Nature Microbiology｜不依赖系统发育的机器学习框架从基因组预测菌株水平噬菌体—宿主互作

摘要

噬菌体（bacteriophage，phage）为耐药菌感染治疗与微生物组工程提供了有前景的抗生素替代方案，但其应用受限于"如何为特定细菌菌株筛选感染性噬菌体"这一难题。作者提出一种**不依赖系统发育（phylogeny-agnostic）的机器学习框架，仅依据基因组序列即可跨多个细菌属预测菌株水平噬菌体---宿主互作（phage-host interaction，PHI）。在 6 个数据集、949 个细菌菌株、518 个噬菌体、115,037 条互作关系上系统优化超过 1320 万次训练运行后，该框架达到与物种特异性方法相当的性能（AUROC 0.67--0.94），同时消除系统发育约束。对 1240 条预测的大肠杆菌（Escherichia coli）噬菌体---宿主互作进行实验验证，确认其可泛化（AUROC 0.84）；全基因组随机条形码转座子位点测序（random barcode transposon-site sequencing，RB-TnSeq）**显示，68.6% 的实验鉴定感染介质被计算模型捕获。模型引导的噬菌体鸡尾酒（phage cocktail）设计用 5 个噬菌体即可覆盖多达 97.5% 的细菌菌株，单噬菌体选择较"广宿主范围（promiscuity）"策略提升至多 3.1 倍。该平台支持理性噬菌体治疗设计与精准微生物组工程，可应用于临床、农业与工业场景。

keywords：噬菌体---宿主互作；菌株水平预测；不依赖系统发育；蛋白质家族特征；CatBoost；RB-TnSeq；噬菌体鸡尾酒；精准微生物组工程

文献信息

Noonan, A. J. C., Moriniere, L., Rivera-López, E. O., Patel, K., Pena, M., Svab, M., Kazakov, A., Deutschbauer, A., Dudley, E. G., Mutalik, V. K., & Arkin, A. P. (2026). Phylogeny-agnostic strain-level prediction of phage-host interactions from genomes using machine learning. Nature Microbiology. https://doi.org/10.1038/s41564-026-02482-5
期刊：Nature Microbiology（IF=18.1）
发表时间：2026 年 9 月 29 日

研究总结

#mermaid-svg-K5JAEW8P5BCKELLL{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-K5JAEW8P5BCKELLL .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-K5JAEW8P5BCKELLL .error-icon{fill:#552222;}#mermaid-svg-K5JAEW8P5BCKELLL .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-K5JAEW8P5BCKELLL .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-K5JAEW8P5BCKELLL .marker{fill:#333333;stroke:#333333;}#mermaid-svg-K5JAEW8P5BCKELLL .marker.cross{stroke:#333333;}#mermaid-svg-K5JAEW8P5BCKELLL svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-K5JAEW8P5BCKELLL p{margin:0;}#mermaid-svg-K5JAEW8P5BCKELLL .edge{stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .section--1 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section--1 path,#mermaid-svg-K5JAEW8P5BCKELLL .section--1 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section--1 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section--1 path{fill:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section--1 text{fill:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon--1{font-size:40px;color:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge--1{stroke:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth--1{stroke-width:17;}#mermaid-svg-K5JAEW8P5BCKELLL .section--1 line{stroke:hsl(60, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-0 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-0 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-0 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-0 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-0 path{fill:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-0 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-0{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-0{stroke:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-0{stroke-width:14;}#mermaid-svg-K5JAEW8P5BCKELLL .section-0 line{stroke:hsl(240, 100%, 83.5294117647%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-1 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-1 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-1 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-1 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-1 path{fill:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-1 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-1{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-1{stroke:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-1{stroke-width:11;}#mermaid-svg-K5JAEW8P5BCKELLL .section-1 line{stroke:hsl(260, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-2 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-2 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-2 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-2 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-2 path{fill:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-2 text{fill:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-2{font-size:40px;color:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-2{stroke:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-2{stroke-width:8;}#mermaid-svg-K5JAEW8P5BCKELLL .section-2 line{stroke:hsl(90, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-3 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-3 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-3 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-3 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-3 path{fill:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-3 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-3{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-3{stroke:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-3{stroke-width:5;}#mermaid-svg-K5JAEW8P5BCKELLL .section-3 line{stroke:hsl(120, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-4 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-4 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-4 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-4 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-4 path{fill:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-4 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-4{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-4{stroke:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-4{stroke-width:2;}#mermaid-svg-K5JAEW8P5BCKELLL .section-4 line{stroke:hsl(150, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-5 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-5 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-5 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-5 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-5 path{fill:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-5 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-5{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-5{stroke:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-5{stroke-width:-1;}#mermaid-svg-K5JAEW8P5BCKELLL .section-5 line{stroke:hsl(180, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-6 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-6 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-6 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-6 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-6 path{fill:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-6 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-6{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-6{stroke:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-6{stroke-width:-4;}#mermaid-svg-K5JAEW8P5BCKELLL .section-6 line{stroke:hsl(210, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-7 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-7 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-7 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-7 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-7 path{fill:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-7 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-7{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-7{stroke:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-7{stroke-width:-7;}#mermaid-svg-K5JAEW8P5BCKELLL .section-7 line{stroke:hsl(270, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-8 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-8 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-8 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-8 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-8 path{fill:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-8 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-8{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-8{stroke:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-8{stroke-width:-10;}#mermaid-svg-K5JAEW8P5BCKELLL .section-8 line{stroke:hsl(330, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-9 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-9 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-9 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-9 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-9 path{fill:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-9 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-9{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-9{stroke:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-9{stroke-width:-13;}#mermaid-svg-K5JAEW8P5BCKELLL .section-9 line{stroke:hsl(0, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-10 rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-10 path,#mermaid-svg-K5JAEW8P5BCKELLL .section-10 circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-10 polygon,#mermaid-svg-K5JAEW8P5BCKELLL .section-10 path{fill:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-10 text{fill:black;}#mermaid-svg-K5JAEW8P5BCKELLL .node-icon-10{font-size:40px;color:black;}#mermaid-svg-K5JAEW8P5BCKELLL .section-edge-10{stroke:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .edge-depth-10{stroke-width:-16;}#mermaid-svg-K5JAEW8P5BCKELLL .section-10 line{stroke:hsl(30, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled,#mermaid-svg-K5JAEW8P5BCKELLL .disabled circle,#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:lightgray;}#mermaid-svg-K5JAEW8P5BCKELLL .disabled text{fill:#efefef;}#mermaid-svg-K5JAEW8P5BCKELLL .section-root rect,#mermaid-svg-K5JAEW8P5BCKELLL .section-root path,#mermaid-svg-K5JAEW8P5BCKELLL .section-root circle,#mermaid-svg-K5JAEW8P5BCKELLL .section-root polygon{fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-K5JAEW8P5BCKELLL .section-root text{fill:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .section-root span{color:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .section-2 span{color:#ffffff;}#mermaid-svg-K5JAEW8P5BCKELLL .icon-container{height:100%;display:flex;justify-content:center;align-items:center;}#mermaid-svg-K5JAEW8P5BCKELLL .edge{fill:none;}#mermaid-svg-K5JAEW8P5BCKELLL .mindmap-node-label{dy:1em;alignment-baseline:middle;text-anchor:middle;dominant-baseline:middle;text-align:center;}#mermaid-svg-K5JAEW8P5BCKELLL :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 噬菌体宿主预测框架
问题
菌株级互作难预测
系统发育约束强
阳性样本不平衡
数据
6个数据集
949菌株518噬菌体
115037条互作
方法
蛋白质家族特征
MMSeqs2聚类
CatBoost分类
RFE特征选择
验证
1240条Ecoli互作
RB-TnSeq介质
鸡尾酒覆盖97点5_percent
意义
理性噬菌体治疗
精准微生物组工程
跨属可扩展

背景介绍

噬菌体宿主特异性是"进化军备竞赛"的产物：噬菌体持续响应宿主受体、细胞壁结构与防御系统的变化。这种菌株级识别可用于靶向单个病原菌，同时减少对有益共生菌的附带损伤，因而在抗生素耐药背景下极具价值。然而，随着噬菌体库规模扩大，针对新病原体逐株实验测定敏感性变得不可行。

既有工具多停留在科/属级宏基因组宿主分类，或依赖已知受体机制做单属模型，无法在不预设遗传决定因子的情况下预测"未知菌株 × 未知噬菌体"。单菌株预测需要一对一确认感染成败的数据集，且通常高度不平衡（阳性互作仅占 2%--36%）。作者因此主张：跨系统发育、跨实验室数据联合建模，才能提高统计功效并捕捉共同感染机制。本文目标即是构建仅用基因组、不依赖系统发育、可解释、可指导鸡尾酒设计的 PHI 预测工作流。

重要结果

跨细菌属的多样噬菌体---宿主互作汇编与建模工作流

作者整合 6 个已发表数据集，共 115,037 条互作、949 个细菌菌株、518 个噬菌体。工作流先将蛋白质和氨基酸 k-mer 转为存在---缺失特征，用 MMSeqs2 以 40% 序列同一性、80% 覆盖度聚类蛋白质家族；再用递归特征消除（recursive feature elimination，RFE）筛选稳定特征；最后以CatBoost （梯度提升决策树）配合按噬菌体加权的类别权重处理不平衡。该流程在高位稀疏、类别不平衡与高维特征表下保持稳健，并可把新基因组通过相似搜索映射到参考蛋白质簇，实现未知菌株/噬菌体推理。

Fig. 1 | a 从基因组到数值特征再经机器学习预测 PHI 的总体工作流；b 特征表示策略（蛋白质家族、k-mer、混合表示）；c 用 MMSeqs2 构建蛋白质家族存在---缺失矩阵；d 以 CatBoost 做菌株水平二分类，并按噬菌体正/负样本比加权；e 新基因组通过相似搜索分配特征后预测未知互作。Created in BioRender: Noonan, A.

跨属菌株水平预测达到与物种特异性模型相当的性能

在"预测未知细菌菌株"配置下，蛋白质家族、较长 k-mer 与混合表示性能无显著差异，仅 k=3 在 4 个数据集中 3 个最差。作者选蛋白质家族表示以兼顾性能、成本与可解释性。各数据集 AUROC 为 0.67--0.94，Matthews 相关系数（MCC）为 0.13--0.54，归一化精确率---召回率面积（normalized AUPR）为 0.07--0.60。大肠杆菌模型 AUROC 0.87，与原 E. coli 专用方法（AUROC 0.86）接近，但本文方法不依赖已知 E. coli 感染介质。数据集越大，性能越好（AUROC 与样本量 Pearson r=0.60，MCC r=0.47，均 P<1×10⁻⁶）。

Figure 2. a 不同基因组表示策略的 AUROC（k=3 最差，其余无显著差）；b 五个开发数据集的 AUROC、MCC、normalized AUPR；c 数据集规模与性能正相关（AUROC r=0.595，MCC r=0.467，BH 校正后显著）；d 合并两个 Klebsiella 数据集较单数据集 MCC 提升 0.04--0.07。虚线表示随机预测 AUROC=0.5。

模型引导的噬菌体鸡尾酒设计优于广宿主策略

作者将连续概率转为可执行选择：先按互作谱将噬菌体无监督聚为"活性组（activity groups）"，再跨簇选预测概率最高的噬菌体，以兼顾预测感染概率与机制多样性。在 20 折交叉验证中，模型引导的 1/3/5 个噬菌体鸡尾酒在 E. coli、Klebsiella-2、Vibrionaceae 三个最大数据集上均优于"选最广宿主噬菌体"的基线。单噬菌体选择分别覆盖 66.9%、66.7%、39.4% 菌株，相对广宿主基线提升 1.1、3.1、2.7 倍；5 噬菌体鸡尾酒覆盖 97.5%、87.8%、57.5% 菌株。

Figure 3. a 模型概率 → 噬菌体聚类 → 跨簇选代表噬菌体；b 预测概率排序与广宿主排序对比，模型选中噬菌体以黑色粗边框标出；c 在三大高表现数据集中，模型引导鸡尾酒对 1/3/5 个噬菌体的菌株覆盖率均高于 promiscuity-based cocktail。Panel a created in BioRender: Noonan, A.

对未知噬菌体的实验验证与 RB-TnSeq 介质确认

为验证泛化能力，作者用 52 个未参与训练的 BASEL 集合噬菌体点种 25 个 E. coli ECOR 菌株，得到 1300 条互作，其中 60 条表型不清被剔除；剩余 1240 条中模型 AUROC 为 0.84，略低于交叉验证的 0.87，但证明框架可迁移到不同实验室、不同_protocol 的新噬菌体。随后在 E. coli ECOR27 中做全基因组 RB-TnSeq，用 19 个噬菌体筛选 3804 个基因敲除库，鉴定出 51 个高得分感染相关基因。通过基因邻域与 STRING 蛋白关联库比对，35 个预测特征与 RB-TnSeq 命中基因相连，占遗传验证介质的 68.6%；直接匹配较随机高 5.0 倍，邻域/STRING 扩展集高 3.0 倍。

Figure 4. a 52 新噬菌体 × 25 E. coli 菌株的点种矩阵；b 1240 条实验表型 vs 预测概率，AUROC=0.84；c SHAP 特征重要性显示预测特征与 RB-TnSeq 命中基因的关系：深棕=直接匹配，中棕=邻域匹配，浅棕=STRING-DB 匹配；右图为 goaG（puuE）与 gabT 的 STRING 网络及 ybdK 邻接共线性图。

预测特征可恢复已知与未知感染决定因子

用 SHAP 值量化特征方向：存在某蛋白质家族若提高感染概率即为正向特征，降低则为负向特征。在 E. coli 数据集中，前 25 个最重要特征涵盖细胞壁生物合成、可移动遗传元件（mobile genetic elements，MGEs）、限制修饰（restriction-modification，RM）系统、病毒来源基因；其中 8 个无清晰机制注释，可能为未表征介质。防御系统通常负向、抗防御系统通常正向。STRING 与邻域分析进一步提示腐胺分解代谢、已知受体 lepA 的调控参与感染，说明模型常捕获"通路/操纵子级调控"而非单基因效应。

Figure 5. a E. coli 前 25 预测特征的功能分类与 SHAP 方向（细胞壁、MGE、RM、病毒源、未知）；b goaG/puuE 与 gabT 的 STRING 蛋白关联网络；c lepA 与预测特征 ybdK 在 3 个含 ybdK 菌株与 3 个不含菌株中的共线性图。

方法学参考

#mermaid-svg-Cj6dcOQBBAhOXLLy{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Cj6dcOQBBAhOXLLy .error-icon{fill:#552222;}#mermaid-svg-Cj6dcOQBBAhOXLLy .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Cj6dcOQBBAhOXLLy .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .marker.cross{stroke:#333333;}#mermaid-svg-Cj6dcOQBBAhOXLLy svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Cj6dcOQBBAhOXLLy p{margin:0;}#mermaid-svg-Cj6dcOQBBAhOXLLy .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .cluster-label text{fill:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .cluster-label span{color:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .cluster-label span p{background-color:transparent;}#mermaid-svg-Cj6dcOQBBAhOXLLy .label text,#mermaid-svg-Cj6dcOQBBAhOXLLy span{fill:#333;color:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .node rect,#mermaid-svg-Cj6dcOQBBAhOXLLy .node circle,#mermaid-svg-Cj6dcOQBBAhOXLLy .node ellipse,#mermaid-svg-Cj6dcOQBBAhOXLLy .node polygon,#mermaid-svg-Cj6dcOQBBAhOXLLy .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .rough-node .label text,#mermaid-svg-Cj6dcOQBBAhOXLLy .node .label text,#mermaid-svg-Cj6dcOQBBAhOXLLy .image-shape .label,#mermaid-svg-Cj6dcOQBBAhOXLLy .icon-shape .label{text-anchor:middle;}#mermaid-svg-Cj6dcOQBBAhOXLLy .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .rough-node .label,#mermaid-svg-Cj6dcOQBBAhOXLLy .node .label,#mermaid-svg-Cj6dcOQBBAhOXLLy .image-shape .label,#mermaid-svg-Cj6dcOQBBAhOXLLy .icon-shape .label{text-align:center;}#mermaid-svg-Cj6dcOQBBAhOXLLy .node.clickable{cursor:pointer;}#mermaid-svg-Cj6dcOQBBAhOXLLy .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .arrowheadPath{fill:#333333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Cj6dcOQBBAhOXLLy .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Cj6dcOQBBAhOXLLy .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Cj6dcOQBBAhOXLLy .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Cj6dcOQBBAhOXLLy .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .cluster text{fill:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy .cluster span{color:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Cj6dcOQBBAhOXLLy .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Cj6dcOQBBAhOXLLy rect.text{fill:none;stroke-width:0;}#mermaid-svg-Cj6dcOQBBAhOXLLy .icon-shape,#mermaid-svg-Cj6dcOQBBAhOXLLy .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Cj6dcOQBBAhOXLLy .icon-shape p,#mermaid-svg-Cj6dcOQBBAhOXLLy .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Cj6dcOQBBAhOXLLy .icon-shape .label rect,#mermaid-svg-Cj6dcOQBBAhOXLLy .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Cj6dcOQBBAhOXLLy .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Cj6dcOQBBAhOXLLy .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Cj6dcOQBBAhOXLLy :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 收集已发表PHI矩阵与基因组
核心基因组建树与系统发育距离
MMSeqs2聚类蛋白质家族或k-mer表示
RFE筛选稳定特征
CatBoost按噬菌体类权重训练
菌株/噬菌体/全新生境三种交叉验证
SHAP解释与RB-TnSeq验证
按互作谱聚类噬菌体设计鸡尾酒
点种与EOP实验外部验证

可复用要点包括：用蛋白质家族存在---缺失代替手工受体注释以实现跨属泛化；以按噬菌体加权的 CatBoost 处理极端不平衡；RFE 跨多轮训练跟踪特征出现频率以防过拟合；用 RB-TnSeq/DubSeq/CRISPRi 等遗传筛选作为"生物学真值"校验机器学习特征；鸡尾酒设计先聚类机制再跨簇选代表，而非只追广宿主噬菌体。

总结

该研究的核心贡献是把菌株水平 PHI 预测从"属内、已知受体、单实验室"推进到"跨属、无系统发育预设、可外部实验验证"的框架。作者证明：在高位稀疏基因组特征下，算法与特征选择策略比"换一种基因组表示"更重要；大模型性能受阳性样本量与平衡度限制，但跨团队 Klebsiella 数据集合并可带来切实提升。实验上，1240 条新互作与 RB-TnSeq 共同说明，模型捕获的不只是相关噪声，而是部分真实感染介质（包括调控基因与未注释因子）。

局限同样明确：跨属留一预测接近随机，说明蛋白质家族特征难以跨越极远进化距离；RB-TnSeq 只能验证非必需基因，必需基因需 CRISPRi 等补充；不同数据集固体/液体培养与阈值不统一会限制联合训练。未来若引入蛋白语言模型嵌入、环境条件和主动学习，可进一步提升跨属迁移与临床噬菌体鸡尾酒设计效率。

参考文献

Noonan, A. J. C., Moriniere, L., Rivera-López, E. O., Patel, K., Pena, M., Svab, M., Kazakov, A., Deutschbauer, A., Dudley, E. G., Mutalik, V. K., & Arkin, A. P. (2026). Phylogeny-agnostic strain-level prediction of phage-host interactions from genomes using machine learning. Nature Microbiology. https://doi.org/10.1038/s41564-026-02482-5
Gaborieau, B. et al. Prediction of strain level phage-host interactions across the Escherichia genus using only genomic information. Nature Microbiology (2024).
Mutalik, V. K. et al. High-throughput mapping of the phage resistance landscape in E. coli. PLoS Biology 18, e3000877 (2020).
GenoPHI 代码库：https://github.com/Noonanav/GenoPHI
Zenodo 数据：https://doi.org/10.5281/zenodo.21696332
MMSeqs2：https://github.com/soedinglab/MMseqs2
CatBoost：https://catboost.ai
RB-TnSeq 方法：Wetmore, K. M. et al., mBio 6, e00306-15 (2015)