原文链接：https://doi.org/10.1038/s41467-025-59558-9

第一作者：许亮（Liang Xu）

通讯作者：许亮（Liang Xu）, JL Weissman

通讯单位：Department of Global Ecology of Carnegie Institute for Science at Stanford University

全文速览

微生物的最大生长速率是反映物种生态与进化策略的关键特征，在生态系统建模、生物多样性研究以及全球碳氮循环研究中具有重要应用价值。由于实验测定生长速率存在技术挑战，现有研究多采用基因组特征（如密码子使用偏好性/Codon Usage Bias）来预测不可培养微生物的生长潜力。本研究开发了Phydon框架，创新性地整合了密码子使用偏好性统计分析与系统发育信息，显著提高了微生物最大生长速率的预测准确性，特别是在存在近缘物种生长速率数据时优势明显。基于该框架，我们系统分析了目前最大的微生物基因组数据库（Genome Taxonomy Database/GTDB），构建了包含111,349个物种（经最适生长温度校正）的全球最大规模微生物生长速率预测数据库。研究发现，微生物最大生长速率呈现显著的双峰分布模式，揭示了微生物进化过程中分化为"快速生长"和"缓慢生长"两种截然不同的生存策略。进一步的比较分析阐明了基于分类学信息和基于基因机制预测方法的性能差异，为理解微生物的生态适应与进化机制提供了新的理论视角。

背景介绍

微生物作为全球生物地球化学循环的核心驱动者，其最大生长速率（）是构建生态系统模型的关键生理参数。然而，传统生长速率测定方法（如纯培养实验或同位素示踪技术）面临培养困难、实验周期长、成本高昂等瓶颈，导致约99%的未培养微生物的生长特性尚属未知。近年来，基于基因组特征的预测方法取得重要进展，主要依赖四大类生物标记：（1）rRNA操纵子拷贝数(rRNA operon copy number)；（2）tRNA 拷贝数（tRNA multiplicity）；（3）DNA复制相关的基因剂量效应(replication-associated gene dosage)；（4）密码子使用偏好性（codon usage biases/CUB）。其中，CUB与生长速率的关联机制最为明确——快速生长的微生物通过优化高表达基因中的同义密码子选择来提升翻译效率，这一现象在大肠杆菌等微生物中已得到实验验证。然而，现有预测方法面临两大挑战：一方面，当目标微生物在系统发育树上缺乏近缘参考物种时，预测准确性显著下降；另一方面，不同微生物类群中CUB-生长速率的关联模式存在显著差异，亟需开发更普适的预测框架。

研究出发点

1.评估现有基于密码子使用偏好的最大生长速率预测方法的准确性和局限性。

2.开发一种新的预测框架Phydon，将系统发育信息与基因组特征相结合，以提高预测精度。

3.构建一个大规模的微生物最大生长速率数据库，涵盖广泛的分类群，并分析其生态学和进化学意义。

图文解析

图1：微生物系统发育树及最大生长速率分布

Phydon利用已知生长速率的参考物种，通过系统发育树将其与目标物种关联，结合目标物种的密码子使用统计，预测其最大生长速率。

图2：预测精度评估

与传统的CUB方法（gRodon）相比，Phydon在拥有近缘参考物种的情况下，预测误差显著降低，表现出更高的准确性。

图3：最大生长速率的双峰分布

在111,349个微生物物种中，预测的最大生长速率呈现双峰分布，分别对应快速生长和缓慢生长的微生物群体，反映了不同的生态策略。

总结与展望

本研究开发的Phydon框架创新性地融合了系统发育保守性与基因组特征（特别是密码子使用偏好性），实现了微生物最大生长速率预测精度的显著提升。当目标微生物在系统发育树上存在近缘参考物种时，预测准确率可提高达35%。基于该框架构建的全球规模微生物生长速率数据库（涵盖GTDB数据库中111,349个物种），不仅填补了不可培养微生物生长参数的知识空白，更为生态系统过程模拟和微生物功能预测提供了关键参数集。该成果在以下领域展现出重要应用前景：（1）环境微生物组的生长动态解析，可结合宏基因组数据评估自然群落中不同功能类群的生长潜力；（2）生态系统碳氮循环过程的机制建模，通过整合物种特异性生长参数提升模型预测能力；（3）微生物生命史策略的进化研究，为理解"生长速率-资源利用"的进化权衡提供新证据。未来，随着微生物基因组数据的持续积累和系统发育方法的不断完善，Phydon框架有望成为连接微生物基因组学与生态系统生态学的重要桥梁。

课题组介绍

·个人主页：https://xl0418.github.io/

原文信息

Xu, L., Zakem, E., & Weissman, J. L. (2025). Improved maximum growth rate prediction from microbial genomes by integrating phylogenetic information. Nature Communications, 16, 4256. https://doi.org/10.1038/s41467-025-59558-9