合成社区Hi-C基准测试为病毒主机推断提供了基线

科学领域:

• 微生物学和病毒学
• 基因组学和生物信息学
• 生态系统科学 生态系统科学

背景情况:

• 病毒在微生物生态系统中起着至关重要的作用,但识别它们的宿主是具有挑战性的.
• 目前的病毒学和in silico预测等方法在准确性和分辨率上有局限性,特别是在研究不足的病毒中.
• Hi-C近距离结合是一种有前途的技术,可以推断出病毒与宿主之间的联系,但其性能没有特征.

研究的目的:

• 实证地评估Hi-C近距离结合的准确性和可靠性,用于病毒与宿主相互作用的研究.
• 为复杂的微生物群落,特别是土壤样本,优化Hi-C协议.
• 为了比较Hi-C推断的联系与in silico预测,并确定新的病毒与宿主相互作用.

主要方法:

• 利用已知相互作用的细菌和菌体的合成社区 (SynComs) 来衡量Hi-C的性能.
• 应用标准和优化的Hi-C协议,包括Z-score过,到SynComs和自然土壤样本.
• 将Hi-C推断的病毒-宿主联系与不同分类层次的生物信息学预测进行了比较.

主要成果:

• 在SynComs中,标准Hi-C的特异性较低 (26%),在Z-score过 (≥0.5) 时显著改善至99%,以降低灵敏度 (62%) 的代价.
• 确立了检测极限,其复制性低于10⁵ PFU/mL菌体丰度.
• 在土壤样本中,Z-score值提高了在属和物种层面与基方法的一致性,揭示了79个属级一致性和293个新型病毒与宿主联系.

结论:

• 高C近距离结合,特别是Z分数过,提供了一种可靠的方法来识别复杂微生物组中的病毒与宿主相互作用.
• 优化的协议和经验基准对于准确解释Hi-C数据至关重要.
• 这项研究提供了有价值的方法指南,并确定了许多新的病毒与宿主相互作用,以进一步研究气候关键土壤.