小病毒,无所不在;病毒组,大有未来。

进化病毒毒力的系统发育基因组学

The phylogenomics of evolving virus virulence

作者:Jemma L. Geoghegan and Edward C. Holmes

期刊:Nature Reviews Genetics

时间:2018.12

IF:41.465

DOI: 10.1038/ s41576-018-0055-5

摘要

病毒跳跃到新宿主后毒力如何演变是疾病出现的核心。目前我们对毒力进化的理解主要基于以下两种独立发展的见解:

1)基于有限的真实数据实例的长期进化理论,但实例很少,缺乏基因组基础。

2)使用细胞培养和动物模型进行毒力决定突变的实验研究。

而以病毒基因组序列数据的系统发育分析作为实验研究的指南,弥补这两种研究途径之间的差距,可以更全面地了解毒力突变及其进化。

研究背景

毒力简单的定义是病原体感染造成的伤害,尤其是在宿主的发病率和死亡率方面。毒力是由病原体、宿主和环境因素共同决定的复杂性状。全基因组关联研究(GWAS)有望开辟新的途径来探索病毒感染对宿主基因组的进化影响,从而探讨宿主与病毒之间的密切相互作用。

传统上病毒的毒力研究主要是单独进行理论或经验研究,但各自只能描绘毒力进化的部分图景,很少有人试图将两者结合起来。

这篇综述概述了用系统发育基因组学框架弥补理论和实证方法之间的差距的方法,为毒力进化研究带来新的动力。综述表明病毒系统发育基因组学越来越多地用于鉴定毒力决定因素,并且所获得的数据可用于检验毒力进化的一般理论。这种方法的成功应用还要求将系统发育基因组学数据与相关的临床,流行病学和实验元数据相结合,以便在毒力、病毒基因型和表型以及群体适应性之间建立直接联系。

主要结果

1、 疾病的出现和毒力的进化

在宿主跳跃之后毒力如何进化,是病毒出现的核心,是一种新病毒出现后需要了解的问题(Table.1)。这就需要对宿主(即供体)和新宿主(即受体)的毒力进行比较。但在许多情况下,贮主物种是未知或不确定的。即使一个已知的贮主物种,我们通常对其毒力也知之甚少,而且很可能对大多毒力病例有明确的偏见。因此,了解贮主物种在自然条件下的致病过程,需要对动物生态学进行更详细的研究。

比较数据告诉我们,平均而言,低毒力感染在人类中成功建立传播周期的机会大于死亡率较高的病毒,可能因为高毒力需要在出苗的早期阶段提供更多的易感宿主。

Table.1 病毒毒力决定因素举例

2、 用于评估毒力进化的系统发育基因组学

病毒的系统发育基因组学为自然选择对毒力的作用提供了有价值的信息,并可用于检验毒力进化的一般模型,从而为研究毒力进化提供理论和经验方法之间的关键联系。这种方法的关键在于将突变映射到在疾病暴发期间采样的来自贮主和新宿主的病毒系统发育树。通过分析这些变化的系统发育位置,至少有可能在广义上推断出作用于毒力突变的选择压力并且从此推断出毒力进化的重要方面(Box.1;Fig.1)。

毒力决定因子的适应性越大,它在病毒群体中的传播速度就越快,在病毒系统发育(即更接近树根)就越深,包括连接贮主和新宿主的分支。尤其是重复发生的同一突变落在多个爆发的深枝上,或多个跨物种的传播事件,因为并行进化和趋同进化都可以是适应性进化的标志(Fig.1)。同理,落在病毒系统中的浅分支上的突变(即,更靠近尖端)存在于较小比例的群体中,因此更可能具有较低的适应性,从而可以通过净化选择来去除它们。单独反复落在尖端分支上的毒力决定突变,很可能会抑制病原体适应性的某些其它方面,从而降低种群规模的R0。

Box.1 物种交叉的病毒传递和病毒力的进化

Fig.1 毒力进化的系统发育

系统发育学方法可用于鉴定毒力决定因素也可以用来对毒力进化本质作一般性陈述。如果多个突变落在与毒力变化相关的分支上,则有可能一些是毒力决定因素而另一些则与其它性状的进化权衡相关。

3、 自然界中毒力进化的例子

为了说明系统发育学方法如何能够阐明病毒毒性的演变,文章简要概述了一些可以或已经应用它的例子。首先是已经成功绘制毒力决定因素的案例(WNV和A型禽流感病毒(AIV)),其次是那些揭示毒力变化更复杂的突变的病例(MYXV,马立克氏病病毒(MDV)和HIV),最后审查了最近两次疾病爆发的毒力进化(EBOV和ZIKV),概述了每个案例中系统发育学分析告诉我们毒力的演变。

未来方向和建议

毒力进化一直是进化生物学中最长久的问题之一。尽管已经形成了强大的理论体系,但了解形成特定毒力进化的驱动力的实例很少,能成功地将进化理论与个体基因组变化联系起来的实例更少。

综述认为,将毒力决定因素的实验研究和系统基因组框架内长期存在的毒力进化理论综合起来,将对毒力进化产生更全面的认识。系统发育学方法不仅能够识别潜在的毒力决定因子,且在新出现的病毒中越来越多地使用这种方法。

从系统发育学方法了解毒力进化可能有助于制定新的病原体控制和根除策略,而且这一框架有可能为疾病管理和入侵性害虫的生物控制领域提供信息和改进。虽然预测一种新疾病可能出现的地点和时间显然是不可行的,因为所涉及的复杂程度很大,但预测一个新宿主病毒力进化的总体轨迹可能更容易实现。

猜你喜欢

10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程:微生物组入门 Biostar 微生物组  宏基因组

专业技能:学术图表 高分文章 生信宝典 不可或缺的人

一文读懂:宏基因组 寄生虫益处 进化树

必备技能:提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析:图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具:16S预测培养基 生信绘图

科研经验:云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份,另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战,关注“宏基因组”

Nature综述:进化病毒毒力的系统发育基因组学相关推荐

  1. Nature综述:Rob Knight带你分析微生物组数据(2020版)

    文章目录 微生物组分析最佳实践 导读 摘要Abstract 背景介绍Introduction 实验设计Experimental design 图1. 微生物组实验设计中的注意事项 知识点1. 优秀工作 ...

  2. Nature综述:Rob Knight带你分析微生物组数据

    微生物组分析最佳实践 Best practices for analysing microbiomes Impact Factor:34.648 https://doi.org/10.1038/s41 ...

  3. Nature综述:手把手教你分析菌群数据

    本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...

  4. Nature综述:Rob Knight手把手教你分析菌群数据(全文翻译1.8万字)

    本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...

  5. Nature综述 | Rob Knight手把手教你分析菌群数据(全文翻译1.8万字)

    本文转载自"热心肠先生",己获授权. 导读 自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研 ...

  6. Nature综述:Rob Knight等大佬手把手教你开展菌群研究

    自然微生物综述(2017 IF:31.851)于2018年5月23日在线发表了Rob Knight亲自撰写(一作兼通讯)的微生物组领域研究方法综述,不仅系统总结了过去,更为未来3-5年内本领域研究方法 ...

  7. Nature综述:培养未被培养微生物的创新方法

    对于培养未被培养的大多数微生物的创新 Innovations to culturing the uncultured microbial majority Nature Reviews Microbi ...

  8. Nature综述带你读懂微生物在氮循环中的作用

    今天是第1398期日报. Nature综述:微生物构成的氮循环网络 Nature Reviews Microbiology[IF:34.648] ① 氮是所有生物的基本组成部分,也是限制地球生命的主要 ...

  9. Nature综述全文编译:土壤病毒多样性、生态和气候变化

    原文信息 原文标题:Soil viral diversity, ecology and climate change 发表期刊:Nature Reviews Microbiology 影响因子:78. ...

最新文章

  1. webfocus在移动终端上的应用DEMO
  2. 天线开路短路检测原理_变频空调通讯电路原理与元件级维修
  3. Web拾遗--字符集的困扰?
  4. linux下安装树梅派系统,优麒麟树莓派系统(优麒麟 for Raspberry Pi)的安装方法...
  5. git 常用commands(转)
  6. AndroidMainfest.xml具体解释——lt;activitygt;
  7. 某集网将我的信息给了谁?还是不良卖家不想卖东西
  8. 每日英语:The Invasion of the Online Tutors
  9. 船长英语题库测试软件,船长英语新题库题(资料).pdf
  10. 依赖倒置原则_面向对象的设计原则你不要了解一下么?
  11. 阶段2 JavaWeb+黑马旅游网_15-Maven基础_第5节 使用骨架创建maven的java工程_13使用骨架创建maven的web工程...
  12. python画xy轴折线在拐点处加汉字_用稳定的方法求曲线的拐点?
  13. 三电平igbt死区时间计算_IGBT的三电平控制原理
  14. Excel大家来找茬,两列数据对比找出不同数据
  15. 双系统(win10+ubuntu)引导页消失
  16. 基于java的动漫网购商城【原创】
  17. css-doodle初认识
  18. python网站更新检测小爬虫
  19. 超实用的中国风配色 这些颜色你熟悉吗
  20. 冻成狗啦!我用Python爬取某宝2008条棉袄,终于买到心仪的棉袄了!

热门文章

  1. 简单明了!OLTP场景下的数据分布式设计原则
  2. 职场:5种幼稚表现,好多工作十年的人还在犯
  3. 亿级浏览型网站静态化架构演变
  4. 树莓派电压过低 串口数据错误增多
  5. python赋值语句的一般格式为_Python 基础语法
  6. 卫星覆盖区域分析 基于网格点法
  7. 一文详解点云分割算法
  8. 2021年必读的10 个计算机视觉论文总结
  9. RfD-Net:基于语义实例重构的点云场景理解(CVPR2021)
  10. 一文看懂CV中的注意力机制