新冠疫情给全球带来了巨大的冲击，SARS-CoV-2 病毒的快速传播让人们对其进化机制充满了好奇。在病毒进化的过程中，大量的突变不断涌现，这些突变不仅使病毒能够逃避宿主的免疫抵抗，还可能对病毒的基因组组成结构产生影响。然而，目前对于 SARS-CoV-2 基因组组成结构在疫情期间的进化情况，科学界还缺乏深入的了解。为了填补这一知识空白，来自西班牙、意大利等多个国家研究机构的研究人员开展了一项关于 SARS-CoV-2 基因组进化的研究，其研究成果发表在《Scientific Reports》上。
研究人员主要运用了系统发育分析、序列组成复杂性（SCC）计算等技术方法。他们从 GISAID/Audacity 数据库中获取了大量高质量、无歧义符号的 SARS-CoV-2 基因组序列，通过分层随机抽样得到 1063 个完全测序的基因组用于后续分析。
研究结果
- SARS-CoV-2 的基因组组成结构：利用熵组成分割方法，研究发现 SARS-CoV-2 基因组由一系列统计上均质的组成结构域构成，不同分离株的结构域数量、长度和核苷酸组成存在显著差异 。参考基因组序列（hCoV-19/Wuhan/WIV04/2019|EPI_ISL_402124|2019-12-30）包含七个组成结构域，SCC 值为5.7×10−3 bits / 序列位置 。在分析的 1063 个基因组中，片段数量在 6 - 10 之间，SCC 值平均在4.9×10−3至8.5×10−3 bits / 序列位置之间。
- 系统发育进化趋势：通过系统发育岭回归分析 SCC 随时间的变化，研究人员发现 SCC 与时间的回归斜率显著低于布朗运动（BM）预期（p<0.01），表明 SCC 随时间呈下降趋势。对部分复杂性 SCC_RY 的分析也得到了类似结果，其回归斜率同样显著低于 BM 预期（p<0.01） 。这意味着 SARS-CoV-2 基因组的序列组成复杂性在逐渐降低，可能是病毒适应人类宿主的一种表现。同时，SCC 和 SCC_RY 的进化速率随时间增加，但 SCC 的斜率比预期更浅（p=0.01），SCC_RY 的斜率则相反（p=1） 。进一步的分析表明，SCC 和 SCC_RY 的进化速率可能在下降。
- K-mer 分布的偏差
- 链不对称性：使用S1不对称指数分析 K-mer 分布的链不对称性，发现K=1时，S1随时间呈高度显著的下降趋势（slope=−149.18，p<0.001） ，K=3时也有一定程度的下降。BMT 测试进一步证实了这一趋势，表明 SARS-CoV-2 基因组的链不对称性在逐渐减弱。
- 参与率（PR）：研究人员对 PR 的分析发现，除K=2外，所有 K 值的 PR 均呈现高度显著的下降趋势，其中K=1时下降最为明显（slope=−187.258，p=0.01） 。这表明 SARS-CoV-2 在疫情期间有效使用的 K-mer 数量逐渐减少，病毒基因组逐渐简化和同质化。
- CpG 缺失：对 SARS-CoV-2 基因组中 CpG 频率的系统发育回归分析显示，虽然下降趋势较弱，但仍具有统计学意义（slope=−27.76，p=0.01） 。同时，其脱氨产物 UUG 的频率呈上升趋势。这一结果与 APOBEC（载脂蛋白 B mRNA 编辑催化多肽样蛋白）和 ZAP（锌指抗病毒蛋白）的作用机制相符，即 APOBEC 酶通过将 5’-UCG-3’位点转化为 5’-UUG-3’，使病毒 RNA 逃避 ZAP 的降解，从而导致 CpG 二核苷酸减少，UUG 三核苷酸增加。
- SCC 与其他生物学特征的系统发育相关性：构建系统发育广义最小二乘（PGLS）回归模型，以四个 SCC 为因变量，链不对称性（S1指数，K=1）、K-mer 的有效数量（PR，K=1）以及 CpG 和 UUG 的频率为自变量。结果显示，除 UUG 与 SCC_KM 和 SCC_RY 有一定关联，与 SCC 和 SCC_SW 无关联外，其他自变量与因变量之间的系统发育相关性均高度显著（P<≪0.001） 。其中，S1_K1 对 SCC_RY 有最强的正向影响，PR_K1 则呈现负向影响。
研究结论与讨论
研究表明，SARS-CoV-2 在适应人类宿主的过程中，其基因组组成结构发生了显著变化。SCC 和 SCC_RY 等指标的下降趋势，以及链不对称性、K-mer 有效数量和 CpG 频率的变化，都表明病毒的基因组组成复杂性在降低，朝着更对称和均质的结构进化。研究人员推测，宿主抗病毒防御系统对病毒基因组施加的定向突变压力，导致病毒 CpG 缺失（通过 C➔U 变化），这可能在病毒基因组组成异质性降低的过程中发挥了关键作用，是病毒通过遗传模拟适应人类宿主的一种方式。
这项研究为理解 SARS-CoV-2 的进化机制提供了重要线索，有助于进一步探究病毒与宿主之间的相互作用，对防控新冠疫情具有重要的理论指导意义。同时，研究人员也指出，还需要更多的实验来验证 SARS-CoV-2 作为遗传模拟的适应过程，例如将 SARS-CoV-2 的相关指标与人类基因组进行比较，以及在随机序列中引入 C➔U 变化观察 SCC 的演变等。
