系统发育约束与环境调控糖苷水解酶结构域架构

《Current Research in Microbial Sciences》：Phylogeny constrains and environment modulates glycoside hydrolase architecture

　　

糖苷水解酶（glycoside hydrolases, GHs）是催化聚糖和寡糖中糖苷键水解的碳水化合物活性酶（carbohydrate active enzymes, CAZymes）。GHs支持微生物在从土壤、海洋生态系统到人体肠道的各类生态系统中降解纤维素、半纤维素、几丁质及其他复杂碳水化合物。水解所释放的可代谢短糖为异养生长提供能量，从而促进整体生物地球化学循环。GHs在宏基因组数据集中的普遍存在凸显了其核心功能。目前已鉴定出众多GH家族，且它们常以多结构域蛋白形式存在，即GH结构域与若干辅助结构域相关联。然而，预测GH序列的功能仍是一项重大挑战，而在辅助结构域可能影响酶功能的多结构域酶中，这一挑战更为突出。

蛋白结构域是紧凑的进化单元，作为构件以多种排列方式组合（即蛋白架构）。多结构域蛋白的起源植根于基因复制、融合和裂解过程，这些过程使得从有限的祖先组分组装出复杂蛋白质成为可能。一般而言，新的蛋白架构进化缓慢，因为结构域融合和裂解事件罕见。因此，大多数蛋白质的架构在较大进化距离上表现出深度保守性。GHs常被引为辅助结构域在进化过程中经历反复获得、丢失和重排的蛋白质实例，从而在细菌谱系中产生了相当大的架构多样性。然而，这种明显的可塑性在多大程度上受系统发育约束、又在多大程度上受生态适应塑造，尚未得到定量评估。例如，链霉菌属、拟杆菌属和纤维解性芽孢杆菌门即使在核心GH结构域的属水平分布基本不变的情况下，其GH架构也存在广泛的菌株水平变异。在这些支系中，辅助结构域的动态组装和重排被认为有助于适应异质、富含多糖的环境，因为不同的聚糖需要不同的催化和靶向功能。这种生态特化也可能促进生态型的出现，即适应特定生态位的遗传和功能分化亚群。

与GH相关的重要结构域包括碳水化合物结合模块（carbohydrate binding modules, CBMs）、纤连蛋白和凝集素结构域，它们通常与纤维素酶等胞外酶相连。许多细菌还依赖S层同源（S-layer homology, SLH）结构域作为分子锚，将GH蛋白固定在细胞表面，而其他细菌则产生多酶复合体以集中GHs和其他CAZymes。所有这些策略反映了对相似生物物理约束的不同进化响应，即增强酶-底物相互作用，同时减少因扩散造成的酶损失。因此，预计扩散较高的环境（如水生系统、肠道）有利于增加GHs的多结构域架构，而扩散较低的环境（如土壤、生物结皮）可能有利于更简单的GH酶。然而，由于GH库在密切相关的分类群中高度保守（通常在细菌属水平），因此厘清GH结构域复杂性在不同环境中的模式较为复杂。此外，采样偏差进一步增加了检验此类预测的难度。宏基因组组装基因组（metagenome assembled genomes, MAGs）提供了一种直接评估环境样本中微生物基因组多样性的方法。本研究依赖GEM目录而非聚合来自异质来源的基因组，以尽量减少分离基因组数据库固有的偏差。GEM提供了从数千个环境样本生成的标准化MAG集合，这一一致性使得跨分类群的GH架构比较更加稳健。此外，GEM还包含统一的生态环境元数据和预定义的生态系统类别，便于进行跨环境比较。

因此，本研究利用GEM系统性地调查了参与结构性多糖（如纤维素）、寡糖和淀粉加工的major GH家族中的多结构域架构。研究人员首先假设微生物属表现出不同但系统发育上连贯的多结构域蛋白架构，这些谱系特异性模式可以通过分析自举重采样的环境MAG集合而非单个基因组来识别。为了定量比较不同谱系间的多结构域组织，研究人员将GH架构表示为结构域-结构域邻接网络（domain-domain adjacency networks, DANs），其中节点对应蛋白结构域，边代表它们在蛋白质内的有序关联。研究人员预测这些网络应在自举重复样本间紧密聚集，反映属内低变异性。相比之下，不同属的DANs应显示不同的加权架构。此外，研究人员预测占据相同环境类别的无关微生物谱系会产生重叠的DANs，突显其GH架构中的趋同结构模式。

最后，聚焦于广布属，研究人员假设各种生态型在多结构域蛋白架构中表现出不同的进化轨迹，这些轨迹由不同的生态位驱动。这样的过程将导致架构可塑性增加，从而在DANs中产生更大的异质性。

尽管GHs具有生态重要性，但大多数大规模研究集中在各个催化结构域的分布和丰度上，而在很大程度上忽视了多结构域组织。然而，多结构域组织可强烈影响酶靶向、底物结合、保留和催化效率，这表明GH架构本身可能是微生物功能适应的重要但被忽视的维度。因此，理解多结构域GH架构如何在不同谱系和环境中变化，对于超越GH清单走向对微生物碳水化合物降解的更机制性理解至关重要。此类知识最终可能提高研究人员预测微生物和酶过程如何响应环境扰动（包括底物可用性变化、生态系统结构和气候驱动的环境变化）的能力。

**论文解读：系统发育约束与环境调控糖苷水解酶结构域架构**

**一、研究背景与问题**

糖苷水解酶（glycoside hydrolases, GHs）是碳水化合物活性酶（carbohydrate active enzymes, CAZymes）超家族中的重要成员，催化聚糖和寡糖中糖苷键的水解。GHs在微生物降解纤维素、半纤维素、几丁质等复杂碳水化合物的过程中发挥核心作用，其释放的可代谢短糖驱动异养生长，从而促进土壤、海洋和人类肠道等生态系统中的生物地球化学循环。GHs在宏基因组数据集中的广泛分布凸显了其关键生态功能。许多GHs以多结构域蛋白形式存在，即催化性GH结构域与一个或多个辅助结构域（如碳水化合物结合模块（carbohydrate binding modules, CBMs）、纤连蛋白、凝集素、S层同源（S-layer homology, SLH）结构域、对接蛋白结构域dockerin等）相关联。辅助结构域可影响底物靶向、结合、酶保留及催化效率，因此多结构域组织是理解GH功能的重要维度。

尽管蛋白结构域架构通常表现出深度进化保守性，但GHs常被视为辅助结构域经历反复获得、丢失和重排的典型例子，从而在细菌谱系间产生显著的架构多样性。然而，这种表面上的可塑性在多大程度上受系统发育约束、又在多大程度上受生态适应塑造，此前尚未得到定量评估。此外，大多数大规模研究集中于GH催化结构域的分布和丰度，而忽视了多结构域组织这一重要功能维度。采样偏差和分离基因组数据库的异质性也阻碍了跨环境比较。因此，本研究旨在利用标准化宏基因组组装基因组（metagenome assembled genomes, MAGs）数据集，系统探究GH多结构域架构在不同细菌谱系和环境中的分布规律，定量解析系统发育和环境因素对其变异的相对贡献。

**二、研究内容与主要技术方法**

研究人员利用GEM目录（Nayfach et al., 2020）中的17,108个近完整MAGs（完整性≥90%），确保MAG重建和环境注释的一致性。蛋白质序列从JGI服务器获取，并使用GeneHunt重新注释GH-containing蛋白以鉴定其预测的多结构域架构。分析涵盖靶向寡糖的GH1、GH3家族，参与主要结构性多糖降解的GH5、GH6、GH8、GH9、GH10、GH11、GH12、GH18、GH19、GH30、GH44、GH45、GH48家族，以及主要淀粉水解的GH13家族。

核心分析方法包括：（1）构建结构域-结构域邻接网络（domain-domain adjacency networks, DANs）：将蛋白质有序结构域转化为有向的N→C邻接对，构建网络，节点代表结构域，边代表观察到的邻接关系。（2）计算网络结构指标：边密度、聚类系数、度分布熵和Louvain模块性。（3）自举重采样策略：每个属随机抽取50个MAGs重复构建网络，以标准化采样力度、稳定网络属性估计并捕获谱系内变异。（4）定量Jaccard多样性指数（Ru?i?ka指数）计算网络加权相似性，结合非度量多维尺度分析（NMDS）可视化网络间关系。（5）置换多元方差分析（PERMANOVA）评估分类学和环境因素对DAN变异的相对贡献。（6）Kruskal-Wallis检验和Dunn事后检验评估环境对广布属GH频率和多结构域比率的影响。环境类别合并为13个聚合类别，包括动物消化系统（ADGS）、城市（CITY）、淡水（FW）、人类生殖系统（HRpS）、人类呼吸系统（HRsS）、人类皮肤（HS）、哺乳动物消化系统（MDGS）、海水（MW）、其他水生环境（OAQ）、植物（PL）、沉积物（SD）、土壤（SL）和废水（WW）。

**三、研究结果**

**1. GHs架构的鉴定**

在17,108个近完整MAGs中共鉴定出158,829个含目标GH结构域的蛋白质，总计302,630个蛋白结构域，来自437个结构域家族。其中56%为多结构域蛋白，表明复杂多结构域组织在GH蛋白中普遍存在。最丰富的GH结构域与淀粉和寡糖降解相关（GH13 n=54,152，GH3 n=44,075，GH1 n=16,453）；结构性多糖靶向GHs中GH5、GH18、GH10和GH9最为普遍。辅助结构域中，参与底物靶向和酶保留的结构域约占61%，包括大量CBM（如CBM26、CBM48、CBM4_9、CBM2）、凝集素/纤连蛋白样结构域（如FN3样结构域、FN3、蓖麻毒素型β-三叶草凝集素结构域样、伴刀豆球蛋白A样凝集素葡聚糖酶超家族）、参与纤维小体组装的dockerin结构域（n=3,018）以及参与细胞表面锚定的结构域（如分选酶C端结构域、细菌SH3结构域、SLH）。

**2. 跨属GH组成**

通过DANs定量描述结构域组织，网络指标分析揭示了从高度互联网络到更模块化组织的属特异性模式。例如，拟杆菌属（Bacteroides，n=76 MAGs）表现出高度互联、低模块性的网络，表明广泛共享的GH相关结构域组合；而寡养单胞菌属（Stenotrophomonas，n=164 MAGs）GH库较小，其DAN更碎片化，具有明显模块和较少共享结构域关联。自举重采样分析表明，大多数细菌属内DANs的密度、聚类系数、熵和模块性在重复样本间低变异，反映属内GH库及其与辅助结构域关联模式的稳定性。跨谱系比较显示，边密度总体较低（仅有限的结构域组合被实现），但存在显著局部聚类（特别是芽孢杆菌门Bacillota），熵和聚类系数呈反向关系。

**3. DANs间的架构相似性**

定量Jaccard-NMDS分析显示，属内自举重复DANs紧密聚集，表明加权架构相似性的高内部一致性和可重复性；不同谱系间则清晰分离，反映谱系特异性结构域连接模式。哺乳动物消化系统相关谱系（如瘤胃球菌属Ruminococcus、副拟杆菌属Parabacteroides）在排序空间中占据相似区域，而海洋、土壤或其他开放环境相关属则距离较远。少数属（如毛螺菌属Lachnospira、Solobacterium、短波单胞菌属Brevundimonas、二氧化碳噬纤维菌属Capnocytophaga）表现出明显离散，对应GH库和辅助结构域关联的变异。PERMANOVA分析显示，在考虑环境效应后，分类学（门水平）解释了加权DAN结构变异的18.4%（P<0.001）；在考虑分类学后，环境解释了10.5%（P=0.013），表明系统发育约束为主导因素，环境也有显著贡献。

**4. 广布属的GH架构**

共鉴定出20个广布属（在至少三个聚合环境类别中出现的属，n=2,583 MAGs）。GHx-频率（GHx数量/蛋白编码基因总数）方面，环境对多数属的GH3、GH5、GH13、GH18和GH30频率有显著影响，而GH8、GH9、GH10和GH19保持稳定。例如，寡养单胞菌属中GH3和GH5频率在动物消化系统中增加，GH13频率在淡水中降低，GH18频率在动物消化系统中降低；拟杆菌属的GH频率不受环境影响。多结构域GHx比率（MDGHx-ratio，多结构域GHx数量/GHx总数）方面，环境对八个属（Brevundimonas、Corynebacterium、Cutibacterium、Enterobacter、Pseudomonas E*、RC9*、Stenotrophomonas和Streptococcus）有显著影响。具体而言，寡养单胞菌属中MDGH3比率在城市环境中相对于土壤降低，MDGH13比率在动物消化系统、城市和海水中增加而在淡水和人类皮肤中降低，MDGH18比率在动物消化系统中增加。值得注意的是，拟杆菌属尽管GHx-频率稳定，但其MDGH9和MDGH18比率在不同环境中显著波动，在动物消化系统和哺乳动物消化系统中比率升高。

**四、讨论与结论**

研究结果支持一个层级模型：系统发育确立了GH多结构域组织的保守框架，而环境压力对特定架构进行微调。DANs的低变异性表明GH库和结构域架构在谱系内高度保守，符合结构域架构在强结构和功能约束下进化的预期。低边密度表明仅有限的结构域组合被实现，与强选择性过滤一致；显著局部聚类（尤其在芽孢杆菌门中）揭示了特定多结构域基序的重复出现。底物靶向和酶保留相关辅助结构域约占61%的观察结果，支持多结构域组织至少部分进化以在扩散可能限制水解效率的环境中减少酶损失并改善底物捕获的假说。

虽然NMDS揭示了相似环境（特别是哺乳动物消化系统）中一些DANs的定性聚集，但这种趋同并不主导——排序的主要结构仍由系统发育驱动。PERMANOVA结果进一步证实了分类学对DAN拓扑变异的贡献大于环境。环境对GH丰度和架构影响的解耦（如拟杆菌属中GH频率稳定但架构波动）表明环境选择可能对酶频率和蛋白组织产生不同作用，架构代表了功能适应的更灵敏维度。广布属中部分属的增大的NMDS离散与生态型的出现一致——保留保守核心GH库的同时在辅助结构域组成上分化，可能促进对局部底物景观的适应。

结论：系统发育主导GH多结构域架构，而环境对其进行精细调节。蛋白结构域架构代表了补充基因内容分析的微生物功能潜力额外维度。DAN框架提供了一种可扩展的方法来量化酶模块性、检测进化约束并将分子架构与生态功能联系起来。尽管个体结构域组合的功能后果仍需实验验证，但将多结构域组织纳入比较研究可增进对微生物碳水化合物降解能力如何跨谱系和环境进化的理解。