4. 天然通路挖掘与注释

天然产物合成通路的挖掘，本质上是在海量基因组信息中“找线索、拼拼图、验真伪”的过程。与从零设计通路不同，天然通路挖掘的起点是生物本身已经进化出的基因资源，因此核心任务不是创造新酶，而是准确识别出哪些基因共同负责一条代谢路径，并判断它们是否真的能协同工作。本节围绕“检索—注释—比对—成簇—验证”这条主线，讲清楚每一步该用什么工具、看什么信号、如何判断结果是否可信。

一、基因组数据库检索：从哪里找、怎么找

通路挖掘的第一步是获取候选基因序列。常用公共资源包括 NCBI GenBank/RefSeq、JGI IMG/M、Ensembl Bacteria、antiSMASH 数据库以及专门的天然产物基因簇库 MIBiG。检索时不要只依赖关键词，更有效的方式是以已知酶序列为探针做同源检索。例如，若目标是寻找新的聚酮合酶（PKS）通路，可用已知的酮基合成酶（KS）结构域序列在 NCBI 的 BLASTP 中检索，参数上通常将 E-value 阈值设为 1e-5 至 1e-10，覆盖度（query cover）不低于 60%，再结合物种来源和基因组上下文筛选。

实际操作中，建议采用“种子序列 → 同源命中 → 邻近基因提取”的检索策略：先用一条高置信度参考酶找到同源基因，再提取该基因上下游各 10–20 kb 的基因组区域，观察是否存在其他催化基因。这一步的关键判断依据是基因是否成簇、方向是否一致、功能是否互补，而不是单看某一条命中。

二、通路注释工具：把序列变成功能假设

拿到候选序列后，需要借助注释工具赋予其可能的功能。常用工具可分为三类：

• 通用功能注释：Prokka、RAST、eggNOG-mapper，用于快速获得 COG/KEGG/GO 注释，适合初筛。
• 天然产物专用注释：antiSMASH、PRISM、BiG-SCAPE，可识别 PKS、NRPS、RiPP、萜类等基因簇类型，并预测结构域组成。
• 结构域与保守基序分析：HMMER、InterProScan、CD-Search，用于确认关键催化结构域是否存在，例如 PKS 中的 KS、AT、ACP 结构域。

以 antiSMASH 为例，输入一个细菌基因组 FASTA 文件后，它会输出候选基因簇的位置、类型、结构域排列以及与其他已知簇的相似度。若某簇被注释为“NRPS-like”且含有完整的 C-A-T 模块，就可初步判断其可能合成肽类天然产物。但要注意：注释结果是假设，不是结论，尤其是当相似度低于 30% 或结构域不完整时，必须结合后续验证。

三、同源比对：判断“像不像”与“是不是”

同源比对不只是看相似度百分比，更要看比对覆盖度、保守区域位置和关键残基是否保留。以 PKS 的 KS 结构域为例，其活性中心含有保守的 Cys-His-His 催化三联体，若目标序列中这三个残基发生突变，即使整体相似度高达 70%，该结构域也可能失去缩合活性。因此，建议在 BLAST 之后，用 Clustal Omega 或 MAFFT 做多序列比对，再用 Jalview 或 ESPript 可视化保守区域。

系统发育分析可以帮助判断同源基因的功能分化。将候选序列与已知功能酶一起构建最大似然树（如 IQ-TREE），若候选序列与某已知功能酶聚在同一分支且 bootstrap 值大于 70%，则功能假设的可信度较高。反之，若候选序列落在分支基部或与多个不同功能酶混杂，则说明其功能可能发生了分化，需要更谨慎地验证。

四、候选基因簇识别：从“单基因”到“整条通路”

天然产物通路通常以基因簇形式存在，即多个功能相关基因在基因组上物理相邻。识别基因簇时，重点关注以下信号：

• 物理邻近性：催化基因之间间隔通常小于 200 bp，且常共享启动子或操纵子结构。
• 功能互补性：例如 PKS 基因簇中同时存在 KS、AT、ACP、TE 等结构域，且可能伴有修饰酶（甲基转移酶、氧化酶）。
• 调控与转运伴随：基因簇内常含有转录调控因子和外排转运蛋白，这是天然产物防御或分泌功能的间接证据。
• 保守合成逻辑：如 NRPS 的模块化结构，模块数量与产物链长存在对应关系。

工具方面，antiSMASH 可直接输出基因簇边界和类型，BiG-SCAPE 可将大量基因簇聚类为家族，CAGECAT 则适合在近缘物种间比较基因簇的保守性。实际判断时，建议将“基因簇内基因数 ≥ 3、功能注释一致、且与已知簇相似度在 20%–80% 之间”作为候选通路的初筛标准——相似度过高可能是已知通路，过低则可能是假阳性。

五、功能验证策略：让假设落地

无论注释结果多么漂亮，最终都要通过实验验证。常用策略按证据强度从低到高排列：

1. 异源表达：将候选基因簇克隆到适合的宿主（如 E. coli、Streptomyces 或 Yeast）中，用诱导型启动子驱动表达，然后检测代谢产物。若宿主本身不产目标物，而导入后出现新峰，即为强证据。
2. 基因敲除/沉默：在原宿主中敲除候选基因，若目标代谢物消失或中间体积累，可确认该基因参与通路。
3. 体外酶活：纯化关键酶，在缓冲体系中加入推测底物和辅因子，用 LC-MS 或 UV 检测产物生成。例如，推测某甲基转移酶时，可加入 SAM 和底物，观察甲基化产物。
4. 同位素标记追踪：用 ¹³C 或 ¹⁵N 标记前体，追踪标记原子进入目标代谢物的位置，从而推断反应顺序和中间体。

六、常见陷阱与判断依据

天然通路挖掘中最常见的错误是把同源命中直接当作功能确认。实际上，同源基因可能具有完全不同的底物特异性或反应类型。另一个陷阱是忽略基因簇的边界——有些通路基因分散在基因组多个位置，并非严格成簇。因此，建议在注释后做一次“基因邻域一致性检查”：将候选基因与近缘物种的同源区域比对，若邻域基因排列保守，则成簇判断更可靠。

最终判断一条天然通路是否被成功挖掘，应同时满足三个条件：基因簇结构完整、同源比对支持功能假设、实验验证检测到预期代谢物或中间体。三者缺一不可，任何一步存疑都应回到上游重新检索或调整阈值。