NBT：宏基因组噬菌体的"拼图神器"，香港城市大学李帅成/汪建平通过PALACE用共轭图框架产出5306个高质量基因组并揭示CRC肠道适应

噬菌体是一类感染细菌或古菌的病毒，是地球上最具多样性和最丰富的生物实体之一。噬菌体对微生物群落产生重要影响，并塑造生态系统的结构与动态变化。此外，在多重耐药性日益严重的时代，噬菌体疗法正成为抗生素的一种有前景的替代方案。

然而，作者对噬菌体的了解仍然有限，部分原因是许多噬菌体及其宿主难以在实验室中培养。近年来，下一代测序（NGS）技术和噬菌体检测算法的进展，使得从宏基因组数据中通过计算手段挖掘噬菌体序列成为可能，并极大地扩展了噬菌体的多样性。通常，NGS读段被组装成重叠群（contigs），随后计算方法根据序列特征或其他信号识别来源于噬菌体的重叠群（即基因组片段）。

然而，目前主要依赖宏基因组重叠群的噬菌体检测方法，由于典型宏基因组组装流程中固有的高度片段化问题，所获得的噬菌体基因组完整性各异，从而阻碍了后续分析。噬菌体基因组通常长度为10–100 kbp，而某些巨型噬菌体的基因组大小可超过200 kbp。

N50长度通常约为1 kbp的宏基因组组装，可能无法捕获大型噬菌体的完整基因组。此外，噬菌体基因组中频繁出现的序列模糊性会中断组装连续性，导致组装片段化。因此，目前从宏基因组数据中挖掘得到的噬菌体数据库主要由低质量噬菌体片段组成，这不仅给基因组内容的结构化分析带来挑战，也妨碍了对其在微生物群落中作用的理解。

图1.PALACE从宏基因组测序数据中组装高质量和自信的噬菌体（摘自

Nature Biotechnology

）

尽管近年来已开发出多种噬菌体组装工具，但其在复杂宏基因组数据集上的性能仍然有限。首先，噬菌体基因组的高度序列多样性和广泛存在的遗传嵌合体现象，阻碍了从头组装，因为新颖序列可能无法被基于参考序列的策略检测到。

其次，温和噬菌体以前噬菌体形式整合到细菌基因组中，并在进入裂解周期前与其宿主共同复制。因此，前噬菌体组装容易受到细菌污染，而依赖噬菌体与细菌之间覆盖度差异的算法通常难以有效恢复前噬菌体。第三，噬菌体基因组常含有重复序列，然而大多数组装器会在重复边界处中断重叠群。

第四，噬菌体在宏基因组数据中表现出高度可变的覆盖深度，这使得算法难以将不均匀的覆盖度与真实的拷贝数变异区分开。

在此，作者开发了一种名为PALACE（基于共轭图理论的噬菌体组装工具，Phage Assembly with Conjugate Graph thEory）的工具，用于从宏基因组数据中组装高质量噬菌体。PALACE整合了基于同源性和基于深度学习的方法，从预组装的重叠群中检测噬菌体信号，然后基于由此获得的噬菌体来源重叠群构建一个拷贝数感知的共轭图。

接下来，PALACE通过迭代最大匹配算法揭示该共轭图的结构，在此过程中反复应用噬菌体信号检测以优化候选路径，并最终从遍历该图的路径中输出线性或环状噬菌体基因组。作者在模拟数据集和NGS宏基因组数据集上将PALACE与现有噬菌体检测方法进行了基准测试，发现PALACE提高了所组装噬菌体基因组的准确性和完整性。

作者将PALACE应用于健康对照者和结直肠癌（CRC）参与者的肠道宏基因组数据。通过CheckV评估，作者获得了5,306个高质量噬菌体组装体，这使得作者能够表征噬菌体基因组的遗传组成，并研究它们与CRC的关联。

具体而言，作者观察到CRC参与者来源的噬菌体基因组中代谢因子的流行率更高，提示这些噬菌体适应了CRC肠道环境中的营养限制条件。

参考消息：https://www.nature.com/articles/s41587-026-03188-z