巨型病毒基因组目录揭示扩展的多样性和功能潜力

《Nature Microbiology》：Genomic catalogue of giant viruses reveals expanded diversity and functional potential

　　

核质大DNA病毒（Nucleocytoplasmic large DNA viruses，NCLDVs）和Mirusviricota病毒因宏基因组测序而不断扩展其分类丰富度。研究人员构建了一个巨型病毒宏基因组组装基因组（giant virus metagenome-assembled genomes，GVMAGs）数据库（GVMAGs V2），包含来自18,727个GVMAGs的8,508个物种水平代表，相较之前的巨型病毒系统发育框架增加了六倍。系统发育组学（phylogenomics）揭示了712个先前未描述的属（genera）、13个先前未知的病毒科（families）以及一个研究人员提议命名为Mycodnavirales的目（order）。通过考虑替代和定制遗传码（alternative and custom genetic codes），研究人员在超过1,300个GVMAGs中改进了基因预测（gene calling），从而更准确地识别蛋白质编码基因。数据库挖掘揭示了在藻类、真菌和寄生原生生物宿主中推定的内源性病毒元件（endogenous viral elements，EVEs），表明巨型病毒整合是广泛且进化上持久的。蛋白质水平分析揭示了Algavirales中富集的污染物降解基因，以及与类抗菌（antimicrobial-like）和类抗生素抗性基因（antibiotic resistance gene-like）活性相关的广泛生物合成基因簇（biosynthetic gene clusters，BGCs）。这一公共资源将为扩展巨型病毒多样性、揭示病毒-宿主相互作用以及探索病毒进化奠定基础。

**论文解读：巨型病毒基因组目录揭示扩展的多样性与功能潜力**

**研究背景与问题**
核质大DNA病毒（Nucleocytoplasmic large DNA viruses，NCLDVs），通常称为巨型病毒（giant viruses），因其巨大的颗粒大小、基因组复杂性（可超过2.5 Mb，编码数百至数千种蛋白质）以及独特的生物学特征而挑战传统病毒学范式。宏基因组调查已在全球主要生物群落中发现巨型病毒，但其生态作用仍不明确。现有分类和功能谱系因采样偏向于海洋、淡水生态系统及分离的藻类和原生生物而片段化。已有巨型病毒基因组目录（如GVMAGs数据库）仅涵盖该群体多样性的一小部分，且基因预测流程假设标准遗传码，导致部分开放阅读框未注释，细胞序列可能通过质量过滤。因此，需通过新生态系统采样和改进蛋白质预测来扩展Nucleocytoviricota宏基因组资源，以进行更全面的比较分析并阐明谱系特异性代谢创新。

**研究内容与结论**
研究人员构建了迄今为止最大的巨型病毒宏基因组组装基因组（GVMAGs V2）数据库，包含来自18,727个GVMAGs的8,508个物种水平代表，较此前框架增加六倍。系统发育组学分析支持新增13个病毒科、712个属，并提出新目Mycodnavirales。通过考虑替代遗传码，在1,342个GVMAGs中改进了基因注释。数据库挖掘在藻类、真菌和寄生原生生物宿主中鉴定出高置信度内源性病毒元件（GEVEs），表明巨型病毒整合广泛且进化上持久。蛋白质分析揭示Algavirales中富集污染物降解基因，以及广泛的生物合成基因簇（BGCs）和抗生素抗性基因样同源物。该研究发表于《Nature Microbiology》，为扩展巨型病毒多样性、揭示病毒-宿主相互作用及探索病毒进化提供了基础资源。

**关键技术与方法**
研究人员从IMG/M数据库、Lake Mendota共组装、TARA Oceans测序等来源收集18,727个GVMAGs，使用skani进行95%平均核苷酸一致性（ANI）去冗余，获得8,508个物种水平代表。通过系统发育距离矩阵（PDM）和GVOG标记进行二次去冗余，最终构建2,037个基因组的系统发育树。采用GVClass工具测试多种遗传码，优化基因预测。利用HMMER搜索内源性病毒元件，并使用Proteinortho进行直系同源基因聚类。代谢模块完整性通过KEGG注释评估，抗生素抗性基因样同源物用DeepARG鉴定，BGCs用antiSMASH分析。样本来源涵盖人为、淡水、海洋、陆地环境及植物相关和工程环境。

**研究结果**

**An expanded giant virus genome database**
通过从IMG/M等来源收集18,727个GVMAGs，经ANI去冗余后获得8,508个物种水平集群，较之前数据库增加四倍。系统发育树基于RED评分（相对进化距离）分类，鉴定出13个新病毒科和712个新属，其中Imitervirales目包含5个新科。新目Mycodnavirales位于Imitervirales基部，其衣壳蛋白显著较短，且具有真菌宿主相关基因，表明其可能感染真菌。

**Expansion of the viral phylum Mirusviricota**
从水生、陆生、植物相关和工程环境中回收611个Mirusviricota MAGs，结合TARA Oceans的88个MAGs，去冗余后得到111个物种水平集群和298个单例。系统发育分析支持Mirusviricota作为门级谱系，包含两个目（m1和m2），其中m1目位于所有Megaviricetes基部，m2目分为三个科和13个属。

**Genetic code diversity improves annotation in giant viruses**
通过比较多种遗传码，发现标准遗传码（code 1）和细菌/古菌/植物质体码（code 11）是整体最优的。在1,342个GVMAGs中，使用替代遗传码（如code 6、106、129）改善了基因预测，尤其在人为环境中。例如，一个Imitervirales GVMAG（IM_12）在code 6下编码密度从13%升至93%，功能基因恢复增加，提示可能感染使用code 6的宿主（如纤毛虫）。

**GEVEs are widespread across datasets**
使用更新后的HMM模型在公共真核生物基因组中搜索内源性病毒元件，经系统发育过滤后获得22个高置信度GEVEs，涵盖以前已知的宿主（如Symbiodiniaceae甲藻、褐藻、绿藻、真菌）以及新宿主（如Glaucophyta、拟南芥、白芥属，但缺乏衣壳蛋白）。寄生真核生物（如虫草真菌、人病原体毛滴虫）中也存在GEVEs，小型Maverick/Polinton样病毒的内源化在毛滴虫中广泛存在。

**Shared genes and enriched functions across giant virus orders**
对2,504,503个基因进行直系同源聚类，鉴定出135,998个直系同源群，其中75,781个至少被三个GVMAGs共享，仅33%具有功能注释。Imitervirales拥有最多的目特异性直系同源群（47,541个，占63%），且连接性最高。新目Mycodnavirales具有433个特异性直系同源群，包括真菌毒力和应激反应相关基因（如Srd1p、Ypd1p）。添加7,013个新GVMAGs后，单例基因率显著降低，表明许多孤儿基因源于采样不足。

**Nucleocytoviricota and Mirusviricota as reservoirs for biotechnological potential**
抗性基因样同源物分析显示，二氢叶酸还原酶样同源物（dfr/dfrA-like）最丰富（n=1,604），其次为糖肽抗性相关van-like（n=140）。在淡水湖和河口的GVMAGs中发现新的硝基咪唑抗性样基因。BGCs分析在326个GVMAGs中鉴定出BGC样同源物，以萜烯前体（n=233）和萜烯（n=49）为主，主要分布于水生环境。此外，在Imitervirales、Pandoravirales和Pimascovirales中发现聚酮化合物和肽类化合物BGCs，具有潜在抗菌特性。

**总结与讨论**
本研究通过大规模基因组恢复、系统发育分类、遗传码感知注释、内源性病毒元件检测和功能比较分析，扩展了Nucleocytoviricota和Mirusviricota的已知多样性和功能潜力。新目Mycodnavirales的提出揭示了真菌宿主关联，而Mirusviricota的扩展支持其门级地位，但m1目的不确定位置反映了深层病毒进化关系重建的困难。基因组采样的增加降低了单例基因率，表明许多谱系特异基因可能因采样不足而被误判。遗传码变异提示潜在的宿主-病毒共进化，尤其是单终止密码子重分配更常见。内源性病毒元件在藻类、寄生真菌和人类病原体中的发现扩展了巨型病毒宿主范围。功能分析表明，Algavirales中污染物降解基因的富集可能增强宿主在污染环境中的生存，而抗生素抗性基因样和BGC样同源物可能参与病毒-宿主互作或微生物群落竞争。

**结论**
这些发现共同建立了GVMAGs V2作为未来巨型病毒进化、多样性、宿主互作和代谢潜力研究的基础。通过结合大规模基因组恢复、系统发育分类、遗传码感知注释、内源性病毒元件检测和功能通路分析，这一资源使比较分析成为可能，并支持探索巨型病毒编码基因和通路的生态与生物技术潜力。