摘要
宏基因组测序改变了人们对全球病毒多样性的认识，但一种基础性偏倚限制了对完整病毒基因组多样性的理解。现有质量评估工具依赖环状重叠群的识别，系统性低估线性DNA和RNA病毒的完整性，使病毒圈中的很大一部分尚未得到表征。本研究利用不同宏基因组数据集中种内基因组末端的保守性，克服这一偏倚。将该方法应用于metaVR数据库后，研究人员恢复并验证了1,585个保守的完整线性病毒基因组，使被识别的完整线性基因组数量扩展约21倍。结果揭示了此前未被识别的完整非分节段RNA基因组及分节段病毒的单个节段，覆盖13个纲，并包含系统发育上深分支的病毒暗物质。此外，研究恢复了长达220 kb的完整大型噬菌体基因组，拓展了线性DNA病毒已知的长度范围，并将真正完整的基因组与高水平转录的操纵子区分开。生态分布分析表明，这些重新判定为完整的线性病毒在特定生态系统中显著富集。该框架使完整线性基因组的系统识别成为可能，揭示了此前被掩盖的病毒多样性，拓展了对病毒多样性与演化的认识。
关键词：病毒组；基因组完整性；末端保守性；环状性偏倚；RNA病毒；分节段基因组
- Ghiotto, G., Nayfach, S., Roux, S., & Kyrpides, N. C. (2026). Overcoming circularity bias reveals a hidden linear DNA and RNA virosphere. Nature Communications. https://doi.org/10.1038/s41467-026-79285-z
- 期刊：Nature Communications（2025年 IF=18.1；2026版JCR）
- 在线发表时间：2026年10月26日；所提供PDF为Article in Press版本。
研究总结
背景介绍
病毒缺乏可用于统一估算完整性的普适单拷贝核心基因。未培养病毒基因组（uncultivated viral genomes，UViGs）的质量评估，因而常依赖参考序列、末端重复和基因组织等证据。与参考库差异较大、没有可识别末端重复的线性序列，即使组装已覆盖真实边界，也可能被低估。作者提出：如果同一病毒操作分类单元（viral operational taxonomic unit，vOTU）在不同样本中反复恢复出近似长度和一致末端，那么这种群体层面的重复观测可为完整性提供独立支持。
文中的“环状完整”（Circular Complete）沿用数据库分组；末端重复是组装结构线索，不能单独等同于病毒颗粒内基因组的物理环状拓扑。这一点也有助于准确理解所谓“环状性偏倚”。
重要结果
跨样本末端一致性为线性基因组边界提供支持
研究重分析metaVR中的约2,444万个UViGs和1,271万个vOTUs，以独立样本间的长度、两端序列及读段比对特征筛选候选，并结合已知类群的长度分布排除明显片段。最终集合包含1,585个重新评估条目。原文图1进一步将其区分为1,537个基因组候选与48个保守转录本，因此摘要中的汇总数量不能无条件理解为1,585套完整病毒基因组；其中部分条目还代表分节段病毒的单个节段。
图1｜新增线性完整vOTUs的分析框架。A，基于多个独立实验样本中末端保守性的多阶段筛选，获得新增线性完整条目集合。B，候选vOTUs筛选及后续合理性检查示意，包括末端软剪切和来自其他样本的双端读段支持。C，对metaVR条目进行筛选，建立“环状完整”参考集——蓝色——及“线性完整”参考集——绿色，并与“新增线性完整”集合——黄色——比较。
完整性重评估尤其补充了宏转录组来源序列
经过可比性筛选，原线性完整参考集仅有73个vOTUs；新增集合规模约为其21.7倍，这就是文中“约21倍扩展”的比较基线，并非全球所有已知线性病毒的增幅。图2显示，新增集合中405个条目来自宏转录组，而原线性参考集中该来源为零。新增集合的长度中位数为6.0 kb，反映较短RNA基因组及独立节段的加入。基因密度、首个基因起点和非翻译区分布没有显示明显结构异常；其中非翻译区长度本身不足以单独判定完整性。宏转录组来源也不能直接等同于RNA病毒，因为它同时可能包含DNA病毒的转录产物。
图2｜相对于metaVR，重新判定为完整的线性vOTUs带来的增量。A，将新增线性完整集与metaVR筛选得到的环状完整、线性完整集比较，以新增条目数占相应参考集的百分比表示增量。B，三组代表序列的来源分布。C，代表序列长度分布；蓝、绿、黄分别表示环状完整、线性完整和新增线性完整。箱线图中心线为中位数，箱体下、上界为第25和第75百分位，须延伸至距箱体边界1.5倍四分位距内的最远数据点。彩色散点包含随机抽取的225个值及最大的25个值，用以展示分布范围与长尾；均值和中位数另行标注。D，三组vOTUs首个基因起始位置的分布。
新识别条目的生态分布具有来源依赖性
作者分析了代表序列所来自的711份宏基因组与宏转录组，分别按测序来源检验生态系统富集。宏转录组中新条目在植物及哺乳动物相关环境中相对环状参考集富集，宏基因组中则可见陆地和人工环境等类别的富集，人体类别反而相对不足。进一步解析45份人体相关样本，获得75个新条目，覆盖口腔、肠道、呼吸道等来源。宿主预测提示其与多类细菌相关，为人体微生物组研究补充序列资源；本研究没有直接检验这些病毒是否引起疾病。
图3｜与生境的关联。A，不同生态系统类别中，新增线性完整基因组相对于环状完整——圆形——及线性完整——方形——参考的log₂优势比；分析涉及宏转录组和宏基因组来源序列。每一类别的计数均与其余类别合并计数比较，采用双侧Fisher精确检验，并以Benjamini–Hochberg方法校正假发现率。全部精确P值与q值见补充数据5；一、二、三星分别表示q＜0.05、q＜0.01、q＜0.001。B，人体相关新增线性完整vOTUs示意，展示样本来源、宿主健康状态、病毒纲级分类和预测细菌宿主属。宿主属按原文采用的细菌生态角色着色：主要病原菌为红色、关键病原菌为橙色、机会致病菌为蓝色、共生微生物为蓝绿色。
RNA病毒分析区分非分节段基因组与独立节段
按原有核酸类型注释，新增集合包含103个RNA病毒条目，另有1,081个条目的核酸类型未明确。已标记RNA的条目覆盖13个纲，Leviviricetes、Howeltoviricetes和Pisoniviricetes分别有26、22和18个。研究同时恢复单一连续RNA基因组和分节段病毒的单个完整节段，节段边界完整不代表同一病毒的全部节段均已找齐。在未分类条目中，作者提取43个候选RNA依赖性RNA聚合酶（RNA-dependent RNA polymerase，RdRp）序列，并将其中32个置入四个RNA病毒门的系统发育框架，补充了深分支病毒的分类线索。
图4｜相对于metaVR，重新评估为完整的线性RNA病毒的分类分布。A，按纲展示RNA病毒及未充分分类病毒的数量，蓝、绿、黄分别为环状完整、线性完整和新增线性完整；未分类或没有纲级指派的病毒不进入按纲比较。侧方柱状图表示依据ICTV元数据获得的各纲分节段病毒比例。B，Leviviricetes中最长代表序列的比较，新增线性完整序列长于该纲的最长环状完整参考；基因按功能注释着色。C，Pisoniviricetes中的相同比较。D，编码RdRp的未分类新增条目与RVMT序列共同构建的系统发育树；门和纲使用不同颜色，树枝按自举支持度着色。
DNA病毒分析扩展参考长度范围，并识别保守转录单元
原始核酸类型标记为DNA的新增条目有401个，以Caudoviricetes为主。研究识别出长达220 kb的大型噬菌体序列，超过本文原线性参考集约190 kb的上限；这一比较不能解释为超过全球已知噬菌体的最大长度。部分宏转录组来源Megaviricetes条目明显短于预期基因组，更符合保守高表达转录单元。由729个代表序列构成的Caudoviricetes系统树还显示，新条目进入多个既有家族及尚未充分分类的分支，说明完整性判断与分类归属需要分别评估。
图5｜相对于metaVR，重新评估为完整的线性DNA病毒的分类分布。A，按纲展示DNA病毒数量，蓝、绿、黄分别表示环状完整、线性完整及新增线性完整；未分类或无纲级指派的病毒不进入按纲展示。侧方柱状图表示ICTV元数据中的分节段病毒比例。B，Faserviricetes最长代表序列比较，新增线性完整序列长于该纲最长的线性完整参考；基因按功能注释着色。C，Repensiviricetes中的相同比较。D，Caudoviricetes完整线性噬菌体的系统发育树，仅纳入蛋白比对通过缺口比例筛选的vOTUs，共729个末端。不同颜色标示来源数据集，线性完整为绿色、新增线性完整为黄色；各末端的生态系统和家族信息按图例着色，人体样本来源条目以星号突出。
方法学参考
对病毒组分析最有参考价值的是把证据分层：序列被判为病毒、组装边界受到支持、完整基因组或完整节段的判定，以及宿主和功能推断，是不同问题。独立样本的定义也很关键，技术或生物学重复不能直接当作独立环境观测。生态比较按DNA宏基因组和RNA宏转录组分层，统计检验进行多重比较校正；非翻译区分析则通过混合效应模型处理同一contig内多个区域的相关性。
总结
这项工作的核心贡献，是利用跨样本一致性，重新评价已有组装序列的完整性，而非新增测序后单纯增加病毒数量。它为线性及RNA病毒提供了参考库之外的补充证据，也说明“未判完整”可能包含质量评估标准造成的遗漏。由于方法依赖多样本重复出现，稀有或单一样本特有病毒仍容易漏检。实际使用时，应同时保留基因组、节段及保守转录本的判定，并将数据库中的拓扑标签与真实物理结构分开解释。
参考文献
Ghiotto, G., Nayfach, S., Roux, S., & Kyrpides, N. C. (2026). Overcoming circularity bias reveals a hidden linear DNA and RNA virosphere. Nature Communications. https://doi.org/10.1038/s41467-026-79285-z
metaVR数据库：https://www.meta-virome.org/
原文分析代码：https://github.com/gabrieleghiotto/paper_NewLinearComplete
国际病毒分类委员会：https://ictv.global/
原文开放许可：https://creativecommons.org/licenses/by/4.0/
