物生境中氧水平》

研究背景与意义

氧（O₂）是影响微生物活性与群落构建的关键环境变量，但在自然环境及宿主关联生境（如土壤微位点、动物肠道）中往往难以进行原位（in situ）精确测量，且具高度时空变异性。传统方法需借助微电极或化学探针，受限于空间分辨率及采样瞬时性；基于宏基因组组装（Assembly）和分箱（Binning）获得高质量宏基因组组装基因组（Metagenome-Assembled Genomes, MAGs）再推断分类单元氧偏好的方法，在计算上昂贵且在高多样性系统中难以实现全覆盖。鉴于细菌依氧耐受性呈谱状分布（从专性厌氧到专性好氧，含兼性Facultative及微需氧Microaerophile），其群落组成应可反映长期氧可得性。因此，研究人员提出直接基于未组装的鸟枪法宏基因组读段，利用好氧与厌氧细菌标志基因（Indicator genes）丰度比来推断样品氧水平（0%–100%，完全缺氧Anoxic至完全充氧Oxic），并开发开源工具OxyMetaG。该研究成果发表于《mSystems》。

主要关键技术方法

研究人员首先从BacDive数据库获取5520株具氧耐受标注的细菌基因组（好氧Aerobe、厌氧Anaerobe及兼性Facultative），用HMMER基于Pfam v37.3数据库注释基因组蛋白家族，采用随机森林（Random Forest）、CatBoost和XGBoost集成机器学习结合SHAP值筛选最重要20个Pfam（13个好氧指示、7个厌氧指示）。利用ART模拟不同好氧/厌氧比例及不同测序深度（0.5×与2.5×）的人工宏基因组，通过DIAMOND BLASTX比对20个Pfam，计算每千碱基读段数（Reads Per Kilobase, RPK）及好氧∶厌氧基因RPK比值，拟合广义加性模型（Generalized Additive Model, GAM）建立比值与好氧菌百分比关系。验证与实际应用阶段，从NCBI SRA下载203份多生境宏基因组及540份澳大利亚与美国表层土壤、73份DIABIMMUNE人肠道宏基因组，用Kraken2提取细菌读段后运行OxyMetaG流程（oxymetag extract / profile / predict）。最低推荐测序深度为256,000条细菌读段。

研究结果

RESULTS——指示基因筛选与基因组水平模型性能

研究人员通过集成机器学习从全Pfam集中选出20个高预测力基因（13个好氧相关如细胞色素c氧化酶亚基PF00510、PF00115等；7个厌氧相关如厌氧核糖核苷三磷酸还原酶PF13597、FeoB胞质螺旋域PF17910等）。仅用这20个基因的分类模型在20%留出测试集上精确率（Precision）、召回率（Recall）及F1值分别达0.97/0.98/0.97（好氧类）和0.92/0.90/0.91（厌氧类），总体准确率96%；各门水平准确率>85%，多数>93%，表明该基因集跨细菌门具强泛化能力。

RESULTS——模拟宏基因组中基因比值与好氧菌比例的关系

在含已知好氧/厌氧基因组比例的模拟宏基因组中，13个好氧指示基因总RPK与7个厌氧指示基因总RPK的比值与好氧菌百分比呈显著非线性相关（GAM, R²=0.99, P<0.001），且该关系在不同测序深度下保持一致。加入兼性（Facultative）菌株的三角模拟显示：100%兼性菌预测氧水平约64%；100%好氧或100%厌氧才分别对应100%或0%；比值>30映射为100%氧水平。

RESULTS——跨生境预测氧水平验证及与实测氧梯度相关性

OxyMetaG预测氧水平符合预期生境差异：牛瘤胃、人肠道、海相沉积物最低（近0%），表层海水、草地及森林土壤较高（Tukey post hoc, P<0.05）。在具实测氧数据的黑海（水柱O₂/H₂S比）、波罗的海（沉积物溶解氧）及坦噶尼喀湖（表层vs深层缺氧）数据集中，预测值随实测氧浓度/氧化性升高而显著上升（P<0.05）。

RESULTS——表层土壤氧水平预测及环境关联

对331份澳大利亚与209份美国表层土壤分析显示，预测氧水平范围分别为60%–100%（均值95%）和40%–100%（均值95%），74%样品为100%（完全充氧），最低值出现在湿地土壤。零膨胀Beta回归（Zero-Inflated Beta Regression, ZIBR）表明生境类型显著影响澳样土壤（P<0.001），土壤重量含水量（Gravimetric water content）在两国数据集中均与较低预测氧水平显著相关，砂粒含量、有机碳及年均温在澳数据中也显著；印证湿土因氧气扩散慢而氧可得性降低。

RESULTS——人肠道发育过程中氧水平动态变化

对73份芬兰与俄罗斯DIABIMMUNE队列婴儿肠道宏基因组（9名个体≥7个时间点）分析显示，预测氧水平随出生后天数显著下降（线性 mixed-effects model, LMER, χ²=18.9, P<0.001），所有个体最终趋近0%（完全厌氧），但达成时间各异（某个体出生600余天后仍检出非零氧水平），反映婴儿期肠道早期存在短暂需氧/微需氧窗口及有氧菌定植阶段。

讨论与结论总结

研究人员开发了基于20个细菌Pfam指示基因丰度比的免组装宏基因组工具OxyMetaG，可在0%–100%量表预测微生物生境氧可得性。所选基因参与有氧呼吸（如细胞色素c氧化酶Cytochrome c oxidase、含铁硫簇合成Iron-sulfur cluster biosynthesis）或严格厌氧过程（如固氮钼铁辅因子Dinitrogenase iron-molybdenum cofactor、仅铁氢化酶Iron-only hydrogenase），在多数细菌门具高判别力。模拟证明好氧∶厌氧基因RPK比与好氧菌相对丰度强相关，兼性菌产生中间比值对应中等氧水平。OxyMetaG在203份多样生境宏基因组中复现已知氧梯度——厌氧生境（瘤胃、肠道、湿地沉积）富集厌氧指示，好氧生境（表土、表海/湖水）富集好氧指示——并与黑海、波罗的海及坦噶尼喀湖实测氧梯度相符。540份表土分析表明尽管存在厌氧微位点，表土总体受好氧菌主导，土壤含水量为主要负向关联因子。73份婴儿肠道宏基因组证实出生后早期肠道氧水平逐步降至成人厌氧态。局限包括方法整合时间尺度不明（含死细胞DNA及历史群落信号，抗瞬时波动干扰但无法捕捉短时段变化）、个别氧化应激基因可能受非氧氧化剂影响；古DNA（aDNA）应用需针对损伤与短片段优化。OxyMetaG可作为现代与古代宏基因组的氧代用指标（Proxy），配合地球化学古氧晴雨表（Paleo-oxybarometer）使用。结论：OxyMetaG提供了一种直接基于鸟枪法宏基因组读段、无需基因组分箱组装、低测序深度要求（≥256,000条细菌读段）的氧水平推断手段，将微生物群落本身作为氧可得性的生物指示物，适用于环境与宿主关联系统生态学问题解析及古环境重建。