Nature 子刊：利用机器学习从基因组跨系统预测噬菌体与宿主的相互作用

劳伦斯伯克利国家实验室等机构的研究人员在《Nature Microbiology》（2026-09-29）发表论文，提出了一种仅基于基因组序列预测噬菌体与细菌宿主在菌株层级相互作用的机器学习框架 GenoPHI，为解决耐药菌感染与精准微生物组工程提供了计算工具。

• 该框架摆脱了传统系统发育限制，在跨 6 个数据集、包含 949 个细菌菌株与 518 种噬菌体的 115,037 次相互作用数据上进行了系统优化。
• 模型预测性能与物种特异性方法相当，AUROC 达到 0.67 至 0.94；在大肠杆菌的 1,240 组独立实验验证中，预测的 AUROC 达到 0.84。
• 结合全基因组 RB-TnSeq 筛选验证，该计算模型能够捕捉到 68.6% 的实验鉴定感染介导基因。
• 模型指导设计的 5 种噬菌体鸡尾酒组合在测试中实现了对目标细菌最高 97.5% 的覆盖率，单噬菌体筛选效率比基于宿主宽谱性的经验筛选提升最高 3.1 倍。
• 影响/看点：该成果意味着基于纯基因组数据的计算模型可能缩短个性化噬菌体疗法的筛选周期，但其在临床复杂微环境中的实际疗效仍取决于活体给药条件与细菌体内耐受机制的实验验证。
• 资料依据：
• Nature Microbiology（2026-09-29）：https://www.nature.com/articles/s41564-026-02482-5
• GitHub（2025-09-29）：https://github.com/Noonanav/GenoPHI

本内容由 AI 生成，仅供参考，请注意甄别