与合成社区的基准测试为从Hi-C近距离连接的病毒宿主推断提供了基线

科学领域:

• 微生物生态学 微生物生态学
• 病毒学 病毒学
• 基因组学就是基因组学.

背景情况:

• 病毒在微生物生态系统中发挥着关键作用,但识别它们的宿主仍然是一个重大挑战.
• 目前的培养和in silico预测等方法在准确性和分辨率方面存在局限性,特别是在研究不足的病毒中.
• Hi-C近距离结合提供了一个潜在的解决方案,通过对交叉链接的基因组片段进行测序来推断病毒与宿主之间的联系.

研究的目的:

• 评估Hi-C近距离结合技术的准确性和可靠性,以确定病毒与宿主相互作用.
• 优化生物信息学协议,用于复杂微生物群落中的Hi-C数据分析.
• 为了比较基于Hi-C的病毒宿主链接预测与现有的in silico方法.

主要方法:

• 利用已知相互作用的海洋细菌和菌体的合成社区 (SynComs) 来评估Hi-C性能.
• 应用了优化的生物信息协议,包括Z-score过,用于来自SynComs和自然土壤样本的Hi-C数据.
• 将Hi-C推断的病毒与宿主之间的联系与基于同类学和机器学习的预测进行了比较.

主要成果:

• 标准Hi-C在SynComs中显示出较低的特异性,但Z-score过 (≥0.5) 显著提高了特异性 (99%) 以牺牲灵敏度 (62%).
• 确立了检测极限,其可重复性很差,低于10^5 PFU/mL菌体丰度.
• 在土壤样本中,Hi-C确定了79个属级一致性和293个新型病毒宿主链接,在优化后在属级和物种级超越了in silico方法.

结论:

• 当与优化生物信息分析 (Z-score过) 结合时,Hi-C近距离绑定提供了准确可靠的病毒与宿主相互作用数据.
• 这种方法显著提高了在土壤等复杂环境中发现新型病毒与宿主联系的可能性.
• 该研究提供了重要的经验基准和方法指南,用于未来使用Hi-C的病毒与宿主相互作用研究.