**中文标题：** MethArDB：整合培养组学与基因组学的产甲烷古菌综合性数据库及分析平台

《Database》：An integrated culturomic and genomic database and analysis platform for methanogenic archaea

　　

产甲烷古菌（methanogenic archaea）研究面临菌株资源有限、基因组数据碎片化、基因组质量不一致、大量未培养谱系以及实验室培养困难等挑战，阻碍了沼气生产、气候缓解和微生物生态学领域的进展。这些古菌在全球碳循环和厌氧环境中发挥着关键作用，然而分散的数据和不可培养菌株限制了系统研究和应用。为此，研究人员创建了MethArDB（产甲烷古菌基因组数据库，Methanogenic Archaeal Genome Database），一个专门针对产甲烷古菌的数据库，汇编了3919个基因组、87个宿主相关质粒和42个噬菌体，并进行了标准化质量分类（完整、支架、草图）、蛋白质序列以及关于地理、栖息地、代谢和可遗传元件的元数据（metadata）整理。集成的MethArCT（产甲烷古菌培养组学工具包，Methanogenic Archaeal Culturomics Toolkit）采用双阈值直系同源（orthologous）/旁系同源（paralogous）蛋白质分析来评估代谢途径完整性，预测培养参数并建议候选培养策略，包括潜在的培养基配方和条件，以支持菌株分离。总体而言，MethArDB和MethArCT形成了一个结合基因组学（genomics）和培养组学（culturomics）的综合平台，以促进产甲烷古菌研究。数据库URL：http://methardb.cn

## MethArDB：整合培养组学与基因组学的产甲烷古菌综合性数据库及分析平台——论文解读

**一、研究背景与问题提出**

产甲烷古菌（methanogenic archaea）是专性厌氧微生物，在全球碳循环中扮演关键角色，是大气甲烷的主要生产者。它们对碳中和战略、生物能源生产以及生命起源研究均具有至关重要的意义。然而，尽管已成功培养了许多产甲烷古菌，大量谱系——尤其是通过宏基因组（metagenomics）研究鉴定并代表"微生物暗物质"（microbial dark matter）的谱系——仍然未被培养，反映了其在分离和培养方面的持续挑战。

近年来，宏基因组学和单细胞测序技术的快速发展导致产甲烷古菌基因组数据急剧增加，为研究其遗传基础和生理功能提供了前所未有的机遇。然而，基因组资源和分析工具的碎片化严重阻碍了研究进展。尽管NCBI、基因组分类数据库（Genome Taxonomy Database, GTDB）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）等数据库保存了大量产甲烷古菌基因组，但这些数据缺乏有针对性的系统整合，也缺乏统一且稳健的质量控制机制，高质量的完整基因组和组装良好的支架经常与低质量的contig（重叠群）和可能受污染的宏基因组组装基因组（metagenome-assembled genomes, MAGs）混合在一起。此外，研究人员通常需要使用多种工具的套件，如CheckM2用于质量评估、RagTag或Ragout用于组装优化、MCycDB（甲烷循环数据库，Methane Cycling Database）或KEGG用于代谢途径预测、IQ-TREE或EzAAI用于系统发育分析，这种碎片化导致分析流程繁琐、低效且缺乏标准化。

更为重要的是，产甲烷代谢途径的预测受到旁系同源蛋白（paralogous proteins）的阻碍。这些蛋白在结构上高度相似但功能不同，例如一些专性氢营养型产甲烷菌同时编码F₄₂₀-还原性氢化酶和甲酸脱氢酶（FdhAB），使其能够利用甲酸作为替代电子供体，但氢化酶亚基ElpAB与FdhAB由于共同的进化起源而具有序列同源性，仅依赖序列相似性可能导致功能错误注释。类似地，在氢依赖甲基营养型产甲烷过程中，甲基转移酶MtsA（甲硫醇甲基转移酶）、MtbA（甲胺甲基转移酶）和MtaA（甲醇甲基转移酶）具有较高的序列相似性但底物特异性严格；烷烃-辅酶M还原酶复合体AcrABG与经典甲基辅酶M还原酶McrABG也呈现高序列相似性但催化不同的反应。这些因素均凸显了在功能注释中需要更严格的策略来区分类似蛋白。

此外，尽管BacDive等数据库中细菌和古菌的菌株级生理数据日益丰富，但目前仍缺乏专门的生物信息学工具或数据库来预测特定功能微生物类群（如产甲烷、硫代谢和氮代谢微生物）的培养条件。这一缺陷对产甲烷古菌尤为突出，因为它们通常具有多重关键生理特征，包括盐度偏好、底物特异性和对共生关系的依赖性。当前，缺乏关于这些关键特征（尤其是盐度偏好、底物特异性和共生依赖性）的准确预测信息，构成了产甲烷古菌分离、纯化和高密度富集的主要制约因素。

**二、研究内容与重要意义**

为应对上述挑战，研究人员开发了MethArDB（产甲烷古菌基因组数据库，Methanogenic Archaeal Genome Database），这是首个整合产甲烷古菌基因组、相关质粒、噬菌体序列和功能预测工具的综合平台。MethArDB当前版本包含3919个高质量基因组、87个宿主相关质粒和42个古菌噬菌体序列，并配有交互式世界地图以可视化其地理和环境分布。所有完整基因组均标注了标准化的环境和代谢元数据，以便进行菌株间比较分析。其核心生物信息学模块MethArCT（产甲烷古菌培养组学工具包，Methanogenic Archaeal Culturomics Toolkit）采用专门设计的双阈值比对策略，明确区分直系同源蛋白（orthologs）和旁系同源蛋白（paralogs），能够基于基因组蛋白质序列准确计算代谢途径完整性，并支持代谢类型的精确预测。此外，MethArCT结合了机器学习（machine learning）和算法方法来预测最佳生理条件，并整合了CheckM2等质量评估工具，从而为未培养谱系的定向分离和培养策略提供理论基础。通过整合此前碎片化的基因组资源并实现可培养性的准确注释与预测，MethArDB为解决产甲烷菌研究中长期存在的两大瓶颈——难以培养和基因工程发展滞后——建立了统一的研究框架和坚实的技术基础。

**三、主要关键技术方法**

MethArDB的构建整合了来自多个权威公共数据库的产甲烷古菌基因组资源，包括NCBI GenBank、GTDB和NCBI RefSeq，质粒信息来自GenBank、PlasmidScope、PLSDB、IMG/PR和DDBJ，噬菌体记录来自GenBank、RefSeq、PhageScope和PhagesDB，以登录号为主要标识进行去重整合。基因组优化工作流程依次整合了RagTag（参考引导支架构建）、Ragout（染色体规模支架排序）、CheckM2（基因组完整性和污染评估）和Bakta（基因组注释与蛋白质编码基因预测）。MethArCT基于手动整理的产甲烷古菌特异性标记基因数据集进行分析，采用双阈值比对策略：直系同源蛋白E值阈值设为<1e^-100，旁系同源蛋白设为<1e^-5，阈值基于实验验证的基因集基准测试确定。培养特征预测涵盖底物代谢（硫代谢、氮代谢和产甲烷途径）、最适生长温度（利用TOME工具）、盐度耐受性和可培养性（基于生物合成能力、能量守恒、环境适应和遗传信息处理相关标记基因的分布与相对丰度）。验证数据来源于DSMZ和Bergey's Manual of Systematic Bacteriology（BMSAB）中培养菌株的实验数据。

**四、研究结果**

**（1）MethArDB平台概述**

研究人员介绍了MethArDB，一个专门针对产甲烷古菌的综合数据库，旨在解决两大核心挑战：基因组资源碎片化和质粒遗传操作元件功能注释的稀缺。数据库结构分为基因组、质粒和噬菌体三个核心模块，提供3919个基因组、87个质粒和42个古菌噬菌体序列，涵盖当前所有公共数据库中可获取的多样化分类群和环境来源。完整基因组被单独分类，可直接访问和分析而不需预处理。所有整理的数据集已永久存档于Zenodo仓库。平台集成的MethArCT利用蛋白质序列分析预测关键生理特征（底物特异性、温度和盐度最适条件以及一般可培养性），并基于这些预测建议潜在培养策略。MethArDB还提供了RagTag、Ragout、CheckM2等基因组学工具及用于比较分析的附加工具。

**（2）基因组、质粒和噬菌体数据库模块**

MethArDB目前收录了3919个产甲烷古菌基因组，包括363个完整基因组和1411个支架级组装。约2150个基因组具有地理元数据，构成了全球分布可视化的基础。当前数据集以肠道和海洋沉积物环境来源的基因组为主。数据库系统性地编目了87个公开可用的产甲烷古菌质粒，为古菌质粒的比较分析和未来古菌遗传系统研究提供宝贵资源。此外还包括42个古菌噬菌体基因组，为噬菌体来源的功能蛋白、古菌抗病毒防御系统、基因组编辑策略和噬菌体介导的基因转移研究提供资源。

**（3）MethArDB中的基因组优化和分析工作流程**

MethArDB将RagTag、Ragout、CheckM2、Bakta和EzAAI整合到基于Web的基因组优化工作流程中，用户可通过图形界面完成基因组组装改进、质量评估、注释和比较分析。RagTag对草图基因组组装进行参考引导支架构建，Ragout进一步重建支架顺序以提高组装连续性。优化后的基因组用CheckM2评估完整性和可靠性，随后用Bakta进行注释，并使用EzAAI进行平均氨基酸一致性（average amino acid identity）分析以支持比较基因组和系统发育分析。

**（4）MethArCT：整合于MethArDB的培养组学工具包**

研究人员独立开发并整合了MethArCT，一个专门为古菌、特别是产甲烷古菌群设计的基因组分析工具包，以Python包形式实现。该工具包整合了16条实验报道的产甲烷途径，包括CO₂/H₂、甲酸、甲醇（甲基还原途径）、甲胺、二甲胺、三甲胺、甲硫醇、甲醇（碳源歧化产甲烷）、乙酸、一氧化碳、甲氧基化合物、长链烷烃、长链脂肪酸、四甲基铵、甘氨酸甜菜碱和甲硫基丙酸。与KEGG、MCycDB和MetaCyc相比，MethArCT提供了更全面的实验报道产甲烷途径覆盖。KEGG涵盖五大类产甲烷代谢途径及三个衍生分支，但数据库更新滞后，对近年报道的新型产甲烷途径覆盖有限。MCycDB包含12条产甲烷途径的标记基因，但未涵盖长链烷烃、甲氧基化合物和长链脂肪酸相关标记基因。MetaCyc虽涵盖所有生命领域，但并非专门针对产甲烷古菌设计。相比之下，MethArCT的产甲烷分析模块整合了目前文献中报道的所有产甲烷途径的标记基因，实现了全面覆盖。

**（5）MethArCT中的双阈值比对策略**

传统基因注释方法过度依赖序列相似性，而产甲烷古菌中许多关键蛋白家族含有大量旁系同源蛋白，如甲基转移酶家族中的MtsA、MtbA和MtaA，铁氢化酶家族中的FdhAB（甲酸脱氢酶）和ElpAB（氢化酶），以及甲基辅酶M还原酶家族中的AcrABG（烷烃-辅酶M还原酶）和McrABG（甲基辅酶M还原酶）。为减少代谢途径重建中的假阳性注释，MethArCT实施双阈值比对策略：首先通过序列相似性识别同源蛋白，然后应用不同E值阈值来区分直系同源蛋白与旁系同源蛋白。研究人员分析了来自六个产甲烷属（Methanobacterium、Methanobrevibacter、Methanothermobacter、Methanococcus、Methanofollis和Methanoculleus）的代表性模式种进行评估：MethArCT预测与真实值之间的R²值为0.993，而KEGG的BlastKOALA工具的R²值仅为0.527。在所有研究的产甲烷菌属中，MethArCT均表现出与真实值的高度一致性（平均Pearson R² > 0.8，且MethArCT的Pearson R²远大于KEGG的Pearson R²），证明双阈值比对策略显著提高了产甲烷菌代谢途径预测的准确性和可靠性。

**五、讨论总结与研究结论**

本研究描述了MethArDB数据库及其集成分析工具包MethArCT，旨在解决产甲烷古菌研究中长期存在的挑战，包括培养和分离困难、对遗传机制理解不足（反映为功能注释不完整和大量功能未知基因）以及基因工程技术有限。该平台整合了高质量的基因组和可移动遗传元件资源，可能有助于未来产甲烷古菌基因工程研究。MethArCT模块采用双阈值比对策略区分直系同源和旁系同源蛋白，减少了由高序列和结构相似性引起的注释错误，特别适用于结构相似但功能不同的旁系同源蛋白家族（如MtaA与MtsA、McrA与AcrA）。MethArCT汇编了一套全面的产甲烷途径，支持对产甲烷潜力和底物多样性的更全面评估。其生理特征预测能力（最适生长温度、盐度耐受性和可培养性）经过DSMZ和BMSAB中培养菌株实验数据的验证，表现出较高预测准确性，为产甲烷菌实验室培养策略设计提供了有用指导，有望推动稀有、极端和未培养产甲烷谱系的研究。

该研究也存在若干局限性：MethArCT当前对极端环境条件的适用性受限于实验特征参考数据集的有限可用性。研究团队计划未来将MethArCT扩展为古菌系统生物学平台，整合基因调控和代谢网络分析，并引入包括转录组学（transcriptomics）、蛋白质组学（proteomics）和代谢组学（metabolomics）在内的多组学数据集，以进一步提升MethArCT的功能和预测性能。

研究结论：MethArDB和MethArCT共同构成了产甲烷古菌研究的综合平台。通过系统性地整合基因组、质粒和古菌噬菌体资源以及整理的功能注释，该平台为未来产甲烷菌基因工程研究提供了资源基础。创新的双阈值策略实现了更准确的代谢途径分析，从而改善了关键产甲烷标记基因（如ElpAB和FdhAB）的鉴定。生理特征预测模块进一步为难以培养的产甲烷古菌的分离和培养提供了有用指导。总体而言，MethArDB/MethArCT为研究产甲烷菌基因组学、生理学和代谢提供了整合资源，从而促进未来古菌微生物学和生物技术研究的发展。