《Marine Genomics》：Metagenomic mining of microbial communication genes from Indian deep-sea sediments using a quorum sensing- and quenching-related protein database
编辑推荐：
本研究基于元基因组测序和QSP数据库，分析阿拉伯海334-992m沉积物中微生物群体感应（QS）和群体淬灭（QQ）系统，发现浅层QS/QQ多样性高，深层依赖AI-2、DSF及c-di-GMP通路，揭示复杂调控网络及分子机制。
D. Kesavan|Ramu Meenatchi|Raja Mohanakrishna|Anita Tripathi|Yashwanth B.S|Saravanane Narayanane|Saurav Gupta|Pushplata Yadav|Mukesh Pasupuleti|Greeshma Mani|Karpaga Raja Sundari Balachandran|Vijaya Raghavan Rangamaran|Pankaj Verma|A. Ganesh Kumar|N.V. Vinithkumar|Dharani Gopal|Gururaja Perumal Pazhani|Jesu Arockiaraj
印度泰米尔纳德邦Chengalpattu区Kattankulathur的SRM科学技术学院，生物技术系，毒理学与药理学实验室
摘要 微生物之间的细胞间通讯在环境适应中起着关键作用，并对全球生物地球化学循环做出了巨大贡献。然而，深海沉积物中的微生物通讯系统尚未得到充分研究，这些沉积物中的多样化微生物群落通过群体感应（QS）和群体感应抑制（QQ）机制来调节生态相互作用。深海生态系统中的这些系统分布模式和功能动态仍知之甚少。本研究调查了阿拉伯海沉积物中的QS和QQ通讯系统以及微生物群落分布，这些沉积物分别来自334米、492米、550米和992米的深度。研究采用了鸟枪法宏基因组测序技术，并结合了一个精心整理的与QS和QQ相关的蛋白质（QSP）数据库。通过对单个基因组及宏基因组组装基因组（MAGs）的分析，全面识别了与通讯相关的蛋白质。在四个沉积物样本中共检测到约359种QSP。浅层沉积物（334米和492米）中的QS和QQ元素数量更多、多样性更高，尤其是以酰基同型丝氨酸内酯（AHL）为驱动的QS系统和基于酰化酶/内酯酶的QQ系统，表明微生物活动较为活跃。相比之下，深层沉积物（550米和992米）中的典型QS元素多样性较低，而自诱导剂-2（AI-2）、可扩散信号因子（DSF）和环二鸟苷酸（c-di-GMP）信号通路则较为丰富，这表明这些微生物具有适应深海贫营养和高压力环境的机制。相关性分析揭示了QS调节因子和QQ酶之间的潜在内在和系统间关联，表明存在复杂的调节网络。MAG衍生的蛋白质分析发现了保守的催化基序，分子对接结果支持了它们与信号分子的功能相互作用。总体而言，这些发现为阿拉伯海深海沉积物中的QS和QQ相关基因提供了初步概述，并表明这些环境中的微生物通讯系统可能存在差异。
引言 细胞间通讯是微生物适应现有环境条件的关键因素（van Gestel等人，2012年）。微生物之间的通讯主要通过化学信号来实现，这些信号调节微生物群体密度依赖的行为，如形成生物膜和防御反应，尤其是通过群体感应（QS）现象产生毒素和抗菌物质（Kumaravel和Sathyamoorthi，2026年；Preda和S?ndulescu，2019年）。微生物的生存、生态关系以及复杂群落的功能组织都受到这些QS调节过程的极大影响，尤其是在极端环境条件下的极端微生物（如盐生菌、酸菌、碱菌、耐压菌和耐温菌）（Brooks等人，2011年；Montgomery等人，2013年）。所有生命领域的微生物都通过专门的适应性机制（如改变的膜组成、应激反应蛋白、适应性酶、生物膜和抗氧化应激抵抗能力）进化以在这些极端环境中生存（Kaur等人，2019年；Montgomery等人，2013年）。大多数这些适应机制都由QS信号协调，包括自诱导剂（AI-1和AI-2）、可扩散信号因子（DSF）、酰基同型丝氨酸内酯（AHLs）和假单胞菌喹诺酮信号（PQS）（Hmelo，2017年；Papenfort和Bassler，2016年）。QS信号调节多种细胞过程，如生物膜形成、毒素产生、毒力、运动性和次级代谢产物的生物合成。此外，环二鸟苷酸（c-di-GMP）作为重要的细菌第二信使，通过调节生物膜形成和毒力因子的产生，协调QS和浮游或运动生活方式之间的转换（Srivastava和Waters，2012年）。细胞内的c-di-GMP周转决定了细菌是保持浮游状态还是形成生物膜，这一过程由二鸟苷酸环化酶（DGC）和磷酸二酯酶（PDE）控制，这些酶在严格的调控和复杂的信号通路中发挥作用（Snega Priya等人，2025年）。
在海洋生态系统中，QS信号在初级生产和生物地球化学循环中起着关键作用，通过调节微生物相互作用和代谢活动。虽然QS有助于各种生态循环过程，但一些病原体利用这些QS机制产生自身的毒力因子，从而在这些环境中建立殖民地，这种情况在海洋、陆地和医疗环境中也有观察到（Grandclément等人，2016年）。因此，为了对抗这一点，海洋微生物也具备通过QS抑制剂或群体感应抑制（QQ）酶（如内酯酶、酰化酶、氧化还原酶、过氧酸酶、c-di-GMP PDEs）来抑制这些信号分子的机制。深海是地球上最极端的环境之一，其特征是低温、高压、营养物质有限和光照区域减少（Marchese等人，2025年；Ohore等人，2023年）。海平面以下的深度变化对应着压力、温度、营养物质可用性和氧气浓度的差异，这些因素强烈影响了深海微生物群落的组成、多样性和代谢能力（Marchese等人，2025年；Ohore等人，2023年）。深海群落通过形成生物膜（通过QS）进化出了适应这些条件的机制，这有助于生存、群落稳定，并在生物地球化学循环中发挥作用（Murthy等人，2023年）。耐冷菌的最佳生长温度约为15°C或更低，特别值得关注（D'Amico等人，2006年），因为它们产生的冷活性酶（psychrozymes）在食品工业中有潜在的应用价值（Ghosh等人，2025年；Hamid等人，2022年；Kapoor等人，2025年）。
QS-QQ系统在海洋生态系统中普遍存在，并执行重要的生态功能（Romero等人，2012年），包括同步微生物相互作用和生物地球化学循环。在深海生态位中，沉积物（位于海底）是微生物活动的生态热点，微生物在这里适应了营养限制、压力和温度的极端条件（Acinas等人，2021年；Baker等人，2021年），群落利用QS/QQ系统来协调群体行为，如形成生物膜。
本研究采用基于最近开发的QSP数据库（Dai等人，2023年）的自动化注释流程QSAP（
https://github.com/chunxiao-dcx/QSP; ），通过计算机模拟鸟枪法宏基因组方法分析了来自阿拉伯海北部和南部不同深度和地理区域的沉积物宏基因组。研究重点调查了阿拉伯海不同深度（334米、492米、550米和992米）沉积物中的微生物QS和QQ通讯系统以及微生物群落分布。此外，还评估了预测的QQ蛋白的计算机模拟特性，以评估它们干扰QS信号分子的潜力。本研究旨在提供阿拉伯海不同区域中QS/QQ相关基因和蛋白质的全面概述。
深度海洋沉积物采集与环境分析 作为“深海任务”探险的一部分，从阿拉伯海的多个地理位置（北部和南部；图1a）采集了多个深海沉积物样本。采样是在2024年3月至4月期间，使用Smith-McIntyre抓取采样器在“渔业和海洋研究船Sagar Sampada”（航行编号403）上进行的。同时部署了电导率-温度-深度（CTD）剖面仪来表征每个采样点的环境条件。
测序与数据质量 从阿拉伯海采集的所有四个深海沉积物样本（SS1、SS2、SS3和SS4）中成功提取了高质量、高分子量的DNA，使用了优化的蔗糖裂解方案。通过鸟枪法宏基因组测序生成了不同深度微生物群落的全面谱型。总共获得了260,964,835条原始读段，其中94%的高质量读段被保留用于后续分析（表2）。测序深度略有差异。讨论 QS系统参与调节微生物行为，如生物膜形成（Chen等人，2019年；Hmelo，2017年；Peng等人，2024年；Priya等人，2023年）和生物地球化学循环（Hu等人，2025年），并在海洋环境中起着重要作用。据报道，QQ酶在海洋生态系统中也广泛存在（Prazdnova等人，2022年；Saurav等人，2017年；Sharma等人，2024年）。相对未被充分探索的深海生态系统是一个重要的信息来源（Yao等人）
结论 本研究试图全面了解阿拉伯海深海沉积物中的微生物通讯模式。MAGs和样本级基因组的联合使用提供了两种互补的视角：（1）基因组捕获了群落层面的多样性；（2）MAGs显示了QQ酶家族（内酯酶、酰化酶和c-di-GMP PDEs）中的保守功能域。总体而言，这些发现扩展了我们对……的理解
作者贡献声明 D. Kesavan, Ramu Meenatchi, Raja Mohanakrishna： 概念构思、数据整理、形式分析、调查、方法论、可视化、初稿撰写。Anita Tripathi, Yashwanth B.S, Saravanane Narayanane, Saurav Gupta, Pushplata Yadav, Mukesh Pasupuleti, Greeshma Mani, Karpaga Raja Sundari Balachandran, Vijaya Raghavan Rangamaran, Pankaj Verma, A. Ganesh Kumar, N.V. Vinithkumar, Dharani Gopal, Gururaja Perumal Pazhani： 形式分析、方法论、验证、资源整理。
写作过程中使用生成式AI和AI辅助技术的声明 在撰写本手稿期间，作者使用了QuillBot和Grammarly来提高文本的可读性和语法。使用这些工具后，作者根据需要审查和编辑了内容，并对内容的发布承担全部责任。资助 本研究是作为“深海任务（DOM）”计划的一部分进行的，该计划由印度新德里的地球科学部（MoES） 资助，文件编号为MoES/PAMC/DOM/52/2023（E-12928），日期为2023年12月14日。
