18.9万条病毒基因组！中国团队发布「口腔噬菌体宇宙」首份全景图

2025年7月，来自深圳华大生命科学研究院、哥本哈根大学等单位的Zhuye Jie、Hewei Liang、Yanzheng Meng 等作者在《npj Biofilms and Microbiomes》发表了题为《Integrating metagenomics and cultivation unveils oral phage diversity and potential impact on hosts》的文章，该研究整合5427份口腔宏基因组与2178株分离菌数据，构建含18.9万条非冗余噬菌体基因组的“口腔噬菌体数据库（OPD）”，发现口腔噬菌体以未知病毒为主、编码大量“暗蛋白”，广泛携带抗防御、辅助代谢和毒力基因，可跨种甚至跨属感染细菌；工业化地区人群口腔噬菌体丰度与组成显著不同于非工业化人群；鉴定出与牙结石、类风湿关节炎相关的噬菌体生物标志物；并首次报道3000余条巨大噬菌体在口腔中普遍携带CRISPR-Cas系统，揭示其可能参与噬菌体间竞争及新型基因编辑酶资源，为口腔微生态与疾病研究提供全面资源与机制线索。

研究背景

口腔是仅次于肠道的第二大人体微生物库，每毫升唾液含约10⁸病毒样颗粒，其中绝大多数为噬菌体。噬菌体通过裂解宿主、水平基因转移（HGT）和表达辅助代谢基因（AMG）等方式，直接调控口腔细菌群落结构，进而与龋齿、牙周炎及类风湿关节炎（RA）等全身疾病关联。然而，与已系统 catalog 的肠道噬菌体相比，口腔噬菌体缺乏大规模、跨人群、整合培养与宏基因组的参考数据库，限制了对口腔病毒组多样性、宿主互作及疾病意义的深入理解。

研究方法

1、样本与数据收集

新测序1278份深圳口腔唾液宏基因组，联合公共数据库4149份数据，共5427份样本。

2、VirSorter2+VirFinder预测病毒序列→去宿主/去冗余→CheckV质控，获18.9万条非冗余噬菌体基因组。

3、vConTACT2聚类得9983亚簇；CRISPR spacer+iPHoP预测宿主；eggNOG/结构预测/机器学习分析功能与人群差异，建成OPD数据库。

研究结果

01口腔噬菌体多样性

18.9 万条非冗余基因组，20136 条为 OPD 独有；99.7% 属 Caudoviricetes，仅 2.2% 可注释到目水平，67 条到科水平，提示大量新科/新属。

鉴定 3416 条“巨大噬菌体”（>200 kb），占全球已报巨大噬菌体总量近一倍；其中 265 条携带完整 CRISPR-Cas，以 Type V（Cas12）为主，形成 1.16 万条“巨大噬菌体-普通噬菌体”靶向关系网，提示口腔噬菌体间存在广泛“超级感染”竞争。

图1：构建口腔噬菌体数据库（OPD）和基因组特征统计的框架。

02宿主范围与互作网络

CRISPR 与 iPHoP 联合显示，约一半 subVC 可感染≥2 个细菌种；跨属甚至跨门感染比例显著高于肠道报道。

链球菌属、普雷沃菌属被多种噬菌体共享；奈瑟菌属虽噬菌体多样性最高，但几乎不跨属，提示宿主系统发育约束。

图4：噬菌体与细菌宿主的相互作用

03功能潜能 

78.7% 的噬菌体蛋白为“未知功能”；口腔特有蛋白 52 万条，279 401 个簇，111 622 个获 COG 注释。

76% 口腔代谢相关 KOs 由噬菌体与细菌共享，其中 91.6% 符合 AMG 定义，覆盖碳、能量、核苷酸代谢通路。

7.8 万条蛋白被注释为毒力因子（VF），其中 13/25 最丰富的 VF 在溶原噬菌体中显著富集；奈瑟菌感染噬菌体携带大量 IV 型菌毛粘附蛋白，可能增强机会致病菌定植。

图3：利用序列和结构信息从 OPD 中鉴定推定的功能蛋白。

04人群差异与疾病标志物

工业化（深圳）人群口腔噬菌体相对丰度（<8.5%）显著高于非工业化（云南）人群，且 PCoA 可清晰区分两地；6 条“核心”噬菌体共存，但 2 条完整裂解大噬菌体在深圳富集。

随机森林模型中，仅牙结石与 RA 达到临床可接受 AUC（≈0.8-0.9）。RA 模型中，感染益生 Lactococcus lactis 的 VC_769 的 4 条 subVC 重要性最高；牙结石模型中，靶向牙周病原 Porphyromonas gingivalis 的 VC_1377 为核心特征，提示噬菌体可随宿主菌丰度变化成为疾病生物标志物。

图5：不同群体间口腔噬菌体组成的变异

05新型蛋白与基因编辑酶 

结构搜索发现 6 条口腔噬菌体 Tad2 同源物，与已知 Tad2 序列相同度仅 ~21%，但三维高度相似（RMSD 2.55 Å，TM-score 0.78），MD 模拟证实可稳定结合抗防御信号分子 1′′–3′gcADPR。

巨大噬菌体 Cas12 蛋白形成独立进化分支，其中 opdg_150_142（465 aa）与 Cas12f1 结构一致（TM 0.56），预示为新型微型基因编辑工具候选。

图6：巨型噬菌体的特性

总结

1、规模与整合度：首次将 >5 k 口腔宏基因组与 >2 k 培养菌基因组合并，构建迄今最大、跨人群、非冗余的口腔噬菌体数据库 OPD，把已知口腔噬菌体数量提高一个量级。

2、巨大噬菌体与 CRISPR 系统：首次系统展示 3000 余条口腔巨大噬菌体，并发现其中 265 条携带可靶向其他噬菌体的 CRISPR-Cas，揭示“噬菌体用 CRISPR 攻击噬菌体”在口腔微生态广泛存在。

3、结构驱动的功能发现：利用最新语言模型结构预测（ESMFold）+ 快速结构比对（Foldseek），突破序列同源限制，鉴定出口腔特有的抗防御蛋白 Tad2 及潜在新型 Cas12 基因编辑酶，为“从宏基因组直接挖掘功能酶”提供范式。

4、人群-疾病关联：通过工业化 vs 非工业化大队列对比，把生活方式与口腔噬菌体组结构变化定量关联；并建立噬菌体-细菌-真菌联合标志物模型，首次证明口腔噬菌体在 RA 与牙结石诊断中具有独立或协同的临床价值。

5、方法学模板：提供了一整套“宏基因组+培养组+结构预测+机器学习”的病毒组研究流程，可直接迁移到其他微生态体系。