高通量基因组特征提取揭示原核生物的环境适应性

由 root 提交于 周六, 10/17/2026 - 13:22
摘要

了解微生物对其环境的适应方式,是预测微生物群落稳定性和动态变化的关键。为揭示微生物响应环境的分子机制,我们从13,554株原核生物分离株中提取基因组特征,并训练机器学习模型,以确定与微生物对盐度、温度、氧气和pH的偏好关联最强的特征。为实现基因家族、非编码RNA(ncRNA)、寡核苷酸和氨基酸使用情况等特征的高通量提取,我们开发了可扩展且可调节的分析流程FxTractor,网址为:https://github.com/MGXlab/FxTractor。我们利用一种新分离的深海极端微生物的实验数据验证了模型的性能。该微生物属于Limnochorda属,在机器学习训练集中代表性不足;模型预测结果与该菌株的分离条件高度吻合。我们的分析揭示了分别与四种环境参数相关的特定基因家族和ncRNA家族,发现了已知及潜在的新分子机制。例如,在能够于高温(≥55 °C)下生长的分离株中发现了细菌大型信号识别颗粒,这提示其可能在热胁迫下的翻译暂停和结构稳定性中发挥作用。我们还发现,anti-hemB ncRNA与低盐度(<0.7% NaCl)相关,表明存在一种保守的反义调控机制,可调节血红素生物合成的能量成本。总之,这些发现为微生物与环境之间的相互作用提供了新见解,并展示了FxTractor如何助力高通量发现基因组关联。

了解微生物对其环境的适应情况,是预测微生物群落稳定性和动态变化的关键。为揭示环境响应的分子机制,我们从 13,554 个原核生物分离株中提取基因组特征,并训练机器学习模型,以识别与微生物对盐度、温度、氧气和 pH 的偏好关联最为密切的特征。为高通量提取这些特征(包括基因家族、非编码 RNA(ncRNA)、寡核苷酸和氨基酸使用情况),我们构建了 FxTractor,这是一个可扩展且可调整的分析流程,网址为:https://github.com/MGXlab/FxTractor。我们利用一种新分离的深海嗜极微生物的实验数据,验证了模型的性能;该微生物属于……属。

感谢您有意传播 bioRxiv 的信息。

注意:要求提供您的电子邮件地址,仅用于确认您是本文的发送者。

关键词:原核生物 · 环境适应 · 基因组特征提取 · 机器学习 · 非编码RNA

原文链接:https://www.biorxiv.org/content/10.64898/2026.09.01.748597v1?rss=1