机器学习解读基因组序列绘制潜在微生物共生体——symclatron 框架

共生生活会在基因组上留下痕迹。自2006年以来，人们陆续报道了多类基因组极度缩减的共生细菌，它们来自不同细菌类群的独立谱系，缺失许多在其他细菌中必不可少的基因，基因数目之少堪比某些线粒体和叶绿体，并伴随极快的蛋白演化与大量伴侣蛋白，这些高度退化的基因组往往只保留最核心的功能，其中相当一部分基因是在为宿主服务 ^[1]。不过，这类认识主要来自对典型共生体的逐例刻画，要判断某个未培养微生物是独立生活还是依赖宿主，长期缺少可规模化的手段。与此同时，DAS Tool 等分箱方法已能从环境和宿主相关样品中回收大量接近完整的基因组 ^[4]，依托一万多个宏基因组构建的地球微生物组目录收录了52,515个组装基因组、覆盖135个门，把已知细菌和古菌的系统发育多样性扩展了44% ^[2]；从序列出发做预测也不乏先例，PICRUSt 利用系统发育与功能的关联，以16S标记基因预测群落的基因家族组成 ^[3]，VIBRANT 则用神经网络结合蛋白签名从组装序列中自动识别病毒 ^[5]。海量未培养基因组已经就位，缺的是系统回答“谁可能与宿主共栖”的方法。

这项研究提出了名为 symclatron 的机器学习框架，直接解读基因组测序内容，预测未培养的细菌和古菌究竟独立生活，还是与宿主紧密关联。作者将其应用于一个全球范围的基因组集合，结果显示，依赖宿主的微生物可能广泛分布于地球各大生物群系与多个微生物门之中。

其推进之处在于，把对共生基因组的认识由个案报道推向了全局图谱。以往对基因组缩减共生体的描述来自不同谱系的逐个案例 ^[1]，symclatron 则以统一的计算框架、直接依据基因组内容对大规模未培养微生物的生活方式作出预测；在方法脉络上，它与 PICRUSt 从标记基因预测功能 ^[3]、VIBRANT 用机器学习识别病毒 ^[5] 的思路相呼应，把“从序列内容推断生物学属性”延伸到宿主依赖性这一维度，并将判断范围覆盖到古菌。这样的全局分析之所以可行，也离不开 DAS Tool 等分箱工具 ^[4] 和地球微生物组目录 ^[2] 多年积累的基因组资源。

当然，正如标题中"possible"一词所提示，symclatron 给出的是计算预测：哪些微生物确实与宿主共栖、以何种方式关联，仍需培养与实验逐一验证；模型预测在各类群中的可靠边界，以及计算推断与真实共生关系的对应程度，是后续仍要回答的问题。