基于机器学习从蛋白质域特征预测细菌最适生长温度揭示热适应机制

本研究针对绝大多数未培养微生物生理偏好未知的难题，开发了一种利用细菌基因组蛋白质域频率预测最适生长温度(OGT)的机器学习方法。研究人员基于1,498个基因组构建的随机森林模型预测精度显著，82.4%的预测误差在±10°C以内，为未培养微生物的定向培养提供了实用工具。模型分析揭示了与热适应相关的关键蛋白质域特征，多胺代谢、tRNA甲基转移酶家族和CRISPR-Cas系统的富集与较高OGT呈正相关，为理解细菌耐热性的分子机制提供了基因组证据。

　　

在微生物研究领域，一个令人困惑的矛盾日益凸显：虽然基因组数据呈指数级增长，但我们对微生物表型（包括最适生长温度）的了解仍然相对匮乏。这种认知差距严重阻碍了我们对"未培养绝大多数"微生物的培养努力，限制了我们理解微生物在生物地球化学循环和生物技术中贡献的能力。温度作为关键环境因子，通过调节酶活性、细胞膜流动性、营养吸收和离子交换显著影响微生物生长繁殖。极端温度会导致酶变性、膜破坏、营养获取受损和离子失衡，最终抑制微生物增殖。

虽然许多微生物在中等温度范围内茁壮成长，但某些物种表现出对极端热条件的显著适应性。例如，Psychromonas ingrahamii可在低至-12°C的温度下保持活力，而Methanopyrus kandleri strain 116则能在高达122°C的温度下繁殖。微生物根据其最适生长温度范围被广泛分为嗜冷菌、嗜温菌和嗜热菌。微生物对温度变化的差异反应主要归因于细胞成分（包括脂质、核酸和蛋白质）中基因组编码的分子适应。这些适应确保了大分子在不同热环境中的功能完整性。

此前，预测微生物生理特征的方法已尝试使用各种基因组特征，如密码子使用偏好、GC含量、k-mer分布、CRISPR-Cas内容和蛋白质域频率，结合多种机器学习模型。然而，这些方法要么基于k-mer分布实现高精度OGT预测，要么将OGT预测简化为分类任务，未能同时深入详细研究潜在的分子机制。

安徽农业大学的研究团队在《BMC Genomics》上发表的研究，通过构建基于细菌基因组内蛋白质域组成的预测模型，解决了现有方法的局限性。该研究主要目标是：（1）开发准确的连续变量预测模型；（2）识别与温度适应最密切相关的特定蛋白质域特征；（3）为耐热性的分子基础提供新见解。

研究人员采用机器学习方法，利用从细菌基因组中提取的蛋白质域频率来预测最适生长温度。研究使用了Sato等人（2020）整理的细菌最适生长温度综合数据库，并通过与已知OGT生物体精选数据集进行物种名称匹配，从NCBI RefSeq数据库中选择了1,498个细菌样本。使用pfam_scan.pl对Pfam-A隐马尔可夫模型数据库进行蛋白质序列域内容注释，构建蛋白质域频率矩阵作为特征数据集。通过比较多种机器学习算法，选择性能最优的随机森林算法进行模型训练，设置树数为1000以确保模型稳定性。采用训练集-测试集3：1分割，通过10倍交叉验证评估模型性能，并使用Pearson相关系数、确定系数和预测误差分布等指标进行评估。

模型性能评估

随机森林模型在独立测试集上表现出色，预测OGT与观测OGT之间存在极显著统计学相关性（Pearson's r=0.826，p=6.83×10^-88，R²=0.853）。在±10°C误差范围内的预测准确率达到82.4%，±5°C误差范围内为55.9%。与八种其他机器学习算法比较显示，随机森林的R²值（0.853）优于所有测试模型，证明了其强大的OGT预测能力。

关键蛋白质域特征识别

通过特征重要性分析识别出19个与OGT预测最相关的蛋白质域。十种域（包括ABC_tran_Xtn、HRDC、SelR等）与OGT呈显著负相关，在嗜冷菌和嗜温菌中更丰富；九种域（包括AdoMet_dc、Spermine_synt_N、DUF2905等）与OGT呈显著正相关，在嗜热菌中更普遍。功能注释表明，高温富集域涉及多胺合成、CRISPR-Cas系统等功能，而低温富集域参与蛋白质修复、核酸结合和转运等过程。

蛋白质域组成的组间变异分析

基于Bray-Curtis距离的主坐标分析显示，不同热适应菌群间的蛋白质域组成存在显著差异（ANOSIM R=0.588，p=0.001）。嗜热菌样本与嗜冷菌和嗜温菌样本之间的差异更大，而嗜冷菌和嗜温菌集群关联更密切，表明适应不同温度环境对应于细菌基因组整体蛋白质域谱的显著变化。

研究结论与意义

该研究开发的随机森林模型利用基因组蛋白质域频率能够准确预测细菌最适生长温度，为培养未培养微生物提供了实用工具。特征分析揭示了与热适应相关的独特蛋白质域谱，为多胺和tRNA修饰途径在耐热性中的作用提供了基因组证据，同时突出了CRISPR-Cas系统与高温生命之间的显著关联。

研究发现细菌耐热性与包含GCD14域的tRNA甲基转移酶家族成员数量呈正相关，表明tRNA甲基转移酶家族是微生物适应高温进化中的关键因素。同时，CRISPR-Cas系统的扩展可能与高温环境下基因组稳定性和防御有关，甚至在极端高温环境生存中发挥更广泛的作用。

该研究不仅为未培养微生物的定向培养提供了有效工具，而且通过蛋白质域特征的深入分析，深化了对细菌热适应分子机制的理解，为探索微生物在极端环境中的适应策略提供了新视角。蛋白质域组成在不同热适应菌群间的显著差异进一步证实了温度适应涉及基因组水平分子变化的经典理论，为微生物生态学和进化生物学研究提供了重要启示。