Très hôte

Nature Communications volume 14, Numéro d'article : 2676 (2023) Citer cet article

1390 accès

4 Altmétrique

Détails des métriques

Les virus dans les environnements bâtis (BE) suscitent des préoccupations de santé publique, mais ils sont généralement moins étudiés que les bactéries. Pour mieux comprendre la dynamique virale dans les BE, cette étude évalue les viromes de 11 habitats dans quatre types de BE avec une occupation faible à élevée. La diversité, la composition, les fonctions métaboliques et les modes de vie des viromes dépendent de l'habitat. Les espèces de Caudoviricetes sont omniprésentes dans les habitats de surface des EBE, et certaines d'entre elles sont distinctes de celles présentes dans d'autres milieux. Les gènes de résistance aux antimicrobiens sont identifiés dans les virus habitant les surfaces fréquemment touchées par les occupants et dans les virus habitant la peau des occupants. Divers systèmes immunitaires CRISPR/Cas et protéines anti-CRISPR se trouvent respectivement dans les hôtes bactériens et les virus, ce qui correspond aux liens virus-hôte fortement couplés. Les preuves de virus aidant potentiellement l'adaptation de l'hôte d'une manière spécifique à l'habitat sont identifiées grâce à une insertion de gène unique. Ce travail illustre que les interactions virus-hôte se produisent fréquemment dans les BE et que les virus font partie intégrante des microbiomes BE.

Les virus méritent notre attention car ils ont des effets potentiellement néfastes sur la santé humaine1 mais jouent également un rôle crucial dans de nombreux écosystèmes2,3,4. Les environnements bâtis (BE), où les gens passent généralement la majeure partie de leur vie, abritent une riche diversité de micro-organismes5, mais la plupart des études sur les BE se sont largement concentrées sur les bactéries et les champignons tout en négligeant les virus6,7. La concentration totale des virus dans les BE est estimée à ~105 particules/mètre cube8. Bien que les conditions environnementales de la plupart des ESB soient oligotrophes et considérées comme peu adaptées à la vie microbienne9, une diversité remarquable de virus, y compris des virus associés aux épidémies (par exemple, le SRAS-CoV-210 et le virus de la fièvre jaune11), a été trouvée dans les communautés microbiennes dans l'air et sur les surfaces dans les BE. Quelques études sur les viromes dans les bâtiments publics (par exemple, les garderies et les toilettes) se sont principalement concentrées sur une petite échelle spatiale et des types d'échantillons limités et n'ont pas étudié les hôtes bactériens des virus12,13,14. Une étude récente à l'échelle mondiale qui a appliqué le séquençage métagénomique en masse sans enrichissement en virus a fourni la preuve que les virus sont omniprésents sur les surfaces publiques dans les BE15.

Les interactions virus-hôte sont au cœur de l'écologie et de l'évolution des microbiomes dans divers écosystèmes4,16,17. Les progrès récents des outils bioinformatiques ont permis de prédire avec précision l'association entre les virus dérivés du métagénome et leurs hôtes bactériens potentiels, y compris les correspondances exactes des signaux moléculaires (à savoir l'espaceur CRISPR à répétition palindromique courte régulièrement espacée, le génome intégré et l'ARNt) et cohérents. fréquence k-mer18. Les phages ont développé diverses stratégies de mode de vie et de transmission, telles que la commutation du cycle de vie tempéré-lytique, la transduction et la perturbation du gène de l'hôte, afin d'exploiter la machinerie cellulaire de l'hôte pour la reproduction19. Dans la plupart des environnements marins et terrestres, les phages sont souvent très diversifiés et abondants, infectant ainsi systématiquement une fraction importante de leurs hôtes microbiens, ce qui, associé à l'expression de gènes métaboliques auxiliaires (AMG) codés par des virus dans les génomes de l'hôte, joue un rôle clé. dans le cycle global des nutriments4,20,21. D'un point de vue écologique, les phages d'une communauté microbienne peuvent jouer un rôle de médiateur dans la compétition entre les espèces bactériennes en établissant des infections lytiques à travers plusieurs modèles écologiques bien établis, y compris les modèles "tuer le gagnant" et "se greffer sur le gagnant"22.

Alors que les phages peuvent entraîner des changements génétiques et phénotypiques rapides chez les bactéries, les hôtes bactériens peuvent également facilement développer des mécanismes de défense pour contrer les attaques de phages par mutation de novo et autres mécanismes moléculaires23. Récemment, divers systèmes fonctionnels associés à CRISPR/CRISPR (Cas) dans des bactéries ont été identifiés dans une étude métagénomique humaine à l'échelle du corps24. Cependant, pour contrarier le système immunitaire de l'hôte, les phages ont développé des protéines anti-CRISPR (Acr) pour inactiver les nucléases Cas bactériennes pendant l'infection25. L'inactivation à long terme de CRISPR/Cas par les phages inhibiteurs peut entraîner la perte, voire l'absence de CRISPR/Cas dans certaines lignées bactériennes26.

Des systèmes CRISPR/Cas ont été signalés dans des microbiomes de surface dans des environnements urbains du monde entier15 ; cependant, les mécanismes immunitaires de l'infection et les interactions virus-hôte (par exemple, l'étendue des liens virus-hôte, le cycle de vie viral prévalent et la nouveauté des protéines Acr) qui se produisent dans les BE sont mal compris. Pour combler ce manque de connaissances et explorer la diversité et les fonctions écosystémiques des virus dans les EB, 738 métagénomes en vrac provenant d'habitats divers dans différents EB à Hong Kong (HK) ont été étudiés dans cette étude. Les interactions virus-hôte hautement couplées identifiées dans cette étude soutiennent l'idée que les virus facilitent l'adaptation des hôtes bactériens aux conditions environnementales spécifiques des BE et que l'abondance de la plupart des populations bactériennes dans les BE est fortement corrélée à leurs virus résidents. Cette étude fournit la preuve que les virus font partie intégrante des microbiomes BE.

À partir des 738 métagénomes en vrac collectés auprès des BE ruraux et urbains de HK, y compris les jetées, les installations publiques, les résidences et les métros (Fig. S1a, Données supplémentaires 1), environ 4,5 millions de contigs assemblés ont été générés avec MetaWRAP (voir "Méthodes"), avec des longueurs principalement comprises entre 1 et 3 kb ont été obtenues (Fig. S1b). Les contigs viraux ont été identifiés à l'aide de Visorter227 et DeepVirFinder28 ; ce dernier a montré une meilleure performance pour les contigs plus courts (1–3 kb ; Fig. S1c). Au total, 594 851 contigs viraux uniques avec des longueurs ≥ 1 kb ont été récupérés à partir de tous les échantillons (Fig. 1a). Après un filtrage de qualité, 1174 génomes viraux avec une complétude ≥ 50% (98 génomes complets, 346 de haute qualité et 730 de qualité moyenne) ont été identifiés (Fig. S1d, Données supplémentaires 2). Ces génomes étaient bien représentés dans les quatre types d'EB (Fig. 1b), avec 66 % d'entre eux détectés sur les surfaces des résidences (Fig. 1c). Malgré l'analyse des métagénomes en vrac, seuls 28% des génomes viraux ont montré des preuves d'intégration de l'hôte sur la base d'une évaluation des sites d'intégration du provirus (c'est-à-dire que la région hôte a été prédite aux deux extrémités des génomes viraux) (Fig. 1c). Sur les 471 unités taxonomiques opérationnelles virales (vOTU) identifiées, 355 ont été trouvées dans au moins deux échantillons (Fig. S2a) ; parmi les types de BE, le plus grand nombre de vOTU a été trouvé dans les résidences. À un classement taxonomique plus élevé, les génomes viraux ont été regroupés en 332 et 220 vOTU au niveau du genre et de la famille, respectivement. Les courbes de raréfaction des vOTU n'ont pas atteint un plateau, ce qui suggère que des échantillons supplémentaires sont nécessaires pour capturer la diversité des viromes dans les BE au sein d'une ville (Fig. S2a).

a Boxplots des longueurs de contigs des contigs viraux et non viraux prédits> 1 kb, tels que déterminés par Virsorter2 (Vs2) et DeepVirFinder (DVF) et évalués par CheckV. Le nombre de contigs (n) est indiqué. Les boîtes à moustaches représentent la médiane, les premiers quartiles et les troisièmes quartiles avec des moustaches dessinées dans la valeur de la plage interquartile de 1,5. Les points en dehors des moustaches sont des valeurs aberrantes. b Courbes d'accumulation des génomes viraux dans les ensembles de données combinés, jetée, établissement public, résidence et métro. c Métadonnées et taxonomie de 1174 génomes viraux avec une complétude > 50 %. d Analyse en coordonnées principales de la matrice de dissemblance de Bray-Curtis pour tous les échantillons. La couleur et la forme des symboles indiquent respectivement les environnements bâtis et les matériaux de surface.

Étant donné que les échantillons ont été prélevés dans différents habitats en termes de sources (air et surface) et de matériaux (béton, métal et bois), les caractéristiques dépendantes de l'habitat des viromes ont été étudiées plus en détail. Les génomes viraux ont été récupérés le plus souvent dans la peau des occupants (21 % de tous les échantillons) et les poignées de porte (15 %) et le moins fréquemment dans l'air (2 %) (Fig. S2b). La composition du virome différait principalement entre les habitats (analyse de similarité R = 0, 355, p <0, 001), et l'analyse multivariée permutationnelle de la variance a confirmé que l'habitat était le principal moteur de variation (R2 = 0, 148, p <0, 001) (Fig. 1d). Le virome aéroporté était distinct des viromes de surface, avec une faible variance intra-habitat selon la distance de dissemblance Bray-Curtis dans l'analyse des coordonnées principales et l'homogénéité des dispersions multivariées (analyse permutationnelle des dispersions multivariées F = 53,29, p < 0,001) (Fig. 1d, S2c). De plus, les vOTU sur les mains courantes, les poteaux et les kiosques à billets présentaient une richesse et un indice de diversité de Shannon significativement plus faibles que les vOTU sur la peau des occupants et les surfaces intérieures fréquemment touchées (par exemple, les poignées de porte) (analyse de variance [ANOVA], p < 0,05 ; Fig. S2d, données supplémentaires 3). La régularité des espèces variait considérablement entre les habitats (ANOVA, p <0, 05), mais les valeurs de régularité moyennes de tous les habitats étaient> 0, 85 (Fig. S2d), ce qui suggère qu'aucun habitat n'avait de vOTU dominant.

Ensuite, les vOTU ont été assignés à des rangs taxonomiques basés sur la comparaison avec des séquences virales connues de la base de données Integrated Microbial Genome and Viral (IMG/VR)29. La plupart des vOTU (92,4 %) n'ont pas pu être classés taxonomiquement dans un genre ou une famille virale connue, similaire au taux de nouveauté signalé pour les viromes collectés dans d'autres écosystèmes2,30, et n'ont pu être résolus qu'en tant que membres non classés de la classe Caudoviricetes (Fig. 1c). Parmi les vOTU annotés, 1,7 %, 1,7 %, 1,3 % et 0,6 % appartenaient respectivement au genre viral dsDNA Pahexavirus, à la famille virale ssRNA-RT Metaviridae, à la famille virale ssDNA Genomoviridae et à la famille virale ssDNA Inoviridae (Fig. S3). Plus précisément, les membres de la famille des Autographiviridae, une famille de phages virulents31 largement étudiée, étaient enrichis et dominants dans l'air du métro (Fig. S3, Données supplémentaires 4) ; en revanche, les membres du genre Pahexavirus étaient abondants sur les poignées de porte et les surfaces cutanées (Fig. S3, données supplémentaires 4), ce qui n'est pas surprenant car il a été démontré qu'ils infectent les bactéries de la peau (par exemple, Propionibacterium32). De plus, les membres de l'ordre des Orthopolintovirales, un groupe émergent de virus connus sous le nom de virophages33, ont également été enrichis sur les surfaces associées à la peau humaine (Fig. S3). Notamment, les papillomavirus associés à l'homme de la famille des Papillomaviridae, qui peuvent être transmis directement ou indirectement par contact cutané34, ont été principalement trouvés dans des habitats fréquemment touchés (c.

Les caudoviricetes, une classe de virus à queue hélicoïdale et à capside icosaédrique (bactériophages à queue), sont répandus dans divers écosystèmes2,30. Pour déterminer si les membres de Caudoviricetes présents dans les habitats BE possèdent une origine évolutive commune, un arbre phylogénétique contenant 87 vOTU au niveau de l'espèce a été construit à l'aide de 77 gènes marqueurs codant pour des protéines de référence (Fig. 2a). L'arbre a montré que les vOTU de Caudoviricetes qui étaient largement distribués dans différents habitats BE mais ne pouvaient pas être classés via la base de données IMG/VR appartenaient au genre Bendigovirus, alors qu'un clade distinct comprenant un vOTU inconnu appartenait au genre Oshimavirus (Fig. 2a) .

a Un arbre phylogénétique à vraisemblance maximale de 87 vOTU au niveau de l'espèce dérivés de BE. Les branches des deux groupes d'Oshimavirus et de Bendigovirus sont représentées respectivement en vert clair et en orange. Les cercles gris et blancs indiquent les nouveaux virus Caudoviricetes. b Un arbre phylogénétique à vraisemblance maximale de 599 vOTU au niveau de l'espèce dérivés de BE et d'autres ensembles de données (SMGC, GOV et MetaSUB). Les branches des nouveaux Caudoviricetes vOTU sont représentées en rouge. Les lignées avec des longueurs de branche <0,5 kb ont été regroupées en un clade et sont affichées en blanc sur l'anneau extérieur.

La phylogénie des membres Caudoviricetes des BE de HK a été analysée plus en détail par rapport à trois autres ensembles de données de viromes, à savoir les métagénomes cutanés provenant principalement de sujets en Amérique du Nord (l'ensemble de données Skin Microbial Genome Collection [SMGC])35, l'ensemble de données Global Ocean Viromes [GOV]36 , et l'ensemble de données Metagenomics and Metadesign of the Subways and Urban Biomes [MetaSUB]15. Comme prévu, les génomes viraux dérivés des BE HK ont recruté 18, 9% des lectures de séquençage de cette étude, ce qui était significativement supérieur à 0, 3% et 0% recrutés à partir des ensembles de données SMGC et GOV, respectivement (Fig. S4a). Le résultat de l'ensemble de données GOV (0%) indique que les virus présents dans l'environnement marin appartiennent à des lignées différentes de celles des BE, qui sont soumis à de fortes influences anthropiques (Fig. S4a). Un arbre phylogénétique a ensuite été construit avec 599 vOTU au niveau de l'espèce à partir des quatre ensembles de données ; il a montré que les vOTU des BE de HK étaient phylogénétiquement plus proches de celles des ensembles de données SMGC et MetaSUB que de celles de l'ensemble de données GOV (Fig. 2b). Sur la base de la longueur des branches, les vOTU des BE de HK et de l'eau de mer avaient une diversité phylogénétique relativement élevée (Fig. S4b). Néanmoins, certains des vOTU des BE de HK ont été regroupés (Fig. 2b), ce qui suggère que les habitats BE étaient sélectifs pour certains vOTU.

Pour explorer les rôles fonctionnels potentiels que jouent les viromes dans les microbiomes BE de HK, 99 084 gènes codant pour les protéines identifiés dans les viromes ont été annotés à l'aide de plusieurs bases de données. Les résultats ont montré que 38% des gènes codant pour les protéines n'avaient aucune correspondance significative dans la base de données et qu'environ 2% ne se voyaient attribuer aucune fonction biologique (Fig. 3a, b), ce qui suggère que l'on sait peu de choses sur les fonctions potentielles des viromes trouvés dans les BE. . Pour identifier davantage les fonctions partagées entre les viromes, tous les gènes codant pour les protéines ont été regroupés en 24 145 groupes de gènes codant pour les protéines de novo, et 43, 1% de ces groupes avaient au moins deux gènes (Fig. 3c). La courbe d'accumulation des grappes de gènes codant pour les protéines n'était pas saturée, ce qui indique que les échantillons collectés présentent une grande diversité de fonctions (Fig. 3d). Les plus grands groupes de gènes codant pour les protéines avec> 50 gènes codent principalement des protéines avec des fonctions dans le transport membranaire (c'est-à-dire le transporteur ABC) et la régulation transcriptionnelle directe / indirecte pour contrôler l'expression des gènes, la réplication du génome et la transmission à d'autres cellules hôtes (c'est-à-dire, régulateur de réponse ) (Fig. 3e). D'autres fonctions virales courantes, telles que l'emballage, l'assemblage et la lyse, ont également été trouvées dans les plus grands groupes (Fig. 3e).

a Le pourcentage et le nombre de gènes viraux codant pour des protéines identifiés et partagés entre les cinq bases de données. b Pourcentage de gènes pouvant ou non être appariés à une base de données. c Pourcentage de grappes de gènes codant pour des protéines qui pourraient ou non être appariées à une base de données, et distribution par taille des grappes de gènes codant pour des protéines en fonction du nombre de gènes. d Une courbe d'accumulation des grappes de gènes codant pour les protéines. e Annotation fonctionnelle des groupes de gènes codant pour les protéines avec> 50 gènes. Le groupe de gènes codant pour les protéines qui code pour la bêta-lactamase est surligné en rouge. f Le nombre de gènes viraux avec des domaines putatifs de bêta-lactamase basés sur les bases de données Pfam et Kyoto Encyclopedia of Genes and Genomes (KEGG). g Le nombre de gènes de résistance aux antimicrobiens (ARG) codant pour les bêta-lactamases sur la base des bases de données Resistance Gene Identifier (RGI) et Resfams. Le diagramme de Venn résume le nombre d'ARG identifiés dans les deux bases de données, et le graphique à barres indique la distribution des ARG dans les habitats BE.

Bien que des études sur les viromes intestinaux aient montré que les phages codent rarement pour les ARG30, 37, il n'est pas clair si cette caractéristique est également commune aux virus dans les BE. Sur la base de recherches de modèles de Markov cachés dans les bases de données Pfam38 et Kyoto Encyclopedia of Genes and Genomes (KEGG)39, 53 groupes uniques de gènes codant pour des protéines contenant des gènes putatifs codant pour la bêta-lactamase ont été identifiés (Fig. 3f), et la plupart des ARG ont été récupérés à partir de virus habitant la peau humaine. Le plus grand groupe de gènes codant pour des protéines contenait 55 gènes codant pour la superfamille des métallo-bêta-lactamases (PF00753) et des gènes codant pour la famille LysR de régulateurs transcriptionnels (K17850) (Fig. 3e). Pour valider davantage la capacité de résistance aux antibiotiques des viromes BE, une recherche d'homologie par rapport aux bases de données ARG organisées a été effectuée à l'aide de Resfams40, NCBI AMRFinderPlus41 et du Resistance Gene Identifier (RGI)42. Soixante-trois groupes de gènes codant pour la bêta-lactamase ont été identifiés, dont 45 de Resfams et 19 du RGI mais aucun d'AMRFinder, et ces groupes étaient principalement répartis sur les bornes, les poignées de porte et les surfaces cutanées (Fig. 3g). La recherche contre Resfams a également identifié d'autres ARG potentiels, notamment ermAC, vanABCDHRXZ et tetADEHY (Fig. S5), qui confèrent une résistance à l'érythromycine43, à la vancomycine44 et à la tétracycline45, respectivement.

Prédire les hôtes cellulaires des virus est important pour comprendre la dynamique des interactions virus-hôte et les mécanismes de coévolution potentiels ; par conséquent, les hôtes in situ et ex situ ont été identifiés pour maximiser l'affectation des hôtes21. Les liens ex situ virus-hôte obtenus couvraient 122 vOTU, représentant 31% des génomes (Données supplémentaires 5, Fig. S6a). Seules les bactéries ont été prises en compte lors de la prédiction des hôtes ex situ en fonction des correspondances génome-espaceur ; les hôtes dominants étaient les genres bactériens Corynebacterium, Barrientosiimonas, Micrococcus et Kocuria, qui sont membres de la classe Actinomycetia (Fig. S6b). Pour élucider systématiquement les interactions entre les virus et leurs hôtes in situ, un assemblage approfondi de génomes microbiens à partir du même ensemble de données a été réalisé, ce qui a permis de lier 58 % des génomes viraux à un ensemble de 860 génomes assemblés par métagénome représentatifs (rMAGs) (Données supplémentaires 6, Fig. S6a). Deux autres méthodes - les correspondances WIsH46 et ARNt - ont également été utilisées pour identifier les liens entre les rMAG et les virus, ce qui a entraîné l'appariement de 17% supplémentaires des génomes viraux à des hôtes in situ (Fig. S6a). Au total, des hôtes in situ ont été prédits pour 349 vOTU ou 81% des génomes viraux (Données supplémentaires 7), ce qui était environ 3 fois plus élevé que le nombre de vOTU ou le pourcentage de génomes viraux pour lesquels des hôtes ex situ ont été prédits, indiquant que les virus dans les BE ont une gamme d'hôtes étroite. Un réseau pour les liens virus-hôte in situ au niveau de la famille a ensuite été construit, et les hôtes les plus fréquemment prédits appartenaient à la famille des Mycobacteriaceae, suivie des Dermatophilaceae et des Micrococcaceae (Fig. 4a).

a Un diagramme de réseau illustrant les virus et leurs hôtes bactériens prédits au niveau de la famille. Les cercles et les losanges indiquent les hôtes bactériens et les virus prédits, respectivement, et les bords sont colorés selon les méthodes de prédiction. La fréquence des liens virus-hôte se produisant dans un habitat est indiquée à droite. b Les abondances relatives d'hôtes et de virus (regroupées par taxonomie d'hôte prédite) basées sur la cartographie de lecture des 614 métagénomes en vrac des BE (panneau de gauche). La taxonomie est ordonnée par la couverture moyenne d'hôtes dans tous les habitats. Corrélation de Pearson des paires d'abondances relatives virus-hôte dans chaque échantillon (panneau du milieu). Les abondances relatives significativement corrélées (p < 0,05) sont colorées selon le coefficient de Pearson (panneau du milieu). Les rapports moyens d'abondance virus-hôte dans les 614 échantillons sont indiqués (cercle jaune) et les pourcentages de virus avec et sans protéines lytiques (barre à barres) sont indiqués (panneau de droite). Les valeurs p exactes sont indiquées dans les données supplémentaires 8.

Pour étudier plus avant les influences potentielles des virus sur l'écologie microbienne dans les BE, la dynamique de l'infection virale de lignées d'hôtes spécifiques à travers les habitats a été évaluée sur la base des rapports d'abondance virus-hôte spécifiques à la lignée au niveau familial des hôtes (Fig. 4b). Parmi les différentes lignées, une gamme de rapports d'abondance virus-hôte a été observée, les abondances relatives des virus étant souvent inférieures à celles des hôtes, à l'exception de la famille bactérienne Parvularculaceae (Fig. 4b). La plupart des relations d'abondance virus-hôte spécifiques à la lignée (31 sur 42) différaient considérablement entre les habitats (données supplémentaires 8). Par exemple, des corrélations significatives avec des coefficients de Pearson élevés (≥ 0,75) ont été trouvées entre les abondances de virus et d'hôtes pour les familles bactériennes Caulobacteraceae, Dermabacteraceae et Dermatophilaceae sur les surfaces résidentielles et pour la famille Chroococcidiopsidaceae sur les surfaces des jetées (Fig. 4b, Données supplémentaires 8) . Cependant, la distribution taxonomique des hôtes et des virus variait considérablement (ANOVA, p <0, 01) selon les habitats des jetées, alors qu'elle était relativement homogène entre les habitats des résidences (Fig. 4b). Fait intéressant, les protéines liées au cycle lytique étaient plus répandues dans les virus présentant des rapports d'abondance virus-hôte plus élevés (Fig. 4b), ce qui suggère qu'une augmentation potentielle de l'infection virale lytique réduit la croissance et l'abondance de l'hôte. À l'inverse, davantage de virus avec des cycles lysogéniques étaient liés à des hôtes dominants (par exemple, Micrococcaceae et Dermatophilaceae) dans la plupart des habitats (Données supplémentaires 2, Données supplémentaires 7), soutenant l'hypothèse Piggyback-the-Winner22. Notamment, une plus faible proportion de virus avec des cycles lysogéniques a été observée dans de nombreux habitats soumis à des conditions environnementales difficiles, telles que l'air dans les métros et les sols et les mains courantes dans les jetées (Fig. S7).

Des liens virus-hôte fortement couplés peuvent conduire à des interactions CRISPR-Acr chez les procaryotes47. Pour étudier ces interactions, 2 478 espaceurs CRISPR ont été extraits de 25 % des rMAG et se sont avérés prévalents chez les membres des familles bactériennes Micrococcacea, Mycobacteriaceae et Deinococcaceae (Données supplémentaires 7). Cependant, seulement 2 % des espaceurs étaient liés aux génomes viraux dans le même ensemble de données. En particulier, un système CRISPR/Cas complet a été identifié dans les rMAG avec une intégration de provirus (Fig. 5a), suggérant que les protéines Acr étaient prévalentes dans les virus pour parer la défense CRISPR/Cas. Pour valider cela, les gènes codant pour Cas dans tous les rMAG ont d'abord été identifiés : 34 rMAG hébergeaient des CRISPR de types I et III associés aux systèmes Cas1, Cas2 et Cas10, le type I étant le type CRISPR dominant (Données supplémentaires 9) . Ensuite, PaCRISPR48 a été utilisé pour prédire les protéines Acr à partir des 99 084 protéines virales et des 6 283 protéines putatives trouvées. Après filtrage des protéines Acr en fonction de leurs protéines adjacentes contenant le domaine hélice-tour-hélice (HTH) et alignement avec la banque de données sur les protéines et la base de données des domaines conservés49, 162 familles de protéines ont été identifiées comme des protéines Acr potentielles, et la plupart d'entre elles ont été trouvées être porté par les virus Caudoviricetes (Données supplémentaires 10). Dans l'ensemble, plusieurs types d'Acr candidats ont été identifiés (c.-à-d. AcrIB, AcrIF et AcrIIA), les protéines Acr de type I formant le plus grand groupe d'Acr en raison de leur prévalence dans différents habitats (à l'exception de l'air) (Fig. S8). Le cluster AcrIA était également cohérent avec le cluster majeur de Cas de type I trouvé dans les MAG (Données supplémentaires 9).

a Les systèmes CRISPR/Cas complets identifiés dans deux provirus. Le locus CRISPR est surligné en rouge. b Le mécanisme Acr potentiel trouvé dans un virus qui pourrait être lié à un hôte à l'aide de la correspondance d'espacement est mis en évidence par une boîte rouge en pointillés. La protéine Acr est indiquée par une étoile et le locus CRISPR est surligné en rouge. c Un arbre phylogénétique à vraisemblance maximale des 162 protéines Acr identifiées dans cette étude et des 339 protéines Acr obtenues à partir de la base de données organisée PaCRISPR48. Les branches des neuf nouvelles protéines Acr prédites sont indiquées en rouge. Les étoiles rouges sur l'anneau extérieur indiquent les protéines Acr prédites avec des structures de haute confiance (plDDT> 80) basées sur l'outil AlphaFold2. d Comparaison des structures à haute confiance (plDDT> 80) des quatre nouvelles protéines Acr prédites avec leur référence la plus proche.

Sur la base du lien virus-hôte correspondant à l'espaceur, nous avons trouvé des preuves d'une protéine Acr de type I impliquée dans l'inhibition du système CRISPR/Cas de type I. Un virus Siphoviridae (SL336563_c_18_full) obtenu à partir de la paume d'un occupant s'est avéré porteur d'un gène codant pour Acr0001 (Fig. 5b), qui, selon une recherche d'homologie par rapport à la base de données organisée par Acr48 et un arbre phylogénétique (Fig. 5c), peut être utilisé pour échapper à l'immunité CRISPR/Cas de type I. Ce résultat est cohérent avec les systèmes CRISPR / Cas de type I – E trouvés dans les hôtes à poignée de porte de la même résidence. L'évolution de la résistance CRISPR peut entraîner une extinction rapide des phages, en particulier lorsque les systèmes CRISPR/Cas présentent une grande diversité d'espaceurs25. Fait intéressant, aucun phage intégré n'a été trouvé dans un rMAG (SL336752_bin.1_c_05) dans lequel un seul contig hébergeait quatre loci CRISPR avec 86 espaceurs CRISPR uniques.

Neuf des 162 protéines Acr prédites ont été considérées comme nouvelles, c'est-à-dire qu'elles ne correspondaient pas à une référence connue avec une valeur E de frappe basée sur BLAST < 0,001 (Données supplémentaires 10). Un arbre phylogénétique a été construit pour déterminer davantage le caractère unique de toutes les protéines Acr prédites, qui se sont avérées largement distribuées dans différents sous-types (Fig. 5c). La modélisation informatique de toutes les protéines Acr prédites a révélé diverses structures (48 ont été considérées comme ayant un niveau de confiance élevé [plDDT> 80]) (Fig. S9). La comparaison des structures à haute confiance des quatre nouvelles protéines Acr prédites avec leurs références les plus proches a révélé des différences, qui peuvent être responsables des variations de leurs fonctions (Fig. 5d). Plusieurs protéines Acr prédites ont été localisées dans des vOTU circulaires complètes (avec des cycles lysogéniques et lytiques) de familles inconnues (Fig. S10a-b), ce qui suggère que ces protéines jouent un rôle dans l'évolution des virus Caudoviricetes mal caractérisés. Certaines protéines Acr étaient situées entre les sous-unités intégrase et terminase dans les virus à cycles lysogéniques (Fig. S10a), tandis que d'autres étaient proches des sous-unités terminase dans les virus qui effectuent des cycles lytiques (Fig. S10b), indiquant que les gènes codant Acr sont exprimée non seulement lors de l'entrée initiale et pendant la lysogénie, mais également lors de la transition vers le cycle lytique pour empêcher le clivage des génomes des phages descendants par les systèmes CRISPR/Cas, comme démontré précédemment dans les phages Listeria50. De plus, un ensemble de gènes lytiques, y compris ceux codant pour les endolysines, la protéine de lyse Rz, l'holine et l'holine-antiholine, étaient portés par des vOTU circulaires complets spécifiques avec des cycles lysogéniques (Fig. S10a). À l'inverse, un vOTU circulaire complet (SL336690_c_82__full) qui rend les cycles lytiques abritait encore une intégrase (Fig. S10b), suggérant que ce virus subit une transition d'un cycle lysogène à un cycle lytique si les conditions environnementales changent51.

Des études ont rapporté que les virus de nombreux écosystèmes possèdent des AMG qui participent au métabolisme des hôtes pour faciliter leur adaptation à l'environnement3, 4. Les AMG dans les viromes BE ont été étudiés et 468 AMG putatifs ont été récupérés, dont 86 avec des fonctions inconnues (Données supplémentaires 11). On a constaté que la plupart des AMG jouaient des rôles putatifs dans le métabolisme des cofacteurs et des vitamines (24 %), le métabolisme des glucides (22 %) et le métabolisme des acides aminés (18 %). Notamment, les AMG transportés par les virus dans les habitats intérieurs étaient clairement distincts de ceux des habitats extérieurs (Fig. 6a). L'enzyme essentielle dUTPase, qui est impliquée dans la régulation des niveaux cellulaires de dTTP/dUTP et cruciale pour la fidélité de la réparation et de la recombinaison de l'ADN52, s'est avérée codée dans certains virus des BE (Fig. 6a, Fig. S10a, b) . Cependant, on ne sait pas pourquoi les virus codent pour une enzyme répandue chez les eucaryotes et les procaryotes52.

a Une carte thermique de l'abondance moyenne de chaque AMG dans les habitats BE. L'abondance moyenne a été calculée sur la base de l'abondance moyenne des virus hébergeant les AMG correspondants dans chaque habitat. b Un schéma qui illustre l'insertion de gènes par un virus perturbant le génome de l'hôte. La région des gènes de l'hôte qui manquait sur la base d'une analyse génomique comparative avec une souche étroitement apparentée est mise en évidence par une boîte grise en pointillés. c Un schéma qui illustre l'insertion de deux AMG contrôlant une étape spécifique de réduction des sulfates par un virus dans un hôte. La région provirale est mise en évidence par une boîte grise en pointillés, et les AMG sont mis en évidence par une boîte rouge en pointillés. Les gènes de l'hôte (encadré noir en pointillés) et les voies impliquées dans le métabolisme du soufre sont indiqués. d Un schéma qui illustre l'insertion de cinq AMG codant pour l'ensemble de la voie de biosynthèse preQ0 par un virus dans un hôte. Les AMG sont mis en évidence par une boîte rouge en pointillés.

Lors de l'infection cellulaire, certains virus intègrent leurs génomes dans le chromosome de l'hôte, perturbant les gènes de l'hôte19. Plus précisément, un provirus (SL336669_c_04) a été trouvé chez un hôte dont le génome était très similaire (83,5 % ± 5,7 %) à la référence Paracoccus marcusii (CP041041.1), à l'exception de la région avec l'insertion virale. Les gènes insérés par le provirus codent pour des protéines de choc froid, des transporteurs ABC pour le sucre et les glucides, et des protéines qui fonctionnent dans la résistance à l'arsenic et la conversion d'énergie53 (Fig. 6b). L'insertion virale avait également perturbé les gènes ftsAWZ codant pour les protéines de division cellulaire et les gènes nrdEFHI codant pour une ribonucléotide réductase qui fournit des désoxyribonucléotides pour la synthèse et la réparation de l'ADN dans le génome de l'hôte. Une comparaison des génomes entre le provirus identifié ici et un P. marcusii phage54 connu n'a révélé aucune similitude.

En plus de l'insertion du génome, il y avait des preuves de l'insertion virale d'AMG dans les génomes de deux hôtes qui ont peut-être modifié le métabolisme des hôtes et amélioré leur adaptabilité à un habitat. À la surface d'une borne sur une jetée, un provirus (SL345587_c_14) a introduit deux AMG (cysH et ubiE) dans le génome d'un hôte (SL345587_bin.2) appartenant à la famille des Acetobacteraceae (Fig. 6c). CysH code pour une 3′-phospho-adénylylsulfate réductase qui génère du sulfite par transformation du sulfate, qui fait partie de la voie de biosynthèse du sulfure d'hydrogène dans le métabolisme du soufre55. D'autres gènes responsables du métabolisme du soufre ont également été identifiés dans le rMAG, notamment cysNCDH qui est impliqué dans la régulation de la formation de 3′-phosphoadénosine-5′-phosphosulfate (PAPS), cysJI qui code pour la sulfite réductase dans la voie assimilatrice de réduction du sulfate, cysQ qui génère un l'adénosine 5′-phosphosulfate réductase de PAPS et d'autres gènes soxABZY impliqués dans le système d'oxydation du soufre (Fig. 6c). En plus de synthétiser le sulfite, cysH peut également contrôler le pool de PAPS cellulaires, qui est toxique si on le laisse s'accumuler56. Un autre hôte transmis par une poignée de porte intérieure appartenant à Mycobacteriaceae (SL345927_bin.2) était lié à un génome viral (SL345921_c_18_full) dérivé de la paume droite. Il a été constaté que les AMG (queCDEF et folE) qui codent pour des enzymes impliquées dans l'ensemble de la voie de biosynthèse de la 7-cyano-7-déazaguanine (preQ0) s'étaient intégrées dans le génome de l'hôte (Fig. 6d). Les gènes codant pour la biosynthèse preQ0 n'ont pas été trouvés dans les génomes de Mycobacteriaceae disponibles (du NCBI : txid1762). Pris ensemble, ces résultats suggèrent que le métabolisme des hôtes dans les EB peut être influencé par une infection virale, ce qui peut altérer leur adaptabilité à un habitat spécifique.

Les virus, bien qu'ils soient aussi nombreux que les bactéries dans les BEs8, ont reçu beaucoup moins d'attention dans la littérature. Une étude mondiale récente des microbiomes de surface dans les environnements urbains a montré qu'il est possible de récupérer divers virus à partir d'échantillons métagénomiques en vrac de BEs15. Dans cette étude, nous avons analysé en détail les viromes dérivés de 11 habitats à travers quatre types de BE à HK.

Plusieurs vOTU ont été identifiés dans chaque habitat BE, mais leur diversité était nettement inférieure à celle des vOTU précédemment identifiées dans les eaux marines mondiales36. Le matériau et le type d'une surface donnée sont probablement les principaux moteurs de la diversité du virome, les surfaces en béton, en bois et en peau abritant une diversité plus élevée que les surfaces en métal et en plastique, comme l'indiquent nos résultats. Même sur des surfaces constituées du même métal, la fréquence de contact joue un rôle majeur dans le contrôle de la diversité des viromes, comme l'indique une poignée de porte intérieure fréquemment touchée présentant une diversité de viromes plus élevée que les mains courantes extérieures peu touchées. Contrairement aux environnements marins aux ressources abondantes20, la plupart des habitats dans les EBE ont un faible apport en nutriments et des conditions environnementales incontrôlées et difficiles comprenant une lumière ultraviolette intense et des fluctuations de température et d'humidité. Ces conditions défavorables, associées aux propriétés des matériaux de surface, peuvent entraîner des variations taxonomiques et des changements fonctionnels dans le microbiome bactérien9. Les preuves écologiques soutiennent également que le filtrage environnemental peut contrôler la diversité bactérienne dans les environnements intérieurs57, ce qui peut à son tour affecter la diversité des phages qui ont une gamme d'hôtes étroite58. Conformément aux différences de diversité et de structure entre les communautés bactériennes dans l'air et sur les surfaces59, les viromes aéroportés et de surface dans la présente étude étaient distincts. L'utilisation de systèmes de ventilation et de filtration avancés peut expliquer la plus faible diversité des viromes dans l'air du métro que dans l'air des lieux utilisant la ventilation naturelle12. Les virus appartenant à la classe Caudoviricetes, dont beaucoup restent non classés au niveau de la famille ou du genre, étaient omniprésents et dominants dans la plupart des habitats, à l'exception de l'air dans les BE de HK, conformément aux résultats pour d'autres écosystèmes30.

De nombreuses preuves suggèrent que les virus peuvent survivre dans des environnements difficiles et contribuer à la survie de leurs hôtes bactériens60. Dans les BE HK, des interactions hautement couplées entre les phages et les hôtes bactériens ont été observées, et la proportion de virus liés à l'hôte était plus de 2 fois supérieure à celle du sol17 et de l'intestin humain30, qui ont tous deux un riche apport en nutriments. Après avoir envahi un hôte, un phage peut appliquer différentes stratégies pour piloter l'adaptation à l'hôte18. Un mécanisme est l'insertion de grands fragments d'ADN dans des sites d'insertion hautement conservés du chromosome bactérien par des phages avec des cycles lysogéniques61, qui, tout en ayant des effets délétères sur la forme physique de l'hôte, peuvent également générer des variations génétiques pour l'innovation évolutive afin de faciliter l'adaptation de l'hôte à de nouveaux environnements. Un autre mécanisme est l'expression d'AMG codées par des phages après insertion dans le génome de l'hôte3. Les AMG insérés varient en fonction des conditions environnementales auxquelles l'hôte est exposé21, et ce phénomène a également été observé dans différents habitats BE. Sur les surfaces intérieures fréquemment touchées, les AMG qui codent la dUTPase étaient répandus, aidant probablement la réplication virale pour leur permettre de persister efficacement chez leurs hôtes62. Sur un poteau d'une jetée recevant fréquemment des éclaboussures d'eau de mer, l'AMG cysH, qui participe au métabolisme du soufre, a été intégré dans un hôte par un phage à cycles lysogéniques. Fait intéressant, ce gène a également été identifié dans des séquences virales obtenues à partir de colonnes d'eau pauvres en oxygène63 et d'un lac d'eau douce profond64. CysH aide potentiellement l'hôte à surmonter un goulot d'étranglement de réaction dans le métabolisme du soufre en régulant une étape spécifique de la voie métabolique. Contrairement à l'insertion d'un seul AMG, des gènes impliqués dans la régulation de l'ensemble de la voie de biosynthèse preQ0 pour la formation d'une classe diversifiée d'analogues de nucléosides possédant des activités antibiotiques, antinéoplasiques ou antivirales65 ont été trouvés chez un hôte bactérien sur la peau humaine et un billetterie. Les composés synthétisés dans cet hôte peuvent faciliter l'adaptation de l'hôte aux surfaces fréquemment touchées. Plusieurs AMG de fonction inconnue ont également été trouvés dans les BE, et ils devraient être étudiés plus en détail expérimentalement pour déterminer leurs rôles dans les interactions virus-hôte.

La stratégie de vie virale consistant à basculer entre les cycles lysogène et lytique est un moteur clé de l'évolution virus-hôte51. Généralement, l'abondance des virus à cycles lysogéniques varie en fonction des conditions environnementales, l'abondance étant plus élevée dans des conditions de densité bactérienne et de niveaux de nutriments plus faibles66. Alors que l'on s'attend à ce que les habitats intérieurs et extérieurs dans les EB favorisent les virus avec des cycles lysogéniques, une proportion relativement plus faible de ces virus a été observée dans les habitats extérieurs. Généralement, les habitats extérieurs sont plus vulnérables aux stress externes que les habitats internes, ce qui entraîne l'expression de gènes lytiques et la transition d'un cycle lysogénique à lytique dans des conditions stressantes (c.-à-d. dommages à l'ADN)51. Comme dans le milieu marin3, la libération de matière organique par lyse virale peut jouer un rôle dans le cycle des nutriments et des ressources pour les membres des communautés microbiennes des EBE oligotrophes. Cependant, des études futures sont nécessaires pour déterminer le modèle écologique utilisé par les virus pour s'établir dans les EB.

Les ARG associés aux phages sont préoccupants en raison de la possibilité de leur large diffusion par le détournement de la machinerie de réplication du génome des hôtes67. Comparés aux ARG associés aux bactéries, les ARG associés aux phages constituent une menace plus sérieuse, car leurs voies de diffusion sont difficiles à suivre et à prévoir67. Bien que la transduction d'ARG médiée par les phages soit rare et que les ARG puissent ne pas être fonctionnels37,68, la résistance aux antibiotiques conférée par des gènes fonctionnels codant pour la bêta-lactamase a été identifiée dans les viromes d'eau douce et validée expérimentalement69. Dans les BE de notre étude, la plupart des ARG putatifs ont été trouvés dans des virus habitant la peau humaine ou des surfaces intérieures fréquemment touchées. Ces virus porteurs d'ARG peuvent infecter des hôtes bactériens, et par la suite, les ARG putatifs peuvent être transférés horizontalement entre les espèces bactériennes70. En plus des ARG qui confèrent une résistance aux antibiotiques bêta-lactamines, plusieurs AGR qui confèrent une résistance aux macrolides, à la vancomycine et à la tétracycline ont également été identifiés dans les virus des BE. Ainsi, le rôle joué par les virus dans le développement de la résistance aux antibiotiques chez les bactéries, en particulier celles présentes sur les surfaces fréquemment touchées dans les BE, est crucial et mérite une enquête plus approfondie.

La bataille fréquente pour la survie entre les bactéries et les phages a conduit à l'évolution des systèmes de défense chez de nombreuses bactéries19. En particulier, la façon dont les phages inactivent les systèmes CRISPR/Cas dans les bactéries via les protéines Acr a reçu une attention croissante car les systèmes CRISPR/Cas sont le seul système immunitaire adaptatif identifié chez les procaryotes à ce jour50. Dans cette étude, plusieurs protéines Acr ont été prédites dans les phages trouvés dans les BE. Compte tenu de leur fonction dans la contre-défense, les protéines Acr codées par les phages évoluent rapidement et présentent une similitude de séquence limitée avec les protéines Acr caractérisées expérimentalement71, ce qui rend difficile l'inférence du type de protéines Acr. Par conséquent, la plupart des protéines Acr identifiées dans cette étude ne sont pas ciblées par les systèmes CRISPR/Cas des hôtes bactériens. Cependant, les protéines Acr peuvent ne pas être aussi efficaces qu'on le croyait car la résistance du système CRISPR évolue également rapidement et peut donc provoquer une extinction rapide des phages, en particulier si les systèmes CRISPR/Cas développent une grande diversité d'espaceurs, ce qui est difficile à surmonter pour les phages. mutations ponctuelles25. Ce phénomène est cohérent avec nos résultats selon lesquels aucun provirus n'a été trouvé dans un rMAG contenant quatre loci CRISPR avec 86 espaceurs.

Bien que cette étude ait fait la lumière sur les virus dans les BE, elle présente quelques limites. Premièrement, des biais potentiels pourraient survenir dans notre flux de travail d'analyse de virome. En raison de la faible biomasse des échantillons BE et des biais potentiels associés aux méthodes d'extraction et de purification de l'ADN, la diversité des virus et de leurs hôtes pourrait être sous-estimée. De plus, le manque de références appropriées dans les bases de données des outils bioinformatiques pourrait conduire à des séquences mal caractérisées72. Deuxièmement, les résultats dérivés du séquençage métagénomique ne distinguaient pas si les virus identifiés et leurs gènes associés (par exemple, les ARG et les protéines Acr) étaient fonctionnels ou défectueux. De futures investigations expérimentales seront nécessaires pour identifier les fonctions des nouvelles protéines Acr. Troisièmement, les virus à ARN n'ont pas été pris en compte ; ainsi, la diversité complète du virome dans les BE n'a pas pu être examinée. Quatrièmement, alors que les outils basés sur les contigs appliqués27,28,30 nous ont permis de découvrir de nombreux nouveaux virus non cultivés auparavant, l'assemblage avec d'autres algorithmes peut révéler d'autres virus, et une méthode de binning viral peut mieux traiter les assemblages viraux multi-contig fragmentés pour permettre plus regroupement précis des populations virales et bactériennes et étude directe des interactions virus-hôte73. Enfin, de futures comparaisons avec d'autres environnements hautement sélectifs, fréquemment nettoyés et aux ressources limitées, tels que les hôpitaux et les services médicaux74, pourraient mieux contextualiser l'influence des propriétés physiques et chimiques des surfaces sur l'abondance des virus et les interactions virus-hôte.

En résumé, nous pensons que cette étude est la première à montrer la diversité, la taxonomie, les fonctions métaboliques et les modes de vie des viromes dans divers habitats des BE. Cette étude met en évidence le couplage étroit entre les virus et les hôtes bactériens dans les EBE et illustre l'importance de leur coévolution à travers différents mécanismes d'interaction virus-hôte pour l'adaptation de l'hôte et la survie des virus dans les EBE oligotrophes. De nombreux nouveaux virus de la classe Caudoviricetes et des protéines Acr ont également été identifiés, ce qui suggère que d'autres virus restent à découvrir dans les BE. Dans l'ensemble, les virus sont des membres importants des communautés microbiennes BE, et une meilleure compréhension de leur biologie peut finalement faciliter une meilleure conception des villes et la protection de la santé publique.

Les ensembles de données métagénomiques comprenaient 738 échantillons prélevés dans 11 habitats dans quatre types d'EB (à savoir les jetées, les installations publiques, les résidences et les métros) à Hong Kong. Sur neuf piles peu fréquentées, 175 échantillons9 ont été prélevés sur les surfaces de quatre types d'habitats : bollards (n = 40), planchers (n = 45), mains courantes (n = 45) et poteaux (n = 45). Dans huit installations publiques (soit quatre parcs et quatre sorties de métro) à occupation moyenne, 134 échantillons75 ont été prélevés sur les surfaces de deux types d'habitats : mains courantes de parc (n = 69) et mains courantes de sortie de métro (n = 65). Dans quatre résidences ayant chacune un seul occupant, 268 échantillons75 ont été prélevés sur les surfaces de trois types d'habitats : les poignées de porte (n = 66), les têtes de lit (n = 68) et la peau des occupants (c'est-à-dire les paumes et les avant-bras gauche et droit ; n = 134). Un consentement éclairé écrit pour prélever des échantillons de peau a été obtenu des occupants et l'étude a été approuvée par le sous-comité d'éthique des sujets humains de l'Université de la ville de Hong Kong (réf. : H001553). Dans 84 stations de métro à forte fréquentation, 161 échantillons76 ont été prélevés dans deux types d'habitats : les surfaces des kiosques à billets (n = 81) et l'air au-dessus des quais (n = 80). La même méthode d'échantillonnage a été utilisée pour recueillir tous les échantillons de surface75 et d'air76. Les matériaux des surfaces étaient soit du métal, soit du plastique, soit du béton. Des informations détaillées sur les échantillons sont présentées dans les données supplémentaires 1.

Les ADN génomiques de tous les échantillons de surface et d'air ont été extraits en utilisant les méthodes correspondantes75,76. En bref, l'ADN génomique a été extrait d'écouvillons prélevés sur des surfaces échantillonnées à l'aide du kit ZymoBIOMICS 96 MagBead DNA (Zymo Research, CA, USA), en suivant les instructions du fabricant. Les cellules ont été lysées à l'aide d'une solution chimique et d'une technologie de battage mécanique des billes. L'ADN génomique a été extrait des filtres d'échantillonnage d'air à l'aide d'un protocole personnalisé. La lyse cellulaire a été réalisée à l'aide du tampon de lyse NucliSENS (BioMérieux, Marcy-l'Étoile, France) et d'un cocktail multi-enzymes (MetaPolyzyme, Sigma-Aldrich, MO, USA), suivi d'un battement mécanique des billes. Un standard de communauté microbienne synthétique ZymoBIOMICS (Zymo Research Corporation, CA, USA) a été utilisé comme contrôle positif dans le processus d'extraction et séquencé en tandem avec les échantillons de surface et d'air. Le séquençage de tous les échantillons d'ADN génomique a été effectué sur un système Illumina HiSeq X Ten (Illumina Inc., San Diego, CA) au HudsonAlpha Genome Center (Huntsville, Alabama)15. Le contrôle de la qualité et l'assemblage des lectures en contigs ont été effectués comme décrit précédemment9. En bref, les adaptateurs ont été supprimés des séquences brutes à l'aide d'AdapterRemoval (v.2.2.2)77. Le filtrage et le découpage de qualité ont été effectués à l'aide de KneadData (v.0.7.6) avec des paramètres par défaut et le génome humain hg38 comme référence pour supprimer les séquences humaines. Les témoins positifs ont donné les résultats de séquençage attendus. Les lectures dans un échantillon qui pouvaient être mappées aux contigs dans les contrôles négatifs ont été supprimées à l'aide d'un script interne, et toutes les lectures non appariées ont été supprimées des fichiers fastq appariés à l'aide de fastq-pair (v.1.0; https:// github.com/linsalrob/fastq-pair). Toutes les espèces contaminantes identifiées par decontam (v.1.12 ; https://github.com/benjjneb/decontam) sur la base du seuil par défaut ont été supprimées. Après contrôle de la qualité, environ 5,0 millions de lectures propres appariées par échantillon ont été conservées et assemblées en environ 4,5 millions de contigs à l'aide de MetaWRAP (v.1.2.1)78.

Les performances de deux outils de détection virale ont d'abord été évaluées sur un jeu de données factice contenant 2000 fragments de génome sélectionnés au hasard (1, 3, 5, 10 et 20 kb) de virus authentiques de la base de données virale RefSeq (v.209). Le rappel viral moyen des fragments génomiques de différentes longueurs a été calculé à l'aide de VirSorter227 (v.2.2.4 ; toutes les catégories) avec le seuil par défaut et de DeepVirFinder (v.1.0)28 avec différents seuils (0,5, 0,7, 0,8 et 0.9) (Fig. S1c). Sur la base des résultats de l'ensemble de données fictif, VirSorter2 avec le seuil par défaut (toutes les catégories) et DeepVirFinder avec un score prédiqué ≥0,5 et une valeur de p <0,05, qui a entraîné le rappel viral le plus élevé pour chaque longueur de fragment, ont été utilisés en tandem pour traiter les 4,5 millions de contigs assemblés à partir de 738 échantillons de métagénome (Fig. S1b). Au total, 594 851 contigs viraux putatifs uniques ont été obtenus à partir des deux outils. CheckV (v.0.8.1 ; base de données v.1.0)79 a été utilisé pour évaluer la qualité des contigs viraux putatifs, et 1174 contigs viraux qui comprenaient des contigs complets, de haute qualité (> 90 % d'exhaustivité) et de qualité moyenne (50 -90 % de complétude) les génomes ont été retenus30 (Données supplémentaires 2). Pour les génomes contenant des provirus prédits, seules les régions provirales ont été retenues. PHASTER) (https://phaster.ca/)80 et VIBRANT (v.1.2.1)81 ont été appliqués séparément pour identifier les séquences provirales selon les deux critères suivants, comme précédemment proposé21 : (i) les contigs viraux provenaient de contigs avec des séquences flanquantes non virales (hôtes) ou (ii) les contigs viraux abritaient des protéines marqueurs lysogéniques (c'est-à-dire l'intégrase et la serine recombinase). Au total, 332 provirus uniques ont été identifiés à l'aide des deux outils susmentionnés et de CheckV, et seuls ceux (127) qui ont été intégrés dans un génome bactérien avaient un niveau de confiance élevé (le score total de la région du prophage était > 90 dans PHASTER) et ont été inclus dans l'analyse en aval. analyse.

Tous les génomes viraux avec> 50% d'exhaustivité ont été regroupés en vOTU au niveau de l'espèce sur la base d'une identité moyenne de nucléotides (ANI) de 95% d'une fraction d'alignement> 85% par rapport à la séquence plus courte basée sur le clustering basé sur le centroïde30. Les vOTU au niveau du genre et de la famille ont été générés en utilisant une combinaison de partage de gènes et d'identité d'acides aminés (AAI) basée sur le regroupement de Markov82 comme décrit précédemment30. En bref, les génomes viraux avec <20% AAI ou <10% de partage de gènes et un facteur d'inflation de 1,2 ont été regroupés en vOTU au niveau familial, tandis que ceux avec <50% AAI ou <20% de partage de gènes et un facteur d'inflation de 2,0 ont été regroupés en vOTU au niveau du genre.

Les cadres de lecture ouverts (ORF) dans les 471 vOTU ont été prédits par Prodigal (v.2.6.3)83 en utilisant le paramètre "-p meta". Les séquences de gènes codant pour les protéines des 471 vOTU ont été assignées à une taxonomie au niveau de la famille en utilisant l'approche de la règle de la majorité comme décrit précédemment30. Plus précisément, la taxonomie basée sur l'International Committee on Taxonomy of Viruses (ICTV) de la base de données IMG/VR (v4) top29 hit using DIAMOND (v.0.9.32 ; options : –query-cover 50 –subject-cover 50 –E -value 1e−5 –max-target-seqs 1000) a été transféré à chaque protéine. Dans les cas où la taxonomie du top hit manquait, le hit suivant était adopté si son bit-score était à moins de 25% du top hit. Chaque vOTU a ensuite été attribué au rang taxonomique le plus bas de> 70% des protéines annotées. Au niveau de la famille et du genre, un génome doit avoir un minimum de deux protéines annotées avec un AAI moyen > 30 % ou trois protéines annotées avec un AAI moyen > 40 %, respectivement, alignées sur un génome de référence de la base de données IMG/VR30.

Les lectures propres de tous les 738 métagénomes ont été cartographiées sur les génomes viraux à l'aide de Bowtie2 (v.2.4.4) avec les paramètres par défaut. Une fonction de "filtre" BamM (v.1.7.3 ; http://ecogenomics.github.io/BamM/) a été utilisée pour filtrer les lectures qui ont été mappées sur les génomes afin de supprimer les mappages de faible qualité, et les lectures qui s'alignaient sur ≥ 90 % de leur longueur à ≥ 95 % ANI ont été conservés. Les génomes viraux avec ≥70 % de leur longueur couverte par les lectures ont été sélectionnés à l'aide d'un script Python dans Read2RefMapper (v.1.1.0), et la couverture moyenne par paire de bases de chaque contig dans chaque échantillon a été générée à l'aide du BamM fonction "parse" avec le paramètre "tpmean" pour supprimer les régions de couverture de 10 % les plus élevées et les plus basses. Sur la base de l'analyse de cartographie, des génomes viraux ont été détectés dans 614 métagénomes. L'abondance relative moyenne des 1174 génomes viraux sur les 614 métagénomes a été calculée en divisant la couverture moyenne d'un génome viral par le nombre total de lectures propres sur tous les échantillons, puis en multipliant par le nombre moyen de toutes les lectures propres sur les 614 métagénomes pour amener le nombre total de lectures pour chaque échantillon vers le haut ou vers le bas à la moyenne17.

Trois ensembles de données sur les viromes accessibles au public, à savoir les métagénomes cutanés provenant principalement de sujets en Amérique du Nord (ensemble de données SMGC)35, les métagénomes océaniques de l'océan épipélagique et mésopélagique tempéré et tropical (ensemble de données GOV)36 et les métagénomes de surface des stations de métro de villes internationales à l'exception de Hong Kong ( Ensemble de données MetaSUB) 15, ont été analysés avec l'ensemble de données virome généré dans cette étude. Les génomes viraux extraits des bases de données publiques ont été évalués à l'aide de CheckV, et seuls les virus de qualité moyenne et élevée ont été retenus (Fig. S6a). La cartographie des lectures sur notre ensemble de données et les trois ensembles de données viromes accessibles au public a été effectuée à l'aide de la fonction "bowtie2-build" en créant d'abord quatre index en utilisant uniquement des vOTU au niveau de l'espèce à partir de tous les ensembles de données viromes. Les lectures propres ont ensuite été alignées sur chaque index génomique à l'aide de Bowtie2 avec l'option "–très sensible -k 20", et les alignements avec cartographie ANI < 95 % ont été rejetés.

Les indices de diversité alpha, à savoir la richesse, le H de Shannon et la régularité de Pielou, ont été calculés à l'aide du package R vegan (v.2.5.7)84. Soixante-dix métagénomes avec vOTU singleton ont été exclus de l'analyse. Le test U de Mann-Whitney a été effectué pour tester la signification statistique de la différence entre deux groupes, tandis que l'analyse de la variance a été appliquée pour déterminer les différences entre deux groupes ou plus. Pour l'analyse de la diversité bêta, une analyse des coordonnées principales basée sur la matrice de dissemblance de Bray-Curtis a été réalisée à l'aide de la fonction "vegdist" du package R vegan. Une analyse de similarité par paires et une analyse de variance multivariée par permutation ont été effectuées pour tester la signification de la dissemblance entre les groupes en utilisant respectivement les fonctions "anosim" et "adonis" du package R vegan.

Un arbre phylogénétique à vraisemblance maximale comprenant les vOTU de Caudoviricetes de cette étude et les trois ensembles de données de viromes accessibles au public (SMGC, GOV et MetaSUB) a été construit comme décrit précédemment30,85. En bref, 77 marqueurs curés de Caudoviricetes ont été recherchés par rapport aux séquences de gènes codant pour les protéines des vOTU à l'aide d'un modèle de Markov caché (HMM). L'ensemble de données de cette étude contenait 444 vOTU avec des longueurs ≥ 5 kb et 37 775 séquences de gènes codant pour des protéines, tandis que les trois ensembles de données publics contenaient 2 389 vOTU avec des longueurs ≥ 5 kb et 168 256 séquences de gènes codant pour des protéines virales. Les meilleurs résultats HMM ont été alignés individuellement sur les profils HMM des 77 marqueurs, comme précédemment recommandé, à l'aide de la fonction "hmmsearch", qui a retenu respectivement 40 et 58 marqueurs de cette étude et les quatre ensembles de données combinés. Les alignements des marqueurs individuels ont ensuite été ajustés à l'aide de trimAl (v.1.4)86 pour conserver les positions avec des écarts <50 %, et les écarts ont été comblés si nécessaire à l'aide d'un script Python interne. Seuls les génomes avec > 5 % de représentation d'acides aminés dans la longueur totale de l'alignement ont été retenus. Un arbre phylogénétique protéique concaténé a été déduit de l'alignement de séquences multiples à l'aide de FastTreeMP (v.2.1.11) avec le modèle automatique87. L'arbre était enraciné au milieu et visualisé à l'aide d'iToL (v.6 ; https://itol.embl.de/).

Les ORF des génomes viraux ont été annotés par rapport à plusieurs bases de données de familles de protéines, notamment KEGG39, Pfam38, TIGRFAM88, VOGDB (http://vogdb.org) et la base de données Earth's Virome89, à l'aide de la méthode de recherche de profil HMM effectuée à l'aide de l'utilitaire hmmsearch dans HMMER (v.3.1b2) avec les paramètres par défaut. L'annotation de l'alignement le plus performant (bit-score ≥ 60 et une valeur E ≤ 1e−5) parmi les bases de données a été attribuée à chaque ORF.

Les ARG dans les génomes viraux ont été annotés à l'aide de l'outil Resistance Gene Identifier (v.5.2.0)42 avec l'option « –low_quality », qui appliquait la meilleure identité de > 60 % aux séquences de référence dans la base de données CARD (v. 3.0.9)90, et en utilisant l'outil NCBI AMRFinderPlus (v.3.8.4)41, avec les options par défaut de 60 % de couverture et 80 % d'identité, aux séquences de référence dans la base de données Resfams (v.1.2)40. La recherche a été effectuée à l'aide de l'utilitaire hmmsearch dans l'outil HMMER (v.3.1b2), avec une valeur E ≤ 1e−5 et un score de seuil de collecte ≥40. L'annotation Resfams avec le meilleur score a été adoptée lorsqu'un ARG recevait des annotations différentes des bases de données.

Les AMG ont été annotés en fonction du mode viral de la DRAM (v.1.4.0)91, qui utilise la sortie produite par VirSorter2. Les 1174 contigs viraux identifiés ont été retraités par VirSorter2 (--prep-for-dramv) pour produire le fichier "VIRSorter affi-contigs.tab" puis annotés avec les bases de données par défaut en DRAM. Ce processus a éliminé 573 génomes viraux avec de faibles scores viraux selon VirSorter2. Les AMG putatifs dans les 601 génomes viraux restants ont été identifiés sur la base d'un score auxiliaire élevé de 1 ou 2. Les descriptions de gènes adoptées étaient basées sur l'annotation distillée de DRAM-v avec les paramètres par défaut. Pour compléter les annotations AMG de la DRAM, les génomes viraux ont également été annotés à l'aide de VIBRANT avec les paramètres par défaut, et les annotations non trouvées dans la DRAM ont été conservées.

Les protéines Acr candidates ont d'abord été prédites à l'aide de PaCRISPR48 avec un seuil de coupure par défaut, et un filtrage supplémentaire des protéines Acr candidates a été effectué comme décrit précédemment sur la base des protéines contenant le domaine HTH qui doivent être situées dans cinq gènes en amont ou en aval92. Les protéines Acr candidates filtrées ont ensuite été regroupées à l'aide de MMseq2 (v.13.45111)93 avec les paramètres "--min-seq-id 0.5 -c 0.7 --cov-mode 2 --cluster-mode 0". Les protéines Acr représentatives qui n'ont pas produit de correspondance avec une probabilité HHpred ≥ 0,9 pour toute séquence de la banque de données sur les protéines et de la base de données des domaines conservés ont été considérées comme des protéines Acr prédites et conservées pour une analyse en aval49. Les types de protéines Acr représentatives prédites ont été estimés à l'aide d'une recherche PSI-BLAST avec les paramètres par défaut par rapport à la base de données organisée par Acr PaCRISPR48. L'alignement de séquences multiples entre les protéines Acr prédites et les 339 protéines Acr de référence obtenues à partir de la base de données organisée PaCRISPR a été généré à l'aide de FAMSA (v.1.5.12)94 et coupé à l'aide de trimAl (v.1.4)86 pour conserver les positions avec des écarts <50 % . Un arbre phylogénétique à vraisemblance maximale a été construit avec les séquences alignées à l'aide de FastTreeMP (v.2.1.11) avec le modèle automatique et a été visualisé à l'aide d'iTOL. Les structures des protéines Acr ont été prédites à l'aide de l'outil AlphaFold2 avec les paramètres par défaut95,96.

Les MAG (Données supplémentaires 5) ont été reconstruites à partir de tous les métagénomes échantillonnés comme décrit précédemment9. En bref, les lectures propres de chaque échantillon ont été assemblées en contigs, et celles avec des longueurs> 1000 bp ont été regroupées en MAG à l'aide de MetaWRAP (v.1.2.1)78. Les MAG résultants ont été affinés à l'aide de la fonction "bin_refinement" de MetaWRAP78 et dérépliqués à l'aide de la fonction "dRep dereplicate" de dRep (v.3.2.2)97. Au total, 860 rMAG bactériennes avec une contamination ≤ 10 % et une complétude ≥ 50 % ont été générées. Les ORF dans les contigs de rMAG ont été prédits à l'aide de Prokka (v.1.14.6)98, et les fonctions ont été annotées à l'aide d'EggNOG-mapper (v.2.0.1)99.

Pour calculer l'abondance relative de chaque rMAG dans tous les échantillons, les lectures propres de chaque métagénome ont été cartographiées sur chaque génome à l'aide de la fonction "make" de BamM. Les mappages de lecture de faible qualité (<75 % de longueur alignée de chaque lecture et <95 % d'ANI) ont été supprimés à l'aide de la fonction "filtre" BamM, et la couverture de chaque génome, qui était représentée comme la moyenne du nombre de lectures alignées sur chaque position dans les contigs après avoir supprimé les régions de couverture de 10 % les plus élevées et les plus basses, a été calculée à l'aide de la fonction "parse" BamM en mode "tpmean". L'abondance relative de chaque rMAG a ensuite été calculée comme la moyenne des couvertures de tous ses contigs, en pondérant chaque contig par sa longueur en paires de bases.

Les hôtes in situ et ex situ des génomes viraux ont été identifiés comme décrit précédemment21. Deux bases de données d'hôtes ont été utilisées pour établir le lien virus-hôte, dans lesquelles 203 065 génomes bactériens et archéens complets représentant 146 464 espèces procaryotes de RefSeq (téléchargé à partir de la base de données NCBI en novembre 2021) ont été utilisés pour identifier les hôtes ex situ, tandis que 860 rMAG bactériens qui ont été annotés taxonomiquement à l'aide de GTDB-Tk (v.1.5.1)100 ont été utilisés pour identifier les hôtes in situ. Les espaceurs CRISPR ont été extraits des deux bases de données hôtes à l'aide d'un script Python personnalisé, et les gènes codant pour la protéine associée à CRISPR (Cas) ont été détectés à l'aide de CRISPRCasFinder (v.4.2.20)101.

Les hôtes microbiens pour les 1174 génomes viraux ont été prédits à l'aide d'une combinaison de méthodes bioinformatiques qui comprenaient des correspondances exactes virales (ou une similitude étroite) avec (i) les espaceurs CRISPR hôtes, (ii) des fragments viraux intégrés dans les génomes hôtes, (iii) les gènes d'ARNt hôtes, et (iv) héberger des signatures k-mer. Les méthodes (i) et (ii) n'ont été utilisées que pour la prédiction ex situ de l'hôte. Pour la méthode (i), BLASTn de blast+ (v.2.9.0)102 a été utilisé pour comparer les séquences d'espacement CRISPR avec les génomes viraux, et les correspondances avec ≤ 1 mésappariement et une valeur E ≤ 1e−5 ont été conservées. Pour tout espaceur CRISPR qui avait une correspondance dans un génome viral, la séquence répétée de la même région CRISPR assemblée a été comparée à tous les génomes bactériens et archéens via BLASTn (valeur E ≤ 1e−5, 100 % d'identité nucléotidique et 95 % de couverture ) pour lier cette région CRISPR (et tout virus hébergeant des espaceurs dans cette région CRISPR) à un hôte. Pour la méthode (ii), un seuil de bit-score de 50 avec une valeur E ≤ 1e−5 et un ANI ≥96% ont été utilisés pour identifier les régions génomiques partagées via BLASTn, et seuls les hits ≥1000 bp ont été pris en compte, car ces critères se sont avérés donner la prédiction de l'hôte la plus fiable30. Pour la méthode (iii), les gènes d'ARNt viraux et hôtes ont été prédits par ARNt-scan SE-2.0 en utilisant respectivement les modèles général et bactérien/archéen, et une comparaison BLASTn a ensuite été effectuée entre les gènes d'ARNt viraux et bactériens prédits. Les correspondances d'ARNt entre les virus et les hôtes dans l'ensemble de données ont ensuite été notées de telle sorte qu'une correspondance exacte obtiendrait un score plus élevé (score élevé) qu'un ARNt hôte avec une différence de base unique (score intermédiaire) et un ARNt hôte avec une différence de deux bases ( note faible). Pour la méthode (iv), WIsH (v.1.1)46 a été utilisé pour la prédiction de l'hôte après avoir masqué les séquences d'ARNt sur les génomes viraux pour améliorer les performances. Par la suite, 3 024 génomes viraux (téléchargés depuis le portail NCBI Virus en janvier 2022) dont les hôtes sont des invertébrés ont été utilisés comme base de données leurre après avoir exclu de manière conservatrice les virus connus pour infecter un genre hôte sous prédiction. Pour chaque génome viral, l'hôte prédit par WIsH avec la valeur p la plus faible (≤1e−5) a été retenu pour être conservateur avec les attributions d'hôtes au niveau de la famille. Les correspondances d'espaceur et de génome CRISPR ont été conservées pour l'attribution d'hôte in situ et ont reçu une priorité plus élevée que les résultats de WIsH et d'ARNt. Les ratios moyens de couverture virus-hôte spécifiques à la lignée ont été calculés en divisant l'abondance relative des rMAG par celle des génomes viraux. Le réseau de liens virus-hôte a été visualisé à l'aide de Cytoscape (v.3.9.0)103, et un sous-échantillonnage a été effectué avant de construire un réseau pour éliminer les biais potentiels dus à un nombre inégal de métagénomes échantillonnés dans les habitats BE.

Les données brutes de séquençage d'ADN utilisées dans cette étude ont été déposées dans les archives de lecture de séquences NCBI sous les numéros d'accès BioProject PRJNA671748, PRJNA722771, PRJNA561080 et PRJNA881785. Le numéro d'accès SRA de chaque échantillon est indiqué dans les données supplémentaires 1. Les bases de données accessibles au public utilisées dans cette étude étaient Resfams (http://www.dantaslab.org/resfams), CARD (https://card.mcmaster.ca/) , Pfam (https://www.ebi.ac.uk/interpro/download/Pfam/), IMG/VR (https://genome.jgi.doe.gov/portal/IMG_VR/), VOG (http:/ /vogdb.org), TIGRFAM (https://www.ncbi.nlm.nih.gov/genome/annotation_prok/tigrfams/), KEGG (https://www.genome.jp/kegg/) et NCBI virus/ bactéries/refseq (https://www.ncbi.nlm.nih.gov/refseq/). Les ensembles de données analysés, y compris le Virome de la Terre (http://portal.nersc.gov/dna/microbial/prokpubs/EarthVirome_DP/), SMGC (https://www.ncbi.nlm.nih.gov/sra/?term=SRP002480 ), GOV (https://bitbucket.org/MAVERICLab/) et MetaSUB (https://github.com/dscdorothy/HK_BE_viromic) sont disponibles en ligne. Les structures de haute confiance des protéines Acr prédites sont fournies sur https://github.com/dscdorothy/HK_BE_viromic.

Le code de support est fourni sur https://github.com/dscdorothy/HK_BE_viromic.

Manrique, P., Dills, M. & Young, MJ La communauté des phages intestinaux humains et ses implications pour la santé et la maladie. Virus 9, 141 (2017).

Article PubMed PubMed Central Google Scholar

Li, Z. et al. Les sédiments marins profonds associés aux suintements froids sont un réservoir souterrain de diversité virale. ISME J. 15, 2366-2378 (2021).

Article CAS PubMed PubMed Central Google Scholar

Coutinho, FH et al. Les virus marins découverts par métagénomique éclairent les stratégies virales à travers les océans. Nat. Commun. 8, 15955 (2017).

Article ADS CAS PubMed PubMed Central Google Scholar

Trubl, G. et al. Interactions virus-hôte actives à des températures inférieures au point de congélation dans un sol tourbeux arctique. Microbiome 9, 208 (2021).

Article CAS PubMed PubMed Central Google Scholar

Gilbert, JA & Stephens, B. Microbiologie de l'environnement bâti. Nat. Rév. Microbiol. 16, 661–670 (2018).

Article CAS PubMed Google Scholar

Lax, S. et al. Analyse longitudinale de l'interaction microbienne entre l'homme et l'environnement intérieur. Sciences 345, 1048-1052 (2014).

Article ADS CAS PubMed PubMed Central Google Scholar

Fouquier, J., Schwartz, T. & Kelley, S. Assemblage rapide de diverses communautés fongiques environnementales sur les sols des toilettes publiques. Air intérieur 26, 869–879 (2016).

Article CAS PubMed Google Scholar

Prussin, AJ, Garcia, EB & Marr, LC Concentrations totales de virus et de bactéries dans l'air intérieur et extérieur. Environ. Sci. Technol. Lett. 2, 84–88 (2015).

Article CAS PubMed PubMed Central Google Scholar

Tong, X. et al. Aperçu métagénomique des communautés microbiennes des surfaces de quai extérieures inertes et oligotrophes d'une ville côtière. Microbiome 9, 213 (2021).

Article CAS PubMed PubMed Central Google Scholar

Cantu, VJ et al. Mise en œuvre d'une surveillance pratique du SRAS-CoV-2 de surface en milieu scolaire. mSystems 7, e00103–e00122 (2022).

PubMed PubMed Central Google Scholar

Sacchetto, L. et al. Danger voisin : épizooties du virus de la fièvre jaune dans les zones de transition urbaine et urbaine-rurale de l'État de Minas Gerais, lors des épidémies de fièvre jaune de 2017-2018 au Brésil. PLOS Négl. Trop. Dis. 14, e0008658 (2020).

Article PubMed PubMed Central Google Scholar

Prussin, AJ et al. Dynamique saisonnière des communautés de bioaérosols viraux à ADN et ARN dans une crèche. Microbiome 7, 53 (2019).

Article PubMed PubMed Central Google Scholar

Gibbons, SM et al. Succession écologique et viabilité du microbiote associé à l'homme sur les surfaces des toilettes. Appl. Environ. Microbiol. 81, 765–773 (2015).

Article ADS PubMed PubMed Central Google Scholar

Whon, TW et al. Caractérisation métagénomique de la diversité de l'ADN viral aéroporté dans l'atmosphère proche de la surface. J. Virol. 86, 8221–8231 (2012).

Article CAS PubMed PubMed Central Google Scholar

Danko, D. et al. Une carte métagénomique mondiale des microbiomes urbains et de la résistance aux antimicrobiens. Cellule 184, 3376–3393 (2021).

Article CAS PubMed PubMed Central Google Scholar

He, T., Li, H. & Zhang, X. Les virus des évents hydrothermaux en eaux profondes compensent le métabolisme microbien dans les interactions virus-hôte. MBio 8, e00893–17 (2017).

Article PubMed PubMed Central Google Scholar

Emerson, JB et al. Écologie virale du sol liée à l'hôte le long d'un gradient de dégel du pergélisol. Nat. Microbiol. 3, 870–880 (2018).

Article CAS PubMed PubMed Central Google Scholar

Coclet, C. & Roux, S. Aperçu global et défis majeurs des méthodes de prédiction de l'hôte pour les phages non cultivés. Courant. Avis. Virole. 49, 117-126 (2021).

Article CAS PubMed Google Scholar

Desfarges, S. & Ciuffi, A. dans Viruses: Essential Agents of Life (éd. Witzany, G.) 147–175 (Springer Pays-Bas, 2012).

Suttle, CA Virus dans la mer. Nature 437, 356–361 (2005).

Article ADS CAS PubMed Google Scholar

Jian, H. et al. Diversité et distribution des virus habitant l'océan le plus profond de la Terre. ISME J. 15, 3094–3110 (2021).

Article CAS PubMed PubMed Central Google Scholar

Brown, TL, Charity, OJ & Adriaenssens, EM Rôles écologiques et fonctionnels des bactériophages dans des environnements contrastés : intestin marin, terrestre et humain. Courant. Avis. Microbiol. 70, 102229 (2022).

Article CAS PubMed Google Scholar

Doron, S. et al. Découverte systématique des systèmes de défense antiphages dans le pangénome microbien. Sciences 359, eaar4120 (2018).

Article ADS PubMed PubMed Central Google Scholar

Münch, PC, Franzosa, EA, Stecher, B., McHardy, AC & Huttenhower, C. Identification des systèmes CRISPR naturels et des cibles dans le microbiome humain. Microbe hôte cellulaire 29, 94–106.e4 (2021).

Article PubMed Google Scholar

Landsberger, M. et al. Les phages anti-CRISPR coopèrent pour surmonter l'immunité CRISPR-Cas. Cellule 174, 908–916 (2018).

Article CAS PubMed PubMed Central Google Scholar

Burstein, D. et al. Les principales lignées bactériennes sont essentiellement dépourvues de systèmes de défense virale CRISPR-Cas. Nat. Commun. 7, 10613 (2016).

Article ADS CAS PubMed PubMed Central Google Scholar

Guo, J. et al. VirSorter2 : une approche multi-classificateurs guidée par des experts pour détecter divers virus à ADN et à ARN. Microbiome 9, 37 (2021).

Article PubMed PubMed Central Google Scholar

Ren, J. et al. Identifier les virus à partir de données métagénomiques à l'aide de l'apprentissage en profondeur. Quant. Biol. 8, 64–77 (2020).

Article CAS PubMed PubMed Central Google Scholar

Camargo, AP et al. IMG/VR v4 : une base de données étendue de génomes de virus non cultivés dans un cadre de métadonnées fonctionnelles, taxonomiques et écologiques étendues. Nucleic Acids Res. 51, D733–D743 (2023).

Article PubMed Google Scholar

Nayfach, S. et al. Compendium métagénomique de 189 680 virus à ADN du microbiome intestinal humain. Nat. Microbiol. 6, 960–970 (2021).

Article CAS PubMed PubMed Central Google Scholar

Boeckman, J. et al. Moutons déguisés en loups : les bactériophages tempérés de type T7 et les origines des Autographiviridae. Virologie 568, 86-100 (2022).

Article CAS PubMed Google Scholar

Sherier, AJ, Woerner, AE et Budowle, B. Les marqueurs informatifs de la population sélectionnés à l'aide de l'indice de fixation de Wright et de l'apprentissage automatique améliorent l'identification humaine à l'aide du microbiome cutané. Appl. Environ. Microbiol. 87, e01208–e01221 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Duponchel, S. & Fischer, MG Vive les lavidavirus ! Cinq caractéristiques des virophages qui parasitent les virus géants à ADN. PLoS Pathog. 15, e1007592 (2019).

Article PubMed PubMed Central Google Scholar

Ryndock, EJ & Meyers, C. Un risque de transmission non sexuelle du papillomavirus humain ? Expert. Rév. Anti. Infecter. Là. 12, 1165-1170 (2014).

Article CAS PubMed Google Scholar

Saheb Kashaf, S. et al. Intégrer la culture et la métagénomique pour une vision multi-royaume de la diversité et des fonctions du microbiome cutané. Nat. Microbiol. 7, 169-179 (2022).

Article CAS PubMed Google Scholar

Gregory, AC et al. Macro- et microdiversité virale de l'ADN marin d'un pôle à l'autre. Cellule 177, 1109–1123.e14 (2019).

Article CAS PubMed PubMed Central Google Scholar

Enault, F. et al. Les phages codent rarement des gènes de résistance aux antibiotiques : un récit édifiant pour les analyses de viromes. ISME J. 11, 237–247 (2017).

Article CAS PubMed Google Scholar

El-Gebali, S. et al. La base de données des familles de protéines Pfam en 2019. Nucleic Acids Res. 47, D427–D432 (2019).

Article CAS PubMed Google Scholar

Kanehisa, M. & Goto, S. KEGG : Encyclopédie de Kyoto des gènes et des génomes. Nucleic Acids Res. 28, 27–30 (2020).

Article Google Scholar

Gibson, MK, Forsberg, KJ & Dantas, G. Une annotation améliorée des déterminants de la résistance aux antibiotiques révèle un cluster de résistomes microbiens par écologie. ISME J. 9, 207–216 (2015).

Article CAS PubMed Google Scholar

Feldgarden, M. et al. AMRFinderPlus et le catalogue de gènes de référence facilitent l'examen des liens génomiques entre la résistance aux antimicrobiens, la réponse au stress et la virulence. Sci. Rep. 11, 12728 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Feldgarden, M. et al. Validation de l'outil AMRFinder et de la base de données des gènes de résistance en utilisant des corrélations génotype-phénotype de résistance aux antimicrobiens dans une collection d'isolats. Antimicrobien. Agents Chemother. 63, e00483–19 (2019). (2019).

Article CAS PubMed PubMed Central Google Scholar

Lim, KT, Hanifah, YA & Yusof, MYM ermA, ermC, tetM et tetK sont essentiels pour la résistance à l'érythromycine et à la tétracycline parmi les souches de Staphylococcus aureus résistantes à la méthicilline isolées d'un hôpital tertiaire en Malaisie. Indien J. Med. Microbiol. 30, 203-207 (2012).

Article CAS PubMed Google Scholar

Schouten, MA et al. Prévalence des entérocoques résistants à la vancomycine en Europe. EUR. J.Clin. Microbiol. Infecter. Dis. 19, 816–822 (2000).

Article CAS PubMed Google Scholar

Roberts, MC Mise à jour sur les gènes de résistance à la tétracycline acquis. Microbiol FEMS. Lett. 245, 195-203 (2005).

Article CAS PubMed Google Scholar

Galiez, C., Siebert, M., Enault, F., Vincent, J. & Söding, J. WIsH : qui est l'hôte ? Prédire les hôtes procaryotes à partir des contigs de phages métagénomiques. Bioinformatique 33, 3113–3114 (2017).

Article CAS PubMed PubMed Central Google Scholar

Taxiarchi, C. et al. Une protéine anti-CRISPR génétiquement codée limite la propagation du forçage génétique et empêche la suppression de la population. Nat. Commun. 12, 3977 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Wang, J. et al. PaCRISPR : un serveur de prédiction et de visualisation des protéines anti-CRISPR. Nucleic Acids Res. 48, W348–W357 (2020).

Article CAS PubMed PubMed Central Google Scholar

Lu, S. et al. CDD/SPARCLE : la base de données des domaines conservés en 2020. Nucleic Acids Res. 48, D265–D268 (2020).

Article CAS PubMed Google Scholar

Osuna, BA et al. Répression critique du locus anti-CRISPR par un inhibiteur bi-fonctionnel de Cas9. Microbe hôte cellulaire 28, 23–30 (2020).

Article CAS PubMed PubMed Central Google Scholar

Young, R. Phage lyse : trois étapes, trois choix, un résultat. J. Microbiol. 52, 243-258 (2014).

Article CAS PubMed PubMed Central Google Scholar

Palinkás, HL et al. L'inactivation de la dUTPase médiée par CRISPR/Cas9 chez la souris entraîne une létalité embryonnaire précoce. Biomolécules 9, 136 (2019).

Article PubMed PubMed Central Google Scholar

Torrents, E. Ribonucléotides réductases : enzymes essentielles à la vie bactérienne. Devant. Cellule. Infecter. Microbiol. 4, 52 (2014).

Article PubMed PubMed Central Google Scholar

Xu, Y., Zhang, R. & Jiao, N. Séquence complète du génome du phage vB_PmaS-R3 de Paracoccus marcusii isolé de la mer de Chine méridionale. Stand Génom. Sci. 10, 94 (2015).

Article Google Scholar

Kredich, NM Biosynthèse de la cystéine. EcoSal Plus 3, https://doi.org/10.1128/ecosalplus.3.6.1.11 (2008).

Neuwald, AF et al. cysQ, un gène nécessaire à la synthèse de la cystéine chez Escherichia coli K-12 uniquement pendant la croissance aérobie. J. Bactériol. 174, 415–425 (1992).

Article CAS PubMed PubMed Central Google Scholar

Adams, RI, Bateman, AC, Bik, HM & Meadow, JF Microbiote de l'environnement intérieur : une méta-analyse. Microbiome 3, 49 (2015).

Article PubMed PubMed Central Google Scholar

Lopez-Leal, G. et al. L'extraction de milliers de génomes procaryotes révèle une grande abondance de prophages avec une gamme d'hôtes strictement étroite. mSystems 7, e00326–22 (2022).

Article PubMed PubMed Central Google Scholar

Gohli, J. et al. Le microbiome du métro : dynamique saisonnière et comparaison directe des communautés bactériennes de l'air et de la surface. Microbiome 7, 160 (2019).

Article PubMed PubMed Central Google Scholar

Vignuzzi, M. & López, CB Les génomes viraux défectueux sont les principaux moteurs de l'interaction virus-hôte. Nat. Microbiol. 4, 1075-1087 (2009).

Article Google Scholar

Bobay, LM, Rocha, EP & Touchon, M. L'adaptation des bactériophages tempérés à leurs génomes hôtes. Mol. Biol. Évol. 30, 737–751 (2013).

Article CAS PubMed Google Scholar

Chen, R., Wang, H. & Mansky, LM Rôles de l'uracile-ADN glycosylase et de la dUTPase dans la réplication du virus. J. Gen. Virol. 83, 2339-2345 (2002).

Article CAS PubMed Google Scholar

Mara, P. et al. Les éléments viraux et leur influence potentielle sur les processus microbiens le long de la redoxcline stratifiée en permanence du bassin de Cariaco. ISME J. 14, 3079–3092 (2020).

Article CAS PubMed PubMed Central Google Scholar

Okazaki, Y., Nishimura, Y., Yoshida, T., Ogata, H. & Nakano, SI Les métagénomes viraux et cellulaires résolus par le génome ont révélé des interactions virus-hôte clés potentielles dans un lac d'eau douce profond. Environ. Microbiol. 21, 4740–4754 (2019).

Article CAS PubMed Google Scholar

McCarty, RM, Somogyi, A., Lin, G., Jacobsen, NE & Bandarian, V. La voie de biosynthèse de la déazapurine a révélé : synthèse enzymatique in vitro de PreQ(0) à partir de guanosine 5'-triphosphate en quatre étapes. Biochimie 48, 3847–3852 (2009).

Article CAS PubMed Google Scholar

Middelboe, M. Taux de croissance bactérienne et dynamique marine virus-hôte. Microb. Écol. 40, 114–124 (2000).

Article CAS PubMed Google Scholar

Calero-Cáceres, W. & Muniesa, M. Persistance de gènes de résistance aux antibiotiques naturels dans les fractions bactériennes et bactériophages des eaux usées. Eau Rés. 95, 11–18 (2016).

Article PubMed Google Scholar

Pfeifer, E., Bonnin, RA & Rocha, EPC Les plasmides phages propagent les gènes de résistance aux antibiotiques par infection et conversion lysogénique. mBio 13, e01851–22 (2022).

Article PubMed PubMed Central Google Scholar

Moon, K. et al. Le métagénome viral d'eau douce révèle de nouveaux gènes fonctionnels de résistance aux antibiotiques transmis par les phages. Microbiome 8, 75 (2020).

Article CAS PubMed PubMed Central Google Scholar

Shen, J., Zhou, J., Xu, Y. et Xiu, Z. Les prophages contribuent à la plasticité du génome de Klebsiella pneumoniae et peuvent impliquer l'intégration chromosomique des ARG dans CG258. Génomique 112, 998–1010 (2020).

Article CAS PubMed Google Scholar

Hynes, AP et al. Un anti-CRISPR d'un phage streptococcique virulent inhibe Streptococcus pyogenes Cas9. Nat. Microbiol. 2, 1374-1380 (2017).

Article CAS PubMed Google Scholar

Callanan, J. et al. Biais dans la détection, le catalogage et la quantification basés sur la métagénomique virale des génomes de bactériophages dans les fèces humaines, une revue. Micro-organismes 9, 524 (2021).

Article CAS PubMed PubMed Central Google Scholar

Johansen, J. et al. Binning du génome d'entités virales à partir de données métagénomiques en vrac. Nat. Commun. 13, 965 (2022).

Article ADS CAS PubMed PubMed Central Google Scholar

Chng, KR et al. Cartographie des pathogènes opportunistes et des gènes de résistance aux antibiotiques en milieu hospitalier tertiaire. Nat. Méd. 26, 941–951 (2020).

Article CAS PubMed PubMed Central Google Scholar

Wilkins, D. et al. La variation diurne du microbiome cutané humain affecte la précision de la correspondance médico-légale du microbiome. Microbiome 9, 129 (2021).

Article CAS PubMed PubMed Central Google Scholar

Leung, MHY et al. La caractérisation du microbiome et du résistome de l'air du transport en commun révèle une spécificité géographique. Microbiome 9, 112 (2021).

Article CAS PubMed PubMed Central Google Scholar

Schubert, M., Lindgreen, S. & Orlando, L. AdapterRemoval v2 : découpage rapide de l'adaptateur, identification et fusion de lecture. BMC Rés. Notes 9, 88 (2016).

Article PubMed PubMed Central Google Scholar

Uritskiy, GV, DiRuggiero, J. & Taylor, J. MetaWRAP - un pipeline flexible pour l'analyse des données métagénomiques résolues sur le génome. Microbiome 6, 158 (2018).

Article PubMed PubMed Central Google Scholar

Nayfach, S. et al. CheckV évalue la qualité et l'exhaustivité des génomes viraux assemblés par métagénome. Nat. Biotechnol. 39, 578–585 (2021).

Article CAS PubMed Google Scholar

Arndt, D. et al. PHASTER : une version améliorée et plus rapide de l'outil de recherche de phages PHAST. Nucleic Acids Res. 44, S16 à S21 (2016).

Article CAS PubMed PubMed Central Google Scholar

Kieft, K., Zhou, Z. & Anantharaman, K. VIBRANT : récupération automatisée, annotation et conservation de virus microbiens, et évaluation de la fonction de la communauté virale à partir de séquences génomiques. Microbiome 8, 90 (2020).

Article CAS PubMed PubMed Central Google Scholar

Enright, AJ, Van Dongen, S. & Ouzounis, CA Un algorithme efficace pour la détection à grande échelle des familles de protéines. Nucleic Acids Res 30, 1575-1584 (2002).

Article CAS PubMed PubMed Central Google Scholar

Hyatt, D. et al. Prodigue : reconnaissance des gènes procaryotes et identification du site d'initiation de la traduction. BMC Bioinform. 11, 1–11 (2010).

Article Google Scholar

Dixon, P. VEGAN, un ensemble de fonctions R pour l'écologie communautaire. J. Vég. Sci. 14, 927–930 (2003).

Article Google Scholar

Low, SJ, Džunková, M., Chaumeil, PA, Parks, DH & Hugenholtz, P. Évaluation d'une phylogénie protéique concaténée pour la classification des virus à ADN double brin à queue appartenant à l'ordre des Caudovirales. Nat. Microbiol. 4, 1306-1315 (2019).

Article CAS PubMed Google Scholar

Capella-Gutierrez, S., Silla-Martinez, JM & Gabaldon, T. trimAl : un outil pour l'ajustement automatisé de l'alignement dans les analyses phylogénétiques à grande échelle. Bioinformatique 25, 1972–1973 (2009).

Article CAS PubMed PubMed Central Google Scholar

Price, MN, Dehal, PS & Arkin, AP FastTree : calcul de grands arbres d'évolution minimale avec des profils au lieu d'une matrice de distance. Mol. Biol. Évol. 26, 1641-1650 (2009).

Article CAS PubMed PubMed Central Google Scholar

Haft, DH La base de données TIGRFAMs des familles de protéines. Nucleic Acids Res. 31, 371–373 (2003).

Article CAS PubMed PubMed Central Google Scholar

Paez-Espino, D. et al. Découvrir le Virome de la Terre. Nature 536, 425–430.

Article ADS CAS PubMed Google Scholar

Alcock, BP et al. CARD 2020 : surveillance de la résistance aux antibiotiques avec la base de données complète sur la résistance aux antibiotiques. Nucleic Acids Res. 48, D517–D255 (2019).

PubMed Central Google Scholar

Shaffer, M. et al. DRAM pour distiller le métabolisme microbien afin d'automatiser la conservation de la fonction du microbiome. Nucleic Acids Res. 48, 8883–8900 (2020).

Benler, S. et al. Des milliers de phages jusque-là inconnus découverts dans les métagénomes intestinaux humains de toute la communauté. Microbiome 9, 78 (2021).

Article CAS PubMed PubMed Central Google Scholar

Hauser, M., Steinegger, M. & Soding, J. Suite logicielle MMseqs pour un regroupement et une recherche rapides et approfondis de grands ensembles de séquences de protéines. Bioinformatique 32, 1323-1330 (2016).

Article CAS PubMed Google Scholar

Deorowicz, S., Debudaj-Grabysz, A. & Gudyś, A. FAMSA : Alignement rapide et précis de séquences multiples d'énormes familles de protéines. Sci. Rep. 6, 1–13 (2016).

Article Google Scholar

Jumper, J. et al. Prédiction très précise de la structure des protéines avec AlphaFold. Nature 596, 583–589 (2021).

Article ADS CAS PubMed PubMed Central Google Scholar

Mirdita, M. et al. ColabFold : rendre le repliement des protéines accessible à tous. Nat. Méthodes 19, 679–682 (2022).

Article CAS PubMed PubMed Central Google Scholar

Olm, MR, Brown, CT, Brooks, B. & Banfield, JF dRep : un outil pour des comparaisons génomiques rapides et précises qui permet une meilleure récupération du génome à partir des métagénomes par déréplication. ISME J. 11, 2864–2868 (2017).

Article CAS PubMed PubMed Central Google Scholar

Seemann, T. Prokka : annotation rapide du génome procaryote. Bioinformatique 30, 2068-2069 (2014).

Article CAS PubMed Google Scholar

Huerta-Cepas, J. et al. eggNOG 5.0 : une ressource d'orthologie hiérarchique, fonctionnellement et phylogénétiquement annotée basée sur 5090 organismes et 2502 virus. Nucleic Acids Res. 47, D309–D314 (2019).

Article CAS PubMed Google Scholar

Chaumeil, PA, Mussig, AJ, Hugenholtz, P. & Parks, DH GTDB-Tk : une boîte à outils pour classer les génomes avec la base de données de taxonomie des génomes. Bioinformatique 36, 1925-1927 (2020).

CAS Google Scholar

Couvin, D. et al. CRISPRCasFinder, une mise à jour de CRISRFinder, inclut une version portable, des performances améliorées et intègre la recherche de protéines Cas. Nucleic Acids Res. 46, W246–W251 (2018).

Article CAS PubMed PubMed Central Google Scholar

Camacho, C. et al. BLAST+ : architecture et applications. BMC Bioinform. 10, 421 (2009).

Article Google Scholar

Shannon, P. et al. Cytoscape : un environnement logiciel pour des modèles intégrés de réseaux d'interactions biomoléculaires. Génome Res. 13, 2498-2504 (2003).

Article CAS PubMed PubMed Central Google Scholar

Télécharger les références

Cette recherche a été soutenue par le Hong Kong Research Grants Council Research Impact Fund (R1016-20F) à ACKL, CKC et PKHL et le General Research Fund (11214721) à PKHL Le soutien provient également des subventions des National Institutes of Health (NIH) R01AI151059 et U01DA053941 à CEM

École d'énergie et d'environnement, Université de la ville de Hong Kong, RAS de Hong Kong, Chine

[ PubMed ] Shicong Du, Xinzhao Tong, Alvin CK Lai, Chak K. Chan et Patrick KH Lee

Département des sciences biologiques, École des sciences, Université Xi'an Jiaotong-Liverpool, Suzhou, République populaire de Chine

Xinzhao Tong

Département de physiologie et biophysique, Weill Cornell Medicine, New York, NY, États-Unis

Christopher E. Mason

SAR le Prince Alwaleed Bin Talal Bin Abdulaziz Alsaud Institute for Computational Biomedicine, Weill Cornell Medicine, New York, NY, États-Unis

Christopher E. Mason

The WorldQuant Initiative for Quantitative Prediction, Weill Cornell Medicine, New York, NY, États-Unis

Christopher E. Mason

Institut de recherche sur le cerveau et l'esprit de la famille Feil, Weill Cornell Medicine, New York, NY, États-Unis

Christopher E. Mason

State Key Laboratory of Marine Pollution, City University of Hong Kong, Hong Kong SAR, Chine

Patrick KH Lee

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

SD a effectué l'analyse des données, l'interprétation des données et rédigé le manuscrit. XT et CEM ont effectué une analyse des données. ACKL et CKC ont fourni des conseils sur l'interprétation des données. PKHL a conçu l'étude et supervisé la recherche. Tous les auteurs ont lu et approuvé le manuscrit final.

Correspondance à Patrick KH Lee.

Les auteurs ne déclarent aucun intérêt concurrent.

Nature Communications remercie Oliver Charity, Eugene Koonin et les autres examinateurs anonymes pour leur contribution à l'examen par les pairs de ce travail. Un dossier d'examen par les pairs est disponible.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Du, S., Tong, X., Lai, ACK et al. Les viromes fortement liés à l'hôte dans l'environnement bâti possèdent une diversité et des fonctions dépendantes de l'habitat pour une coévolution potentielle virus-hôte. Nat Commun 14, 2676 (2023). https://doi.org/10.1038/s41467-023-38400-0

Télécharger la citation

Reçu : 02 novembre 2022

Accepté : 27 avril 2023

Publié: 09 mai 2023

DOI : https://doi.org/10.1038/s41467-023-38400-0

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.