PHI-base: 病原体-宿主互作数据库知多少

PHI-base: 病原体-宿主互作数据库

传染病是病原体毒力因子与宿主细胞识别和反应系统之间复杂和动态相互作用的结果，因此研究这些相互作用是揭示控制互作结果的关键生物学原理的关键。

简要介绍

病原体-宿主相互作用数据库(PHI-base) 于2005年建立，可以在www.phi-base.org免费获取。包含了经过专业整理并已被证明会影响病原体-宿主互作的基因的生物学信息。其中这些基因包括来自感染动物、植物、鱼类、昆虫、真菌宿主的真菌、细菌和原生病原体的致病性毒力和效应基因。病毒不包括在内，因为它们在其他数据库中覆盖范围已经很广了。

PHI-base致力于鉴定和呈现致病性和效应基因及其宿主互作的表型信息，同时也记录了基因测试发现的不影响互作结果的基因，以及那些不改变宿主互作表型的基因改变。由此，PHI-base对于比较分析和发现医学和农学上重要的干预物种的候选靶点有很重要的作用。

PHI官网界面

在PHI-base中，术语“相互作用”用于描述一个基因在一个宿主、一种组织类型上的可观察功能。其中已经开发了9个高级表型结果术语，分别是 “致病性丧失”，“毒性降低”，“毒性增加”，“未受影响的致病性”，“效应物”，“致命”，“毒性增加(高毒性)”，“对化学品的抗性”和“对化学品的敏感性”。这些术语对于从事跨学科分析或大规模数据分析的生物学家和生物信息学家特别有用，因为他们不熟悉多种病理系统的细微差别，但希望在比较分析中包括具有不同宿主范围、生活方式和生态位占用的病原体。

PHIB-BLAST工具（phi-blast.phi-base.org）还允许从功能基因组学、转录组学和蛋白质组学实验中产生的简单或高级BLAST查询。

发展进程

2017年，PHI-base加入了ELIXIR “Data for Life”的英国节点项目，作为一个黄金标准的“农业组学数据”提供者。为了使数据可查找、可访问、可互操作和可重复利用，PHI-base遵循FAIR数据原则，还重用外部资源提供的数据，包括PubMed、NCBI分类法、UniProtKB和GO。一些互补的病原体多物种数据库也提供基因功能注释。PHI -base在描述广泛的植物和动物病原体-宿主相互作用方面是独一无二的，在超过270个物种中使用相同的受控词汇。

PHI-base 4.8

2019年9月发布的基于phi的4.8版包含3454条人工整理的参考文献，并提供了来自268种病原体的6780个基因的信息，这些病原体在210个宿主上进行了13,801次相互作用的测试。寄主物种由大约60%的植物(谷物和非谷物植物50:50)和40%的其他具有医疗和/或环境重要性的物种组成。在这一版本中，感染全球重要作物物种的病原体条目急剧增加。

PHI-base 4.12

2021年9月发布的4.12版本包含4387个参考文献，并提供了来自279种病原体的8411个基因的信息，在228个宿主上进行了18,190次相互作用(PHIs)。自版本4.8以来，基因含量增加了24%。细菌和真菌病原体代表了大多数相互作用数据54:46条目分裂，原生生物、原生动物、线虫和昆虫占条目的3.6%。宿主物种包括约54%的植物和46%的其他具有医疗和环境重要性的物种。数据还传播到UniProtKB、FungiDB 和 Ensembl 基因组中。并且，PHI-base在2022年初迁移到新的以基因为中心的版本5.0。

4.12版本 病原菌群互作综述

在过去两年中，感染人类及其模型宿主的病原体的PHI表型数量增加到总数的38%，而32%的新注释来自农作物感染物种。PHI管理的这种变化强调了最近继续转向使用替代模型物种对人类病原体和动物-病原体相互作用进行基础研究。并且人类和动物病原体的完全测序、组装和充分注释的基因组越来越多，提高了发现和假设检验的速度。

4.12版本 宿主互作综述

重要进展

• 当前拥有了丰富的新数据，对组学方法的科学和商业兴趣越来越大，包括比较病原体基因组学、比较宿主-病原体基因组学和全基因组蛋白质-蛋白质相互作用(PPI)预测。这些方法允许预测和识别病原体和宿主中的功能同源基因，识别物种独特的基因和途径，以及精确定位导致替代相互作用结果的序列变异和基因序列空值。因此对控制广泛相互作用的动态机制和原理的理解的增加，将有助于实现传统上可用于对抗传染病的两种主要方法:即激活宿主免疫系统以预防感染，以及精确使用商业抗感染化学品以消除感染因子。这些方法现在已经加入了包括高度专业化的生物防治剂(生物农药)的干预，以及使用RNA干扰策略和基因组编辑来去除或修改宿主中的病原体易感性靶点等新方法。
• 发现新毒力基因是一个耗时费力的过程，因为这些基因通常是高度多样化的序列。自2005年以来，机器学习(ML)方法和生物学进步使得ML算法的开发和应用能够用于发现细菌毒力因子。PHI-base数据的增加更是开辟了将类似方法应用于真核病原体的可能性。最近，PHI-base数据被包括在用于预测真菌和卵菌病原体效应物的ML方法中，在线预测工具如EffectorP (http://effectorp. csiro. au/) 不断发展。研究已经发现小型ML训练集可用于提供高度准确的效应基因预测。
• PHI-base中蛋白分子互作是日益研究的另一个热点话题。发现病原体和宿主蛋白的功能互作是促进发现控制病原体的新干预靶点的良好途径，因此破坏关键蛋白质-蛋白质相互作用(PPIs)可能是开发具有医学重要性的新型抗感染药物的重要途径。目前正在研究类似的方法来控制植物病原体。虽然只有少量的PPI数据集可用于大多数病原体及其宿主，但越来越多的数据集已用于模式物种，如面包酵母，分裂酵母，蛔虫，果蝇，家鼠等。这些模型数据集允许构建生物网络，将物理相互作用(例如PPIs，酶与底物结合)中涉及的生物实体连接在一起，或通过共表达和共定位显示相关。
• 对于PHI-base病原体和宿主物种，缺乏足够的实验数据来构建类似的网络，但目前已经使用各种计算方法来克服数据缺乏，包括依赖于来自不同物种的蛋白质之间序列相似性的内部方法、鉴定PHI-base蛋白中保守的Pfam分子结合域以鉴定相互作用物以及生成网络提取的本体来注释转录组学数据。

PHI-base 5.0界面

这是最新版本PHI-base 5的用户界面，与以往不同提供了数据的基因中心视图。汇总的数据显示在与单个物种的基因对应的单一页面上，并显示与基因(或蛋白)相关的PHI表型信息。同时可以使用PHI-Canto（基于PomBase开发的Canto工具），PHI-Canto可以被研究人员用来整理和提交自己发表的病原体-宿主数据集，提交的数据集将由物种专家进行审查并列入PHI-base。

感兴趣可以查阅以下参考文献或登录官网www.phi-base.org查看：

• Urban, M., Cuzick, A., Seager, J., Wood, V., Rutherford, K., Venkatesh, S. Y., De Silva, N., Martinez, M. C., Pedro, H., Yates, A. D., Hassani-Pak, K., & Hammond-Kosack, K. E. (2020). PHI-base: the pathogen-host interactions database. Nucleic acids research, 48(D1), D613–D620. https://doi.org/10.1093/nar/gkz904
• Urban, M., Cuzick, A., Seager, J., Wood, V., Rutherford, K., Venkatesh, S. Y., Sahu, J., Iyer, S. V., Khamari, L., De Silva, N., Martinez, M. C., Pedro, H., Yates, A. D., & Hammond-Kosack, K. E. (2022). PHI-base in 2022: a multi-species phenotype database for Pathogen-Host Interactions. Nucleic acids research, 50(D1), D837–D847. https://doi.org/10.1093/nar/gkab1037