华大参与：复杂宏基因组数据的新分析法

　　

生物通报道：当前分析宏基因组数据的大多数方法，都依赖于与参考基因组的对比，但是许多环境中的微生物多样性远远超过了参考数据库所覆盖的范围。将复杂的宏基因组数据从头划分为特定的生物学实体（如特定的菌株或病毒），在很大程度上仍然是一个未解决的问题。

在2014年7月6日的《Nature Biotechnology》杂志发表的一项研究中，来自丹麦工业大学（DTU）、华大基因、华南理工大学和哥本哈根大学等处的研究人员提出一种方法，基于对一系列宏基因组样品的co-abundant基因进行分级，可让研究人员能够全面发现新的微生物、病毒和共遗传的基因实体，并有助于微生物基因组的组装，而无需参考序列。

研究人员将这种新的原则，命名为co-abundant原理。这一原理的基本假设是，来自相同生物体的不同DNA片段，在一份样品中会以相同的数量发生，这个数量在一系列样品之间会有所变化。

利用这种方法，DTU生物学序列分析中心的研究人员发现了500种以前未知的人体肠道微生物，以及800种攻击肠道细菌、也是未知的细菌病毒（又称噬菌体）。

DTU的Søren Brunak教授与Henrik Bjørn Nielsen副教授共同指导了这项研究，Søren Brunak称：“现在，利用我们的方法，即使在高度复杂的微生物群集中，研究人员也能够鉴定和收集来自以前未知微生物的基因组。”

到目前为止，科学家已经发现了200到300个肠道细菌物种。现在，这个数量将增加一倍以上，可显著提高我们对众多疾病的理解和治疗，如2型糖尿病、哮喘和肥胖。

病毒——不是抗菌剂
研究人员还研究了细菌和病毒之间的相互关系。Henrik Bjørn Nielsen称：“我们的研究能够告诉我们，哪种噬菌体会攻击哪种细菌，这对攻击性细菌能否在肠道系统长期生存下去，具有显著的影响。”

以前，细菌是在实验室内单独进行研究，但是研究人员越来越意识到，为了了解肠道菌群，你需要研究许多不同细菌之间的相互作用。

当我们知道肠道细菌的相互作用后，我们就可以开发出一种更有选择性的方法，来治疗大量疾病。

Søren Brunak称：“理想情况下，我们将能够通过添加或移除肠道系统中的特定细菌，来产生一个更健康的肠道菌群。”

特别有趣的是，这关系到越来越多的抗菌素耐药性问题，许多人将其看作是全球健康的一个切实威胁。

Henrik Bjørn Nielsen称：“以前，我们曾经尝试利用细菌和病毒来对抗疾病，但是被搁置了，因为在对感染性疾病的抵抗中，抗菌剂一直都非常有效。如果我们能更多地了解谁在攻击谁，那么细菌病毒就可能是抗菌剂的一个可行选择。因此非常重要的是，我们现在能够识别和描述细菌与攻击它们的病毒之间的更多关系。”

（生物通：王英）

延伸阅读：《Nature Biotechnology》：新型生物信息学工具使转录组形象化。

生物通推荐原文摘要：
Identification and assembly of genomes and genetic elements in complex metagenomic samples without using reference genomes
Abstract: Most current approaches for analyzing metagenomic data rely on comparisons to reference genomes, but the microbial diversity of many environments extends far beyond what is covered by reference databases. De novo segregation of complex metagenomic data into specific biological entities, such as particular bacterial strains or viruses, remains a largely unsolved problem. Here we present a method, based on binning co-abundant genes across a series of metagenomic samples, that enables comprehensive discovery of new microbial organisms, viruses and co-inherited genetic entities and aids assembly of microbial genomes without the need for reference sequences. We demonstrate the method on data from 396 human gut microbiome samples and identify 7,381 co-abundance gene groups (CAGs), including 741 metagenomic species (MGS). We use these to assemble 238 high-quality microbial genomes and identify affiliations between MGS and hundreds of viruses or genetic entities. Our method provides the means for comprehensive profiling of the diversity within complex metagenomic samples.