综述:来自未被充分探索环境的抗菌物质发现:揭示特殊的代谢机制

时间:2026年3月26日
来源:Current Opinion in Microbiology

编辑推荐:

抗生素发现面临耐药性危机和传统方法瓶颈,新兴策略整合生态探索、多组学分析、合成生物学及人工智能,拓展极端环境、宿主微生物及未培养菌群的资源挖掘,推动高效新抗生素开发。

广告
   X   

陶涵|何琪琪|桂发斋|蔡晓峰
华中科技大学同济医学院药学院,湖北省天然药物化学与资源评价重点实验室,神经疾病重点实验室,武汉430030,中国
抗生素的发现彻底改变了现代医学,并将人类的平均寿命延长了数十年。然而,抗生素发现的黄金时代已经显著衰退,这一趋势因人类病原体对抗生素的持续耐药性进化而加剧,最终导致了当前的全球抗菌素耐药性(AMR)危机。从传统土壤来源的微生物中反复发现已知化合物的现象凸显了迫切需要新的策略和探索新的生态领域。本文综述了抗生素发现领域的新兴方向,这些方向共同致力于解决这一创新缺口。精炼的培养技术,如共培养和iChip技术,重新激活了稀有微生物类群,并产生了如teixobactin这样的新型化合物。多组学和合成生物学方法现在使得无需培养即可获取大量未培养微生物中的隐秘生物合成基因簇。最近,人工智能(AI)通过古蛋白质组学研究,将探索范围扩展到了古菌等被忽视的微生物类群以及更远的进化时间框架。总体而言,这些创新标志着智能、数据驱动的抗生素发现新时代的来临。生态学、组学、合成生物学和AI的整合为补充抗生素研发管线和缓解日益严重的AMR威胁提供了可持续的框架。

引言

日益严重的全球抗菌素耐药性(AMR)危机对人类健康和社会经济稳定构成了最严重的威胁之一。医学和农业中抗生素的过度使用和滥用加速了耐药性病原体的传播,破坏了数十年的临床进展。世界卫生组织预测,到2030年,AMR可能导致数千万人陷入极端贫困,并在本世纪中叶造成大量死亡和重大经济损失[1]。天然产物(NP)是一种由生物体生物合成并从生物来源(如植物、微生物、海洋生物或动物)中分离出来的结构明确的化学实体,通常是该生物体初级或次级代谢的产物。历史上,主要来自微生物的天然产物一直是大多数临床使用抗生素(如青霉素、四环素、万古霉素和达托霉素)的不可或缺的来源[2, 3, 4]。然而,自20世纪中叶以来,由于传统土壤筛选方法反复发现已知化合物结构,新型抗生素的发现率有所下降。这一放缓促使人们开始探索替代的生物群落和获取先前隐藏的生物合成潜力的方法[4]。因此,目前的努力转向了那些在分类学和代谢学上具有独特性的未探索环境。这些栖息地——从极端生态系统到宿主相关的微生物群落——代表了巨大的化学多样性宝库(图1)。深海沉积物、热液喷口、极地永久冻土、高盐湖泊以及酸性或碱性泉水等极端环境施加了强烈的选择压力,促使能够合成具有潜在抗菌活性的特殊次级代谢物的微生物进化[5, 6, 7, 8]。同样,宿主相关的微生物组(包括海洋无脊椎动物[9]、植物[10]、昆虫[11]、动物[12, 13]和人类[14]的微生物组)是动态的生态系统,在其中密切的共生关系促进了生物合成基因的交换和生物活性代谢物的产生。特别是,人类共生细菌已被证明能够产生低毒性的抗菌化合物,这些化合物可能调节宿主防御和微生物组平衡。除此之外,来自极端环境和传统环境的未培养和被忽视的微生物类群仍然是很大程度上未被研究的遗传和代谢资源[15, 16]。此外,最近从古菌中发现的隐秘肽(EPs)表明,高等生物及其相关的隐秘肽也可能具有未被充分认识的抗菌潜力[17]。
这篇简短综述重点介绍了来自未探索环境的抗菌发现方面的最新进展,强调了传统分离技术、多组学驱动策略和人工智能(AI)辅助工具的整合如何加速了对特定代谢物的获取。我们从三个角度讨论了代表性案例:(I)依赖培养的策略(包括原位培养、iChip/扩散室、共培养和经典分离方法),这些方法重新打开了通往独特栖息地中新代谢物的途径;(II)基于组学的挖掘(基因组、宏基因组、代谢组)和合成生物学手段,用于获取隐秘生物合成基因簇(BGCs),尤其是来自宿主相关微生物组的基因簇;(III)AI驱动的未知微生物谱系中新代谢物的发现,包括古菌,这些方法加速了候选化合物的选择和设计(图1)。最后,我们概述了整合生态学、基因组学、合成生物学和AI以解锁下一代抗菌药物特殊代谢途径的新兴挑战和机遇。

抗菌发现中的培养依赖策略

培养微生物仍然是分离和化学鉴定构成大多数抗菌药物基础的生物活性代谢物的不可或缺的第一步。传统的分离策略、共培养技术[18]以及最近的原位扩散平台(如iChip[19])都为从未探索的环境中揭示新化学物质做出了贡献(图2a)。
“Waksman平台”建立于20世纪40年代,由Selman等人开发

基于组学和合成生物学的抗菌发现

据估计,99%的微生物物种仍未被培养,这代表着巨大的未开发化学和遗传多样性资源[3]。高通量测序和先进生物信息学的结合实现了从基于表型的筛选向基于基因型的挖掘的范式转变,使研究人员能够获取隐藏在微生物“暗物质”中的大量遗传潜力(图3a)。
虽然基因组学主要关注分离菌株的测序,

AI驱动的抗菌发现

基因组和宏基因组数据的指数级增长迫切需要高通量计算筛选工具,为AI在抗菌发现中的应用铺平了道路。AI包括机器学习(ML)和深度学习(DL)等技术,在处理大型数据集中识别传统基于同源性搜索无法发现的复杂模式方面表现出色。

总结与展望

已知化合物的反复发现继续阻碍了新型、具有临床相关性的抗菌剂的高效鉴定。扩展对以前未探索的环境(如极端生态系统、深海沉积物或独特的宿主相关生态位)的探索已成为克服这一停滞的强大策略。这些环境通常栖息着具有独特进化适应性的微生物,从而减少了代谢物结构的冗余性。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本工作得到了国家自然科学基金(项目编号:32371496和32400042)的支持。

生物通微信公众号
微信
新浪微博


生物通 版权所有