Новый вычислительный подход подтверждает: разнообразие микробов оказалось ещё больше
Новое исследование, опубликованное в Nature, демонстрирует огромный функциональный диапазон микробов с помощью нового подхода, основанного на анализе функций белков в микробных сообществах. Работу возглавила команда учёных из Объединённого института генома Министерства энергетики США (DOE JGI) и их коллабораторы.
"Мы более чем удвоили количество известных до сих пор белковых семейств и идентифицировали множество новых предсказанных структур. Это был масштабный анализ 1.3 миллиарда белков с использованием массово параллельных вычислений", — сказал ведущий автор Георгиос Павлопулос.
Используя более 26 000 наборов метагеномных данных из общедоступной базы данных Integrated Microbial Genomes & Microbiomes (IMG/M), команда создала Каталог новых метагеномных белковых семейств (NMPF).
"Мы можем теперь анализировать новые наборы данных, сравнивая их с этими белковыми семействами, или дальше анализировать сами семейства, чтобы предсказывать новые функции", — отметил старший автор исследования Никос Кирпидес.
Проливая свет на функциональную "тёмную материю"
Метагеномное секвенирование позволяет изучать полный генетический состав микробных сообществ. Однако если ген из сообщества не совпадает ни с одним из ранее известных генов, его функция и происхождение остаются загадкой. Такие гены, "неизвестные неизвестные", обычно отбрасывались как бесполезная информация.
"Огромный процент — около 30–50% известных нам белковых семейств — до сих пор не имеет установленной функции. При этом почти 20 лет метагеномных данных и анализа, и до сих пор не было реального анализа белковых семейств именно из метагеномов", — пояснил Кирпидес.
В этой работе команда не только исследовала "неизвестные неизвестные", но и применила методы искусственного интеллекта для выяснения их ролей, создав обширный репозиторий новых данных.
Новый подход к использованию белковых семейств
Команда начала с 8 миллиардов метагеномных генов из IMG, удалила все гены, имеющие даже отдалённое сходство с известными, и оставила около 1.2 миллиарда новых генов. Их сгруппировали в семейства, сосредоточившись на тех, где было не менее 100 членов.
"Если у вас есть 100 последовательностей, качество кластера значительно выше, потому что очень сложно случайно получить 100 последовательностей из разных мест или сред, которые очень хорошо выравниваются", — объяснил Кирпидес.
Оказалось, что разнообразие белковых семейств в этом метагеномном пространстве ("неизвестные неизвестные") как минимум вдвое превышает разнообразие в референсных геномах.
"По мере добавления новых образцов мы получаем всё больше белковых семейств. Мы говорим, что разнообразие удвоилось, но в реальности его может быть в три, четыре, пять или десять раз больше", — добавил Кирпидес.
Характеристика нового разнообразия
- Распределение по средам: Только 7% белковых семейств были общими для всех восьми категорий сред. Большинство семейств предпочитали конкретную среду (почва, животные-хозяева, морские экосистемы и т.д.).
- Таксономия: Большинство этих белковых семейств принадлежали бактериям и вирусам, при этом 6 миллионов последовательностей не удалось классифицировать.
- Структура и функция: Исследователи использовали 3D-моделирование для предсказания функции, сравнивая структуры неизвестных белков со структурами известных. Были идентифицированы белковые семейства с совершенно новыми структурами.
Вычислительные мощности для такого анализа были предоставлены Национальным центром суперкомпьютерных вычислений для научных исследований в области энергетики (NERSC).
Это первый случай, когда структуры белков были использованы для характеристики обширного массива микробной "тёмной материи". Исследование заняло около двух лет, и с тех пор количество секвенированных метагеномов выросло с ~20 000 до ~60 000.
"Там всё ещё остаётся 70–80% известного микробного разнообразия, которое ещё не захвачено геномно. Так что это разнообразие определённо хранит много новых секретов и в плане функционального разнообразия", — заключил Кирпидес.