Unsupervised decomposition of massively parallel TraDIS-Xpress fitness data from Escherichia coli identifies distinct functional and expression modules of antimicrobial resistance determinants

细菌是适应能力的专家。当它们遇到威胁（如抗生素）时，并不会仅仅坐以待毙，而是会激活一套复杂的内部防御系统。为了理解这一过程是如何运作的，科学家经常使用一种叫做转座子插入测序的技术。想象一下，基因组就像是一本用于构建和运行细菌的长篇说明书。在这种方法中，研究人员将微小的遗传物质片段随机插入到这份说明书中，实际上是在特定的点上卡住了指令。如果细菌在指令被卡住的情况下依然能够存活并良好生长，那么那部分说明书在特定条件下可能对于生存并非必不可少；如果细菌死亡或生长困难，则说明那条指令至关重要。通过同时测试数百万个这些“损坏”的细菌，科学家可以绘制出一张关于哪些基因在不同环境下对生存至关重要的地图。

然而，读取这些地图的传统方式存在一个显著的局限性。通常情况下，科学家会孤立地观察每个基因，比较它在对照环境与压力环境下的表现。这种方法会产生数百个独立的列表，每一个对应于所测试的一种条件，这使得很难观察到不同基因如何作为一个团队协同工作的宏观图景。此外，标准方法往往会忽略那些并非被破坏、而仅仅是被开启或关闭的基因所发出的微妙信号，而这正是细菌抵抗药物的关键方式。由夸德拉姆研究所（Quadram Institute）和东英吉利大学研究人员开展的一项新研究，通过将一种强大的数学工具应用于大规模细菌数据集合，解决了这些差距。他们不再逐一观察基因，而是寻找将基因组联系在一起的隐藏模式，从而揭示细菌如何实时协调它们的防御。

研究人员从一个拥有近80 选手万个大肠杆菌（Escherichia coli，一种实验室常用的常见细菌）突变株的庞大库开始。这个库是使用一种特殊的遗传工具创建的，该工具不仅能破坏基因，还能开启或关闭基因，从而允许科学家研究那些一旦被破坏就会导致细胞死亡的必需基因。他们将这些细菌暴露在754种不同的条件下，包括各种抗生素和其他环境压力。目标是超越分别分析每个实验的标准方法。相反，他们将所有数据输入到一个旨在寻找独立模式（即“模块”）的计算机程序中，这些模式是在细菌面临不同挑战时显现出来的。这个被称为独立成分分析（independent component analysis）的过程，使得他们能够将响应方式一致的基因进行分组，无论这些基因在染色体上的位置是否相邻，也无论它们是否属于已知的同一生物通路。

分析揭示了99个不同的功能组，研究人员称之为“fxModules”。这些组并不是根据预先存在的知识来定义的，而是根据它们在数据中的实际行为表现来进行定义的。研究发现，相比于观察单个基因，这些模块能提供更清晰的细菌抗性图景。例如，当细菌暴露在磷丝菌素（fosfomycin）下时，分析识别出了一个特定的模块，其中包含了负责药物进入细胞、调节其作用以及其代谢处理的相关基因。该模块准确地重现了已知的抗性机制，但其精确度在于将不同生物通路中的基因联系了起来，这是传统方法所遗漏的。研究人员能够看到，细菌的防御涉及对药物流量进行控制的协调努力，而不仅仅是单个基因在独立行动。

当研究氯霉素（chloramphenicol）时，这种方法的威力变得更加明显。在这种情况下，分析强调了一个几乎完全由基因上游区域（即启动子）信号驱动的模块。这些区域控制着基因表达的强度。研究表明，细菌的抗性在很大程度上依赖于提高特定基因的“音量”，以将药物从细胞中泵出。由于传统方法经常忽略这些调节区域，或者将它们与它们所控制的基因视为独立个体，因此会错过这一关键洞察。通过将基因表达的信号与基因破坏的信号分离，研究人员能够看到，细菌是通过过量生产外排泵来生存的，而这种机制在标准的逐一基因分析中是无法被察觉的。

同样，该研究还详细观察了细菌如何应对庆大霉素（gentamicin）。分析将细菌的呼吸链（即产生能量的系统）拆分为三个反应各异的独立模块。其中一组涉及构建能量供应的基因显示出强烈的正向反应，这意味着破坏这些基因有助于细菌生存；另一组涉及利用该能量制造ATP的基因则显示出负向反应，这意味着破坏这些基因会损害生存。这种细致程度揭示了细菌并不会将它们的能量系统视为一个单一的整体，而是会对特定部分进行精细调整，以减少抗生素的进入。研究人员还识别出了控制这些反应的特定调节因子，其中一些此前从未被发现与庆大霉素抗性相关，为未来的研究提供了新靶点。

研究还发现了一个专门针对细胞壁（细菌的外壳）的模块，该模块对被称为β-内酰胺类（beta-lactams）的一类药物有特异性反应。这个组包括构建细胞壁的蛋白质、切割细胞壁的酶以及感知其完整性的调节因子。值得注意的是，分析发现这些在细胞内物理连接的蛋白质，被计算机归为一组，尽管它们在不同的生物数据库中分布广泛。这表明，数学方法可以找到那些因分类标准不同而被人类策展数据库所遗漏的功能单元。研究人员指出，虽然该方法成功召回了已知机制，但也提出了新的联系，例如一个可能将细胞壁与应激反应联系起来的特定调节因子，这目前仍需进一步的实验验证。

其中一个最重要的发现是，该方法在不需要预先了解基因功能的情况下即可运作。计算机完全基于基因的活动水平在所有不同压力条件下如何共同变化来进行分组。这意味着该方法可以在不依赖现有教科书或数据库的情况下，识别基因与生存角色之间的新关系。研究人员证明，通过同时分析大规模的数据汇编，他们可以创建一个共同的框架，使新的实验可以直接与旧的实验进行比较。这改变了科学家处理大型数据集的方式，将数百个独立的列表转化为一张单一且连贯的细菌行为图谱。

研究人员谨慎地指出，虽然该方法具有稳健性和可重复性，但它所识别的组别是基于运动的统计模式，而非必然的物理连接。仅仅因为基因在数据中同步运动，并不保证它们会发生直接相互作用，尽管在许多情况下，这些组别确实符合已知的生物复合物。研究还强调，定义这些组别的特定阈值是根据此类数据经验性确定的，这意味着对于其他类型的实验可能需要进行调整。尽管存在这些限制，但这种解析调节信号并按实际功能影响对基因进行分组的能力，代表了向前迈出的重要一步。它让科学家能够“见森林而非见树木”，揭示了细菌如何编排它们的防御措施，而这种方式在以往单个基因列表的噪声中是无法被察觉的。

最终，这项工作为理解细菌与药物之间的战斗提供了一个全新的视角。通过将基因组视为一个基因协同工作的动态系统，而非一份静态的零件清单，研究人员解锁了更深层次的生物学洞察。该方法不仅证实了已知事实，还提供了一种预测细菌如何应对新挑战的方法，并能识别它们为了生存而拉动的特定“杠杆”。随着细菌数据量的增长，这种方法有望使解释复杂的微生物语言变得更加容易，从而为对抗抗生素耐药性提供更好的策略。这项研究证明，只要拥有正确的分析工具，就能揭示大规模生物数据集中的隐藏结构，为理解生命的基本规则提供一条更清晰的路径。