《Biotechnology Advances》：Unlocking microbial dark matter: A biotechnology framework for replenishing the antibiotic pipeline
编辑推荐：
抗生素管线正面临危机，尽管微生物天然产物贡献了大多数已批准的抗菌药物，并保有巨大且尚未开发的生物合成潜力。真正的新药骨架十分罕见，因为发现工作仍局限于少数可培养分类群和已表达的生物合成基因簇（biosynthetic gene clusters，BGCs），而
抗生素管线正面临危机，尽管微生物天然产物贡献了大多数已批准的抗菌药物，并保有巨大且尚未开发的生物合成潜力。真正的新药骨架十分罕见，因为发现工作仍局限于少数可培养分类群和已表达的生物合成基因簇（biosynthetic gene clusters，BGCs），而大多数微生物化学仍以“暗物质”形式存在于未培养生物和沉默基因簇中。每一个瓶颈既是发现挑战也是生物技术挑战：一个预测到的基因簇必须被表达，其产物必须被分离，并且其生物合成必须被工程化改造至可行的产量，任何候选分子才能真正进入后续开发。本综述将当代管线中的主要障碍——包括有限的生态学采样、沉默和隐蔽基因簇、未培养细菌的可及性、低效的代谢组挖掘、薄弱的基因组–代谢组整合，以及不完整的目标鉴定——与最适合解决这些问题的技术联系起来，并借鉴近期关于整合工作流程而非单一平台方法的案例研究。通过评估这些策略的发现能力和生物加工可操作性，研究人员勾勒出一个实用框架，用于将微生物暗物质转化为可生产、机制清晰的抗生素先导物。
论文解读：解锁微生物暗物质——从生物合成潜力到可生产的抗生素先导物
一、研究背景与问题
抗菌素耐药性（AMR）已成为全球性危机，世界卫生组织警告世界正“耗尽抗生素”，2019年细菌AMR直接导致约127万人死亡，并促成额外495万人死亡。尽管微生物天然产物贡献了约三分之二的已批准小分子药物和71%的抗菌药物，但抗生素发现管线严重衰退。传统发现策略长期局限于少数可培养菌株（尤其是链霉菌）和已表达的基因簇，导致已知化合物重复发现率居高不下，而绝大多数微生物生物合成潜力以“暗物质”形式封存在未培养微生物和沉默生物合成基因簇（BGCs）中。作者指出，每个瓶颈既是发现问题也是生物加工问题：预测到的基因簇必须被表达、产物被分离、生物合成被工程化至可开发产量。因此，本文旨在系统梳理五大核心挑战——经典分类群过度开采、已知代谢物重复发现、未培养微生物难以获取、沉默BGCs普遍存在、天然产物分子靶点不明——并将每项挑战对应到最适宜的技术策略，提出一个整合的发现与生产框架。
二、研究内容与主要技术方法
研究人员通过综述近年案例研究，围绕基因组挖掘、代谢组挖掘、沉默基因簇激活、未培养细菌培养策略和靶点鉴定平台五大方向展开分析。主要关键技术方法包括：抗性基因引导的基因组挖掘（如ARTS）、BGC相似性聚类（如BiG-SCAPE/BiG-SLiCE）、基于深度学习的BGC结构预测（如DeepSeMS）、异源表达与启动子工程激活沉默基因簇、原位培养装置（ichip）和稀释至灭绝（DTE）培养法、基于串联质谱的分子网络（GNPS/FBMN/IIMN）及机器学习注释工具（SIRIUS、MS2Query、molDiscovery）、以及细胞学轮廓分析（BCP）、热蛋白质组分析（TPP）和天然质谱等靶点鉴定技术。文中引用的样本队列包括土壤、海洋沉积物、植物内生、昆虫肠道、人体微生物组等多种来源。
三、研究结果
3.1 稀有放线菌：系统发育扩展解锁新化学空间。针对典型分类群过度开采问题，研究人员通过16S rRNA序列优先化和基因组引导优先化策略，从青藏高原土壤、塔克拉玛干沙漠植物内生菌等样本中分离出多种新放线菌，获得利福霉素类似物、链阳性菌素类新抗生素等。全基因组分析显示多个稀有放线菌属平均BGC数量超过链霉菌属，支持应在菌株水平评估生物合成潜力。
3.2 未充分开发与极端生境：生态学引导发现。深海、沙漠、盐湖、极地及动植物共生微生物群落提供独特化学多样性，案例包括来自海沟真菌的抗疟环五肽、海绵共生真菌的抗菌氧杂菲那酮二聚体、昆虫肠道链霉菌的大环内酰胺、植物内生菌的二氢异香豆素以及人鼻腔共生菌产生的鲁古杜宁（lugdunin）等，显示生态位特化推动非典型骨架演化。
3.3 天然产物数据库：去重复化的基础设施。开放获取的质谱、结构和基因组数据库（如GNPS、NPAtlas、StreptomeDB、MiBiG、BGC Atlas等）通过链接结构、谱图、基因组和生物活性信息，直接应对已知代谢物重复发现问题，并支撑机器学习模型的训练。
3.4 基因组挖掘：从BGC注释到结构预测。antiSMASH等规则工具可注释已知类别BGC；DeepBGC利用深度学习识别非典型簇；BiG-SCAPE/BiG-SLiCE实现大规模基因簇家族聚类以评估新颖性；系统发育引导挖掘发现含霉菌胺的甘露霉素；EvoMining追踪中心代谢酶进化发现砷聚酮；ARTS依据自身抗性基因定位抗生素靶点并发现克里比环烯；结构预测工具如PRISM、DeepSeMS、TransATor等将基因序列直接转化为候选化学结构，案例包括异源表达获得的库茨内丁A和通过模块预测指导分离的卤代脂肽colibrimycin。
3.5 激活沉默BGCs：从诱导表达到生物加工。OSMAC策略通过改变培养基条件激活沉默簇；化学诱导剂（如一氧化氮）通过NOMETA触发特定BGC；共培养模拟生态互作促使单孢霉产生新化合物；HiTES高通量筛选小分子诱导剂激活沉默簇获得莫莫霉素；CRISPR/Cas9启动子敲入和异源表达（如在大肠杆菌或链霉菌底盘）是遗传激活的主要手段。异源表达成功检测率仅11%–32%，后续须通过启动子重构、前体供给、抗性工程和发酵优化提高产量，如oviedomycin达670 mg/L，四烯霉素总量达4.95 g/L。
3.6 获取未培养细菌：培养依赖与非培养依赖策略。宏基因组建库、单细胞基因组学和eSNaPD等挖掘环境DNA的非培养策略，结合异源表达获得metatricycloene、malacidin和metamycins等新化合物；合成生物信息学天然产物（syn-BNP）方法经由化学合成绕过表达与分离直接获得cilagicin。培养依赖策略包括稀释至灭绝、过氧化物清除培养基和ichip原位培养，ichip培养获得的产纤维堆囊菌产生替考巴丁（teixobactin），但该菌难以常规培养，供应依赖全合成，凸显发现与可生产性之间的张力。
3.7 代谢组挖掘：化学优先的发现路径。基于MS/MS的分子网络通过谱图相似性聚类实现去重复化，FBMN保留保留时间和定量信息，IIMN关联加合物提高连边；机器学习工具如Spec2Vec、MS2DeepScore改进相似性度量并以MS2Query实现自动类似物检索；在无参考谱时可借助SIRIUS/molDiscovery进行公式和结构注释；MS2LDA和MassQL用于亚结构挖掘；SMART 2.0和DeepSAT通过NMR数据辅助结构预测；NPClassifier等工具对化合物进行天然产物分类。生物活性引导的代谢组工具（bioactive molecular networking、FiBiCo、NP Analyst等）将化合物丰度与活性关联，从复杂提取物中优先分离新活性分子，案例包括surugamide K、allopeptimicins等。基因组–代谢组链接平台如NPLinker和Seq2PKS将BGC与谱图对应，实现从序列到结构再到谱图的闭环。
3.8 发现天然产物未知分子靶点：多平台机制解析。靶点筛选（如FabF抑制剂platensimycin）、细胞学轮廓分析（BCP区分翻译抑制与膜破坏）、全细胞生物传感器、抗性诱导/耐药性基因组挖掘（darobactin靶向BamA）、亲和化学蛋白质组学（pladienolide B靶向SF3b）、无标记方法（TPP发现vioprolide A靶向NOP14）、天然质谱筛选（rivulariapeptolides抑制胰凝乳蛋白酶）、多组学融合（FUSION/SNF聚类识别CDK抑制剂surugamide A）以及计算机靶点钓鱼（反向对接、网络方法）等共同构成机制解析工具箱。
四、讨论与结论总结
作者指出当前策略均存在吞吐量瓶颈：计算工具可处理数百万BGCs或数十万谱图，但实验验证速度远远落后；异源表达是主要限速步骤，成功率仅11%–32%。未来方向包括：合成生物学改进异源表达宿主与基因簇重构；syn-BNP化学合成绕过表达；机器学习框架将生物合成和结构特征与预测生物活性耦合，从而按功能而非仅按新颖性优先化候选分子。结论部分强调，检测不等于生产，预测性和可生产性必须早期纳入考量，扩展底盘库与生物加工工程与发现同等重要；跨学科合作和FAIR数据共享将决定微生物暗物质能否有效转化为下一代抗生素。
综上，本文通过系统梳理五大挑战及对应技术矩阵，提出一个将发现能力与生物加工可行性并重的整合框架，强调从预测基因簇到可制造药物的连续转化，为抗生素管线补充提供了务实路线图。
