《mSystems》：Functional unknomics of the SAR11 clade reveal hidden genetic potential underlying adaptation to bottom-up and top-down pressures
编辑推荐：
专业翻译（摘要部分）
细菌中相当一部分基因缺乏与已知功能基因的可检测序列相似性。这些功能未表征的基因——统称为“功能未知组”（unknome）——代表了一个尚未充分探索的遗传库，蕴含着对海洋细菌生态学的洞察。在本研究中，研究人员探索了海洋中最丰富的细菌谱系——
专业翻译（摘要部分）
细菌中相当一部分基因缺乏与已知功能基因的可检测序列相似性。这些功能未表征的基因——统称为“功能未知组”（unknome）——代表了一个尚未充分探索的遗传库，蕴含着对海洋细菌生态学的洞察。在本研究中，研究人员探索了海洋中最丰富的细菌谱系——SAR11进化支——的unknome功能，特别关注那些揭示其生态学意义的基因。基于直系同源基因簇（COG）和京都基因与基因组百科全书（KEGG）分类，约56%的SAR11直系同源群（OG）被归类为unknome成员。在SAR11 unknome中，研究人员通过蛋白质结构相似性搜索和基因组背景分析，成功推断出57个在SAR11进化支中保守的直系同源群的功能。这些直系同源群包括假定的转运蛋白组分，支持当前关于SAR11进化支专精于底物摄取以适应寡营养海洋环境的生态学理解。此外，结构分析表明，富含于海洋环境中的含DUF2237蛋白可能与嘌呤核苷酸类化合物相互作用。这可能暗示海洋细菌中存在独特的核苷酸利用机制。此外，研究人员在unknome中鉴定出候选病毒防御系统，表明至少三分之一的培养SAR11菌株中存在多样化的防御系统。即使在精简的SAR11基因组中存在这些防御系统，也表明它们赋予了显著的生态优势。本研究的分析揭示了有助于生态成功的自下而上过程（适应寡营养环境）和自上而下过程（抗病毒防御策略）的遗传基础。
重要性：许多微生物基因缺乏实验确定的功能，这限制了研究人员解释微生物如何适应其环境的能力。本研究通过整合进化保守性、基因组背景、预测的蛋白质结构和环境分布，审视了这种未表征的基因空间（即SAR11中的“unknome”）。该方法使研究人员能够优先考虑SAR11 unknome的组成成分，包括在整个进化支中保守的核心unknome以及在特定谱系中富集的基因，并鉴定出多个可能在营养获取和抵御病毒方面具有潜在生态作用的候选基因。研究结果表明，SAR11 unknome包含了关于SAR11生态成功的重要线索，而不仅仅是反映不完整的注释或基因预测伪影。本研究突显了unknome分析在识别环境微生物中生态相关基因方面的潜在价值。
论文解读文章
研究背景与科学问题
SAR11进化支（也称“Candidatus Pelagibacterales”目）是海洋环境中最为丰富的异养细菌类群，约占透光带所有浮游细菌细胞的25%，在全球生物地球化学循环中扮演着关键角色。该进化支以其缓慢的生长速率和高度精简的基因组著称，通常缺乏辅助基因如抗病毒防御系统，有时甚至缺失必需的生物合成途径。由于其难以在实验室条件下培养，基于培养的研究在全面性和通量方面受到限制，因此维持其生态主导地位的机制仍未被完全阐明。
从生态学角度看，SAR11的成功可从“自下而上”和“自上而下”两个维度加以探讨。自下而上方面，其极端资源高效的生活方式被认为在寡营养海洋环境中提供了强大优势，证据包括基因组精简、多功能转运蛋白的存在、运动性和转录调控的丢失，以及通过变形菌视紫红质（proteorhodopsin）利用光能等。自上而下方面，历史上SAR11被视为一种防御特化型谱系，依据“杀敌获胜者”假说，其慢速生长使其对病毒裂解相对不易感。然而，Pelagiphage（噬菌体）的分离及其对SAR11种群频繁感染的证据表明，该进化支承受着显著的病毒介导的自上而下压力。“山丘之王”（KoM）假说进一步提出，SAR11的高丰度促进了种群内频繁的遗传重组，这可能影响病毒易感性。尽管如此，关于SAR11进化支中是否存在抗病毒防御系统及其频繁的水平基因转移，仍缺乏直接证据。
当前，基于基因组的方法在微生物学中发挥着不可或缺的作用，尤其对于SAR11这类难培养的谱系。然而，领域内面临的一个日益严峻的挑战是发现大量与任何功能已知序列无相似性的基因。这一问题在海洋宏基因组中尤为突出，相当一部分预测基因仍缺乏功能注释。近期，由先前未表征基因编码的多样化抗病毒防御系统的发现表明，生态上重要的功能可能隐藏在这个未表征的基因空间中。为了克服基于序列注释的局限性，越来越多的研究采用超越序列相似性的生物信息学方法，包括蛋白质结构预测和基因组背景分析。然而，这些能够显著增强功能注释的前沿方法尚未被系统地应用于SAR11进化支。
基于上述背景，本研究首次系统性地调查了SAR11进化支中的功能未知基因（统称为SAR11功能未知组），旨在推断那些缺乏功能注释但保守存在的基因的功能，特别是关注与底物摄取、光营养以及病毒-宿主相互作用相关的生态重要基因。
主要关键技术方法
- 1.
基因组收集与系统发育分析：研究人员整合了来自不同环境的321个SAR11及相关进化支基因组，包括培养菌株、单扩增基因组（SAG）和宏基因组组装基因组（MAG），并使用GTDB-Tk和IQ-TREE2进行系统发育分类与最大似然树构建。
- 2.
功能注释与未知组定义：利用Prokka预测蛋白质编码基因，并通过SonicParanoid2聚类为直系同源群（OG）。结合COG和KEGG数据库进行功能注释，将无法被两者注释或仅注释为假设蛋白的OG定义为unknome OG。
- 3.
蛋白质结构预测与比较：使用AlphaFold2对代表性菌株的全蛋白质组进行结构预测，并通过Foldseek在蛋白质数据银行（PDB）中进行结构相似性搜索，以识别远程同源关系。
- 4.
基因组邻域分析：基于基因组共线性信息，构建邻接OG网络，以推断未知基因的功能关联。使用AlphaFold-Multimer评估蛋白质复合物形成的可能性。
- 5.
分子对接模拟：针对DUF2237蛋白，利用AutoDock Vina进行配体对接模拟，以预测其可能的结合底物。
- 6.
抗病毒防御系统注释：使用DefenseFinder自动检测防御系统，并对邻近基因进行人工手动校对与结构验证，以补充自动化方法的遗漏。
主要研究结果
1. SAR11基因组的收集与系统发育分析
研究人员收集了321个SAR11及相关进化支基因组，涵盖五个亚支。在306,416个蛋白质编码基因中，55.0%和77.8%分别获得了KO和COG注释。系统发育分析显示，共有968个OG在所有亚支中保守存在，符合SAR11基因组精简的特征。COG功能分类中，氨基酸运输与代谢（E类）、细胞壁/膜/包膜生物发生（M类）、能量产生与转化（C类）以及翻译（J类）是最常见的类别，其中M类超过K类（转录）的现象与基因组精简导致的转录调控减少特征一致。
2. 未知组的定义与特征
通过将既无KO也无COG功能注释的基因定义为unknome基因，56.0%的OG被归类为unknome成员。与功能已知基因相比，unknome基因更短、AT含量更高，且跨膜蛋白比例略高。Tara Oceans宏转录组数据证实，unknome OG在自然环境中确实有表达，尽管其表达水平略低于功能已知基因。大多数unknome OG特异存在于亚支I或HIMB59亚支，反映了亚支I的高度多样性和HIMB59亚支较大的基因组规模。值得注意的是，有191个unknome OG特异存在于适应低盐环境的亚支III中，其中一些含有与环境响应相关的功能特征，例如编码EF-hand结构域蛋白或与三羧酸转运蛋白（TctABC）基因簇相关的DUF1468家族蛋白。
3. 基于邻接基因功能和预测蛋白质结构的未知组功能预测
研究人员利用蛋白质结构预测与结构相似性搜索来推断unknome功能。在HTCC1062菌株中，91%的蛋白质与PDB条目存在>90%的同源概率，其中237个与最佳匹配的序列一致性低于20%。对于unknome蛋白，59.5%找到了结构相似的蛋白。邻接基因分析构建了包含474个OG和620条边的网络，其中31个组件同时包含unknome OG和功能注释OG。例如，含DUF4340结构域的OG1814与ABC转运蛋白组分基因相邻，并在HIMB59菌株中被预测形成类似ABC转运蛋白的八聚体复合物（pDockQ2 >0.268），提示其作为新型转运蛋白亚基的可能。OG1249（含DUF2139结构域）则保守存在于IV型菌毛操纵子中，可能作为次要菌毛组分参与外源核酸摄取。
4. 保守未知组OG的功能预测
研究人员聚焦于在三个主要SAR11亚支（I-III）中保守存在的108个unknome OG。通过整合邻接基因信息和结构相似蛋白，75个OG获得了至少一条支持性线索。进一步的文献检索最终为57个保守unknome OG推断出了推定功能或获得了额外功能信息，其中包括预测的转运蛋白组分、通道或代谢酶组分，这些可能支持SAR11进化支适应营养受限环境。
5. DUF2237（海洋中分布偏倚的未知基因）的功能分析
研究人员重点分析了在海洋环境中富集的unknome OG。其中，含DUF2237结构域的COG3651是第二海洋偏倚的unknome OG。在海洋黄杆菌纲中，DUF2237基因与变形菌视紫红质基因的系统发育分布曾报道存在相关性。利用OceanDNA MAG目录的分析证实，DUF2237基因与变形菌视紫红质在同一基因组中显著共存。结构预测显示DUF2237蛋白可能形成二聚体，并具有一个高度保守的凹形配体结合口袋。分子对接模拟表明，含核苷酸的配体如NADH、环二鸟苷酸（c-di-GMP）和环腺苷酸（cAMP）显示出最高的结合亲和力。ATP结合预测也支持核苷酸相互作用。由于培养的SAR11菌株缺乏运动性，且DUF2237编码基因在基因组中常与氧化还原代谢和辅因子生物合成基因相邻，研究人员认为DUF2237可能参与核苷酸相关的细胞信号传导而非直接的光感知。
6. SAR11未知组中的抗病毒防御基因
使用DefenseFinder，研究人员鉴定了43个防御系统事件，包括限制-修饰（RM）系统和毒素-抗毒素系统，其中21个unknome基因与这些系统相关。通过人工校对，又额外发现了7个推定防御系统，总计在46个基因组中获得50个系统事件。新发现的系统包括此前未在SAR11中报道过的Mza、SspBCD、DISARM和ShosTA系统。例如，Ssp样操纵子编码与已知SspBCD结构相似的蛋白，但SspE较短；DISARM样操纵子编码DrmAB、甲基转移酶和解旋酶，但缺乏非必需组分DrmC；ShosT毒素蛋白比大肠杆菌的短约100个氨基酸，但保留了磷酸核糖转移酶结构域。此外，还检测到基于双链DNA磷硫酰化（dnd）的防御系统。对比高质量基因组发现，防御系统在至少三分之一培养菌株基因组（8/24）和四分之一SAG（5/20）中存在，但在MAG中极少被检测到，表明SAR11进化支拥有比此前基于MAG分析所推断的更丰富多样的防御系统。
讨论与结论
在SAR11进化支中，尽管其OG在海洋微生物系统中至关重要，但仍有很大一部分功能未得到表征。本研究通过基因组背景和结构比较分析探索了SAR11 unknome OG，发现其中包含许多转运蛋白相关基因，这与SAR11进化支的底物摄取策略相一致。结构相似性搜索在注释中尤为有效，反映了广泛的序列差异和基因组特征（如降低的GC含量）可能阻碍基于同源性的检测。这些结果突显了整合基因组背景和结构预测对非模式生物的价值。
在剩余的unknome基因中，研究人员进一步考察了可能在SAR11进化支中具有生态意义的海洋相关候选基因。其中，DUF2237蛋白的结构建模和对接模拟提示其可能与嘌呤核苷酸类化合物（包括c-di-GMP、cAMP和NADH等第二信使）相互作用，表明DUF2237可能参与基本的细胞过程，而不限于趋光性。尽管需要实验验证，预测的核苷酸结合特性提示DUF2237可能是一种此前未表征的核苷酸互作蛋白。
研究人员探索了unknome基因中以寻找可能揭示SAR11生态成功的自上而下因素的病毒防御系统。以往研究认为SAR11仅具备有限的病毒防御能力，但本研究的全面基因组分析揭示了多样化病毒防御系统的零散分布，这与此前报道的SAR11基因高种内重组率一致。虽然此前假说认为SAR11的慢速生长使其不易受噬菌体裂解，但本研究鉴定出的更广泛的防御系统库表明，SAR11正面临着持续的病毒压力，需要比以往认识到的更积极的抗病毒感染能力。Pelagiphage基因组中抗RM系统的最近发现进一步支持了Ca. Pelagibacterales与Pelagiphage之间的军备竞赛。防御系统的存在可能为SAR11病毒感染期间观察到的核糖体剥夺的“僵尸细胞”表型提供了一种可能的解释，这可能是流产感染的结果。此外，SAR11基因组中靶向单链DNA病毒的Ssp和Mza系统的发现，暗示存在尚未被发现单链DNA Pelagiphage。鉴于SAR11基因的高种内重组率，防御系统的零散分布可能反映了种群层面共享这一库，而非远缘类群间的频繁转移。这种种群层面的共享可能帮助SAR11平衡基因组精简与防御基因获取之间的权衡。这一解释与细菌泛免疫系统的概念一致，即防御基因在密切相关菌株间频繁获得和丢失，也与KoM假说一致，即SAR11通过高多样性和由密切关联菌株高接触频率驱动的高效水平基因转移来维持其主导地位。总之，这些观察表明SAR11与其噬菌体之间存在复杂的进化互动，可能由基因组精简、水平基因转移和多样化防御策略共同塑造。
研究结果还强调了基因组重建方法在评估病毒防御系统分布中的重要性。与SAG和培养菌株基因组相比，病毒防御基因在MAG中代表性不足，这可能导致此前观察到SAR11几乎不具备病毒防御能力的结论。这种代表性不足很可能源于MAG组装和分箱的局限性，反映了特定基因组区域（如高变区和宏基因组岛）的高度变异性。因此，SAG分析和培养工作为捕捉防御系统的多样性提供了有力方法。
尽管本研究取得了诸多见解，但仍需承认若干局限性。功能分配仅基于计算机分析推断，尚需实验验证。此外，所鉴定基因和防御系统的生态作用仍需在培养的SAR11代表菌株中进行实验检验。基于邻域的网络分析依赖于相对严格的阈值以减少虚假基因关联，这可能限制了更细微共线性信号的检测。尽管如此，本研究的分析为生成可验证的假说提供了一个全面的框架，并揭示了此前未被认识的、可能有助于SAR11进化支生态成功的遗传特征。
展望未来，自动基因功能注释的进一步进展对于跟上微生物基因组数据的快速扩展，并补充细致但低通量的手动注释至关重要。通过开发稳健的分析方法并超越模式生物，可以揭示微生物新颖的生物学和生态学功能，为深入了解自然环境中微生物生命的多样性和生态角色提供更深层次的洞见。生物信息学驱动的功能未知组学有望成为微生物生态学的主要前沿，尤其是对于那些仍然难以培养的谱系。
研究结论：本研究通过对SAR11功能未知组（unknome）的系统性调查，成功为57个保守直系同源群（OG）推定了功能，揭示了其在底物摄取和寡营养适应中的潜在作用。DUF2237蛋白可能作为一种新型核苷酸互作蛋白参与细胞信号传导。更重要的是，研究在SAR11基因组中鉴定出多种此前未被报道的抗病毒防御系统，包括Mza、SspBCD、DISARM和ShosTA系统，表明该进化支拥有比以往认知更为丰富多样的病毒防御能力。这些发现为理解SAR11进化支通过自下而上（适应寡营养环境）和自上而下（抗病毒防御策略）双重机制实现生态成功提供了新的遗传基础。
