在推文“如何利用微生物群落数据挖掘病原菌的发生机制”中，我们提到了碳水化合物是病原菌与宿主的附着手段和宿主感染的屏障，而CAZy数据库在植物病原菌入侵宿主的过程中起到关键作用。那么，当病原菌入侵宿主之后，病原菌与宿主之间将会发生更加复杂的相互作用。

今天我们将带大家首先来了解病原菌-宿主互作过程中，如何利用PHI数据库来深入研究微生物群落的数据。

图1   病原微生物和宿主之间的相互作用（黏附入侵—免疫逃逸—互作）
Pierre M Jean Beltran, Joel D Federspiel, et al.Proteomics and integrative omic approaches for understanding host–pathogen interactions and infectious diseases
 [J].Molecular Systems Biology, 2017, 13：922.

01

· PHI数据库的定义 ·

PHI-base数据库，即Pathogen Host Interactions 病原菌-寄主相互作用，是一个可以通过web访问的数据库，其中包含与侵染动物、植物、真菌和昆虫寄主的真菌、卵菌和细菌病原微生物相关的效应基因。而且PHI-base数据库中的每个有关致病性和毒力的基因均经过实验验证、并附带推测的氨基酸序列，以及对预测蛋白质在宿主感染感染过程中功能的详细描述。PHI-base数据库目前最新版本包含9666个基因、21676个相互作用，294个病原菌，244个宿主，548种疾病。PHI-base数据库主要用来分析植物病原菌或者动物病原菌与宿主的互作方式，挖掘潜在病原菌-宿主相互作用的基因，探究病原菌与宿主之间的致病机制。

PHI-base数据库可使用在线blast查询比对，也可以下载本地数据库。PHI-base数据库网址：
http://www.phi-base.org/

表1  PHI-base数据库的基因表型分类

图2   皮肤表面微生物与宿主互作
Chen Y E, Fischbach M A, Belkaid Y. Skin microbiota–host interactions[J]. Nature, 2018, 553（7689）：427.

微生物从共生（如存在皮肤表面或毛囊中）向致病（如存在血液中）的转变是一个复杂且潜在代价较高的过程。皮肤是一个强大的物理屏障，即使被突破，微生物也必须抵御多层宿主本体固有的免疫反应，包括抗菌肽、蛋白酶和活性氧化物。此外，潜在病原体需要诱导基因的表达，以实现粘附、侵入和免疫逃避的过程。因此，通常情况下体内的大多数共生微生物可以与宿主和平共处，并且只在特定环境中才会表现出致病潜能。而传统意义上被认为是病原菌的微生物往往并不会无差别地展示侵略性行为，一些传统意义上可能被称为病原菌的微生物，有可能代表了侵略性行为和互利行为之间的中间状态。

（A）病原微生物在一个连续谱上表现出的特性。宿主因素，如屏障破裂和免疫抑制，使微生物偏向于病原菌行为，而稳态条件则使微生物偏向于互利共生行为。在互利共生的宿主-微生物关系中，宿主提供营养，微生物通过代谢产物促进免疫稳态以及抗病原菌的能力。在病原性关系中，微生物侵入皮肤上皮层，引起炎症。

（B）表皮葡萄球菌偏向于互利共生行为，而金黄色葡萄球菌则显示出更多的病原性特征。

图3  基迪奥PHI数据库注释表型分类统计柱形图

02

· PHI数据库注释的分析策略 ·

PHI-base数据库可以对病原菌基因组的致病机制进行深入挖掘，包括植物病原细菌/真菌基因组，动物病原细菌/真菌基因组，宏基因组微生物群落数据。针对宏基因组微生物群落分析数据，目前研究主要的分析策略如下：

表2   PHI-base 数据库注释分析策略比较

分析策略一：PHI与其它数据库注释结果整合分析

1）通过宏基因组测序获得整体微生物群落的物种分布情况及变化趋势，以及不同比较组间的差异标记物及基因。

2）如果针对植物病原菌分析，首先利用CAZy数据库注释结果，分析与破坏细胞壁多糖成分有关的基因，将特定酶分类的目标基因与目标物种关联（对于CAZy数据库的分析策略和方法，可参考推文“如何利用微生物群落数据挖掘病原菌的发生机制”）。

3）如果针对动物病原菌分析，首先利用EggNOG数据库或者KEGG数据库注释结果，分析与病原菌侵入宿主细胞有关的基因。许多病原菌利用菌体表面的粘附因子与宿主细胞受体发生作用，而达到附着的目的，如菌毛、鞭毛和外膜蛋白等在此过程中均有可能发挥重要作用。将功能分类的目标基因与目标物种关联（对于EggNOG数据库的分析策略和方法，可参考推文“如何在微生物群落中寻找目标基因的功能”）。

4）利用KEGG数据库和PHI数据库注释进一步挖掘病原菌免疫逃逸和宿主互作的关键通路，得到目标通路涉及的基因。将目标基因与差异标记物种关联，可以深入分析病原菌与宿主互作的机制（对于如何利用KEGG数据库注释挖掘关键通路的具体方法，可参考推文“小世界，大科学| 如何挖掘微生物群落的关键通路和机制”）。

5）利用目标基因和物种，结合表型因子数据，可以深度探究影响病原菌与宿主互作的外界因素，以及影响宿主肠道菌群稳态的关键因素。

分析策略二：宏基因组组装基因组（MAGs）分析获得较完整的目标信息

利用宏基因组组装基因组（MAGs）分析策略可以得到相对更完整的基因组序列与基因序列，进而可以获得与宿主互作更准确的基因功能信息。然后得到的基因功能信息与群落物种以及病原菌-宿主互作机制相关联。宏基因组MAGs分析往往更适用于大样本量或数据量的复杂群落研究（如土壤，水体等自然环境）。目前基迪奥已上新宏基因组组装基因组（MAGs）分析流程，对大样本量或数据量的复杂群落研究可以获得更接近预期的分析结果。

图4  基迪奥特色宏基因组MAGs分析

3

· PHI数据库分析的经典案例 ·

题目：

Variation of antibiotic resistome during commercial livestock manure composting
发表期刊：

Environment International （IF：11.8）

发表时间：2020年

研究目的

堆肥是一种将畜禽粪便转化为有机肥料的有效方法，然而目前畜禽粪便中含有包括抗生素和抗生素抗性基因在内的多种污染物，可能对人体健康和环境污染产生较大的影响。本研究利用宏基因组数据分析堆肥样本中潜在的抗性基因（ARGs）以及病原菌，了解堆肥样本潜在的病原菌--宿主相互作用与关键影响因素，揭示了商业堆肥产品的潜在风险。

主要研究结果

01 通过宏基因组测序，获得整体微生物群落物种的分布变化情况，优势菌群在不同处理组之间的丰度变化，以及功能基因丰度的变化趋势。宏基因组分析结果发现，当堆肥过程进入高温阶段时，Actinobacteria门成为核心菌群，其在堆肥过程中的积累可能是堆肥成熟度的潜在指标。堆肥过程中的细菌演替主要受到堆肥过程的驱动。PHI-base数据库注释结果显示，伴随堆肥过程病原功能的总相对丰度并没有明显下降。在物种水平上，共鉴定出217种病原菌，其中包括100种动物病原菌和107种植物病原菌。在堆肥样品中，主要的动物病原菌包括Salmonella enterica，Aspergillus fumigatus Candida albicans。主要的植物病原菌包括Pseudomonas savastanoi，Fusarium graminearum，Magnaporthe oryzae。

（C）物种丰度 （D）病原功能丰度 （E）抗生素抗性基因丰度
图5  堆肥过程中细菌，病原功能（PHI-base数据库）和抗生素抗性基因（ARGs）变化

02 RDA分析结果显示抗生素抗性基因ARGs与环境因子之间的关系。其中抗生素耐药变化在堆肥过程中起到主要影响作用。湿度是显著的环境因素，湿度水平可以影响微生物和抗生素消散的代谢活动。

图6  环境因子对抗生素抗性基因ARGs的影响

03  共发生网络结果显示堆肥过程中不同ARG亚型和细菌属水平之间的共现模式。其中Peptostreptococcaceae属在堆肥过程中，受到较高的四环素选择压力的情况下，更容易获得四环素抗性。

图7  不同ARG亚型和细菌属水平之间共发生网络

总结与点睛

- SPRING IS IG -

由以上PHI-base数据库的介绍可知，PHI-base数据库在病原菌-宿主相互作用中发挥着重要作用。PHI-base数据库往往与其它数据库联合分析：

1.通过宏基因组获得整体微生物群落的物种分布情况，不同比较组间的差异标记物与变化趋势。

2.针对不同病原菌类型，挑选合适的分析策略对数据进行深度挖掘，若关注植物病原菌-宿主互作机制挖掘，可选择与CAZy数据库联合分析。

3.利用环境因子数据，寻找影响病原菌与宿主互作的关键外界因素。

目前基迪奥已开发成熟的宏基因组分析流程和宏基因组MAGs分析流程，可以完成宏基因组数据挖掘的特色个性化分析，并已有完善的在线交互平台辅助分析。

图8 基迪奥Omicsmart宏基因组在线分析平台

图9  基迪奥宏基因组MAGs特色基因组进化树

图10  基迪奥Omicshare云工具分析平台