由中国、欧洲和美国科学家组成的一个国际研究小组，通过重建SARS-CoV-2的进化史，确定了病毒SARS-CoV-2的进化起源（该病毒是导致新冠病毒大流行的原因），发现引起该病毒的血统一直传播在蝙蝠中存活数十年，可能还包括其他能够感染人类的病毒。这对于预防这种血统可能导致的未来大流行具有重要意义。该最新研究发现结果论文发表在今天的《自然·微生物学》杂志上。
宾夕法尼亚州立大学生物学教授麦琪·博尼（Maciej Boni）说：“冠状病毒具有高度重组的遗传物质，这意味着该病毒基因组的不同区域可以来自多种来源。” “这使重建SARS-CoV-2的起源变得困难。必须确定所有正在重组的区域并追踪其历史。为此，组建了一支在重组、分子系统发生、病毒采样、分子和病毒进化等方面的专家组成的多元化团队。”
该团队使用三种不同的生物信息学方法来识别和去除SARS-CoV-2基因组内的重组区域。接下来，他们重建了非重组区的系统发育历史，并将它们相互比较，以查看过去哪些特定病毒参与了重组事件。他们能够重建SARS-CoV-2及其最接近的已知蝙蝠和穿山甲病毒之间的进化关系。
如图所示，a，识别的断点由支持特定断点位置的序列百分比（在68个中）说明。对于断点是相同重组事件的后代，则可以在序列之间共享，可变环区显示在S蛋白中。 b，SARS-CoV-2与几个选定序列，包括RaTG13（黑色），SARS-CoV（粉红色）和两个穿山甲序列（橙色）之间的相似性图。阴影区域对应于S蛋白。 c，最大似然系统树植根于在肯尼亚采样的病毒，灰色阴影区域显示沿基因组显示系统发育不一致的序列。中国南部对应于广西、云南、贵州和广东。 中国北部对应吉林、山西、河北和河南，还包括在湖北省采样的一个序列。
研究人员发现，大约在40-70年前，SARS-CoV-2所属的病毒谱系与其他蝙蝠病毒不同。重要的是，尽管SARS-CoV-2与RaTG13冠状病毒在基因上相似（约96％），该病毒是从在中国云南省的一条犀牛马蹄蝠中取样的，但研究小组发现它在相当长的时间内与RaTG13分叉以前是在1969年。
如图所示SARS-CoV-2和RaTG13关系最密切（它们的最新公共祖先节点用绿色圆圈表示）。 SARS-CoV-2和RaTG13（底部）之间的遗传距离表明，除可变环外，它们在所有区域之间的关系都是一致的。
进化和计算病毒学系首席研究员Philippe Lemey表示：“在解开重组历史后，估计差异时间的能力，这可能是我们了解许多不同病毒病原体的原因，这是我们在这项合作中开发的。”
研究小组发现，SARS-CoV-2与近亲共有的较旧特征之一是位于Spike蛋白上的受体结合域（receptor-binding domain，缩写RBD），这使病毒能够在人体细胞表面识别并结合受体。
格拉斯哥大学病毒研究中心病毒学教授、大卫·罗伯逊（David Robertson）表示：“这意味着其他能够感染人类的病毒正在中国的马蹄蝠（horseshoe bats）中传播。”
这些病毒是否能够直接从蝙蝠跳入人类，还是需要中间物种才能实现这一飞跃？根据罗伯逊的说法，对于SARS-CoV-2，其他研究小组错误地提出穿山甲发生了重要的进化变化。
罗伯逊说：“到目前为止，SARS-CoV-2的RBD序列仅在少数穿山甲病毒中被发现。” “此外，另一个关键特征被认为对SARS-CoV-2感染人类的能力可帮助-Spike蛋白中的多碱基切割位点插入，然而尚未在SARS-CoV-2病毒的另一个近亲中被发现，尽管穿山甲可能充当促进SARS-CoV-2向人类传播的中间宿主，但没有证据表明穿山甲感染是蝙蝠病毒进入人类的必要条件。提示SARS-CoV-2可能会进化出人类和穿山甲在上呼吸道中复制的能力。”
如图所示基于区域内的潜在重组信号，区域A已缩短为A（5,017 nt），B区长为5,525nt。 序列根据地图按省进行了颜色编码。 用虚线表示在两个树中系统发生位置不一致的五个示例序列。
研究小组得出结论，要预防未来的大流行，将需要在野蝙蝠中进行更好的采样，并需要实施人类疾病监测系统，以识别人类中的新病原体并实时做出反应。
罗伯逊说：“成功进行监视的关键是知道要寻找的病毒，并优先考虑那些容易感染人类的病毒。我们应该为第二种非典病毒做好更好的准备。”
论文第一作者与通讯作者、博尼教授补充说：“我们对最初的SARS-CoV-2爆发的反应为时已晚，但这并不是我们最后一次冠状病毒大流行。我们需要建立一个更全面、更及时的监视系统以捕获这样的高危病毒。”
参考：Evolutionary origins of the SARS-CoV-2 sarbecovirus lineage responsible for the COVID-19 pandemic, Nature Microbiology (). DOI: 10.1038/s41564-020-0771-4量子认知 | 简介科学新知识，敬请热心来关注。
