地球细菌与古菌共生体的基因组目录

微生物共生驱动地球生命的功能与系统发育多样化，但因培养困难而研究不足。研究人员利用机器学习（ML）基于来自多样环境宏基因组样本与参考基因组的数十万个微生物基因组预测共生生活方式，预测采用为识别共生体基因组特征而开发的ML框架symclatron，结果存入名为Symbiont Genomes（SymGs）的目录。结果表明，15–23%的未培养微生物可能参与与其他生物的共生关系，归为宿主关联或专性胞内生活方式，分布于已知细菌和古菌门的一半中。研究人员还识别出共生生活方式的基因组特征，包括某些代谢功能的丢失，以及可能赋能宿主依赖生存的代谢模块的差异存在。symclatron软件与SymGs目录是研究共生的宝贵资源，有望促进未来宿主—微生物关联的机理研究与工程化。

研究背景与立项依据：微生物共生（microbial symbiosis）是地球生命功能与系统发育多样化的基础，但受限于培养困难，已有共生体基因组严重偏向动物或人类相关及可培养类群，环境宏基

因组中大量未培养微生物的生活方式长期未知。近年来宏基因组组装基因组（metagenome-assembled genomes, MAGs）与单扩增基因组（single amplified genomes, SAGs）虽极大扩展了微生物多样性认知，但谱系分类不足以推断生活方式，且共生体因基因组精简常低于中质量阈值而被大规模MAG研究低估。为系统绘制全球细菌与古菌共生体基因组空间，研究人员在《Nature Biotechnology》发表该研究，旨在以基因组特征直接预测共生生活方式，建立高精度目录。

主要关键技术方法：研究人员整合IMG/M（Integrated Microbial Genomes and Metagenomes）数据库中31,152个公共环境测序项目与GTDB（Genome Taxonomy Database）参考基因组，经质量保证控制与95%平均核苷酸一致性（average nucleotide identity, ANI）去冗余，构建含107,067个细菌与古菌基因组的NeLLi2023目录；以792个手动策展共生蛋白质组构建20,063个高分隐马尔可夫模型（hidden Markov models, HMMs）作为共生正交组标记，对6,751个标注基因组（自由生活5,959、宿主关联409、专性胞内383）做人工完整性降级以模拟MAG碎片，提取20,063维正交组bitscore特征；先训练XGBoost分类器symcla与回归器symreg，再以支系留一交叉验证（leave-one-clade-out）产生11,025轮基准，将七项可解释特征（symcla三类概率、symreg连续分值、两类特征空间到训练集加权欧氏距离、基因组完整度）输入带批量归一化与丢弃层的前馈神经网络symclatron，置信阈值取0.725。

研究结果

AI/ML框架symclatron用于准确分类共生生活方式：经支系留一验证，symclatron在三类 lifestyle 上AUC分别达0.99（自由生活）、0.98（宿主关联）、1.00（专性胞内），整体准确率96%，宏F₁由symcla单独的0.769升至0.863；置信≥0.725时误报率仅1.5%，距离训练集过远的最远五分位精度降至72.7%，宿主关联类下降最明显，证明框架对系统发育新颖类群具鲁棒性但极远支系需谨慎。

SymGs：全球尺度微生物共生体基因组目录：以0.725阈值在107,067个基因组中判定14,070个高置信共生基因组（SymGs，占14%），仅计MAG部分则占15–23%；SymGs跨所有主要门级类群，中位完整度>90%、污染<0.2%，多数为小体型精简基因组；来源生境覆盖宿主关联与水生生物群系最集中，专性胞内类未在人工建造环境出现，非人类动物消化系有专性胞内预测而人类消化系以宿主关联为主。

区分微生物生活方式并支撑共生体准确预测的功能性状：SHAP（Shapley additive explanations）分析显示symcla高贡献Q2特征富集转运、膜相关功能，symreg Q2同指转运/膜相而Q3低检指自由生活的生物合成功能；两模型仅3/35顶级特征重叠（Spearman ρ=0.096），说明分类与连续回归捕捉宿主依赖的不同切面，神经网络整合后互补。

symclatron鉴出细菌与古菌中共生主导支系：近所有已知门均含宿主关联成员，Chlamydiota、Dependentiae、CPR（Candidate Phyla Radiation，现部分归Minisyncoccota）、DPANN（含Nanoarchaeota）几近全支系共生；定义≥90%成员高置信为共生的“共生专属支系”（symbiont-exclusive clades），获千余属级此类支系，多数仅见于MAG，基因组可缩至0.2–0.7 Mbp、GC含量低至13–20%，Blattabacteriaceae与Amoebophilaceae为100%专性胞内，Acholeplasmatales与Christensenellales为非专性胞内宿主关联，Rickettsiales整体未达阈值但其下多个科为专性胞内。

共生专属支系相较自由生活亲支的差异代谢模块完整度：bootstrap比对父支自由生活姊妹群发现，Opitutales内CG1-02-43-26与UBA9783、Spirochaetota内Borreliales广泛丢失支链氨基酸与精氨酸/组氨酸合成，嘌呤嘧啶从头合成（M00048、M00051）缺失；Acutalibacteraceae内UMGS1491与CAG-557丢失柠檬酸循环（TCA cycle）但保留V型ATP酶模块；Gammaproteobacteria内UBA1113保留细胞色素o泛醌氧化酶模块而UBA11136与自由生活对照无；Borreliales保留C5与C10–C20异戊二烯及磷酸戊糖途径，Thioglobaceae内共生属保留氮硫代谢模块，CAG-557保留dTDP-L-鼠李糖生物合成，显示代谢收缩伴随生境特化模块留存。