Host innate immune response profiling reveals hidden viral infections across diverse animal species

该研究开发了一种基于宿主先天免疫反应（特别是干扰素刺激基因表达）的病毒发现框架，通过对约 21 万份来自不同哺乳动物和鸟类的 RNA-seq 数据进行快速分析，成功识别出传统同源搜索方法遗漏的多种隐蔽病毒及高度分歧病毒，为可扩展的病毒监测提供了高效的新策略。

要点

这篇论文讲述了一个非常聪明的“侦探”故事，主角不是拿着放大镜的警探，而是一套基于宿主免疫反应的病毒发现系统。

想象一下，我们要在一座巨大的、由数百万个房间（RNA-seq 数据）组成的迷宫里寻找隐藏的病毒。传统的做法是拿着“通缉令”（已知病毒的基因序列）去比对，看看有没有长得像的。但问题是，很多新病毒长得和通缉令上的人完全不一样，或者它们太狡猾了，只留下一点点痕迹，传统的“通缉令比对法”很容易漏掉它们，而且工作量巨大，累得半死也查不完。

这篇论文的作者们想出了一个**“听声辨位”**的新招数。

1. 核心概念：身体的“警报器”

当病毒入侵时，无论它长什么样，动物的身体都会拉响警报。这个警报就是干扰素刺激基因（ISGs）。你可以把它们想象成身体里的**“消防警报器”**。

• 一旦有病毒（火灾），警报器就会响（基因表达升高）。
• 即使你看不见火（病毒序列），只要听到警报声（基因表达高），你就知道这里肯定着火了（有病毒感染）。

2. 两大神器：ISG Profiler 和 ISG-VIP

作者开发了两件法宝：

• ISG Profiler（快速扫描仪）：
  这就好比一个**“通用听诊器”**。以前，医生（研究人员）需要知道病人（动物）的具体品种，才能听诊。但这个听诊器很神奇，它不需要知道具体是猫、狗还是鸡，只要听到“警报声”（ISG 基因表达），就能判断身体是否处于“战备状态”。它能在几分钟内扫描成千上万个样本，而且不需要每种动物都有详细的基因图谱（参考基因组）。

• ISG-VIP（智能预测员）：
  这是一个**“人工智能侦探”。它学习了数百万个样本的数据，知道什么样的“警报声”组合是真的病毒入侵，什么样的只是误报（比如细菌感染也会拉警报）。它能从海量的数据中，迅速筛选出那些“最可疑”**的样本，告诉研究人员：“嘿，这几个房间里有病毒，赶紧去查！”

3. 他们发现了什么？（大丰收）

作者用这套系统扫描了大约 21 万个 来自野生动物和家畜的 RNA 数据（相当于检查了 21 万个房间）。结果令人震惊：

• 发现了“隐形”病毒： 很多病毒因为长得太奇怪，传统的“通缉令比对法”完全没认出来，但“听声辨位”法却把它们揪了出来。
• 找到了新的肝炎病毒： 他们在鸡的肝脏里发现了一种新的病毒（属于 Chaphamaparvovirus 属），这种病毒会让鸡得肝炎。以前大家不知道，现在通过“警报声”找到了它。
• 揭开了进化秘密： 他们发现，一些让猫狗得病的致命病毒（如猫泛白细胞减少症病毒），其祖先可能来自老鼠。这就像通过追踪“警报声”的源头，发现了一个意想不到的家族秘密。
• 预警猪的噩梦： 他们在一种叫“芦苇鼠”的小动物身上，发现了一种和“猪繁殖与呼吸综合征病毒”（让养猪业损失惨重的病毒）非常近亲的病毒。这意味着这种病毒可能在老鼠圈里悄悄传播，随时可能跳进猪圈引发大流行。

4. 为什么这很重要？（未来的防疫网）

以前，我们要在海量数据里找病毒，就像在沙滩上找每一粒沙子，既慢又容易漏掉。
现在，这套方法就像在沙滩上装了一个“金属探测器”。

1. 先扫描： 用“金属探测器”（ISG-VIP）快速扫过整个沙滩，只标记出有金属反应（警报声大）的地方。
2. 再深挖： 只去那些标记的地方用铲子（传统的测序和组装）深挖。

结果就是： 我们只需要检查 7%~8% 的样本，就能找回 43%~45% 的病毒。这大大节省了时间和算力，让我们能更快地发现那些可能引发大流行的“隐形”病毒。

总结

这就好比以前我们只能等火灾发生了、房子烧了才知道有火；现在，我们装上了灵敏的烟雾报警器，能在火苗刚冒头、甚至还没看到烟的时候，就通过警报声知道哪里出了问题，并迅速定位到那个“捣乱”的病毒。这对于预防未来的大流行病（Pandemic Preparedness）来说，是一个巨大的进步。

技术摘要

这是一篇关于利用宿主先天免疫反应进行病毒发现的技术论文的详细总结。

论文标题

宿主先天免疫反应分析揭示跨物种的隐藏病毒感染
(Host innate immune response profiling reveals hidden viral infections across diverse animal species)

1. 研究背景与问题 (Problem)

• 病毒发现的紧迫性： 大多数人类病毒性疾病源于动物跨物种传播（人畜共患病），因此从野生动物和家畜中识别未知病原体对于大流行病准备至关重要。
• 现有方法的局限性：
  • 计算成本高： 传统的病毒组分析依赖于从头组装（de novo assembly）和基于同源性的搜索，处理海量 RNA-seq 数据（每年呈指数级增长）时计算成本极高。
  • 灵敏度不足： 基于同源性的搜索难以检测高度分歧的病毒（与已知病毒序列相似度低）或病毒序列极少的感染。
  • 假阳性/假阴性： 难以区分真正的病毒感染与样本污染，且无法检测那些不产生大量病毒序列但引起宿主免疫反应的感染。
• 核心挑战： 需要一种计算高效、不依赖特定物种参考基因组、且能检测高度分歧病毒的新型病毒发现策略。

2. 方法论 (Methodology)

研究团队开发了一个基于宿主干扰素（IFN）反应的新型框架，包含两个核心工具：ISG Profiler 和 ISG-VIP。

A. ISG Profiler (干扰素刺激基因分析器)

• 原理： 病毒感染会激活干扰素通路并诱导干扰素刺激基因（ISGs）的表达。由于 IFN 反应在脊椎动物中高度保守，ISG 的表达谱可作为病毒感染的通用指标。
• 工作流程：
  1. 参考数据库构建： 基于 398 种羊膜动物（哺乳动物和鸟类）的直系同源序列，构建包含 59 个核心 ISGs 和 100 个内部对照基因（ICGs）的数据库。
  2. 无需物种特异性参考： 直接将 RNA-seq 读段映射到该通用直系同源数据库，无需为每个物种构建特异性参考基因组。
  3. 量化与标准化： 计算原始计数，通过 ICG 进行归一化，对数转换，并利用预计算的均值和标准差进行标准化。
  4. 输出 ISG 评分： 计算所有核心 ISGs 标准化计数的平均值，作为样本的整体 ISG 表达状态（ISG Score）。
• 优势： 处理速度快（平均约 3.9 分钟/样本），适用于缺乏参考基因组的物种。

B. ISG-VIP (基于 ISG 的病毒感染预测器)

• 原理： 一个机器学习模型，利用 ISG Profiler 生成的表达谱和宿主分类学信息来预测病毒感染状态。
• 模型架构： 采用堆叠集成学习（Stacking Ensemble），基学习器为 LightGBM 和逻辑回归，元学习器为随机森林。
• 输入特征： 59 个 ISGs 和 100 个 ICGs 的标准化计数、ISG 评分、归一化总映射读段数、以及宿主物种和目（Order）的独热编码。
• 训练策略： 使用来自 17 万份 RNA-seq 数据集（170k 数据集）的数据进行训练，标签基于 geNomad 工具检测到的病毒（主要针对能诱导 ISG 表达的病毒家族）。采用 5 折交叉验证，并针对类别不平衡问题使用 SMOTE 过采样。

C. 病毒发现工作流

1. 快速预筛选： 使用 ISG Profiler 和 ISG-VIP 对所有 RNA-seq 数据进行快速扫描，预测感染状态。
2. 针对性深度分析： 仅对预测为阳性的样本进行计算密集的从头组装（如使用 Trinity）和基于同源性的搜索（BLASTx），以鉴定具体病毒。

3. 主要结果 (Key Results)

A. 工具验证与性能

• 准确性验证： ISG Profiler 在 IFN 处理细胞、实验性病毒感染和自然感染样本中均能准确捕捉 ISG 的诱导表达，与常规差异表达分析高度相关。
• 跨物种适用性： 即使在缺乏物种特异性参考基因组的情况下（仅有家属或属级参考），ISG Profiler 仍能准确量化 ISG 表达。
• 预测性能： ISG-VIP 在内部交叉验证和外部验证（41k 数据集，2024 年发布的新数据）中表现优异。外部验证显示，其召回率（Recall）约为 43%，F1 分数估计为 0.40，显著优于单一 ISG 评分或逻辑回归模型。
• 效率提升： 该工作流将需要进行深度病毒组分析的样本量减少了 91.5% - 92.9%（仅分析预测阳性的 7.1%-8.5%），同时仍能恢复 43%-45% 的病毒感染样本，极大地提高了计算效率。

B. 发现隐藏的病毒感染

• 检测被遗漏的病毒： 研究发现，传统工具 geNomad 漏掉了许多感染，特别是那些由高度分歧病毒或短片段病毒引起的感染。ISG-VIP 预测为“假阳性”（即 geNomad 未检出但 ISG 升高）的样本中，通过 BLASTx 重新分析发现了大量真实病毒感染。
• 新型病毒鉴定：
  • Chaphamaparvovirus (鸡肝炎相关)： 在鸡、野鸟、有袋动物和啮齿动物中发现了多种新的 Chaphamaparvovirus。在感染鸡肝脏的样本中，观察到抗病毒反应、炎症和肝重塑通路的上调，以及代谢功能通路的下调，提示这些病毒可能导致肝炎。
  • Hepatovirus (禽类肝炎相关)： 在法国和中国的鸡肝脏样本中发现了属于 Hepatovirus 属的新序列，它们形成一个新的禽类进化枝，可能源于水鸟的溢出，并伴随肝脏炎症特征。
  • Protoparvovirus (进化起源)： 在鼠类胎盘中发现了一种新的 Protoparvovirus。系统发育分析表明，包括猫泛白细胞减少症病毒 (FPV)、犬细小病毒 (CPV-2) 和猪细小病毒 1 型 (PPV-1) 在内的高致病性 Protoparvovirus 进化枝，其祖先宿主可能源自鼠科（Muridae），而非此前认为的食肉动物或偶蹄动物。
  • Betaarterivirus (高流行率)： 在中国芦苇田鼠（reed voles）中发现了与猪繁殖与呼吸综合征病毒 (PRRSV) 密切相关的 Betaarterivirus，且在某些生物项目中检出率超过 75%，提示存在高流行风险。

4. 关键贡献 (Key Contributions)

1. 提出宿主反应驱动的策略： 首次建立了一个通用的、基于宿主先天免疫反应（ISG 表达）的病毒发现框架，不依赖病毒序列本身，解决了高度分歧病毒难以检测的难题。
2. 开发高效工具链： 开发了 ISG Profiler（快速量化）和 ISG-VIP（机器学习预测），实现了大规模 RNA-seq 数据的快速预筛选。
3. 揭示“隐藏”的病毒组： 利用该方法在公共数据库中发现了大量被传统同源性搜索遗漏的病毒感染，特别是高度分歧的病毒（如 Chaphamaparvovirus）。
4. 提供进化新见解： 通过发现新的病毒序列，修正了对重要人畜共患病病毒（如 FPV, CPV, PRRSV）进化起源和宿主跳跃路径的理解。
5. 可扩展的监测方案： 提出了一种计算高效的病毒监测工作流，能够应对每年呈指数级增长的 RNA-seq 数据，为未来的大流行病预警提供了新工具。

5. 意义与局限性 (Significance & Limitations)

意义

• 大流行病准备： 该方法能够以前所未有的规模扫描野生动物和家畜的病毒库，提前识别具有溢出风险的未知病原体。
• 补充现有方法： 作为传统病毒组分析的有力补充，它不仅能发现新病毒，还能提供宿主免疫反应背景，帮助区分真实感染与污染。
• 资源节约： 大幅降低了大规模病毒筛查的计算成本，使得对海量公共数据的深度挖掘成为可能。

局限性

• 非诱导型病毒： 无法检测那些不诱导 ISG 表达或具有强干扰素拮抗能力的病毒（如某些 Togaviridae 和 Flaviviridae）。
• 非特异性反应： ISG 诱导不仅由病毒引起，细菌等病原体感染也可能导致假阳性（尽管这也意味着该工具可能用于检测其他病原体）。
• 数据偏差： 公共 RNA-seq 数据集中缺乏适当的病毒阴性对照，且病毒检测本身存在不确定性，可能影响表达变化的估计。

总结

该研究通过利用宿主对病毒感染的保守免疫反应，开发了一套高效、通用的病毒发现框架。它不仅克服了传统基于序列比对方法的局限性，成功识别了大量被遗漏的、高度分歧的病毒，还揭示了重要人畜共患病病毒的进化起源，为建立下一代整合早期检测与风险评估的病毒监测系统奠定了坚实基础。