Asignación de hospedadores de fagos a alta resolución mediante proteínas clave usando modelos de lenguaje grande

Buscando virus invisibles en nuestro intestino

Cada persona alberga billones de bacterias y sus virus en el intestino, muchos de los cuales siguen siendo desconocidos. Estos virus ocultos pueden influir en nuestra salud, desde la digestión hasta la obesidad, pero los científicos a menudo no saben qué virus infecta a qué bacteria. Este estudio presenta VirHost Hunter, una nueva herramienta basada en datos que conecta virus intestinales con sus hospedadores bacterianos usando solo unas pocas proteínas virales clave, abriendo la puerta a formas más precisas de estudiar y, potencialmente, dirigir el microbioma.

Una nueva manera de emparejar virus y bacterias

Los métodos tradicionales para emparejar virus con sus hospedadores bacterianos dependen de genomas virales completos o de pistas genéticas especiales como marcadores CRISPR. Estos enfoques funcionan solo cuando existen los datos de referencia adecuados y pueden pasar por alto una gran fracción de secuencias virales, a menudo llamada materia oscura viral. Los autores, en cambio, se centran en dos tipos de proteínas virales que son centrales para la infección: las proteínas de la cola, que ayudan al virus a reconocer y adherirse a una bacteria, y las lisinas, que le permiten romper la pared celular bacteriana. Al concentrarse en estas proteínas evitan el ruido de genes no relacionados y pueden trabajar incluso cuando solo están disponibles fragmentos del genoma viral.

Enseñando a los ordenadores el idioma de las proteínas y el ADN

Para extraer significado de estas proteínas, el equipo recurre a técnicas de aprendizaje automático desarrolladas originalmente para el lenguaje humano. Utilizan un modelo de lenguaje proteico llamado ProtT5 para convertir secuencias de aminoácidos en patrones numéricos densos que capturan similitudes funcionales ocultas, incluso cuando las secuencias parecen muy diferentes a primera vista. En paralelo, analizan el ADN que codifica estas proteínas usando un modelo Vision Transformer y una red convolucional de múltiples vías, que juntos detectan características como el uso típico de codones y patrones de largo alcance a lo largo del ADN. Estas señales proteicas y de ADN se fusionan y se introducen en un par de clasificadores que deciden conjuntamente qué familia, género o especie bacteriana es más probable que infecte un determinado virus.

Predicciones de hospedador más nítidas y profundas

Los investigadores probaron VirHost Hunter en varias colecciones de referencia de bacteriófagos. Demuestran que la combinación de información proteica y de ADN supera claramente el uso de una u otra por separado, y que centrarse en proteínas de la cola y lisinas ofrece mejores predicciones que usar otras partes virales como las cápsides o las enzimas de empaquetamiento. A través de distintos niveles de clasificación bacteriana, VirHost Hunter es más preciso que las herramientas sin alineamiento existentes y se mantiene fiable incluso cuando los virus comparten solo baja similitud de secuencia. Evaluado en fagos intestinales cultivados con hospedadores conocidos experimentalmente, identifica hospedadores correctos con mayor precisión que un método estándar basado en CRISPR, y el uso conjunto de ambos enfoques mejora aún más los resultados.

Revelando virus ocultos del intestino vinculados a enfermedades

Con el modelo calibrado, el equipo aplicó VirHost Hunter a una gran Base de Datos de Fagos Intestinales humanos que antes tenía información de hospedador para menos de un tercio de sus entradas. Al escanear proteínas de la cola y lisinas, casi duplicaron la proporción de fagos con hospedadores asignados y descubrieron virus que atacan 29 familias de bacterias intestinales, muchas asociadas a afecciones crónicas como la enfermedad inflamatoria intestinal, enfermedades cardíacas y la obesidad. De manera destacada, encontraron docenas de fagos previamente no caracterizados predichos para infectar bacterias como Akkermansia muciniphila y Prevotella copri, implicadas en trastornos autoinmunes y metabólicos pero que carecían de fagos conocidos.

De predicciones digitales a un antimicrobiano dirigido

Para convertir estas predicciones en un recurso práctico, los autores construyeron una Base de Datos de Lisinas de Fagos Intestinales que contiene más de cien mil lisinas con hospedadores intestinales mapeados. Examinaron sus estructuras, estabilidad y diversidad, revelando muchos clústeres distintos y motivos conservados responsables de romper las paredes bacterianas. Como prueba de concepto, seleccionaron una lisina predicha para dirigirse específicamente a Megamonas, una bacteria asociada a la obesidad. Tras sintetizar esta proteína, demostraron en pruebas de laboratorio que mata eficazmente a Megamonas mientras respeta a otros microbios intestinales comunes y cepas probióticas, ilustrando cómo la minería guiada por modelos de la materia oscura viral puede producir herramientas altamente selectivas.

Por qué esto importa para el cuidado futuro del microbioma

Este trabajo muestra que es posible conectar un gran número de virus intestinales desconocidos con sus hospedadores bacterianos usando solo unas pocas proteínas clave y aprendizaje automático moderno. Al aclarar quién infecta a quién en el microbioma, VirHost Hunter aumenta nuestra capacidad para explorar la diversidad viral intestinal y diseñar intervenciones precisas, como lisinas a medida, que limiten selectivamente bacterias dañinas sin perturbar la comunidad microbiana en general. Aunque se requieren más pruebas y optimización antes del uso clínico, el marco proporciona una hoja de ruta poderosa para convertir secuencias virales ocultas en estrategias dirigidas para estudiar y, algún día, ajustar nuestro ecosistema interno.

Cita: Du, Z., Li, M., Lin, K. et al. High-resolution phage-host assignment through key proteins using large language models. Nat Commun 17, 4439 (2026). https://doi.org/10.1038/s41467-026-70613-x

Palabras clave: viroma intestinal, bacteriófagos, aprendizaje automático, lisasas de fagos, terapia del microbioma