《PLOS Computational Biology》：Panorama: A robust pangenome-based method for predicting and comparing biological systems across species
编辑推荐：
摘要：过去十年间，可获得基因组数量的增长深刻改变了原核生物遗传多样性、进化及生态适应的研究。然而，传统基于单个基因组分析的生信方法在面对海量数据时显现局限性。为克服这些限制，泛基因组(pangenome)概念应运而生，为捕获物种全基因库提供了综合框架。本研究提
摘要：过去十年间，可获得基因组数量的增长深刻改变了原核生物遗传多样性、进化及生态适应的研究。然而，传统基于单个基因组分析的生信方法在面对海量数据时显现局限性。为克服这些限制，泛基因组(pangenome)概念应运而生，为捕获物种全基因库提供了综合框架。本研究提出PANORAMA，一种创新的泛基因组学工具，旨在利用泛基因组图(pangenome graph)实现注释与比较，以探索多个物种的基因组多样性。PANORAMA基于PPanGGOLiN泛基因组图，集成了基于规则的宏分子系统（如抗噬菌体防御系统）预测方法及不同泛基因组间保守特征（如插入热点，spots of insertion）的比较分析。研究人员在941株铜绿假单胞菌(Pseudomonas aeruginosa)数据集上演示了PANORAMA的使用，并以PADLOC和DefenseFinder为参照评估了其性能。随后将分析扩展至肠杆菌科(Enterobacteriaceae)四个物种（>6000个基因组），证明PANORAMA能够注释、比较并探索多物种间生物系统的多样性与分布。本工作为大尺度微生物基因组比较研究提供了新方法，并凸显了泛基因组学途径在解析原核生物进化动力学中的价值。PANORAMA免费获取地址：https://github.com/labgem/PANORAMA
论文解读：《PLOS Computational Biology》——Panorama：一种基于泛基因组稳健预测与跨物种比较生物系统的方法
研究背景与意义
随着细菌基因组测序数量的激增，传统以单基因组为单位的分析方法难以应对上千株菌株的大规模数据集，且无法直观反映物种核心(core)与可变(variable)组分的进化动态。泛基因组(pangenome)概念虽已成熟，但现有工具多在单基因组水平预测宏分子系统（macromolecular systems，如分泌系统、防御系统等），再人工汇总，缺乏直接在泛基因组图(pangenome graph)上注释及跨物种比较的功能。针对这一空白，研究人员开发了PANORAMA，基于PPanGGOLiN的基因邻接图(gene adjacency graph)，直接在泛基因组尺度用基于规则的模型预测宏分子系统并比较不同泛基因组间的系统及插入热点(spots of insertion / spots of insertion of Regions of Genomic Plasticity, panRGP)，以揭示跨物种保守进化模块。
主要关键技术方法
研究人员使用从NCBI RefSeq下载的完整基因组构建泛基因组：铜绿假单胞菌(Pseudomonas aeruginosa) 941株；肠杆菌科包括弗氏柠檬酸杆菌(Citrobacter freundii) 79株、大肠埃希菌(Escherichia coli) 3083株、肺炎克雷伯菌(Klebsiella pneumoniae) 1659株、肠道沙门菌(Salmonella enterica) 1380株。先用PPanGGOLiN（v2.3.0，默认参数）构建基因家族水平泛基因组图（节点为同源基因家族，边为基因组邻接关系，并统计划分为persistent基因组／shell基因组／cloud基因组，预测RGP及插入spot）。PANORAMA用pyHMMER将HMM蛋白谱比对泛基因组代表基因序列注释基因家族功能，依据含Functional Unit（功能单元）层级化的JSON规则模型检查组分的mandatory／accessory／forbidden属性及transitivity（图论传递闭包距离），以Jaccard指数过滤保守共定位边，预测系统并映射回各菌株分为strict／extended／split三类。跨物种比较(PanCompare)用MMSeqs2聚类不同泛基因组基因家族的代表序列得同源基因家族组(GHGFs)，计算基因家族库相关性(Gene Family Repertoire Relatedness, GFRR)评分，Louvain算法聚类相似spots或系统。DefenseFinder（v1.2.2 + CasFinder v3.1.0）和PADLOC（v2.0.0）模型及HMM经内置工具转为PANORAMA格式用于基准测试。
研究结果
Overview of PANORAMA
PANORAMA提供两大工作流：PanSystem（HMM注释基因家族＋应用规则模型预测系统）和PanCompare（多泛基因组基因家族聚类、系统／spot比较）。支持兼容MacSyFinder、DefenseFinder、CasFinder、PADLOC模型转JSON格式，输出TSV、GEXF／GraphML图及可视化图表，预测结果存入HDF5文件。
System prediction benchmark
在941株铜绿假单胞菌中以DefenseFinder和PADLOC为参照，PANORAMA预测结果与PADLOC参照F1值98.01%（召回率98.84%，精确率97.33%），与DefenseFinder参照F1值96.64%（召回98.23%，精确率95.10%）。少量差异源于PANORAMA用家族代表序列做HMM比对可能略低于阈值，以及泛基因组图中共定位规则较宽松允许额外保守相邻基因归入系统，且允许多重关联。运行时PANORAMA（单核）仅需数分钟，远快于DefenseFinder（约24小时）和PADLOC（约71小时），因直接操作基因家族而非逐基因组逐基因，并优化I/O与pyHMMER流程。
Pseudomonas aeruginosa defense system analysis
System prediction and analysis
用DefenseFinder模型在铜绿假单胞菌泛基因组中鉴定949个系统（150种模型），限制性修饰(restriction-modification, RM)系统最常见（84%菌株含近300个，I型RM最多），其次为Gabija、CRISPR-Cas、CBASS（>40%菌株携带）。CRISPR-Cas出现于48%菌株但仅13种不同系统（Shannon熵1.35，高度保守）；RloC出现于35%菌株含22种系统（熵21.58，组成多样），印证原核生物抗噬菌体免疫系统高度多样化。
Defense islands and spots of insertion
395个含至少一种防御系统的spot（占全泛基因组spot的40%），其中4个高频（>25%）且系统丰富（>60个系统）：spot 7（238系统，RM 51%，含BREX、Gabija等）、spot 6（162系统，RM 56%）、spot 45（110系统，PARIS占8%）、spot 69（75系统，PrrC 7%）。spot 7和spot 6对应已报道的核心防御热点CDHS-1和CDHS-2，验证了工具自动识别防御岛(defense islands)及插入热点能力。
Pangenome comparison of Enterobacteriaceae defense arsenal
Defense system distribution in the four species
四物种分别预测344、452、988、1470个防御系统，RM占30%–45%，PD(phage exclusion / phage defense 中PD系统)占5%–7%；Retron、CBASS、Gao、BREX、Abi也较普遍。富集因子显示Azaca和Dnd富集于S. enterica，Juk于K. pneumoniae，Bunzi和RADAR于C. freundii，Tiamat只见于S. enterica和C. freundii；E. coli无明显特有富集。
Identification of conserved spots
以GFRR≥60%识别相似spot，获102个spot簇涵盖232个spot。E. coli共享最多（71），S. enterica（60），C. freundii与K. pneumoniae比例分别为18%、约与另三物种较少共享。E. coli与S. enterica共有67个spot簇，说明亲缘近。E. coli spot 35（tRNA-LeuX基因组岛）含>450防御系统，兼具多重耐药基因与抗噬菌体热点双重角色。
Defense spot identification and conservation
99个spot簇（至少两物种共有），47个簇在至少一物种关联防御系统（共520个不同系统）。唯一四物种共有簇为cluster 58（34防御系统）。E. coli与S. enterica特异spot簇（7簇，263系统）含spot 86(S. enterica)和spot 175(E. coli—对应文献已知防御热点spot 4)，均以RM为主（55%–85%）伴BREX／CBASS／PrrC，支持跨物种水平基因转移获得共同防御模块。
讨论与结论翻译
研究人员在此介绍了PANORAMA，一个基于原核生物泛基因组的宏分子系统预测与分析新型开源框架。不同于作用于单个基因组的现有工具，PANORAMA利用PPanGGOLiN提供的泛基因组图结构，在物种及种间尺度进行系统水平分析；采用受MacSyFinder启发但适配泛基因组的基于规则模型，可灵活准确地识别多样功能系统如防御机制。与DefenseFinder和PADLOC基准比较表明PANORAMA预测精度相当且大幅降低计算需求，适合成百上千基因组的大尺度分析。其图论方法通过识别跨多基因组一致共现基因家族检测保守基因组背景，即便部分基因组因重排、插入或组装断裂破坏邻近性仍可稳健识别进化保守组分，比传统基于基因组的工具更灵活。应用于某物种数百基因组可快速识别不同系统及各菌株中的出现情况，并能将系统与基因组可塑区(RGPs)及插入spot关联，识别富含系统的基因组岛及其优选整合位点——铜绿假单胞菌中识别出四大热点含两个已发表核心防御热点。PanCompare功能应用于超6000肠杆菌科基因组揭示了保守与物种特异性系统类别，并能按共有基因家族内容聚类插入spot，识别亲缘种间保守防御岛。综上，PANORAMA为泛基因组尺度系统检测与比较分析提供稳健可扩展框架，其预测天然产出泛基因组尺度统一结果，兼容现有系统模型库，适合微生物学家、生物信息学家及进化生物学家研究宏分子系统分布、功能与演化。未来计划纳入anti-defense系统模型、基于KEGG或MetaCyc的代谢途径规则及碳水化合物活性酶(CAZymes)簇规则，持续发布模型库并支持自动下载，并探索基于蛋白结构相似性或蛋白质语言模型的模糊功能预测以发现新系统。
