生长速率在微生物学中起着基础性作用，是进化中适应性的重要代表。虽然在任何微生物学实验室中都很容易进行细菌生长速率的高通量测量，但噬菌体缺乏类似的方法。这种差距阻碍了重要噬菌体表型的系统比较，例如它们在细菌种群中的扩增速率及其在不同噬菌体和环境条件下的杀菌作用。在此，我们展示了可以通过分析噬菌体捕食作用下细菌种群的增长与崩溃动态，来量化裂解噬菌体的增殖速率。我们采用了一种简洁的数学模型来进行这种分析——这种方法被称为基于崩溃事件的噬菌体-宿主观测速率估计方法（PHORCE）。我们发现，所得到的噬菌体扩增率能够独立于初始噬菌体和细菌群体的规模来反映快速生长宿主以及吸附受限噬菌体的杀菌效果。通过高通量的 PHORCE 技术，我们发现大肠杆菌噬菌体的扩增率差异极大，范围超过三个数量级。此外，我们的研究方法表明，噬菌体与抗生素之间的相互作用主要由抗生素决定，而非由噬菌体决定。具体而言，抑制核糖体功能的抗生素多西环素通常与噬菌体的增殖产生拮抗作用，而破坏 DNA 的抗生素呋喃妥因则具有协同作用。这一框架为定量表征噬菌体的表型提供了方法，并可能有助于未来针对抗菌应用的高通量噬菌体筛选。

1、为何需要量化噬菌体活性？

• 噬菌体具有巨大的基因多样性，但其表型多样性难以系统量化
• 缺乏类似抗生素MIC（最小抑菌浓度）的标准指标
• 现有方法（如噬斑测定、生长曲线面积）受初始条件影响大
• 噬菌体-抗生素联用（PAS）缺乏定量定义

图1：噬菌体引发的细菌种群崩溃受到噬菌体与细菌相互吸附作用的限制

2、PHORCE方法简介

• 通过细菌生长曲线的“崩溃点”推断噬菌体扩增速率
• 基于吸附限制的简化数学模型
• 不依赖于噬菌体浓度的时间分辨测量
• 适用于高通量筛选

图2：噬菌体感染的数学模型能够提取出关键的噬菌体增殖参数（PHORCE）

3、验证PHORCE模型

• 在不同初始细菌和噬菌体浓度下测量崩溃时间
• 使用单一参数 rpharpha​（噬菌体扩增速率）拟合所有数据
• 模型预测与实验数据高度一致（r2=0.93r2=0.93）

4、噬菌体扩增速率的极端多样性

• 使用BASEL噬菌体库进行高通量筛选
• 扩增速率跨越3个数量级
• Vequintavirus属噬菌体扩增速率显著较低

·       69种大肠杆菌噬菌体的扩增速率差异巨大

图3：高通量 PHORCE 技术揭示了针对一系列不同类型的噬菌体，其扩增速率存在极为广泛的差异

5、噬菌体-抗生素相互作用

• 多西环素（核糖体抑制剂）通常拮抗噬菌体
• 呋喃妥因（DNA损伤剂）通常协同噬菌体
• 相互作用类型主要由抗生素决定，而非噬菌体

图4：噬菌体与抗生素之间的相互作用是由抗生素决定的，而非噬菌体

6、PHORCE vs. 噬菌体产量（yield）

• 扩增速率与噬菌体产量无相关性
• 产量不能预测杀菌效果
• PHORCE提供更直接的杀菌活性指标

结论：PHORCE是一种高通量、定量测量噬菌体扩增速率的方法，噬菌体扩增速率具有极端多样性（>1000倍差异）。噬菌体-抗生素相互作用主要由抗生素机制决定，扩增速率是比噬菌体产量更可靠的杀菌活性指标。

参考来源：10.1371/journal.pbio.3003065