从深海热泉到其他严酷栖息地，研究人员发现了一种富含新型基因和生物合成簇的庞大微生物资源，随后利用人工智能引导的筛选技术鉴定出可能推动下一轮抗生素发现的肽类候选物。
研究：《极端环境微生物组目录》(EEMC)：微生物多样性与抗菌发现的全球资源。图片来源：Gallwis / Shutterstock
在近期发表于《自然·通讯》期刊的一项研究中，研究人员介绍了《极端环境微生物组目录》(Extreme Environment Microbiome Catalog, EEMC)，这是一个大规模资源库，旨在揭示地球最极端栖息地中隐藏的微生物多样性。
通过从数千个宏基因组和分离物中重建超过78,000个基因组，研究团队揭示了庞大且此前未被充分表征的遗传和生物合成潜力。值得注意的是，该目录助力识别出数千种候选抗菌肽(cAMPs)，其中许多在体外对难以治疗的革兰氏阴性病原体表现出活性，突显了EEMC作为下一代抗菌发现强大平台的潜力。这项研究提供了一个用于研究极端环境微生物组的大型综合资源。
栖息在极端环境中的微生物为具有潜在医学价值的新型代谢物提供了丰富但很大程度上未被开发的来源。尽管测序和宏基因组学的进步改善了对未培养微生物的获取，但大多数研究规模较小且局限于特定栖息地，导致全球多样性和生物合成能力表征不足。在日益严重的抗菌素耐药性威胁和抗生素发现放缓的背景下，这一缺口尤为关键。虽然基因组挖掘和人工智能加速了抗菌肽的搜索，但有限的数据集、被忽视的毒性以及对翻译后修饰的不完整考量等挑战依然存在，凸显了对更全面和综合方法的需求。
极端环境宏基因组研究设计
在本研究中，研究人员系统地汇编并重新分析了来自全球极端环境的宏基因组数据，以构建一个全面的基因组资源库。该数据集涵盖多种栖息地，包括深海、冰冻圈、高盐环境、地热区、地下和极度干旱系统，捕捉了广泛的环境变异性。
研究团队组装并整理了2,200多个公开可用的宏基因组以及3,000多个分离株基因组，包括从冷渗沉积物中新生成的样本。使用既定的质量标准，他们重建并优化了超过78,000个细菌和古菌基因组。研究人员随后将这些基因组聚类为物种级操作分类单元，并进行分类学注释和系统发育分析，以绘制跨环境的多样性和分布图谱。
接下来，研究团队预测了开放阅读框并构建了大型非冗余基因目录，随后使用多个公共数据库进行广泛的功能注释。为评估生物合成能力，他们识别了超过160,000个生物合成基因簇(BGCs)，并通过比较和聚类方法评估其新颖性。鉴于其对抗菌发现的相关性，他们特别关注了核糖体合成并翻译后修饰肽(RiPP)簇。
为识别有前景的治疗候选物，研究人员将机器学习工具与基于蛋白质的大语言模型(LLMs)相结合，预测抗菌活性和毒性。在筛选数千个候选物后，他们合成了选定的核心肽进行实验验证。研究团队评估了抗菌活性、最低抑菌浓度(MICs)和细胞毒性，并利用成像、膜完整性测定和其他生物物理技术进一步研究了肽的结构和作用机制。
极端环境微生物多样性结果
研究人员通过重建来自多种极端栖息地的78,213个微生物基因组并将它们聚类为32,715个物种级群组，建立了作为大规模、基因组解析资源的EEMC。引人注目的是，超过86%的这些物种在比较参考基因组集中找不到对应，揭示了20,000多种潜在新物种，并大幅扩展了全球微生物多样性。
该目录还捕获了近四十亿个独特基因，其中约19.21%在参考数据库中仍无注释。此外，研究团队识别出超过163,000个生物合成基因簇(BGCs)，通过基因簇家族和宗族分析评估其新颖性，突显了巨大且很大程度上未被探索的生物合成潜力。
研究团队观察到强烈的栖息地特异性模式。深海和冰冻圈等环境是新颖性的重要贡献者，其中深海贡献了最多数量的新型基因和基因簇。许多已识别的基因与应激适应、运输和代谢调控相关。这些发现反映了微生物如何在极端条件下生存，同时产生多样化的次级代谢物。
候选抗菌肽发现结果
利用蛋白质大语言模型(LLMs)，研究人员识别出3,032种预测为非毒性的候选抗菌肽(cAMPs)。值得注意的是，在为实验测试合成的100种肽中，84%抑制了细菌生长。重要的是，在哺乳动物细胞中测试的50种候选物显示出低细胞毒性。几种肽对难以治疗的革兰氏阴性细菌表现出强效活性，其中一些显示出低最低抑菌浓度(MICs)。
结构和机制分析显示，许多活性肽采用α-螺旋构象并通过破坏细菌膜发挥作用。重要的是，一个主要候选物cAMP_81表现出随时间推移诱导耐药性的倾向较低。这些发现强调了这些早期阶段、未经修饰的肽支架作为源自未开发极端环境微生物组的下一代抗菌剂的前景。
极端环境生物技术影响
该研究将《极端环境微生物组目录》定位为探索地球最极端栖息地中微生物多样性和生物合成潜力的全球参考资源。通过揭示庞大的分类学新颖性并展示非毒性抗菌肽的成功发现，这项工作突显了嗜极微生物用于药物开发的未开发潜力。重要的是，研究结果表明当前的采样仅开始捕捉这种多样性，指向一个有待探索的更大资源库。
展望未来，整合先进测序技术、人工智能和靶向培养策略将是解锁这一潜力的关键。扩大功能验证，包括成熟的翻译后修饰RiPPs、结构确认和体内测试，可以进一步加速新型治疗剂、酶和生物活性化合物的发现，使EEMC成为未来生物技术和生物医学创新的关键平台。
【全文结束】