只用一点点海水，就发现了很多常规测序看不见的特殊海洋病毒

海洋里有大量微生物，病毒数量通常比微生物细胞还多，它们会影响细菌死亡、物质循环、基因交换和海洋生态系统运行。过去我们主要靠宏基因组来研究这些病毒，也就是把环境里的 DNA 混在一起测序再拼装。这个方法很强，但也有缺点：如果病毒群体内部差异很多，或者病毒基因组有特殊修饰，拼装出来的基因组就会很碎，甚至完全看不见。单病毒颗粒测序理论上可以解决这个问题，但传统方法通常依赖流式分选和荧光检测，通量不够高，对很小、信号很弱的病毒也不友好。作者这篇文章就是想建立一种更高通量、更便宜、能从极少量环境样品中直接获得单个颗粒基因组的新方法。文章开头也明确指出，海水中细胞外 DNA 的量可以和浮游细胞内 DNA 相当，而病毒、膜泡、游离 DNA 和其他细胞外遗传元件共同构成了一个还没有被充分看清的遗传世界。

这项研究不只是提出一个新的技术流程，而是用这个技术发现了常规病毒宏基因组几乎检测不到的一类海洋病毒。作者把这个方法叫作 Environmental Micro-Compartment Genomics，EMCG，可以理解为环境微隔室基因组学。它的核心思想很直观：把海水里的单个 DNA 颗粒，也可能是细菌、病毒、膜泡或其他携带 DNA 的颗粒，随机装进很多很小的半透性胶囊里；每个胶囊像一个微型反应室，允许酶和小分子进入，却不让大分子 DNA 随便跑出去；然后在胶囊内部完成裂解、DNA 扩增和组合式条形码标记；最后把所有 DNA 混在一起测序，再根据条形码把每个胶囊对应的序列拆回来，分别组装成单颗粒基因组。图 1 画的就是这个流程：样品里有游离病毒颗粒、细菌、浮游植物、膜泡、被病毒感染的细菌和游离 DNA，它们被分装进半透性胶囊，经过裂解、全基因组扩增、条形码连接、 pooled sequencing，最后按条形码拆分并分别组装。

在方法上，作者用的是美国缅因湾 Boothbay Harbor 的近岸海水，采样时间是 2022 年 4 月 18 日，水深 1 米。真正进入 EMCG 分析的原始海水体积只有大约 300 纳升。为了保证颗粒被分开，他们先把样品稀释到胶囊占有率约 2%–3%，也就是说绝大多数有 DNA 扩增信号的胶囊里只会有一个 DNA 颗粒。胶囊中的 DNA 先用碱裂解释放出来，再用改良的多重置换扩增方法 WGA-X 扩增，扩增酶包括 phi29 polymerase。之后作者用四步组合式 split-and-pool 条形码连接，理论条形码多样性达到 331,776 种。为了评估条形码串扰和流程表现，他们还把 E. coli 单细胞扩增产物作为内标混入海水胶囊体系。阴性对照是紫外处理的去离子水，结果没有检测到 DNA 扩增产物，说明流程本身没有引入可检测 DNA 污染。

EMCG 从这 300 纳升 海水中获得了 2037 个环境微隔室单扩增基因组 emSAGs，总组装长度为 86 Mbp。根据胶囊体积、占有率和 emSAG 的分类，作者估算这份样品中的原核浮游细胞丰度为 1.93 × 10⁹ 个/升，DNA 病毒样颗粒丰度为 1.79 × 10¹⁰ 个/升，这和同一样品的流式细胞计数结果非常接近，后者分别是 1.84 × 10⁹ 个/升 和 1.75 × 10¹⁰ 个/升。这说明 EMCG 不只是能测序，也能比较定量地反映样品里 DNA 颗粒的组成。作者把 emSAG 粗分为 1791 个病毒样海洋 emSAG、193 个细胞样海洋 emSAG、53 个无法分类的海洋 emSAG、339 个 E. coli 内标 emSAG，还有 3 个同时含有 E. coli 和海洋 contig 的 emSAG。条形码被多个 emSAG 共用的频率只有 1.4%，说明条形码标记和后续拆分总体可靠。病毒样和细胞样组装的比例约为 9:1，也接近海洋表层病毒颗粒与细胞数量大约 10:1 的常见比例。 

作者还把 EMCG 和两种传统或已有方法作了对比。来自同一海水样品的病毒大小颗粒宏基因组产生了1.27亿对 paired-end reads，拼装出 17,145 个病毒样宏基因组组装基因组 vMAGs，总长度 44 Mbp。他们还用传统 FACS 流式分选方法从同一样品获得了 260 个细胞 SAGs 和 190 个病毒样 SAGs。比较结果显示，EMCG 产生的细胞样 emSAG 在分类组成上和 FACS 得到的细胞 SAG 相似，说明它没有明显偏离真实海洋微生物组成。病毒部分更有意思：在能分类的病毒样 SAG 中，尾状双链 DNA 噬菌体 Uroviricota / Caudoviricetes 在 EMCG 的病毒样 emSAG 中占 95.2%，在 FACS 病毒样 vSAG 中占 70.2%。FACS 方法更容易富集大型真核病毒 Nucleocytoviricota，而 EMCG 能检测到一些小基因组病毒，包括 Phixiviricota 和 Cressdnaviricota，这些在 FACS 病毒 SAG 中没有出现。作者认为，这是因为 EMCG 不依赖颗粒光学检测，所以不容易漏掉太小或荧光信号太弱的病毒。

从组装质量看，EMCG 也有明显优势。病毒样 emSAG 的平均组装长度约 27 kbp，比宏基因组 vMAG 的平均长度 2 kbp 高出十倍以上，不过低于 FACS 病毒 vSAG 的 56 kbp，这可能是因为 FACS 更偏向较大的病毒颗粒。用 CheckV 评估后，EMCG 病毒样 emSAG 中有 964 个，也就是 54% 达到中等或高质量，而病毒宏基因组 contig 中只有 156 个，也就是 1% 达到这一水平，FACS 病毒 vSAG 的比例是 22%。这说明 EMCG 在同一样品中得到的病毒基因组完整性，比常规病毒宏基因组好很多，也比 FACS 病毒单颗粒测序更广泛。作者还做了 vOTU 网络聚类，发现很多情况下，一个较完整的 emSAG 能把多个很短、彼此不重叠的 vMAG 片段串起来，说明常规宏基因组会因为拼装碎片化，把同一个病毒的不同片段看成不同对象。

这篇文章最重要、也最意外的发现，是 EMCG 发现了大量常规病毒宏基因组几乎看不见的 Naomiviridae 相关病毒。作者原本以为，如果 EMCG 是随机、定量抽样，那么某个病毒 vOTU 中 emSAG 数量越多，宏基因组 reads 也应该越多。但结果不是这样，emSAG 数量和病毒宏基因组 reads 覆盖之间相关性很弱，相关系数只有 R = 0.27。最极端的是，emSAG 数量最多的 vOTU 有 26 个 emSAG，却完全没有招募到病毒宏基因组 reads，也没有对应的 vMAG。这说明 EMCG 和常规宏基因组不只是拼装能力不同，而是能接触到不同类型的 DNA 来源。进一步基因共享网络分析显示，这个在宏基因组中缺失、但在 emSAG 中很丰富的类群属于 VC1099，其中包含已培养的 Noahvirus 属病毒，归在 Naomiviridae 家族。1791 个病毒样 emSAG 中有 1.8% 聚到 VC1099，换算成样品丰度约 3 × 10⁸ 个/升。

为什么这些病毒会被常规宏基因组漏掉，关键在于它们可能使用了非经典 DNA。已知 Noahvirus 的一个特殊性质是，它们的基因组里不是使用普通 DNA 中常见的 dT，而是使用 dU。这种非经典核苷酸会妨碍直接测序，过去的 Noahvirus 分离研究需要先用 phi29 polymerase 生成普通 DNA 拷贝之后，才能测出基因组。EMCG 正好在单颗粒胶囊里用 phi29 polymerase 扩增 DNA，所以能把这类病毒转成可以测序的形式。相比之下，作者的病毒宏基因组没有预扩增，因为混合群落 shotgun 测序中过度扩增会带来严重偏倚，所以这些 Naomiviridae 相关病毒就很容易在常规宏基因组中消失。作者也很谨慎地说，他们没有直接化学测定这些新发现病毒一定使用 dU，而是根据它们与 Noahvirus 的亲缘关系、宏基因组缺失现象、phi29 扩增可恢复性和相关复制基因来推断它们可能具有非经典 DNA。

作者还进一步分析了这些 Naomiviridae 相关病毒的基因组结构。他们把所有海洋 emSAG contig 进行共组装，得到两个只由 Naomiviridae emSAG contig 构成的环状共组装基因组，长度约 62 kbp，接近已发表 Noahvirus 分离株的 70 和 75 kbp。这些共组装中能看到 DNA polymerase、exonuclease、primase/helicase 等复制相关基因，其中基因排列与培养的 Noahvirus 相似。可作者也发现，单个 Naomiviridae 颗粒之间的核苷酸变异和基因组内容差异很大，这些两个共组装只能覆盖参与 emSAG contig 的一部分信息。这个结果说明，单颗粒基因组的价值不仅在于找到一种病毒，还在于能看到同一类病毒内部很多不同个体之间的真实差异，而常规宏基因组通常会把多个个体压缩成一个共识基因组，丢掉这部分信息。

关于这些病毒可能感染谁，作者把 Naomiviridae 共组装基因组与本研究以及之前缅因湾多季节细胞 SAG 数据进行比对，发现这些病毒片段与 3 个细胞 SAG 中的 contig 有匹配，其中一个属于 Amylibacter，两个属于 Pelagibacter。Amylibacter 属于 Rhodobacteraceae，这和已知 Noahvirus 感染 Ruegeria pomeroyi 的宿主背景相符，因为 R. pomeroyi 也属于 Rhodobacteraceae。更有冲击力的是 Pelagibacter，它是海洋浮游细菌中最丰富的属之一，大约占全球海洋细胞的 25%。这些匹配片段与细胞基因组其余部分的四核苷酸组成不同，作者认为它们更像是外源病毒 DNA，而不是整合进宿主染色体的稳定片段。所有三个潜在宿主 SAG 都来自 2019 年 4 月 的缅因湾样品，而不是其他月份，这提示 Naomiviridae 感染可能具有季节性复现。作者还搜索了 12,715 个 GORG-Tropics 热带和亚热带表层海洋细胞 SAG，没有发现超过 100 bp 的相似匹配，说明这些匹配在目前数据中更偏向缅因湾样品。

这篇文章的结论很明确。EMCG 是一种可以从极小体积环境样品中，高通量、相对定量地恢复单个细胞和细胞外遗传元件基因组的方法。它能用手动移液完成胶囊分隔、裂解、扩增和条形码标记，不需要复杂昂贵的流式分选系统；它对小病毒颗粒更友好，得到的病毒样基因组比常规宏基因组更完整，也能揭示常规宏基因组看不见的非经典 DNA 病毒。作者同时也承认了 EMCG 的局限，比如它不像 FACS 那样能获得颗粒的光学表型信息，不能直接区分完整细胞、亚细胞颗粒和含细胞 DNA 的膜泡；不同胶囊之间测序 reads 分配不可控，会导致某些颗粒测序不足或过度；单分子扩增本身也会带来不均匀性，所以可能需要比宏基因组更深的测序才能获得同样的总组装长度。

现有宏基因组并不是环境遗传多样性的完整地图，有些微生物或病毒不是因为不存在，而是因为它们的基因组太多样、太小、太难分选，或者DNA化学结构太特殊，才长期处在技术盲区里。更进一步说，这项工作也提示，未来海洋病毒生态学不能只依赖 bulk metagenomics，还需要单颗粒、单细胞和化学修饰敏感的技术一起使用。对微生物生态而言，Naomiviridae 这类可能感染 Pelagibacter 等优势海洋细菌的非经典 DNA 病毒，可能会影响海洋中最核心的细菌群体和碳循环过程；对技术发展而言，EMCG 也可能用于诊断、法医学、低生物量样品分析和合成生物学中含非天然核苷酸遗传元件的研究。