IF50.5｜阿斯加德古菌主导真核生物起源

大规模系统发育分析显示，真核生物核心基因主要源自阿斯加德古菌，线粒体贡献有限。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

真核生物起源是进化生物学的核心问题之一。已知真核生物最后共同祖先（LECA）已拥有线粒体，且阿斯加德古菌是已知最接近真核生物的古菌。早期研究认为真核生物核心基因呈嵌合起源，细菌贡献超过古菌，古菌来源基因主要限于信息处理系统。阿斯加德古菌的发现改变了这一观点，其编码多种真核特征蛋白，如细胞骨架和膜重塑蛋白。然而，真核生物核心基因的整体来源构成及各原核类群的相对贡献仍缺乏系统评估。

科学问题

卡在哪里： 此前研究多基于有限基因组数据或未采用严格的统计框架，对真核生物核心基因的祖先来源评估不够全面，尤其缺乏对阿斯加德古菌贡献的系统量化，且对细菌贡献的功能分布缺乏清晰认识。

本文要回答： 在严格统计框架下，系统评估真核生物核心基因的祖先来源，明确阿斯加德古菌及其他原核类群的贡献。

技术路线

作者主要用了：HMM谱搜索、约束树系统发育假设检验、软核心泛基因组、ELW值。

作者构建了包含7500万原核蛋白和3000万真核蛋白的数据库，通过级联聚类生成HMM谱，进行HMM-HMM搜索获得真核-原核直系同源簇（EPOC）。对每个EPOC构建系统发育树，并利用约束树方法穷举所有可能原核姐妹群，计算期望似然权重（ELW）作为祖先概率。通过软核心泛基因组筛选排除晚期水平基因转移，最终获得13,500个EPOC，其中4,290个高质量核心EPOC用于下游分析。

图 1　Fig. 1。图1展示了EPOC生成流程和全局aELW分布。a部分示意从序列数据库到HMM构建、EPOC识别和约束树假设检验的步骤。b部分显示在未过滤、核心和非旁系同源子集中，阿斯加德古菌的aELW均最高，核心子集中达50%。c部分按功能类别分解，显示信息处理系统几乎完全由阿斯加德主导，而代谢途径呈现嵌合模式。

核心亮点

亮点 1｜阿斯加德古菌主导核心基因起源

在核心EPOC中，阿斯加德古菌的平均ELW（aELW）占50%，覆盖超过2,000个KOG，远高于其他原核类群。这一优势在信息处理系统（复制、转录、翻译）尤为突出，几乎所有核心信息处理蛋白均显示阿斯加德起源。此外，阿斯加德关联还扩展到核质运输、蛋白质分选、糖基化和GPI锚合成等细胞过程，表明真核细胞复杂性的主要成分在阿斯加德祖先中已存在。

图 2　Fig. 2。图2比较了各原核类群在KEGG BRITE通路中最高aELW与阿斯加德古菌的比值。背景淡蓝色表示阿斯加德占优，仅Myxococcota在烟酸代谢和α-变形菌在氧化磷酸化中超过阿斯加德。该图强调除少数例外，阿斯加德在大多数功能通路中占据主导地位。

亮点 2｜线粒体贡献集中于能量代谢

α-变形菌的贡献主要局限于线粒体功能，包括氧化磷酸化复合物、泛醌合成和铁硫簇（ISC）组装。在氧化磷酸化途径中，α-变形菌的aELW超过阿斯加德，但其他代谢途径中贡献微弱。铁硫簇组装中，4Fe-4S平台蛋白（ISCA）和IBA57等显示α-变形菌起源，而2Fe-2S支架ISCU和上游半胱氨酸脱硫酶NFS1则与阿斯加德相关，表明α-变形菌贡献集中于线粒体特异性功能。

图 3　Fig. 3。图3展示茎长分析结果。a部分示意茎长和归一化茎长的计算。b部分显示归一化茎长的概率密度分布，α-变形菌来源基因在短茎区间长于阿斯加德，在长茎区间短于阿斯加德。c部分按功能类别比较茎长，信息处理基因茎长较短，与预期相反，提示茎长受多种因素影响。

亮点 3｜其他细菌贡献零散且无功能趋势

约三分之一的KOG（600/2,100）和EPOC（1,580/4,290）的最强关联既非阿斯加德也非α-变形菌，但缺乏一致的功能趋势。仅Myxococcota在烟酸代谢和核苷酸/核苷糖修饰途径中显示高于阿斯加德的aELW，但功能范围狭窄。在严格筛选的130个高置信EPOC中，33个与多样细菌相关，覆盖转运蛋白、脂肪酶和糖代谢等，但无任何单一细菌类群贡献完整通路，提示这些基因可能来自零散的水平基因转移而非内共生事件。

图 4　Fig. 4。图4为真核起源模型示意图。宽色带表示从简单古菌祖先经阿斯加德中间体到LECA的基因流，浅蓝色代表古菌进化阶段，浅棕色代表原真核生物进化阶段。紫色箭头表示来自各种细菌的零散基因流入，强调阿斯加德祖先作为真核细胞复杂性的主要来源，线粒体内共生是后期事件。

亮点 4｜茎长分析不支持线粒体晚期假说

对5,850个基因树的归一化茎长分析显示，α-变形菌来源基因的茎长在短茎区间（<0.3）显著长于阿斯加德来源，但在长茎区间（>0.35）则短于阿斯加德，与Pittis和Gabaldon的结论部分一致。然而，氧化磷酸化复合物各亚基的茎长差异超过两个数量级，尽管它们应同时获得，表明茎长受基因适应新环境所需进化量等因素影响，不能简单作为获得时间的度量。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： HMM谱搜索、约束树系统发育假设检验、软核心泛基因组、ELW值
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事真核生物起源、比较基因组学或系统发育学研究的科研人员。

带走一句

大规模系统发育分析需结合严格统计框架和软核心泛基因组过滤，以准确评估祖先贡献；茎长分析应谨慎解释。