Hö upplösning för fass-värd-assignering genom nyckelproteiner med stora språkmodeller

Jagar osynliga virus i vår tarm

Varje person bär på biljoner bakterier och deras virus i tarmen, många fortfarande okända. Dessa dolda virus kan påverka vår hälsa, från matsmältning till fetma, men forskare vet ofta inte vilket virus som infekterar vilken bakterie. Denna studie introducerar VirHost Hunter, ett nytt datadrivet verktyg som kopplar tarmvirus till deras bakterievärdar med hjälp av endast några få nyckelviralproteiner, och öppnar vägen för mer precisa sätt att studera och potentiellt påverka mikrobiomet.

Ett nytt sätt att matcha virus och bakterier

Traditionella metoder för att para ihop virus med deras bakterievärdar bygger på fullständiga virusgenom eller särskilda genetiska ledtrådar som CRISPR-markörer. Dessa angreppssätt fungerar bara när rätt referensdata finns och kan missa en stor andel virussekvenser, ofta kallade viralt mörker. Författarna fokuserar istället på två typer av viralproteiner som är centrala för infektion: svansproteiner, som hjälper ett virus att känna igen och fästa vid en bakterie, och lysiner, som hjälper till att bryta upp bakteriecellen. Genom att koncentrera sig på dessa proteiner undviker de bruset från orelaterade gener och kan fungera även när endast fragment av ett virusgenom är tillgängliga.

Lär datorer protein- och DNA-språket

För att läsa mening i dessa proteiner använder teamet maskininlärningstekniker som ursprungligen utvecklats för mänskligt språk. De använder en protein-språkmodell kallad ProtT5 för att omvandla aminosyrasekvenser till täta numeriska mönster som fångar dolda funktionella likheter, även när sekvenserna vid första anblick ser mycket olika ut. Parallellt analyserar de DNA:t som kodar dessa proteiner med en Vision Transformer-modell och ett multipath konvolutionsnätverk, vilka tillsammans plockar upp egenskaper som typisk kodonanvändning och långdistansmönster längs DNA:t. Dessa protein- och DNA-signaler slås sedan ihop och matas in i ett par klassificerare som gemensamt avgör vilken bakteriefamilj, släkte eller art ett givet virus sannolikt infekterar.

Skarpare och djupare värdförutsägelser

Forskarna testade VirHost Hunter på flera referenssamlingar av bakteriofager. De visar att kombinationen av protein- och DNA-information klart överträffar användning av enbart det ena, och att fokus på svansproteiner och lysiner ger bättre förutsägelser än att använda andra virusdelar som höljen eller packningsenzymer. Över olika nivåer av bakterieklassificering är VirHost Hunter mer exakt än befintliga alignmentsfria verktyg och förblir tillförlitlig även när virus bara delar låg sekvenslikhet. När modellen utvärderades på odlade tarmfager med experimentellt kända värdar identifierar den korrekta värdar med högre precision än en standardmetod baserad på CRISPR, och att använda båda angreppssätten tillsammans förbättrar resultaten ytterligare.

Avslöjar dolda tarmvirus kopplade till sjukdom

Med den kalibrerade modellen applicerade teamet VirHost Hunter på en stor humant Gut Phage Database som tidigare hade värdinformation för mindre än en tredjedel av posterna. Genom att skanna efter svans- och lysinproteiner fördubblade de nästan andelen fager med tilldelade värdar och upptäckte virus som riktar sig mot 29 familjer av tarmbakterier, många kopplade till kroniska tillstånd såsom inflammatorisk tarmsjukdom, hjärtsjukdom och fetma. Särskilt fann de dussintals tidigare okarakteriserade fager som förmodas infektera bakterier som Akkermansia muciniphila och Prevotella copri, vilka har implicerats i autoimmuna och metabola störningar men saknade kända fager.

Från digitala förutsägelser till ett riktat antimikrobiellt medel

För att omvandla dessa förutsägelser till en praktisk resurs byggde författarna en Gut Phage Lysin Database som innehåller mer än hundratusen lysiner med kartlagda tarmvärdar. De undersökte deras strukturer, stabilitet och mångfald och avslöjade många distinkta kluster och bevarade motiv ansvariga för att bryta upp bakteriers cellväggar. Som ett konceptbevis valde de en lysin som förutspåddes specifikt rikta in sig på Megamonas, en bakterie associerad med fetma. Efter att ha syntetiserat detta protein visade de i laboratorietester att det effektivt dödar Megamonas samtidigt som andra vanliga tarmmikrober och probiotiska stammar sparas, vilket illustrerar hur modellstyrd prospektering i det viral mörkret kan ge mycket selektiva verktyg.

Varför detta betyder något för framtida mikrobiomvård

Detta arbete visar att det är möjligt att koppla ett stort antal okända tarmvirus till deras bakterievärdar med hjälp av bara några få nyckelproteiner och modern maskininlärning. Genom att kasta ljus över vem som infekterar vem i mikrobiomet förbättrar VirHost Hunter vår förmåga att utforska tarmviral mångfald och att utforma precisa interventioner, såsom skräddarsydda lysiner, som selektivt dämpar skadliga bakterier utan att störa den bredare mikrobiella gemenskapen. Även om ytterligare tester och ingenjörsarbete krävs innan klinisk användning, ger ramen en kraftfull färdplan för att omvandla dolda virussekvenser till riktade strategier för att studera och, en dag, finjustera vårt inre ekosystem.

Citering: 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

Nyckelord: tarmvirom, bakteriofager, maskininlärning, faglysiner, mikrobiomterapi