🦠 微生物学

PhagePickr: A bacteria-centric computational tool for designing resistance-aware phage cocktails

PhagePickr 是一种新颖的、以细菌为中心的计算流水线，通过基于细菌表面受体相似性和基因组多样性来选择噬菌体，从而设计出具有抗性意识的噬菌体鸡尾酒组合，以最大限度地降低宿主抗性演化的风险。

原作者： Oneto, A., Okamoto, K. W.

发布于 2026-10-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Oneto, A., Okamoto, K. W.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

几十年来，医学界一直依赖抗生素来对抗细菌感染，但细菌已经学会了如何智斗这些药物，进化成了不再对治疗产生反应的“超级细菌”。这种日益严重的耐药性创造了对寻找新杀菌方法迫切的需求。一种极具前景的替代方案是噬菌体疗法，它利用被称为“噬菌体”的病毒来自然地狩猎并摧毁细菌。然而，正如细菌可以进化出对抗抗生素的防御机制一样，它们也可以进化出针对这些病毒的防御手段。当细菌改变其表面以阻挡病毒时，特定的病毒便无法再感染它，从而使治疗失效。科学家面临的挑战在于，如何设计出一种能够保持领先地位的治疗方案，防止细菌筑起阻挡攻击的围墙。

为了解决这个问题，研究人员亚历山德罗·奥内托（Alessandro Oneto）和冈本贤一（Kenichi W. Okamoto）开发了一种名为 PhagePickr 的新型计算机工具。该工具并非试图猜测哪些病毒可能有效，而是采用了一种基于细菌用于让病毒进入的特定“门”的策略。细菌在其表面拥有蛋白质，这些蛋白质充当受体，即病毒的入口点。如果病毒能够识别并结合这些受体，它就能感染细胞。研究人员意识到，如果他们能找到那些拥有与想要治疗的有毒细菌非常相似表面“门”的细菌，他们或许就能找到已经适应了这些“门”的病毒。通过选择一组在遗传上非常不同、但都能针对相似入口点的病毒组合，该工具旨在创造一种让细菌更难产生抗性的“鸡尾酒”疗法。如果细菌试图改变其中一个“门”来逃避一种病毒，它可能仍然会对混合物中的其他病毒保持脆弱，因为后者使用不同的策略进入细胞。

团队在被称为 ESKAPE 病原体的著名耐药细菌组上测试了这款新软件，这些病原体包括金黄色葡萄球菌（Staphylococcus aureus）和铜绿假单胞菌（Pseudomonas aeruginosa）以及另外两种研究较少的物种。该计算机程序的工作原理是：首先观察目标细菌的表面蛋白，然后搜索数据库以寻找具有非常相似的一组此类蛋白的其他细菌物种。一旦识别出这些“邻居”，该工具就会寻找已知感染这些邻居的病毒。随后，它会从每组中挑选遗传多样性最高的病毒对，以确保最终的混合物尽可能多样化。这种方法使得该工具不仅能建议直接感染目标细菌的病毒，还能建议来自相关物种的、由于共享表面特征而可能有效的病毒。

结果显示，PhagePickle 能够为所有测试的细菌生成这些病毒鸡尾酒疗法。对于广为人知的耐药细菌，该工具经常能找到在其他研究中已被证明有效的病毒，证实了该方法的有效性。对于研究较少的物种，该工具提出了新的候选方案，包括来自远缘细菌家族但共享必要表面特征的病毒。在某些情况下，该工具建议了已知具有裂解性的病毒，即能够立即冲破并杀死细菌的病毒；而在其他情况下，它识别出的病毒可能需要进一步研究以确认其行为。研究人员指出，虽然计算机可以构建这些潜在候选名单，但这些病毒在活体患者身上治愈感染的实际能力尚未经过测试。该工具旨在作为一个起点，为科学家提供实验室测试中最具潜力的病毒简表。

关键发现之一是，该工具可以通过观察其最近亲属来处理那些已知病毒极少的细菌。例如，在分析一种难以研究的细菌时，软件找到了一个在遗传上虽有距离但共享相同表面受体的邻近物种，从而能够建议可能有效的病毒。研究人员还发现，运行程序所需的时间主要取决于被比较的病毒基因组的大小，数据量较大的集合处理时间较长。尽管该工具功能强大，但作者谨慎地指出，它目前是一个“假设生成器”。它依赖于公共数据库中可用数据的质量，如果关于细菌表面蛋白的信息不完整，其建议的精确度可能会降低。随着更多关于细菌与病毒相互作用的数据被收集，该工具有望变得更加准确。

最终，PhagePickr 代表了科学家设计病毒疗法方式的一种转变。它不再依赖于试错法或仅寻找最明显的匹配，而是利用一种系统化的、数据驱动的方法来寻找细菌与病毒之间的隐藏联系。通过关注细菌的共同物理特征而非仅仅是其家族树，它开启了更广泛的潜在治疗范围。研究人员希望，通过提供一种自动化的、清晰的筛选多样化病毒候选方案的方法，他们可以帮助加速发现能够战胜进化防御的耐药细菌的新疗法。这项工作表明，随着更好数据的支持和持续的测试，这种计算指导可能会成为对抗超级细菌的标准手段之一。

技术摘要：PhagePickr

问题陈述
抗生素耐药性构成了严重的全球健康威胁，迫切需要噬菌体疗法等替代方案。然而，细菌会迅速进化出对噬菌体的抗性，通常是通过修改或掩盖表面受体，这限制了单噬菌体疗法的有效性。虽然噬菌体鸡尾酒疗法（多种噬菌体的组合）被提议作为一种延缓耐药性的解决方案，但目前的鸡尾酒设计计算工具（如 PhageCocktail）侧重于感染网络或基因组相似性，未能明确解决细菌耐药性的进化问题。具体而言，现有工具未能利用细菌表面受体谱系来选择针对多样化受体的噬菌体，而这一策略被假设为可以增加细菌同时产生耐药性的难度。

方法论
作者提出了 PhagePickr，这是一个旨在通过“以细菌为中心”的方法自动设计抗性感知型噬菌体鸡尾酒的计算流水线。该工作流分为两个主要阶段：

受体谱系分析与最近邻识别：
- PhagePickr 利用了一个包含 200 种致病物种的内置数据集，该数据集构建自 NCBI 的 Identical Protein Groups (IPG) 和核苷酸数据库。
- 它为这些物种构建了一个由 2,951 个受体相关蛋白特征组成的二元存在/缺失矩阵 ( $A$ )。特征源自 NCBI 记录标题中包含“receptor”（受体）一词的任何字段。
- 给定一个目标细菌物种，该工具通过计算目标物种的受体特征向量与数据库中其他物种之间的归一化汉明距离（Hamming distance），来识别表型相似的宿主。
- 系统会选择 $n$ 个最近的邻居（默认包括目标物种本身）。其潜在假设是，即使在系统发育上相距甚远，具有相似受体配置的物种也可能共享对噬菌体的易感性。
基于基因组差异的噬菌体选择：
- 对于选定的每个 $n$ 个宿主，工具会检索已注册的噬菌体基因组。
- 为了最大化针对不同受体的可能性并降低交叉耐药性，PhagePickr 优先考虑基因组多样性。
- 对于拥有两个以上注册噬菌体的宿主，使用 MAFFT 进行基因组比对。计算成对恒等性距离矩阵，并选择 $k$ 对最具差异性的噬菌体对。
- 拥有两个或更少噬菌体的宿主则贡献其所有可用噬菌体。
- 最终的鸡尾酒是这些选定噬菌体的集合，其最大理论规模为 $2nk $（默认参数：$ n=3, k=1$，产生 3–6 个噬菌体）。

核心贡献

新颖框架： PhagePickr 是首个明确基于细菌受体相似性和噬菌体基因组差异来设计鸡尾酒以减轻耐药性进化的自动化工具。
数据集成： 它将 NCBI 数据整合到可重复使用的受体特征矩阵和噬菌体-宿主关联记录中，从而实现随着数据库增长的可扩展更新。
实验性功能： 该工具包含一个可选的、实验性的模块，使用 BACPHLIP 来预测噬菌体的生活史（裂解型 vs 温和型），允许用户筛选裂解型候选噬菌体，尽管这并未集成到默认工作流中。
可扩展性： 该流水线设计可在标准的 UNIX/Windows（通过 WSL）系统上运行，内存占用可控，尽管其运行时间受限于噬菌体基因组的多序列比对（MSA）。

结果
作者在八个目标上评估了 PhagePickr：六种 ESKAPE 致病菌（Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa, Enterobacter spp.）以及两种研究较少的物种（Burkholderia pseudomallei 和 Pasteurella multocida）。

鸡尾酒生成： 该工具成功为所有目标生成了 4 到 6 个噬菌体的鸡尾酒。
邻居选择： 最近邻算法识别出的宿主范围广泛，既有近缘物种（例如 Staphylococcus 属内的 S. aureus 邻居），也有系统发育上差异巨大的属（例如 E. faemium 对应的 Clostridium 和 Staphylococcus），这是由共享的受体特征谱系驱动的。
多样性最大化： 对比分析显示，由 PhagePickler 选择的鸡尾酒比随机对照组具有显著更高的基因组多样性评分（平均最大成对恒等距离），证实了该选择步骤在最大化差异方面的有效性。
治疗潜力： 手动评估显示，大多数鸡尾酒至少包含一个对目标或其邻居具有报道裂解活性的噬菌体。然而，许多候选噬菌体在感染性、生活史或宿主范围方面缺乏全面的实验验证。
性能： 运行时间高度依赖于对齐后的噬菌体序列总长度（随约 1.54 的幂律缩放），其中最耗时的任务是 MSA 步骤。在所有测试中，内存使用量保持在较低水平（<1.5 GB）。

意义与声明
本文将 PhagePickr 定位为一个假设生成工具，而非临床验证的解决方案。其主要意义在于提供了一个系统、可重复的框架，通过利用受体表型来预测交叉感染性，从而实现“抗性感知型”的鸡尾酒设计。

作者明确指出：

生成的鸡尾酒尚未针对特定目标菌株的治疗有效性进行实验验证。
该工具的效用目前受限于公共数据库中受体注释的深度和准确性；稀疏的注释（例如对于 E. faemium）会导致探索性的、跨属的选择，这需要进一步的表征。
该方法代表了理性设计的重要一步，旨在通过选择基因组差异大的噬菌体来降低交叉耐药性的风险，因为这些噬菌体可能利用不同的感染途径。
未来的迭代可以纳入菌株水平的比较、抗生素耐药受体靶向以诱导协同敏感性，以及更稳健的生活史过滤，但这取决于基因组和表型数据可用性的提升。

总之，PhagePickr 提供了一种计算策略，旨在弥合细菌受体生物学与噬菌体疗法设计之间的鸿沟，通过多样性来预判耐药性的进化，同时也承认实验验证仍是任何拟定鸡尾酒剂量的必要下一步。

技术摘要：PhagePickr

类似论文