PanBGC：基于泛基因组学的生物合成基因簇比较分析框架及其在次级代谢多样性研究中的应用

《ISME Communications》：PanBGC: A pangenome-inspired framework for comparative analysis of biosynthetic gene clusters

　　本研究针对生物合成基因簇(BGC)群体水平分析框架缺失的问题，开发了PanBGC泛基因组分析工具。通过将25万余个BGC聚类为8万多个基因簇家族(GCF)，研究发现BGC多样性主要源于现有基因的组合重排而非新基因获取。该成果为天然产物发现和合成生物学提供了种群分辨率级的分析平台，相关资源已集成至开放数据库PanBGC-DB。

　　

在微生物世界中，细菌次级代谢产物不仅是抗生素、抗癌药物的重要来源，更是微生物间相互作用的化学语言。这些由生物合成基因簇(BGC)编码的化合物展现出惊人的多样性，但如何系统解析其进化规律却始终是领域内的核心挑战。传统研究多聚焦于单个BGC的功能解析，而面对海量基因组数据时，缺乏能在种群尺度揭示BGC内部多样性的分析框架。正是这一空白，促使德国图宾根大学研究团队在《ISME Communications》上提出了创新性的解决方案。

研究团队开创性地将泛基因组概念引入BGC分析领域，开发出PanBGC框架。该框架将每个基因簇家族(GCF)视为相关BGC的种群，通过双阶段聚类策略（BiG-SLiCE初聚类和BiG-SCAPE精细聚类）对25.4万余个BGC进行系统归类，最终获得80,698个GCF。针对每个GCF，采用ZOL进行直系同源基因分组，将基因划分为核心基因（存在于所有BGC）、辅助基因（部分存在）和独特基因（单个特有）。特别值得关注的是，团队设计了三种开放性指标量化GCF多样性：基于基因的开放性（PanBGC规模积累）、基于组成的开放性（独特基因组合积累）和基于新基因出现率的开放性。此外，通过ASTRAL-pro3构建BGC系统发育树，并与单个基因树进行缠结图分析，揭示基因水平转移事件。

构建与聚类PanBGC-DB数据集

通过整合antiSMASH数据库和MIBiG数据库的BGC资源，采用两步聚类法将257,427个BGC归类为80,698个GCF。排除单例家族后，平均每个GCF包含9.4个BGC，涵盖非核糖体肽合成酶(NRPS)、聚酮合酶(PKS)、萜类等58个生物合成类别。

GCF内的核心和辅助基因分类

基于100%存在标准界定核心基因，发现核心基因主要编码基础生物合成酶（如NRPS中的缩合结构域和PKS中的酮合酶结构域）和转运相关结构域，而辅助基因多与修饰反应或调控功能相关。

组成性见解与边界考量

以Malleobactin/Ornibactin家族为例，揭示辅助基因差异与化学结构变异的相关性：Malleobactin集群特有的甲酰转移酶和Ornibactin特有的两个酰基转移酶分别对应其侧链修饰差异，证明该框架能精准定位功能多样化相关的生物合成基因。

基因组成开放性揭示BGC中的模块化创新

分析14,716个含≥3个BGC的GCF发现，基于基因的开放性γ值平均为0.286（闭锁型），而基于组成的开放性γ值达0.841（高度开放）。这表明BGC多样性主要源于现有基因的模块化重组而非新基因获取。芽孢杆菌羊毛硫肽家族典型案例显示，尽管基因开放性低（γ=0.195），但组成开放性较高（γ=0.641），印证了模块重排的主导作用。

通过缠结图分析评估进化动力学

基因树与BGC树的比较显示，部分GCF结构保守（缠结线少），而交叉线密集的家族则表明高水平基因转移或重组事件。

基于网络的可视化与用户工具

开发交互式平台PanBGC-DB（https://panbgc-db.cs.uni-tuebingen.de），提供核心/最大BGC重构、热图、开放性曲线和缠结图等可视化模块，支持用户自定义BGC查询和本地分析管道。

研究结论强调，将泛基因组框架应用于BGC分析，揭示了模块重排是生物合成创新的主要驱动力。这种种群水平的视角不仅深化了对次级代谢进化规律的理解，更通过PanBGC-DB平台将比较分析能力交付至研究社区手中。该平台通过区分核心与辅助成分，为天然产物发现提供了优先筛选策略，同时为合成生物学提供了天然共现基因组合的设计蓝图。尽管存在BGC边界预测和组装质量等限制因素，但这一框架无疑为探索微生物化学多样性提供了新的范式，为后续机器学习辅助的代谢物预测和功能挖掘奠定了坚实基础。