从微生物组数据中搜集蛋白质家族的同源序列,补充其分子进化信息,进而预测可靠的三维结构与功能,是一个微生物基因挖掘领域中的新兴交叉学科。基于已有研究的结果,理论上搜集越多的微生物组数据能够预测出更多的蛋白家族的结构和功能,展现出巨大的科研与应用潜力。然而,在使用微生物组数据为蛋白质补充同源序列时,忽略了功能基因的来源物种和生态位（微生物生存环境的本体论注释）等信息,阻碍了探究预测出的蛋白结构与来源微生物组的关联性。此外,堆积同质化的微生物组数据造成了“边际效应”递减等问题,使得补充蛋白质的同源序列的效率低下。解读蛋白质三维结构预测的结果时,集中于蛋白质结构解析和分子功能预测,缺乏对其在群落中的生态及进化规律进行深入挖掘。针对以上问题,本研究聚焦于利用微生物组数据预测蛋白质结构和功能这一方向,系统地开展了该方法的可行性探究,构建了人工智能模型用于高效地补充蛋白质家族的同源序列并利用富集分析揭示了预测出可靠结构的蛋白质家族在生态系统中的重要功能,提供了一种开展生物资源挖掘、药物研发等应用研究的新的大数据手段。具体如下:1)揭示利用微生物组数据用于预测蛋白质家族的三维结构的可行性和潜在规律。利用海洋微生物组数据中9 700万非冗余的基因,补充蛋白质家族的同源序列,预测出27个全新的且在Pfam中结构未知的蛋白质家族的三维结构和功能。而且这27个蛋白家族中高频出现的来源物种在海洋微生物群落中占主导作用。此外,预测出的蛋白家族在微生物群落中具有重要的生态功能,例如参与了光合作用功能通路来促进海洋生态系统的能量与物质循环。这些结果证明了这一方法的可行性,提供了进一步预测出其他未知结构的蛋白的一个崭新的思路。2)解析“生态位-微生物基因-蛋白结构”的关联性,构建人工智能模型用于靶向地补充蛋白质的同源序列,提高微生物组预测蛋白结构的效率和精度。基于四个具有代表性的生态位（土壤,湖泊,肠道,发酵罐）中的42.5亿微生物组基因,预测出了1 044个未知结构的蛋白质家族的三维结构。利用这1 044个蛋白家族的物种和功能组成以及来源生态位信息,解析了“生态位-微生物基因-蛋白结构”的关联性,揭示了来源于微生物组的同源序列在不同生态位中具有不均衡的分布和富集特征,并通过边际效应模型量化了这一特征。基于蛋白质的同源序列的不均衡分布特征,构建人工智能模型（Meta Source模型）来靶向地预测对于给定蛋白家族,存在最多同源序列的生态位,从而高效补充蛋白质的同源序列,进而使用C-I-TASSER工具预测出蛋白质的三维结构。基于Pfam数据库中已知结构的蛋白家族进行验证,使用Meta Source模型能够准确地预测出其三维结构并显著降低同源序列的搜索时间（降低2/3）。3)以抗生素抗性基因（antibiotic resistance gene,ARG）为研究对象,探究预测出的蛋白家族在微生物组中的重要生态和进化作用。抗生素抗性基因是一类具有重要医药和环境保护意义的功能基因（蛋白）,大部分从微生物中分离。基于来自Tara Oceans项目的132个全球海洋微生物组样本,鉴定出了1 926种抗生素抗性基因,并揭示了采样深度对抗生素抗性基因的组成影响。基于抗生素抗性基因在不同物种中的分布特征,利用富集分析发现了1 659种抗生素抗性基因富集在13个属中。通过挖掘抗生素抗性基因、物种以及环境因子之间的关联模式,发现在面对环境压力时,同一环境中的富集抗生素抗性基因的物种的丰度大于其他物种,表明抗生素抗性基因可以帮助其富集的物种获得生存优势。这一研究深入地解析了抗生素抗性基因在微生物群落中的生态和进化模式,为研究重要蛋白质在生态系统中的重要功能提供了崭新的研究策略。总而言之,本研究聚焦于利用微生物组预测蛋白质结构和功能这一交叉方向,开展了可行性研究,优化了数据挖掘方法,并挖掘了蛋白在群落中的生态模式。这一跨领域的微生物组数据挖掘研究工作的开展,在微生物生态学、微生物功能基因组学、蛋白质结构功能研究等方面,均展现出了巨大的研究价值和应用潜力,为解析微生物组大数据、基于蛋白质的药物设计等应用领域提供了有力的手段,最终服务于人类健康,环境保护和社会可持续发展。