BGC Atlas v2: biosynthetic gene clusters with taxonomic and environmental context at scale
本文介绍了 BGC Atlas v2，这是一个规模大幅扩大的资源库，包含超过 1600 万个预测的生物合成基因簇，并整合了分类学、环境及地理元数据，旨在促进大规模天然产物发现以及对原核生物生物合成多样性的研究。
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
在微观世界深处，细菌和古菌正不断进行着化学战争与谈判。为了生存，它们产生大量复杂的分子，即次级代谢产物，这些分子既是针对竞争对手的武器，也是向邻居传递信号或操纵周围环境的工具。对于人类而言，这些微小的工厂是一座金矿，为我们提供了绝大多数的抗生素、癌症治疗药物和其他救命药物。然而，这些庞大的化学能力中，绝大部分仍然处于隐藏状态。虽然科学家已经学会了阅读微生物的遗传蓝图，但寻找制造这些有用化合物的具体指令就像在大海捞针，尤其是当这些微生物无法在实验室中培养时。
为了解决这个问题，研究人员使用了一种称为基因组挖掘的方法。他们寻找位于 DNA 中的特定基因组，这些基因紧挨在一起，充当构建单一化学产品的完整说明书。这些基因组被称为生物合成基因簇（biosynthetic gene clusters）。通过扫描发现于土壤、海洋甚至其他动物体内的微生物的 DNA，科学家可以预测这些生物可能会制造出什么样的化学物质，即使他们从未见过该生物本身。挑战一直在于规模与背景：这些基因组数量如此之多，而关于它们来自何处或由哪种生物携带的信息又如此匮乏，以至于很难知道哪些值得研究。
一支研究团队现在发布了一个旨在组织这个隐藏化学世界的数字库的大规模更新。这个被称为 BGC Atlas v2 的新版本将已知基因簇的收藏量扩大了八倍多，使预测的化学蓝图总数达到了超过 1600 万个。更重要的是，它不仅仅是列出这些基因簇；它还为几乎每一个基因簇都附上了一张详细的身份卡。通过这个数据库，科学家们第一次不仅能知道一个基因簇可能产生什么，还能知道携带它的生物最接近的已知谱系以及该生物生活的环境类型。虽然这些分配反映的是最接近的参考谱系，并且由于水平基因转移等因素，可能并不总是能识别出确切的生物，但这一转变将该工具从一个简单的目录转变为一张地图，让研究人员能够导航于特定的化学物质、制造它们的生物以及它们所栖息的生态系统之间的关系。
研究人员通过收集来自各种公共来源的 DNA 数据构建了这个新图谱，包括来自深海、森林土壤和人类相关环境的样本。他们将这些数据与那些已在实验室中成功培养的生物的遗传数据相结合。利用强大的计算机程序，他们扫描了超过 85,000 个环境 DNA 样本和超过 750,000 个个体基因组，以识别这些基因簇。结果是一个不仅规模更大、而且更完整的集合。由于之前的版本在很大程度上依赖于来自环境样本的碎片化 DNA 片段，而这个新版本包含了更多高质量的完整基因组。这意味着研究人员现在可以看到化学途径的完整说明书，而非仅仅是散落的页面，从而对微生物能够生产什么做出更准确的预测。
这项工作的最显著成就之一是能够将这些化学蓝图与生命之树的具体分支联系起来。过去，在土壤样本中发现一个基因簇意味着知道它的存在，但却不知道它属于常见的细菌还是罕见的未知物种。在这个新版本中，研究人员使用先进的匹配技术，为 99.4% 的基因簇分配了分类学身份。他们现在可以高置信度地断定，一个特定的化学途径属于哪种特定的微生物属甚至物种，尽管他们指出，这些分配反映的是最接近的参考谱系，并不一定能精准定位携带者。这使得科学家可以提出新的问题，例如某些类型的化学物质是否是特定生物类群所特有的，或者是否在不同的微生物家族树分支间共享。
对这一庞大数据集的分析揭示了自然界如何分布其化学潜力的清晰模式。研究人员发现，微生物生活的环境类型强烈影响着它制造出的化学物质种类。例如，生活在水生环境（如海洋和湖泊）中的微生物更有可能携带制造萜类化合物（terpenes，一类常用于香料和药物的化合物）的指令。相比之下，与动物共生的微生物（特别是生活在人类消化系统内的微生物）则更有可能产生另一类被称为 RiPPs 的化学物质。这些差异并非随机，而是反映了生物在这些栖息地中的特定生存需求。此外，研究表明，即使在观察特定的细菌类群时，这些模式依然成立，这表明生物的家族历史和当前环境共同塑造了其化学工具箱。
或许最令人震惊的发现是，传统的实验室方法能捕捉到的多样性是多么有限。当研究人员将新图谱中发现的基因簇与那些已在实验室中成功培养的细菌中的基因簇进行比较时，他们发现了一个巨大的鸿沟。在野外发现的独特化学家族中，有超过 60% 在培养物中完全缺失。这意味着，如果仅依赖我们在培养皿中能培养出来的微生物，科学家就会错过自然界绝大部分的化学创新。新图谱强调，最有希望的新药线索很可能隐藏在那些未被培养的大多数微生物世界中，等待着通过这些基因组学方法被发现。
研究人员还指出，虽然数据库规模巨大，但它仍仅代表了总潜力的冰山一角。即使拥有 1600 万个基因簇，独特的化学家族数量仍达数十万个，且其中只有极小一部分经过了实验测试以确定其具体功能。该工具旨在帮助科学家确定在这数百万种可能性中，哪些是最值得研究的。通过允许用户搜索特定的化学特征、按生物类型进行筛选或查找特定环境中的基因簇，该图谱充当了下一代药物研发的指南。它将原始遗传数据中压倒性的噪声转化为一个结构化的、可导航的景观，使人们能够找到最有希望的线索。
这项工作并不声称已经解决了寻找新药的问题，也不暗示数据库中的每个基因簇都会导致一种新药。相反，它提供了关于微生物化学多样性现状的一个全面且有序的视图。它证实了自然界拥有极其广阔且在很大程度上尚未被探索的化学潜力。通过连接基因、生物与环境之间的纽带，BGC Atlas v2 为那些寻求解锁微生物世界秘密并将其力量转化为人类福祉的科学家们提供了一条更清晰的路径。数据的规模提醒我们，尽管我们已经取得了显著进展，但自然界的整个化学图书馆仍在等待被阅读。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。