細菌基因島研究進展

鄧 瑞 綜述，陳 亮 審校

(重慶醫(yī)科大學附屬第二醫(yī)院骨科 400010)

近年來,隨著基因測序技術迅猛發(fā)展，越來越多的研究開始通過比較細菌的基因組變化來研究細菌進化。研究者們發(fā)現(xiàn)，細菌基因組的進化除了傳統(tǒng)的縱向遺傳:基因突變，基因重排外,還有水平基因轉移[1]。細菌可通過水平基因轉移得到更多的機會去獲得有益于適應某些特定環(huán)境的特性。這些參與水平基因轉移并具有功能的基因序列被認為是細菌基因島?；驆u的概念首次被Hacker和他的團隊提出[2]。 他們首先用此來描述具有毒力的大腸桿菌功能性的基因組片段。后來人們發(fā)現(xiàn)了更多的具有抗生素耐藥性相關的基因島，代謝相關的基因島?；驆u的相關研究對于生物醫(yī)學和生物信息學的研究都極為重要[3]。因為可以用基因島的概念去解釋在同一種細菌里一些特定的屬具有致病性而另一些卻不具有的情況，并且可以用此來解釋特定的細菌可以在極端條件生存而另一些不可以的情況?；驆u的概念也可以幫助理解細菌的功能和細菌基因組的進化。因此，研究基因島對研究細菌基因組的進化和細菌基因轉移機制具有重要意義。

本文將對基因島、移動基因池和水平基因轉移機制作簡介。同時也將集中闡述耐藥基因島和致病基因島的特性并討論現(xiàn)階段基因島預測的方法及對未來的展望。

1 基因島和移動基因池的關系

基因島是源于水平基因轉移的一段基因組DNA片段[4]?；驆u具有一些基本共性：(1)具有重復序列或者能插入某些tRNA序列；(2)具有轉座子原件；(3)異常的鳥嘌呤和胞嘧啶所占比率(GC含量)；(4)氨基酸的異常使用和二核苷酸；(5)其可在某一種菌株中存在但可能在某一種較類似的菌株中不存在。 這些特性有助于預測未知的基因島及區(qū)分基因島和內源性突變。此外，基因島可根據(jù)其功能的不同分為：抗生素耐藥性基因島、致病性基因島、適應性島、共生性島、生態(tài)島和腐生性島[5]。

細菌基因可被分為核心基因池和移動基因池。核心基因池是染色體的一部分，主要用于編碼基本蛋白用于滿足細菌基本的生存需要，如自我增值、吸收營養(yǎng)和合成代謝中間產物[6]。在核心基因池中GC含量和氨基酸使用通常具有很強的相似性。然而，在彈性基因池中GC含量異常，氨基酸不正常使用并且編碼許多非生存必須蛋白質。這些成分對于基本的生存不是必要的，但能促進細菌對環(huán)境的適應性，如某些基因島可以使細菌擁有分泌特殊耐藥蛋白，使其能在抗生素環(huán)境中生存。這類耐藥性基因島是基因島彈性基因池的重要組成部分[7]。

2 水平基因轉移的機制

基因島因水平基因的轉移而形成。水平基因轉移具有3類基因交換機制：轉化、 轉導和結合。這一現(xiàn)象發(fā)生在供體和受體中，預示著基因組遺傳信息可以在不同細胞間通過水平基因轉移而不是通過垂直的生殖方式來傳遞[8]。

2.1轉化 受者能夠通過供者直接獲得裸露DNA片段的過程稱為轉化。這個過程發(fā)生在當一個細胞死亡時候，將其細胞內物質釋放到周圍環(huán)境中。同時，在周圍具有活性的相鄰細胞(受者)檢測并攝入死亡細胞釋放的DNA片段，并將這些片段整合到自身DNA中的過程[9]。

2.2轉導 受者也可以通過噬菌體感染獲得DNA片段。噬菌體侵襲宿主細胞，宿主細胞染色體DNA斷裂，噬菌體包裹宿主細胞DNA碎片或染色體碎片到噬菌體頭部，當噬菌體再次感染其他細胞時，將頭部包含的細胞遺傳物質帶到另外一個細胞，從而實現(xiàn)供者DNA轉移到受者的過程。 總的說來，轉導是供體DNA片段被細菌噬菌體俘獲(這些片段可能含有細菌的基因組)，然后當噬菌體感染下一個細胞時帶入到下一個細胞中，實現(xiàn)遺傳物質轉移的過程[9]。

2.3接合 接合是另一種基因轉移的方式，其是供體和受體直接接合，實現(xiàn)基因轉移。能表達F質粒的細菌具有菌毛，能促進細菌間質粒的相互轉移。此過程為，供體的菌毛接觸受體，然后菌毛形成受體和供體之間的鏈接通道。 然后，F(xiàn)質粒自我復制，從供體轉移到相連接的受體。受體得到F質粒同時獲得產生菌毛的能力，同時受體將成為新的供體[9]。

3 基因島的作用

3.1耐藥基因島 耐藥基因島是染色體DNA片段(>10 kb),這些片段包含較大相對分子質量的細菌耐藥基因族，位于許多特殊的染色體位置或者是被自身質粒攜帶，因基因功能與耐藥相關而被稱為耐藥基因島[10]。兩個位點的耐藥基因具有相同的重復序列和插入元件，并含有潛在不穩(wěn)定的移動基因元件，如integern。同時，耐藥基因島的GC含量和其他在核心基因池中的基因有著顯著的不同。

耐甲氧西林金黃色葡萄球菌(MRSA)對眾多抗生素具有耐藥性，被認為是潛在的超級細菌[11-12]。MRSA耐藥機制中mecA基因起了重要作用。mecA編碼PBP2a是青霉素綁定蛋白,其對beta內酰胺類抗生素具有很弱親和力。因此，mecA讓細菌具有抗methicillin抗性。研究表明，mecA產生于基因水平轉移，mecA整合到SCCmec DNA基因片段，mecA基因的轉移只能發(fā)生在存在SCCmec序列的菌株中[13]。因此，SCCmec為一種基因進化狀態(tài)，其組成成分為mec基因復合物(mecA、mecR、IS/mecI、IS431)和ccr基因復合物(重組酶基因，ccrA、ccrB or ccrC)[14]。此外，基于結構和片段大小，SCCmec能被分為11類 (SCCmec Ⅰ～SCCmec Ⅺ)，被報道最多的S.aureus 屬于前5類(SCCmec Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ)。位點特異的重組蛋白ccr，被ccr基因復合物編碼，是SCCmec基因島的主要組成部分，具有抗藥性。而且，Mec基因復合物由顯著的抗生素耐藥基因mecA和其他抗生素抵抗協(xié)同因子組成[15]?？偟恼f來，耐藥基因島是由水平基因轉移而形成，它具有復雜的機制并會參與細菌對抗生素的耐藥過程中。

3.2致病島 致病島是基因島的一個亞型，首先在致病性大腸桿菌中被報道，隨后也在其他細菌的彈性基因池中被發(fā)現(xiàn)。在細菌中，一個細菌可以含有許多致病島，同時一個致病島可以在不同細菌間傳遞。這表明致病島不僅存在于細菌的染色體DNA片段上同時也存在于質粒中[16]。此外，還有一個位于耶爾森氏鼠疫桿菌基因組DNA中的可導致鼠疫的基因島，是一個高致病島編碼的離子攝入系統(tǒng)[17]。同樣，在致病性大腸桿菌的致病島不僅讓細菌對人類具有致病性同時也讓其對其他動物如奶牛具有致病性。

4 預測基因島的方法

4.1基于一個基因組的預測方法 一個基因組分析方法主要基于基因突變和適應性選擇作用于微生物基因組使得形成種屬特異性的核苷酸構成特性的現(xiàn)象。其中有許多的方法試著去找到特異的序列作為區(qū)分組成不同的標準。 許多序列特點已經被研究證明為可靠的標準，如基于GC含量、k-met頻率、氨基酸用法和密碼子用法的算法[18]。通過分析序列的這些特性，可以提供粗略的、新的基因島預測手段。然而，因為這種方法只納入有限地影響因素并只利用了靶向細菌的序列信息，所以這類方法同時也具有許多缺點。例如，不能準確預測基因島的邊界，不能得到其準確的位置信息。同時，隨著細菌的增值，基因島和其他dna序列的位置關系變化越來越不確定，因此此類方法只能檢測出細菌最新獲得的基因島。

4.2基于多個基因組的檢測方法 基于多個基因組檢測基因島的方法是基于基因島散在分布于基因組中的特性的一類算法。這些算法通過比較多重相關的基因組序列去發(fā)現(xiàn)特定的亞型區(qū)域。這類方法一般借助于序列比對工具，如能被用來發(fā)現(xiàn)特異菌株的特殊區(qū)域的全基因組比對工具MAUVE[19]，同時MAUVE也可用于分析菌株的保守區(qū)域，并作為其他研究，如噬菌體全基因組比對時的參照方法[20]。

4.3Ensemble分析法 Ensemble分析法是將不同的分析方法整合到一起。一種方式是整合不同軟件的預測結果，如EGID ADDIN EN.CITE[21]。運用集成算法的細菌基因島探測方法(EGID)用投票法整合5個軟件的預測結果：Alienhunter、IslandPath、SIGI-HMM、INDeGenIUS、PAI-IDA。另一種整合方式是通過其他方法去篩選一種方法的預測結果。這種方法常用于致病島的預測。許多致病島的檢測軟件使用這種方法，比如PAIDB v2.0[22]。

4.4不完全基因組分析法 由于對不完全基因組中基因島預測的探索。如 IslandViewer 4[23]。此類方法首先將不完整序列整合成完整的基因組序列，然后用類似于在完整基因組預測基因島的方法進行預測。IslandViewer 4將注釋的重疊群體映射到完整的參考基因組以產生連鎖的基因組,然后其用這個單一基因組進行分析。

基因島位于細菌的彈性基因池，并可作為細菌基因的水平轉移方式的佐證。越來越多的證據(jù)表明基因島參與了微生物的基因進化。 基因島通過自體傳遞和丟失遺傳信息等方式增加了基因的多樣性。同時基因島參與了多種微生物活動，特別是作為細菌致病性和耐藥性的重要機制之一。伴隨測序技術和生物信息學分析方法的空前發(fā)展，越來越多的新基因島被發(fā)現(xiàn)。因此，很多過去因為假陽性和假陰性不能區(qū)分的結果，都逐漸被區(qū)分確定。不過基因島的豐富程度仍然被嚴重低估，仍需要探索更加完善的方法去識別那些未知的基因島，將有助于基因動力學、基因多樣性方面的研究，并可對微生物相關的臨床問題開辟新的研究領域。

[1]BOBAY L M,OCHMAN H.The evolution of bacterial genome architecture[J].Front Genet,2017，8(8):72.

[2]LU B,LEONG H W.Computational methods for predicting genomic islands in microbial genomes[J].Comput Struct Biotechnol J,2016,14(5):200-206.

[3]CHE D,HASAN M S,CHEN B.Identifying pathogenicity islands in bacterial patho- genomics using computational approaches[J].Pathogens,2014,3(1):36-56.

[4]COUTINHO T J D,FRANCO G R,LOBO F P.Homology-independent metrics for comparative genomics[J].Comput Struct Biotechnol J,2015,132(5):352-357.

[5]RUZZINI A C,CLARDY J.Gene flow and molecular innovation in bacteria[J].Curr Biol,2016,26(18):R859-R864.

[6]LAND M,HAUSER L,JUN S R,et al.Insights from 20 years of bacterial genome sequencing[J].Funct Integr Genomics,2015，15(2):141-161.

[7]GILMORE M S,LEBRETON F,VAN SCHAIK W.Genomic transition of enterococci from gut commensals to leading causes of multidrug-resistant hospital infection in the antibiotic era[J].Curr Opin Microbiol,2013，16(1):10-16.

[8]PAPKE R T,CORRAL P,RAM-MOHAN N,et al.Horizontal gene transfer,dispersal and haloarchaeal speciation[J].Life (Basel)，2015，5(2):1405-1426.

[9]JUHAS M.Horizontal gene transfer in human pathogens[J].Crit Rev Microbiol，2015，41(1):101-108.

[10]COLAVECCHIO A,CADIEUX B,LO A,et al.Bacteriophages contribute to the spread of antibiotic resistance genes among foodborne pathogens of the enterobacteriaceae family-a review[J].Front Microbiol，2017，8(6):1108.

[11]ITO T,KUWAHARA-ARAI K,KATAYAMA Y,et al.Staphylococcal cassette chromosome mec (SCCmec) analysis of MRSA[J].Methods Mol Biol，2014，1085(8):131-148.

[12]STEINIG E J,ANDERSSON P,HARRIS S R,et al.Single-molecule sequencing reveals the molecular basis of multidrug-resistance in ST772 methicillin-resistant Staphylococcus aureus[J].BMC Genomics，2015，16(1):388.

[13]HANSSEN A M,ERICSON S J.SCCmec in staphylococci:genes on the move[J].FEMS Immunol Med Microbiol,2006,46(1):8-20.

[14]XU Z,LI L,ALAM M J,et al.First confirmation of integron-bearing methicillin-resistant staphylococcus aureus[J].Curr Microbiol,2008,57(3):264-268.

[15]FIGUEIREDO A M S,FERREIRA F A.The multifaceted resources and microevolution of the successful human and animal pathogen methicillin-resistant Staphy-lococcus aureus[J].Memórias do Instituto Oswaldo Cruz，2014，109(3):265-278.

[16]BENTLEY S D,PARKHILL J.Genomic perspectives on the evolution and spread of bacterial pathogens[J].Proc Biol Sci，2015，282(1821):20150488.

[17]ONORI R,GAIARSA S,COMANDATORE F,et al.Tracking nosocomial klebsiella pneumoniae infections and outbreaks by whole-Genome analysis:small-scale italian scenario within a Single hospital[J].J Clin Microbiol，2015，53(9):2861-2868.

[18]ZHANG X,PENG C,ZHANG G,et al.Comparative analysis of essential genes in prokaryotic genomic islands[J].Sci Rep，2015，5(7):12561.

[19]DARLING C E,MAU B,BLATTNER F R,et al.Mauve:Multiple alignment of conserved genomic sequence with rearrangements[J].Genome Res，2004，14(7):1394-1403.

[20]BRARD S,CHATEAU A,POMPIDOR N,et al.Aligning the unalignable:bacteriophage whole genome alignments[J].BMC Bioinformatics，2016,17(1):30.

[21]CHE D,HASAN M S,WANG H,et al.EGID:an ensemble algorithm for improved genomic island detection in genomic sequences[J].Bioinformation，2011，7(6):311-314.

[22]YOON S H,PARK Y K,KIM J F.PAIDB v2.0:exploration and analysis of pathogenicity and resistance islands.Nucleic Acids Res,2015，4(1):D624-D630.

[23]BERTELLI C,LAIRD M R,WILLIAMS K P,et al.IslandViewer 4:expanded prediction of genomic islands for larger-scale datasets[J].Nucleic Acids Res，2017，45(5):W30-W35.