Идентификация и сравнительный анализ генетических последовательностей вирусов на основе геномных и транскриптомных данных колорадского жука (Leptinotarsa decemlineata) тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Антонец Мария Евгеньевна

• Антонец Мария Евгеньевна
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Антонец Мария Евгеньевна

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Метагеномные исследования

1.1.1. Возможности и ограничения метагеномного подхода для изучения вирусов

1.1.2. Инструменты и алгоритмы для анализа вирусной метагеномики

1.1.3. Метагеномные исследования виромов насекомых

1.2. Колорадский жук (Leptinotarsa decemlineata)

1.3. Вирусы насекомых

1.3.1. Семейство Baculoviridae

1.3.2. Семейство Iridoviridae

1.3.3. Семейство Polydnaviriformidae

1.3.4. Семейство Iflaviridae

1.3.5. Семейство Dicistroviridae

1.3.6. Неклассифицированные вирусы насекомых

1.4. Вирусы растений, переносимые насекомыми

ГЛАВА 2. МЕТОДЫ

2.1. Публичные данные геномных и транскриптомных образцов Leptinotarsa decemlineata

2.2. Базы данных

2.3. Сборка метагенома и классификация последовательностей

2.4. Анализ референсного генома представителей отряда Coleoptera

2.5. Сбор и подготовка биологических образцов

2.5.1. Сбор и подготовка биологических образцов для идентификации браковирусных фрагментов

2.5.2. Сбор и подготовка биологических образцов для идентификации вирусов

2.6. Подтверждение наличия браковирусных фрагментов в генетическом материале L. decemlineata

2.7. Пробоподготовка и полногеномное секвенирование

2.8. Секвенирование на платформе Oxford Nanopore Technologies и поиск эндогенных вирусных элементов в полученных данных

2.9. Сборка, аннотация и филогенетический анализ вирусов Leptinotarsa iflavirus 1 и Leptinotarsa solinvi-like virus

2.10. Сборка и филогенетический анализ potato virus S

ГЛАВА 3. РЕЗУЛЬТАТЫ

3.1. Анализ спектра k-меров

3.2. Сборка метагенома

3.3. Анализ неохарактеризованных и гипотетических белков

L. decemlineata

3.4. Результаты выравнивания

3.5. Анализ референсного генома L. decemlineata

3.6. Анализ референсных геномов представителей отряда Coleoptera

на наличие браковирусных фрагментов

3.7. Секвенирование и поиск эндогенных вирусных элементов

3.8. Секвенирование и сборка вирусных полногеномных последовательностей

3.9. Анализ вирусных генетических последовательностей Leptinotarsa iflavirus 1 и Leptinotarsa solinvi-like virus

3.10. Филогенетический анализ вирусных генетических последовательностей Leptinotarsa iflavirus 1 и Leptinotarsa solinvi-like virus

3.11. Генетический и филогенетический анализ вируса картофеля S

ГЛАВА 4. ОБСУЖДЕНИЕ

4.1. Вирусы насекомых

4.2. Вирусы растений

4.3. Эндогенные вирусные элементы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

СПИСОК СОКРАЩЕНИЙ

AAToVl - Aedes aegypti To virus

AAToV2 - Aedes aegypti To virus

CP (от англ. coat protein) - белок оболочки

CPB (от англ. Colorado Potato Beetle) - колорадский жук

EVE (от англ. Endogenous viral element) - эндогенный вирусный элемент

ITS (от англ. Internal Transcribed Spacer) - внутренний транскрибируемый

спейсер

LTR (от англ. Long Terminal Repeats) - длинные концевые повторы

NCBI (от англ. National Center for Biotechnology Information) - Национальный

центр биотехнологической информации США

NGS (от англ. New Generation Sequencing) - секвенирование нового поколения PVS - potato virus S - вирус картофеля S PVX - potato virus X - вирус картофеля X PVY - potato virus Y - вирус картофеля Y

RdRp (от англ. RNA-dependent RNA polymerase) - РНК-зависимая РНК-полимераза

SISPA (от англ. Sequence-Independent, Single-Primer Amplification)

независимая от последовательности амплификация с одним праймером

SRA (от англ. Sequence Read Archive) - международный репозиторий данных

высокопроизводительного секвенирования

TGB (от англ. triple gene block) - тройной генный блок

OLC (от англ. overlap-layout-consensus) - перекрытие-макет-консенсус

ONT (от англ. Oxford Nanopore Technologies) - технология нанопорового

секвенирования

ДНК - дезоксирибонуклеиновая кислота

дцДНК - двуцепочечная дезоксирибонуклеиновая кислота

ОРТ - открытая рамка трансляции

ПЦР - полимеразная цепная реакция

РНК - рибонуклеиновая кислота рРНК - рибосомная РНК мтРНК - митохондриальная РНК мРНК - матричная РНК

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Идентификация и сравнительный анализ генетических последовательностей вирусов на основе геномных и транскриптомных данных колорадского жука (Leptinotarsa decemlineata)»

Актуальность темы исследования

Метагеномный подход оказался высокоэффективным способом обнаружения вирусов в различных средах [1-3]. В отличие от традиционных культурально-диагностических методов вирусная метагеномика использует высокопроизводительное секвенирование нового поколения, что позволяет идентифицировать редкие и новые вирусы, а также устанавливать экологические связи между микроорганизмами и их естественной средой обитания [4-6]. Передача вирусов насекомыми является одним из наиболее распространенных путей передачи вирусов. Насекомые представляют самую многочисленную группу животных на планете и имеют важное экологическое, сельскохозяйственное и медицинское значение [2]. Изучение вирома насекомых даст новое понимание экологии и эволюции вирусов и поможет решить проблемы здравоохранения в борьбе с арбовирусными инфекциями. Кроме того, патогенные вирусы насекомых могут быть использованы для биологической борьбы с насекомыми-вредителями, и, таким образом, идентификация новых вирусов насекомых может расширить арсенал потенциальных агентов биоконтроля [2,7].

Одним из самых серьезных вредителей сельского хозяйства является колорадский жук (ЬврИпв1аг8а decemlineata, семейство Ск^отеШае). Его способность адаптироваться к различным пасленовым растениям, высокая экологическая пластичность и быстрое развитие устойчивости к инсектицидам привели к широкому распространению этого вредителя по всему миру [8]. За свою жизнь самка колорадского жука может отложить до 800 яиц и дать до трех поколений в год в зависимости от климатических условий [9]. Без использования инсектицидов колорадский жук может уничтожать до 40-80% урожая картофеля [10]. Хотя применение инсектицидов привело к резкому сокращению популяции колорадского жука, у него

наблюдается развитие устойчивости ко всем зарегистрированным к настоящему времени химическим препаратам. Увеличение дозировки обеспечивает кратковременное улучшение, но значительно увеличивает скорость развития резистентности [11]. Несколько исследовательских групп установили причины столь быстрых эволюционных изменений при изучении генетических механизмов возникновения устойчивости колорадского жука к инсектицидам и его адаптации к факторам внешней среды. Учитывая, что примерно 17% его генома состоит из мобильных генетических элементов и что в быстрорастущих популяциях колорадского жука наблюдается высокий уровень генетической изменчивости, он эволюционирует быстрее, чем многие другие жуки [12]. Его высокая способность к акклиматизации связана со специфическими генами, связанными с изменением условий метаболизма, роста и диапаузы у насекомых [8]. Механизмы детоксикации растительных соединений и, скорее всего, инсектицидных химических соединений обусловлены широким спектром высоковариабельных генов, включая гены карбоксилэстеразы, глутатион^-трансферазы, цитохрома Р450, пищеварительных ферментов и рецепторов горького вкуса, и связаны со способностью колорадского жука питаться на различных пасленовых растениях [12]. Можно предположить, что в будущем колорадские жуки разовьют устойчивость и к новым инсектицидам [11]. Кроме того, широкое использование химических пестицидов может привести к серьезным экологическим проблемам из-за неспецифического воздействия на другие виды животных.

Биологические методы являются наиболее экологически безопасными способами борьбы с различными вредителями сельскохозяйственных культур [13,14]. Поиск агентов биологического контроля численности популяций вредителей имеет большой потенциал, но лишь небольшое количество «естественных врагов» можно выращивать в больших масштабах. Кроме того, развитие популяции естественного врага часто происходит медленнее, чем популяции насекомых-мишеней, и для оптимального роста требуются другие

условия [15]. В настоящее время для биологической борьбы с колорадским жуком используются патогенные грибы, такие как Beauveria bassiana, Metarhizium sp. [16] и бактерии Bacillus thuringiensis [17], при этом средства на основе вирусов отсутствуют. Стоит отметить, что энтомопатогенные вирусы в настоящее время используются для борьбы с другими вредителями, например препараты на основе вирусов семейства Baculoviridae широко используются для борьбы с насекомыми-вредителями отряда Lepidoptera [18].

В настоящее время известно более 20 семейств вирусов, поражающих различные группы насекомых [19]. Многие вирусы, переносимые насекомыми, вызывают арбовирусные инфекции и могут передаваться в том числе человеку, вызывая серьезные заболевания [20]. Тем не менее большинство вирусов насекомых не опасны для человека. Их используют в качестве модельных объектов, платформ для разработки векторных систем и систем экспрессии, и для борьбы с насекомыми-вредителями [2]. Предполагается, что жуки-листоеды семейства Chrysomelidae поражаются вирусами семейств Baculoviridae и Iridoviridae [21]. Но несмотря на то, что колорадский жук является одним из наиболее серьезных и широко распространенных вредителей сельского хозяйства, его виром в настоящее время практически полностью не изучен, и поэтому изучение вирусов колорадского жука является чрезвычайно важной и актуальной задачей.

Цели и задачи диссертационного исследования

Целью работы является обнаружение и изучение разнообразия вирусного генетического материала в геномных и транскриптомных данных колорадского жука, а также идентификация вирусов потенциально патогенных для колорадского жука, которые могли бы стать основой для разработки новых препаратов для биологического контроля численности этого опасного вредителя сельского хозяйства. Для достижения данной цели были поставлены следующие задачи:

1. Сбор опубликованных геномных и транскриптомных данных L. decemlineata из базы данных NCBI SRA и создание программного конвейера для поиска и идентификации в них вирусного генетического материала;

2. Поиск, идентификация и анализ в собранном наборе данных высокопроизводительного секвенирования генетического материала, имеющего гомологию с вирусными последовательностями; идентификация потенциальных эндогенных вирусных элементов в геноме L. decemlineata;

3. Секвенирование генетического материала, выделенного из стерильных яиц L. decemlineata, с помощью платформы секвенирования нового поколения Oxford Nanopore Technologies (ONT, MinlON); идентификация в полученных данных браковирусных последовательностей и других эндогенных вирусных элементов;

4. Анализ метатранскриптомных данных, полученных с помощью секвенирования нового поколения материала от личинок L. decemlineata IV возраста с характерными внешними проявлениями неизвестной летальной инфекции с целью выявления вирусного генетического материала; сборка геномов обнаруженных вирусов, их аннотация и филогенетический анализ.

Научная новизна

Впервые проведен поиск и идентификация вирусного генетического материала в геномных и транскриптомных образцах колорадского жука. Из анализа были исключены последовательности, отнесенные к бактериофагам и мимивирусам. Обнаруженные вирусные последовательности принадлежат к 32 различным вирусным семействам. Большинство последовательностей были отнесены к вирусам насекомых (Adintoviridae, Ascoviridae, Baculoviridae, Dicistroviridae, Chuviridae, Hytrosaviridae, Iflaviridae, Iridoviridae, Nimaviridae,

Nudiviridae, Phasmaviridae, Picornaviridae, Polydnaviriformidae, Xinmoviridae и др.), вирусам растений (Betaflexiviridae, Bromoviridae, Kitaviridae, Potyviridae) и эндогенным ретровирусным элементам (Retroviridae, Metaviridae). Высказана гипотеза о том, что значительная часть неаннотированных белков в составе протеома насекомых, и в частности, колорадского жука, могут иметь вирусное происхождение.

Впервые в генетическом материале колорадского жука было показано наличие протяженных фрагментов браковирусных генетических последовательностей и показана их интеграция в геном.

Впервые проведен анализ генетического материала, выделенного из стерильных яиц колорадского жука, с помощью платформы секвенирования ONT. В результате в составе генома колорадского жука было подтверждено наличие интегрированных протяженных браковирусных фрагментов; обнаружено большое количество эндогенных вирусных элементов, происходящих из различных вирусных семейств.

Впервые обнаружены вирусы насекомых, поражающие колорадского жука. В результате метагеномного секвенирования биологического материала, выделенного из предкуколок колорадского жука, погибших от неизвестной инфекции, были собраны практически полногеномные последовательности двух вирусов - Leptinotarsa iflavirus 1 (GenBank: OR613011) и Leptinotarsa solinvi-like virus 1 (GenBank: OR613010). Показано, что Leptinotarsa iflavirus 1 может быть связан с летальной инфекцией колорадского жука.

Теоретическая и практическая значимость исследования

Несмотря на чрезвычайно важное значение колорадского жука для сельского хозяйства, его виром в настоящее время не изучен, и данная работа является первой, направленной на поиск и идентификацию вирусного генетического материала в биологических образцах L. decemlineata. Высокая теоретическая значимость работы обусловлена тем, что изучение

разнообразия вирусов, поражающих колорадского жука, и вирусов, переносимых данным вредителем, позволит углубить наши знания в области его экологии и улучшить понимание его взаимоотношений с естественными врагами, патогенами и кормовыми растениями. Стоит отметить, что программный конвейер, разработанный в рамках представленного исследования, также может быть применен для поиска, идентификации и изучения вирусного генетического материала в геномных и транскриптомных данных других организмов. Помимо важного теоретического значения, работа также имеет и высокую практическую значимость. Обнаружение новых вирусов, потенциально способных вызывать летальную инфекцию у колорадского жука, открывает перспективы расширения арсенала средств биологического контроля численности колорадского жука за счет разработки препаратов на основе энтомопатогенных вирусов, которые в дальнейшем могут помочь не только снизить экономические потери в сельском хозяйстве, но и уменьшить негативные экологические последствия от использования пестицидов.

Методы диссертационной работы

Для подготовки данной работы использовались различные биоинформатические методы и программы, методы статистического анализа. Весь основной код написан на языках программирования Bash и Python, для создания программного конвейера использовался язык Snakemake. В ходе работы были освоены и использованы различные методы, программы и программные конвейеры для анализа геномных и транскриптомных данных высокопроизводительного секвенирования. Было освоено секвенирование генетического материала с использованием прибора MinlON (ONT).

Положения, выносимые на защиту

1. Разработан оригинальный программный конвейер uncoVir для поиска генетического материала вирусов в данных высокопроизводительного секвенирования (DNA- и RNA-Seq), позволивший идентифицировать у колорадского жука (Leptinotarsa decemlineata) последовательности вирусов насекомых и растений, а также эндогенные вирусные элементы, принадлежащие к более чем 30 различным семействам.

2. Генетические последовательности вирусов, обнаруженные в личинках колорадского жука, погибших от неизвестной инфекции, филогенетически связаны с ифлавирусами и солинвивирусами и принадлежат новым, ранее не описанным вирусам, аннотированным нами как Leptinotarsa iflavirus 1 (GenBank: OR613011) и Leptinotarsa solinvi-like virus 1 (GenBank: OR613010).

Апробация результатов и публикации

Научные результаты, изложенные в данной работе, были представлены на 4 всероссийских и международных конференциях в виде стендовых и устных докладов. А именно:

1. Starchevskaya M.E., Kamanova E.P., Vyatkin Y.V., Tregubchak T.V., Bauer T.V., Rotskaya U.N., Kosman E.S., Antonets D.V. The rich inner world of Colorado potato beetles - a metagenomic survey of viral diversity in public data. 10th Moscow Conference on Computational Molecular Biology MCCMB'21, Moscow, 2021. Proceedings of 10th MCCMB'21, P.184.

2. Starchevskaya M.E., Kamanova E.P., Vyatkin Y.V., Tregubchak T.V., Bauer T.V., Rotskaya U.N., Kosman E.S., Antonets D.V. The metagenomic analysis of Colorado potato beetles public NGS data and the nanopore sequencing of its genetic material. Thirteenth International Multiconference Bioinformatics of Genome Regulation and Structure/Systems Biology (BGRS/SB-2022), Novosibirsk, 2022. Abstracts, P. 62.

3. Старчевская М.Е., Каманова Е.П., Вяткин Ю.В., Трегубчак Т.В., Бауэр Т.В., Роцкая У.Н., Косман Е.С., Антонец Д.В. Метагеномный анализ вирома Leptinotarsa decemlineata. III Всероссийская конференция Высокопроизводительное секвенирование в геномике (HSG-2022), Новосибирск, 2022. Сборник тезисов. С. 75.

4. Антонец М.Е., Крюков В.Ю., Боднев С.А., Роцкая У.Н., Косман Е.С., Трегубчак Т.В., Бауэр Т.В., Антонец Д.В. Первые обнаруженные вирусы колорадского жука: перспективы для биологического контроля. 2024. V Всероссийский конгресс по защите растений, 16-19 апреля 2024 г., Санкт-Петербург. Сборник тезисов. С. 61.

Основные результаты были изложены в 2 статьях, опубликованных в рецензируемых научных журналах Viruses и Scientific Reports.

1. Starchevskaya M., Kamanova E., Vyatkin Yu., Tregubchak T., Bauer T., Bodnev S., Rotskaya U., Polenogova O., Kryukov V., Antonets D. The metagenomic analysis of viral diversity in Colorado potato beetle public NGS data. Viruses. 2023, V. 15, P. 395.

2. Antonets M., Bodnev S., Rotskaya U., Kosman E., Tregubchak T., Bauer T., Azaev M., Kryukov V., Antonets D. Nearly complete genome sequences of the first two identified Colorado potato beetle viruses. Scientific Reports. 2024, V. 14, P. 352.

Личный вклад автора

Постановка задач, планирование экспериментов, биоинформатический анализ данных, написание аналитического программного конвейера и секвенирование образцов на приборе MinlON (Oxford Nanopore Technologies) выполнены автором самостоятельно. Сбор биологических образцов, подготовка биоматериала, количественный ПЦР выполнены коллегами из ИСиЭЖ СО РАН (У.Н. Роцкой, О.В. Поленоговой, Е.С. Косман и В.Ю. Крюковым). Выделение генетического материала, ПЦР и секвенирование

образцов с использованием платформ Illumina MiSeq и iSeq и секвенирование по Сэнгеру выполнены коллегами из ФБУН ГНЦ ВБ «Вектор» Роспотребнадзора (С.А. Бодневым, Т.В. Трегубчак и Т.В. Бауэр).

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения и списка литературы (144 источника). Работа изложена на 128 страницах, проиллюстрирована 16 рисунками, содержит 4 таблицы и 3 приложения.

Благодарности

Выражаю благодарность и глубокую признательность научному руководителю к.б.н. Д.В. Антонцу за поддержку, помощь, обсуждение результатов и научное руководство, а также коллегам из ИСиЭЖ СО РАН -У.Н. Роцкой и д.б.н. В.Ю. Крюкову за предоставление материалов колорадского жука, ценные советы и плодотворное обсуждение результатов. Также автор выражает отдельную благодарность сотрудникам центра секвенирования ФБУН ГНЦ ВБ «Вектор» Роспотребнадзора - Т.В. Трегубчак и Т.В. Бауэр, а также ведущему научному сотруднику отдела «Коллекция микроорганизмов» ФБУН ГНЦ ВБ «Вектор» Роспотребнадзора к.м.н. С.А. Бодневу за выделение вирусного материала, его подготовку и высококачественное секвенирование.

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Метагеномные исследования

1.1.1. Возможности и ограничения метагеномного подхода для изучения вирусов

Появление методов высокопроизводительного секвенирования (Next-generation Sequencing, NGS) ознаменовало эпоху открытий новых микроорганизмов, включая бактерии, археи и вирусы, установление экологических связей между микробиотой и их естественной средой обитания с использованием метагеномных исследований. Первые успешные попытки установления микробиома без использования методов культивирования были осуществлены в 1991 году при исследовании пикопланктона Тихого океана с использованием маркерного гена 16S рибосомной РНК (рРНК) и были получены 15 ранее неизвестных бактериальных последовательностей [22]. В настоящее время метагеномные исследования были проведены для различных экологических сообществ и выявили колоссальное количество ранее неизвестных организмов.

Отдельно следует выделить метагеномные исследования вирусов. С конца 80-х годов прошлого столетия вирусы были описаны с использованием набора методов, таких как электронная микроскопия и культивирование. Однако методы лабораторного культивирования зачастую оказываются слишком сложными для применения в больших масштабах. Это обусловлено тем, что с одной стороны, многие вирусы зависят от клеток-хозяев, которые часто сложно подобрать и поддерживать в лаборатории, с другой стороны, если же клетки доступны, размножающиеся вирусы могут требовать особых условий, отличных от тех, которые используются для культивирования клеток. Метагеномные исследования позволяют обходить требование культивирования и вместо этого полагаются на секвенирование вирусного

генетического материала, полученного непосредственно из клинических образцов, образцов окружающей среды или других исследуемых организмов. Появление метагеномных исследований вирусов с использованием высокопроизводительного секвенирования произвело революцию не только в скорости обнаружения вирусов, но и в природе открытий [23]. Например, была выявлена вирусная этиология многих заболеваний человека, а также описаны экологически значимые непатогенные для человека вирусы [24]. Несмотря на то, что первый виром был секвенирован из образца океана еще в 2002 году, экспериментальные и биоинформатические методы, используемые для вирусной метагеномики, требуют значительных улучшений. Одной из проблем является то, что фрагменты вирусных геномов обычно на порядки менее многочисленны, чем фрагменты геномных последовательностей хозяина, бактерий и других организмов в клинических и экологических метагеномах. Кроме того, для вирусов не существует универсальных, консервативных маркерных генов, таких как 16S рРНК у бактерий или ITS (Internal Transcribed Spacer, внутренний транскрибируемый спейсер) у грибов. Тем не менее, существуют два основных подхода, используемые для обогащения метагеномных образцов вирусными последовательностями: фильтрация образцов по размерам частиц и неспецифической ПЦР амплификации с помощью таких подходов, как SISPA (Sequence-Independent Single Primer Amplification) для генерации множества специфических вирусных последовательностей. Другая проблема связана с тем, что количество и разнообразие вирусных последовательностей в базах данных ограничено, в результате чего современная таксономическая классификация вирусов распознает только несколько тысяч видов вирусов, большая часть которых поражает людей. Методы обнаружения, основанные на последовательностях, содержащихся в базах данных, могут точно идентифицировать известные вирусы, но, как правило, ограничивают поиск для идентификации только известных видов. Наблюдаемые вирусные геномы часто значительно отклоняются от рефересных геномов, а высокое

внутрипопуляционное вирусное разнообразие может привести к неоднозначной реконструкции последовательности [25]. Несмотря на описанные проблемы, метагеномные данные меняют представление о разнообразии вирусов и, если раньше при описании и классификации нового вируса Международным комитетом по таксономии вирусов (ЮТУ) (https://talk.ictvonline.org/) требовалась информация о диапазоне хозяев, цикле репликации, а также структуре и свойствах вирусных частиц, которые затем использовались для определения групп вирусов, то сейчас метагеномный подход радикально изменил вирусологию: теперь гораздо больше вирусов известно только по данным нуклеотидных последовательностей, а не по экспериментально охарактеризованным. Например, семейство вирусов Genomoviridae изначально было сформировано преимущественно на основе данных метагеномного секвенирования. Геномные последовательности этих вирусов были выявлены в окружающих средах, грибах и членистоногих, при этом для них не были известны механизмы взаимодействия с хозяином, свойства вириона и цикл репликации. [26]. Еще одним примером является семейство Redondoviridae, описанное по результатам анализа метагеномных данных из респираторных проб пациентов с тяжелыми нарушениями дыхания. При этом никакой информации о строении вириона или механизмах патогенности не было получено, а таксономическая классификация была проведена исключительно на основе аннотации геномов и филогенетического анализа [27].

Таким образом, в результате вышеописанных особенностей вирусной метагеномики немаловажную роль играют современные биоинформатические методы в интерпретации полученных данных. Следующий раздел посвящён рассмотрению используемых алгоритмов и подходов, направленных на анализ вирусных метагеномных данных с целью собрать, классифицировать, идентифицировать и аннотировать вирусные последовательности.

1.1.2. Инструменты и алгоритмы для анализа вирусной метагеномики

Обработка метагеномных данных высокопроизводительного секвенирования включает следующие основные этапы: предварительная обработка прочтений, фильтрация нецелевых прочтений, сборка прочтений в контиги, идентификация вирусного генетического материала с последующей таксономической классификацией, дополнительная постобработка результатов анализа, которая может включать аннотацию геномов или фрагментов геномов вирусов, статистический анализ, визуализацию данных и интерпретацию результатов.

За последнее десятилетие было разработано значительное количество инструментов и программных конвейеров для анализа данных NGS, в том числе с целью идентификации вирусных последовательностей в метагеномных данных. Эти решения охватывают широкий спектр задач — от предобработки данных и сборки контигов до таксономической классификации и аннотации вирусных последовательностей. В таблице 1 представлены некоторые из таких программных решений, ориентированных как на универсальный вирусный поиск, так и на более специализированные сценарии анализа.

Таблица 1. Программные конвейеры для идентификации и аннотации вирусных генетических последовательностей в данных N08.

Инструмент Этапы обработки Ограничения Год, ссылка

ViroProfiler Сборка: metaSPAdes; Биннинг: vRhyme, Phamb; Фильтрация/кластеризация: CheckV, MMseqs2, vConTACT2; Классификация: CAT, Kaiju, MMseqs2; Аннотация: DRAMv, VIBRANT, CheckV Требовательность к ресурсам, сложность обновлений, преимущественно для бактериофагов 2023, [28]

MVP Идентификация вирусов, провирусов и плазмид: geNomad; Оценка качества: CheckV; Кластеризация: MMseqs2; Покрытие: Bowtie2/minimap2 + S amtools/C overM; Аннотация: Prodigal, HMMER, DIAMOND; Биннинг: vRhyme Требует внешней сборки, ресурсоемкий, ориентирован на экологические метагеномы 2023, [29]

ViraPipe Сборка: MEGAHIT; Удаление хозяйской ДНК: BWA MEM; Классификация и аннотация: BLAST, HMMER3 Требовательность к ресурсам, не развивается 2017, [30]

ViroMatch Сравнение прочтений с вирусными геномами: BWA, BLAST Не включает этап сборки, низкая чувствительность к новым вирусам 2019, [31]

PhaBOX Идентификации вирусов: PhaMer, таксономическая классификация: PhaTYP, PhaGCN, прогнозирование хозяев: CHERRY Web-приложение, преимущественно для бактериофагов 2022, [32]

VIRify Аннотация с использованием вирус-специфических HMM (ViPhOGs) Не включает этап сборки, требовательность к ресурсам 2022, [33]

INSaFLU-TELEVIR Сборка и анализ встроены в web-интерфейс Ограниченная гибкость настроек, зависит от web-интерфейса 2020, [34]

ViWrap Идентификация: VIBRANT, VirSorter2, DeepVirFinder; биннинг: vRhyme; кластеризация: vConTACT2, dRep; оценка качества: CheckV; прогноз хозяина: iPHoP Ориентированность на изучении связи вирусов в человеческом и экологическом микробиоме 2023, [35]

AliMarko Фильтрация прочтений: Kraken2; идентификация и классификация: pyHMMer, Viral Minion DB HMM, затем BLASTn; сборка: SPAdes, MEGAHIT; филогенетический анализ: Clustal Omega и IQ-TREE Требовательность к ресурсам; необходимость ручной интерпретации 2022, [36]

Большинство представленных в таблице 1 программных конвейеров разработаны преимущественно для обработки экологических метагеномов не содержащих значительных количеств генетического материала организмов-хозяев, либо ориентированы на поиск специфических групп вирусов, таких как бактериофаги (ViroProfiler, PhaBOX) или клинически значимые вирусы (ViroMatch, INSaFLU-TELEVIR). Это значительно ограничивает универсальность этих инструментов при анализе метагеномных данных с высокой долей ДНК/РНК хозяина.

Существенным ограничением большинства конвейров является отсутствие регулярного обновления их архитектуры и версий встроенных инструментов (например, ViraPipe). При этом, отдельные программные компоненты активно развиваются: изменяются алгоритмы, улучшается точность предсказаний, добавляются новые функциональные возможности. Несовместимость между версиями программ или баз данных может приводить к снижению воспроизводимости результатов и затруднениям при интерпретации.

Отдельного внимания заслуживает проблема предварительной фильтрации хозяйской ДНК. Этот этап критически важен для оптимизации использования вычислительных ресурсов. Отсутствие эффективной предобработки приводит к перегрузке сборочных алгоритмов во время de novo сборки, созданию избыточно сложных графов сборки и значительному увеличению количества контингов, не относящихся к вирусам. Это, в свою очередь, делает вычисления чрезвычайно ресурсоемкими и увеличивает общее время анализа. Среди рассмотренных решений данный функционал реализован только в ViraPipe и AliMarko (с ограничениями).

В связи с изложенными ограничениями, в следующих разделах диссертации будет подробно рассмотрена структура и назначение ключевых этапов анализа метагеномных данных, что позволит обосновать выбор архитектуры конвейера, ориентированного на выявление вирусных

последовательностей в геномных и транскриптомных данных колорадского жука.

1.1.1.1. Предварительная обработка прочтений

На первом этапе осуществляется оценка качества данных и предварительная обработка прочтений с целью исключения технических ошибок из дальнейшего анализа. В зависимости от метода секвенирования основные процессы могут включают удаление последовательностей адаптеров, обрезку прочтений низкого качества, определяемых показателем качества Phred, назначенным секвенатором, удаление коротких прочтений и прочтений, имеющих низкую сложность по нуклеотидному составу, удаление неспаренных прочтений. Подбор пороговых значений качества имеет решающее значение: избыточное удаление прочтений может привести к тому, что недостаточно представленные вирусы не будут обнаружены, в то время как избыточное количество прочтений низкого качества может отрицательно повлиять на дальнейших этапах анализа.

Список литературы диссертационного исследования кандидат наук Антонец Мария Евгеньевна, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Bassi C. и др. Novel Virus Identification through Metagenomics: A Systematic Review // Life. 2022. Vol. 12, № 12. P. 2048.

2. Varghese F.S., van Rij R.P. Insect Virus Discovery by Metagenomic and Cell Culture-Based Approaches. // Methods Mol. Biol. 2018. Vol. 1746. P. 197-213.

3. Roux S., Matthijnssens J., Dutilh B.E. Metagenomics in Virology // Encyclopedia of Virology. Elsevier, 2021. P. 133-140.

4. Rosario K., Breitbart M. Exploring the viral world through metagenomics. // Curr. Opin. Virol. Elsevier B.V., 2011. Vol. 1, № 4. P. 289-297.

5. Santiago-Rodriguez T.M., Hollister E.B. Unraveling the viral dark matter through viral metagenomics // Front. Immunol. 2022. Vol. 13.

6. Mohsin H. и др. Potential role of viral metagenomics as a surveillance tool for the early detection of emerging novel pathogens // Arch. Microbiol. 2021. Vol. 203, № 3. P. 865-872.

7. Wagemans J. и др. Going Viral: Virus-Based Biological Control Agents for Plant Protection // Annu. Rev. Phytopathol. 2022. Vol. 60, № 1. P. 21-42.

8. Cingel A. и др. Extraordinary adaptive plasticity of Colorado potato beetle: "Ten-striped Spearman" in the era of biotechnologicalwarfare // Int. J. Mol. Sci. 2016. Vol. 17, № 9.

9. Sablon L. и др. Chemical Ecology of the Colorado Potato Beetle, Leptinotarsa decemlineata (Coleoptera: Chrysomelidae), and Potential for Alternative Control Methods. // Insects. 2012. Vol. 4, № 1. P. 31-54.

10. Maharijaya A., Vosman B. Managing the Colorado potato beetle; the need for resistance breeding // Euphytica. Springer Netherlands, 2015. Vol. 204, № 3. P. 487-501.

11. Alyokhin A. h gp. Colorado potato beetle resistance to insecticides // Am. J. Potato Res. 2008. Vol. 85, № 6. P. 395-413.

12. Schoville S.D. h gp. A model species for agricultural pest genomics: the genome of the Colorado potato beetle, Leptinotarsa decemlineata (Coleoptera: Chrysomelidae). // Sci. Rep. 2018. Vol. 8, № 1. P. 1931.

13. Bale J., van Lenteren J., Bigler F. Biological control and sustainable food production // Philos. Trans. R. Soc. B Biol. Sci. 2008. Vol. 363, № 1492. P. 761776.

14. Lenteren J.C. h gp. Biological control using invertebrates and microorganisms: plenty of new opportunities // BioControl. 2018. Vol. 63, № 1. P. 39-59.

15. Tanwar R.S., Dureja P., Rathore H.S. Biopesticides // Pesticides: Evaluation of Environmental Pollution. Elsevier Inc., 2012. 587-603 p.

16. Alyokhin A., Kryukov V. Ecology of a potato field // Insect Pests of Potato. Elsevier, 2022. P. 451-462.

17. Yu Y., Yuan Y., Gao M. Construction of an environmental safe Bacillus thuringiensis engineered strain against Coleoptera. // Appl. Microbiol. Biotechnol. 2016. Vol. 100, № 9. P. 4027-4034.

18. Harrison R., Hoover K. Baculoviruses and Other Occluded Insect Viruses // Insect Pathology. Second Edi. Elsevier Inc., 2012. 73-131 p.

19. Ros V.I.D. h gp. Viral diseases of insects // Invertebrate Pathology. Oxford University Press, 2022. P. 249-285.

20. Jones R.A.C. Plant and Insect Viruses in Managed and Natural Environments: Novel and Neglected Transmission Pathways // Advances in Virus Research. 1st ed. Elsevier Inc., 2018. Vol. 101. 149-187 p.

21. Selman B.J. Viruses and chrysomelidae // Biol. Chrysomelidae. 1988. P. 379387.

22. Schmidt T.M., DeLong E.F., Pace N.R. Analysis of a marine picoplankton community by 16S rRNA gene cloning and sequencing // J. Bacteriol. 1991. Vol. 173, № 14. P. 4371-4378.

23. Encounters P. Insect Virus Discovery by Metagenomic and Cell Culture- Based Approaches. Vol. 1746. P. 1-9.

24. Balzola F. h gp. A human gut microbial gene catalogue established by metagenomic sequencing: Commentary // Inflamm. Bowel Dis. Monit. 2010. Vol. 11, № 1. P. 28.

25. Mokili J.L., Rohwer F., Dutilh B.E. Metagenomics and future perspectives in virus discovery // Curr. Opin. Virol. Elsevier B.V., 2012. Vol. 2, № 1. P. 63-77.

26. Krupovic M. h gp. Genomoviridae: a new family of widespread single-stranded DNA viruses // Arch. Virol. Springer Vienna, 2016. Vol. 161, № 9. P. 26332643.

27. Abbas A.A. h gp. Redondoviridae, a Family of Small, Circular DNA Viruses of the Human Oro-Respiratory Tract Associated with Periodontitis and Critical Illness // Cell Host Microbe. 2019. Vol. 25, № 5. P. 719-729.e4.

28. Ru J. h gp. ViroProfiler: a containerized bioinformatics pipeline for viral metagenomic data analysis // Gut Microbes. 2023. Vol. 15, № 1.

29. Coclet C., Camargo A.P., Roux S. MVP: a modular viromics pipeline to identify, filter, cluster, annotate, and bin viruses from metagenomes // mSystems / ed. Munoz A.R. 2024. Vol. 9, № 10.

30. Maarala A.I. h gp. ViraPipe: scalable parallel pipeline for viral metagenome analysis from next generation sequencing reads // Bioinformatics / ed. Berger B. 2018. Vol. 34, № 6. P. 928-935.

31. Wylie T.N., Wylie K.M. ViroMatch: A Computational Pipeline for the Detection of Viral Sequences from Complex Metagenomic Data. // Microbiol. Resour. Announc. 2021. Vol. 10, № 9.

32. Shang J. h gp. PhaBOX: a web server for identifying and characterizing phage contigs in metagenomic data // Bioinforma. Adv. / ed. Forslund S. 2023. Vol. 3, № 1.

33. Rangel-Pineros G. h gp. VIRify: An integrated detection, annotation and taxonomic classification pipeline using virus-specific protein profile hidden Markov models // PLOS Comput. Biol. / ed. Ouzounis C.A. 2023. Vol. 19, № 8. P. e1011422.

34. Santos J.D. h gp. INSaFLU-TELEVIR: an open web-based bioinformatics suite for viral metagenomic detection and routine genomic surveillance // Genome Med. 2024. Vol. 16, № 1. P. 61.

35. Zhou Z. h gp. ViWrap: A modular pipeline to identify, bin, classify, and predict viral-host relationships for viruses from metagenomes // iMeta. 2023. Vol. 2, № 3.

36. Popov N. h gp. AliMarko: A Pipeline for Virus Identification Using an Expert-Guided Approach // Viruses. 2025. Vol. 17, № 3. P. 355.

37. Andrews S. FastQC: A Quality Control Tool for High Throughput Sequence Data [Online]. Available online at: http: //www. bioinformatics.babraham.ac.uk/proj ects/fastqc/] [Electronic resource]. 2010.

38. Ewels P. h gp. MultiQC: summarize analysis results for multiple tools and samples in a single report // Bioinformatics. 2016. Vol. 32, № 19. P. 3047-3048.

39. Chen S. h gp.. Fastp: An ultra-fast all-in-one FASTQ preprocessor // Bioinformatics. 2018. Vol. 34, № 17. P. i884-i890.

40. Bolger A.M., Lohse M., Usadel B. Trimmomatic: A flexible trimmer for Illumina sequence data // Bioinformatics. 2014. Vol. 30, № 15. P. 2114-2120.

41. Martin M. Cutadapt removes adapter sequences from high-throughput sequencing reads // EMBnet.journal. 2011. Vol. 17, № 1. P. 10.

42. Langmead B., Salzberg S.L. Fast gapped-read alignment with Bowtie 2 // Nat. Methods. 2012. Vol. 9, № 4. P. 357-359.

43. Li H., Durbin R. Fast and accurate short read alignment with Burrows-Wheeler transform // Bioinformatics. 2009. Vol. 25, № 14. P. 1754-1760.

44. Danecek P. h gp. Twelve years of SAMtools and BCFtools // Gigascience. 2021. Vol. 10, № 2.

45. Chevreux, B., Wetter, T. and Suhai S. Genome Sequence Assembly Using Trace Signals and Additional Sequence Information. // Comput. Sci. Biol. Proc. Ger. Conf. Bioinforma. 1999. № 99. P. 45-55.

46. Silva G.G. h gp. Combining de novo and reference-guided assembly with scaffold_builder // Source Code Biol. Med. 2013. Vol. 8, № 1. P. 23.

47. Denisov G. h gp. Consensus generation and variant detection by Celera Assembler // Bioinformatics. 2008. Vol. 24, № 8. P. 1035-1040.

48. Bankevich A. h gp. SPAdes: a new genome assembly algorithm and its applications to single-cell sequencing. // J. Comput. Biol. 2012. Vol. 19, № 5. P. 455-477.

49. Li D. h gp. MEGAHIT: An ultra-fast single-node solution for large and complex metagenomics assembly via succinct de Bruijn graph // Bioinformatics. 2015. Vol. 31, № 10. P. 1674-1676.

50. Zerbino D.R., Birney E. Velvet: algorithms for de novo short read assembly using de Bruijn graphs. // Genome Res. 2008. Vol. 18, № 5. P. 821-829.

51. Luo R. h gp. SOAPdenovo2: an empirically improved memory-efficient short-read de novo assembler. // Gigascience. 2012. Vol. 1, № 1. P. 18.

52. Grabherr M.G. h gp. Full-length transcriptome assembly from RNA-Seq data without a reference genome // Nat. Biotechnol. 2011. Vol. 29, № 7. P. 644-652.

53. Peng Y. h gp. Meta-IDBA: a de Novo assembler for metagenomic data. //

Bioinformatics. 2011. Vol. 27, № 13. P. i94-101.

54. Gurevich A. h gp. QUAST: Quality assessment tool for genome assemblies // Bioinformatics. 2013. Vol. 29, № 8. P. 1072-1075.

55. Buchfink B., Reuter K., Drost H.-G. Sensitive protein alignments at tree-of-life scale using DIAMOND // Nat. Methods. 2021. Vol. 18, № 4. P. 366-368.

56. Steinegger M., Söding J. MMseqs2 enables sensitive protein sequence searching for the analysis of massive data sets // Nat. Biotechnol. 2017. Vol. 35, № 11. P. 1026-1028.

57. Li H. Minimap2: pairwise alignment for nucleotide sequences // Bioinformatics / ed. Birol I. 2018. Vol. 34, № 18. P. 3094-3100.

58. Wood D.E., Salzberg S.L. Kraken: ultrafast metagenomic sequence classification using exact alignments. 2014.

59. Menzel P., Ng K.L., Krogh A. Fast and sensitive taxonomic classification for metagenomics with Kaiju // Nat. Commun. 2016. Vol. 7, № 1. P. 11257.

60. Kim D. h gp. Centrifuge: rapid and sensitive classification of metagenomic sequences // Genome Res. 2016. Vol. 26, № 12. P. 1721-1729.

61. Finn R.D., Clements J., Eddy S.R. HMMER web server: interactive sequence similarity searching. // Nucleic Acids Res. 2011. Vol. 39, № Web Server issue. P. W29-37.

62. Guo J. h gp. VirSorter2: a multi-classifier, expert-guided approach to detect diverse DNA and RNA viruses // Microbiome. 2021. Vol. 9, № 1. P. 37.

63. Kieft K., Zhou Z., Anantharaman K. VIBRANT: automated recovery, annotation and curation of microbial viruses, and evaluation of viral community function from genomic sequences // Microbiome. 2020. Vol. 8, № 1. P. 90.

64. Nayfach S. h gp. CheckV assesses the quality and completeness of metagenome-assembled viral genomes // Nat. Biotechnol. 2021. Vol. 39, № 5. P. 578-585.

65. Ren J. h gp. VirFinder: a novel k-mer based tool for identifying viral sequences from assembled metagenomic data // Microbiome. 2017. Vol. 5, № 1. P. 69.

66. Ren J. h gp. Identifying viruses from metagenomic data using deep learning // Quant. Biol. 2020. Vol. 8, № 1. P. 64-77.

67. Fang Z. h gp. PPR-Meta: a tool for identifying phages and plasmids from metagenomic fragments using deep learning // Gigascience. 2019. Vol. 8, № 6.

68. Tampuu A. h gp. ViraMiner: Deep learning on raw DNA sequences for identifying viral genomes in human samples // PLoS One / ed. Melcher U. 2019. Vol. 14, № 9. P. e0222271.

69. Dutilh B.E. h gp. Editorial: Virus Discovery by Metagenomics: The (Im)possibilities // Front. Microbiol. 2017. Vol. 8, № September. P. 1-3.

70. Xiao P. h gp. Metagenomic Sequencing From Mosquitoes in China Reveals a Variety of Insect and Human Viruses // Front. Cell. Infect. Microbiol. 2018. Vol. 8.

71. Shi C. h gp. A metagenomic survey of viral abundance and diversity in mosquitoes from hubei province // PLoS One. 2015. Vol. 10, № 6. P. 1-15.

72. Hameed M. h gp. A Metagenomic Analysis of Mosquito Virome Collected From Different Animal Farms at Yunnan-Myanmar Border of China // Front. Microbiol. 2021. Vol. 11.

73. Ramirez A.L. h gp. Metagenomic Analysis of the Virome of Mosquito Excreta // mSphere / ed. Suen G. 2020. Vol. 5, № 5.

74. Xiao P. h gp. Metagenomic Sequencing From Mosquitoes in China Reveals a Variety of Insect and Human Viruses // Front. Cell. Infect. Microbiol. 2018. Vol. 8, № October. P. 1-11.

75. Rozo-Lopez P. h gp. Untangling an insect's virome from its endogenous viral elements // BMC Genomics. 2023. Vol. 24, № 1. P. 636.

76. Chen M.-N. h gp. Genetic Characterization of Two Novel Insect-Infecting Negative-Sense RNA Viruses Identified in a Leaf Beetle, Aulacophora indica // Insects. 2024. Vol. 15, № 8. P. 615.

77. Rogers D., Chev P. Leptinotarsa decemlineata // EPPO Bull. 2008. Vol. 38, №№ 3. P. 272-274.

78. Hough-Goldstein J.A. h gp. Arthropod natural enemies of the Colorado potato beetle // Crop Prot. 1993. Vol. 12, № 5. P. 324-334.

79. Ahmad I., Ahmad F., Pichtel J. Microbes and microbial technology: Agricultural and environmental applications // Microbes and Microbial Technology: Agricultural and Environmental Applications. 2011. 1-516 p.

80. Sun X. History and current status of development and use of viral insecticides in China // Viruses. 2015. Vol. 7, № 1. P. 306-319.

81. Kamita S.G. h gp. Genetically Modified Baculoviruses for Pest Insect Control // Comprehensive Molecular Insect Science. 2005. 271-322 p.

82. Jancovich, J.K., Chinchar, V.G., Hyatt, A., Miyazaki, T., Williams, T. and Zhang Q.. Family IrIdovIrIdae. 2012. P. 193-210.

83. Tanaka H. h gp. Insect diapause-specific peptide from the leaf beetle has consensus with a putative iridovirus peptide // Peptides. 2003. Vol. 24, № 9. P. 1327-1333.

84. Strand, M.R. and Drezen J.-M. Family Polydnaviridae. 2012.

85. Strand M.R., Burke G.R. Polydnaviruses : From discovery to current insights. 2015. Vol. 480. P. 393-402.

86. Louis F. h gp. The Bracovirus Genome of the Parasitoid Wasp Cotesia congregata Is Amplified within 13 Replication Units , Including Sequences Not. 2013. Vol. 87, № 17. P. 9649-9660.

87. Jansson R.K. h gp. Parasitism of Leptinotarsa decemlineata [Coleoptera : Chr

ysomelidae] by Edovum puttleri [Hymenoptera - Eulophidae] in different cultivars of eggplant. 1987. Vol. 32, № 5. P. 503-510.

88. Gasmi L. h gp. Recurrent Domestication by Lepidoptera of Genes from Their Parasites Mediated by Bracoviruses. 2015. P. 1-32.

89. Grabensteiner E. h gp. Sacbrood virus of the honeybee (Apis mellifera): Rapid identification and phylogenetic analysis using reverse transcription-PCR // Clin. Diagn. Lab. Immunol. 2001. Vol. 8, № 1. P. 93-104.

90. Kalynych S. h gp. Virion Structure of Iflavirus Slow Bee Paralysis Virus at 2.6-Angstrom Resolution // J. Virol. 2016. Vol. 90, № 16. P. 7444-7455.

91. Dheilly N.M. h gp. Who is the puppet master? Replication of a parasitic wasp-associated virus correlates with host behaviour manipulation // Proc. R. Soc. B Biol. Sci. 2015. Vol. 282, № 1803.

92. Ii P. h gp. Dicistroviridae // Virus Taxon. 2012. P. 840-845.

93. Kanamori Y., Nakashima N. A tertiary structure model of the internal ribosome entry site (IRES) for methionine-independent initiation of translation // Rna. 2001. Vol. 7, № 2. P. 266-274.

94. Hunnicutt L.E. h gp. Prevalence and natural host range of Homalodisca coagulata virus-1 (HoCV-1) // Arch. Virol. 2008. Vol. 153, № 1. P. 61-67.

95. Käfer S. h gp. Re-assessing the diversity of negative strand RNA viruses in insects // PLOS Pathog. / ed. Jiggins F.M. 2019. Vol. 15, № 12. P. e1008224.

96. Paraskevopoulou S. h gp. Viromics of extant insect orders unveil the evolution of the flavi-like superfamily // Virus Evol. 2021. Vol. 7, № 1.

97. Tatineni S., Hein G.L. Plant Viruses of Agricultural Importance: Current and Future Perspectives of Virus Disease Management Strategies // Phytopathology®. 2023. Vol. 113, № 2. P. 117-141.

98. He Z. h gp. A global invasion by the thrip, Frankliniella occidentalis : Current

virus vector status and its management // Insect Sci. 2020. Vol. 27, №2 4. P. 626645.

99. Raccah B., Fereres A. Plant Virus Transmission by Insects // Encyclopedia of Life Sciences. Wiley, 2009.

100. Gresíková S. The transmission of plant viruses // Agric. 2022. Vol. 68, № 3. P. 119-126.

101. NG J.C.K., PERRY K.L. Transmission of plant viruses by aphid vectors // Mol. Plant Pathol. 2004. Vol. 5, № 5. P. 505-511.

102. Kil E.-J. h gp. Tomato yellow leaf curl virus (TYLCV-IL): a seed-transmissible geminivirus in tomatoes // Sci. Rep. 2016. Vol. 6, № 1. P. 19013.

103. Zhang Y. h gp. Rice Stripe Virus Infection Facilitates the Reproductive Potential of Laodelphax striatellus // Agronomy. 2024. Vol. 14, № 4. P. 714.

104. Wielkopolan B., Jakubowska M., Obr$palska-St<?plowska A. Beetles as Plant Pathogen Vectors // Front. Plant Sci. 2021. Vol. 12.

105. Kumar A. h gp. Sequencing, de Novo assembly and annotation of the colorado potato beetle, Leptinotarsa decemlineata, transcriptome // PLoS One. 2014. Vol. 9, № 1.

106. M. Kudla, K. Gutowska, J. Synak, M. Weber, K. S. Bohnsack, P. Lukasiak, T. Villmann, J. Blazewicz M.S. Virxicon: a lexicon of viral sequences // Bioinformatics. 2020. Vol. 36, № 22-23. P. 5507-5513.

107. Gleizes A. h gp. Virosaurus a reference to explore and capture virus genetic diversity // Viruses. 2020. Vol. 12, № 11. P. 1-13.

108. Molder F. h gp. Sustainable data analysis with Snakemake // F1000Research. 2021. № May. P. 1-25.

109. Breitwieser F.P., Salzberg S.L. Pavian: interactive analysis of metagenomics data for microbiome studies and pathogen identification // Bioinformatics / ed.

Schwartz R. 2020. Vol. 36, № 4. P. 1303-1304.

110. Rotskaya U.N. h gp. Identification of the ricin-b-lectin ldrblk in the colorado potato beetle and an analysis of its expression in response to fungal infections // J. Fungi. 2021. Vol. 7, № 5.

111. Tomilova O.G. h gp. Changes in antifungal defence systems during the intermoult period in the Colorado potato beetle // J. Insect Physiol. 2019. Vol. 116. P. 106-117.

112. Kryukov V.Y. h gp. Expression of Immunity- and Stress-Related Genes during an Intermolt Period in the Colorado Potato Beetle // Insects. 2022. Vol. 13, № 12. P. 1168.

113. Untergasser A. h gp. Primer3-new capabilities and interfaces // Nucleic Acids Res. 2012. Vol. 40, № 15. P. 1-12.

114. Djikeng A. h gp. Viral genome sequencing by random priming methods // BMC Genomics. 2008. Vol. 9, № 1. P. 5.

115. Mirdita M., Steinegger M., Soding J. MMseqs2 desktop and local web server app for fast, interactive sequence searches // Bioinformatics. 2019. Vol. 35, № 16. P. 2856-2858.

116. Rice P., Longden I., Bleasby A. EMBOSS: The European Molecular Biology Open Software Suite // Trends Genet. 2000. Vol. 16, № 6. P. 276-277.

117. Jones P. h gp. InterProScan 5: genome-scale protein function classification // Bioinformatics. 2014. Vol. 30, № 9. P. 1236-1240.

118. Zulkower V., Rosser S. DNA Features Viewer: a sequence annotation formatting and plotting library for Python // Bioinformatics / ed. Mathelier A. 2020. Vol. 36, № 15. P. 4350-4352.

119. Katoh K., Standley D.M. MAFFT Multiple Sequence Alignment Software Version 7: Improvements in Performance and Usability // Mol. Biol. Evol. 2013. Vol. 30, № 4. P. 772-780.

120. Minh B.Q. h gp. IQ-TREE 2: New Models and Efficient Methods for Phylogenetic Inference in the Genomic Era // Mol. Biol. Evol. / ed. Teeling E. 2020. Vol. 37, № 5. P. 1530-1534.

121. Kalyaanamoorthy S. h gp. ModelFinder: fast model selection for accurate phylogenetic estimates // Nat. Methods. 2017. Vol. 14, № 6. P. 587-589.

122. Hoang D.T. h gp. UFBoot2: Improving the Ultrafast Bootstrap Approximation // Mol. Biol. Evol. 2018. Vol. 35, № 2. P. 518-522.

123. Huerta-Cepas J., Serra F., Bork P. ETE 3: Reconstruction, Analysis, and Visualization of Phylogenomic Data // Mol. Biol. Evol. 2016. Vol. 33, № 6. P. 1635-1638.

124. Grubaugh N.D. h gp. An amplicon-based sequencing framework for accurately measuring intrahost virus diversity using PrimalSeq and iVar // Genome Biol. 2019. Vol. 20, № 1. P. 8.

125. Topkaya §. h gp. Molecular Analysis of the Global Population of Potato Virus S Redefines Its Phylogeny, and Has Crop Biosecurity Implications // Viruses. 2023. Vol. 15, № 5. P. 1104.

126. Matousek J., Schubert J., Dedic P. Complementation analysis of triple gene block of Potato virus S (PVS) revealed its capability to support systemic infection and aphid transmissibility of recombinant Potato virus X // Virus Res. 2009. Vol. 146, № 1-2. P. 81-88.

127. Cholleti H. h gp. Genetic characterization of a novel picorna-like virus in Culex spp. mosquitoes from Mozambique // Virol. J. Virology Journal, 2018. Vol. 15, № 1. P. 1-10.

128. Reinganum C. The isolation of cricket paralysis virus from the emperor gum moth, Antheraea eucalypti Scott, and its infectivity towards a range of insect species. // Intervirology. 1975. Vol. 5, № 1-2. P. 97-102.

129. Bonning B.C., Nusawardani T. Introduction to the use of baculoviruses as

biological insecticides. // Methods Mol. Biol. 2007. Vol. 388, № 4. P. 359-366.

130. Petek M. h gp. Potato virus Y infection hinders potato defence response and renders plants more vulnerable to Colorado potato beetle attack. // Mol. Ecol. 2014. Vol. 23, № 21. P. 5378-5391.

131. Ristic D. h gp. The Incidence and Genetic Diversity of Potato virus S in Serbian Seed Potato Crops // Potato Res. 2019. Vol. 62, № 1. P. 31-46.

132. Nyalugwe E.P. h gp. Biological Properties of Potato virus X in Potato: Effects of Mixed Infection with Potato virus S and Resistance Phenotypes in Cultivars from Three Continents // Plant Dis. 2012. Vol. 96, № 1. P. 43-54.

133. Franc G.D., Banttari E.E. Mechanically Transmissable Viruses of Potato // Virus and Virus-like Diseases of Potatoes and Production of Seed-Potatoes. Dordrecht: Springer Netherlands, 2001. P. 159-175.

134. Wardrop E.A. h gp. Aphid transmission of potato virus S // Am. Potato J. 1989. Vol. 66, № 8. P. 449-459.

135. Smith C.M. h gp. A Sweet Story: Bean pod mottle virus Transmission Dynamics by Mexican Bean Beetles (Epilachna varivestis) // Genome Biol. Evol. 2017. Vol. 9, № 3. P. 714-725.

136. Gilbert C., Belliardo C. The diversity of endogenous viral elements in insects. // Curr. Opin. insect Sci. 2022. Vol. 49. P. 48-55.

137. Palatini U. h gp. Endogenous viral elements in mosquito genomes: current knowledge and outstanding questions // Curr. Opin. Insect Sci. Elsevier Inc, 2022. Vol. 49. P. 22-30.

138. Palatini U. h gp. Comparative genomics shows that viral integrations are abundant and express piRNAs in the arboviral vectors Aedes aegypti and Aedes albopictus // BMC Genomics. BMC Genomics, 2017. Vol. 18, № 1. P. 1-15.

139. Wallau G.L. RNA virus EVEs in insect genomes // Curr. Opin. Insect Sci. 2022. Vol. 49. P. 42-47.

140. Li C.X. h gp. Unprecedented genomic diversity of RNA viruses in arthropods reveals the ancestry of negative-sense RNA viruses // Elife. 2015. Vol. 2015, № 4. P. 1-26.

141. Di Paola N. h gp. Jingchuvirales: a New Taxonomical Framework for a Rapidly Expanding Order of Unusual Monjiviricete Viruses Broadly Distributed among Arthropod Subphyla // Appl. Environ. Microbiol. 2022. Vol. 88, № 6.

142. Lung O., Blissard G.W. A Cellular Drosophila melanogaster Protein with Similarity to Baculovirus F Envelope Fusion Proteins // J. Virol. 2005. Vol. 79, № 13. P. 7979-7989.

143. Rohrmann G.F., Karplus P.A. Relatedness of baculovirus and gypsy retrotransposon envelope proteins // BMC Evol. Biol. 2001. Vol. 1.

144. Wang Y., Jehle J.A. Nudiviruses and other large, double-stranded circular DNA viruses of invertebrates: New insights on an old topic // J. Invertebr. Pathol. Elsevier Inc., 2009. Vol. 101, № 3. P. 187-193.

ПРИЛОЖЕНИЯ

Приложение 1. Внешние ссылки на результаты работы.

Описание Ссылка

Репозиторий с программным конвейером https://github.com/starchevskayamaria17/uncoVir

Интерактивный график - кластеризация контигов и вирусных семейств на основе гомологии кодируемых контигами белков с белками различных вирусных семейств https://github.com/starchevskayamaria17/uncoVir/blob/master/notebooks/Interactive_clustermap.html

Собранные контиги из образцов публичных данных https://di sk.yandex.ru/d/pe7Sxtr9zfE 1uw

Аннотация собранных контигов (БЬАБТх) https://disk.yandex.ru/d/QlJSqv44Dl0QAA

Приложение 2. Праймеры, использованные для подтверждения наличия определенных вирусных фрагментов и вставок в

геноме L. decemlineata

Название npaHMep Длина Tm GC% Последовательность Подтверждение вставки

Br1_F1 left 23 57,4 39,13 AAGTGAACGGAGATATTGTAGCT

Br1 R1 right 20 59,13 55 GCTGCTGGTACTGTTGTGAC

Br1_F2_1 left 23 57,63 43,48 GCAGCTATATTGTCTTTGATGGG

Br1 R2 2 right 20 58,84 55 GTTCTGCTGCTCCTTCTGTG

Br1_R2_1 right 21 58,04 47,62 CTTTCCTTTTCCGGCAAATCC

Br1 F2 2 left 21 57,99 42,86 AACTGTCATTGTTGTGGGTCA

Br1 F3 left 22 57.24 40,91 TCATCTTTCGTTTTGGCTAACC

Br1_R3 right 20 59,13 55 CCAGACTGCGTTGGTTCTTC

Br1Br F1 left 20 57,5 45 GCAACAACAGAGCAACACAT EF710639.1 57046-58557

Br1_ins_R1_1 right 23 57,4 39,13 AGCTACAATATCTCCGTTCACTT EF710639.1 57046-58557

Br1 ins R1 2 right 20 58,94 55 CACTACACCGTCAGAAAGCG EF710639.1 57046-58557

Br1_ins_F2 left 21 58,97 42,86 AGTTTGAAATGTGGTTGCCGAA EF710639.1 57046-58557

Br1Br_R2 right 23 57,18 34,78 AGATGCTTTATTCTCATTGCGTT EF710639.1 57046-58557

Br1LD F1 left 20 59,38 55 GGGAAGGTTGTCGTGGGTAT NW 019290920.1: 2663-4169

Br1LD_R2 right 20 58,74 55 TGAGTTCGGTAAGTGGGAG NW_019290920.1: 2663-4169

Br2 F1 left 23 58,94 47,83 CCGTAGATCTTGGAATTACTGGC

Br2_R1 right 21 58,56 47,62 GCAGCCACATTGTTAGAAGGA

Br2 F2 1 left 20 59,39 50 TGTGCATTCGTCCCAGATGA

Br2 F2 2 left 20 59,08 55 CACCAGGGGCATCTAGGAAA

Br2_F2_3 left 21 58,83 47,62 TGTGCGTATCTGACTTGGAGA

Br2 R2 1 right 20 59,12 55 GGAATGCCAGCACCATATCG

Br2_R2_2 right 20 58,69 50 CCCAACATATCGTGCTGCAT

Br2 R3 right 20 58,99 55 CCCATTCACGAACGTCATCC

Br2_F3 left 20 58,99 55 GCCTTGCTTCCGTCTTTGAA

Br2Br_F1 left 20 59,11 45 ACCGTTGCACAGTTTTGGTT HQ009558.1: 1797-3455

Br2_ins_R1 right 20 59,49 50 CGCCATGTGAAGAAACTGCA HQ009558.1: 1797-3455

Br2_ins_F 1 left 20 58,99 55 GGATGACGTTCGTGAATGGG HQ009558.1: 1797-3455

Br2Br R right 20 58,99 50 ATCCACGGAAATTAACGGCG HQ009558.11797-3455

Br2LD_R right 20 58,88 50 TCTCCATTATTCGACGGGCA NW_019296350.1: 9973-11595

Размеры ПЦР-продуктов для приведенных праймеров

Прямой праймер Обратный праймер Длина ПЦР-продукта, нт

Br1_F1 Br1_R1 403

Br1_F2_1 Br1_R2_1 545

Br1_F2_2 Br1_R2_2 467

Br1_F3 Br1_R3 380

Br1Br_F1 Br1_ins_R1_1 309

Br1Br_F1 Br1_ins_R1_2 507

Br1_ins_F2 Br1Br_R2 370

Br1LD_F1 Br1_ins_R1_1 401

Br1LD_F1 Br1_ins_R1_2 599

Br1_ins_F2 Br1LD_R2 343

Br2_F1 Br2_R1 301

Br2_F2_1 Br2_R2_1 456

Br2_F2_2 Br2_R2_2 534

Br2_F2_3 Br2_R3 519

Br2_F3 Br2_R3 243

Br2Br_F1 Br2_ins_R1 498

Br2_ins_F1 Br2Br_R 382

Br2_ins_F1 Br2LD_R 387

Приложение 3. Количество контигов по видам, семействам и порядкам вирусов с медианной и максимальной длиной

выравнивания, процентом идентичности выравнивания и длиной контига.

Порядок Семейство Вид E-value (мед.) Длина выравн., а.к.о., мед. Длина выравн., а.к.о., макс. Идент. мед. Идент. макс. Длина конт. нт, мед. Длина конт., нт, макс. Ко-во конт. Ко-во пр-ов Продукты

Martelliviral es Bromoviridae Actinidia yellowing ringspot virus 3,81E-25 196 196 35,714 35,714 763 763 1 1 ORF1a

Martelliviral es Kitaviridae Pistachio virus X 9,14E-32 162 170 44,444 45,294 585 957 3 2 Replicase

Martelliviral es Virgaviridae Nephila clavipes virus 4 2,22E-134 1046 1047 31,358 40,511 10340 10559 51 5 replicase protein

Martelliviral es Virgaviridae Broome virga-like virus 1 6,16E-07 177 177 31,073 31,638 1432 2499 5 2 ORF3

Martelliviral es Virgaviridae Insect virga-like virus 1 1,27E-12 130,5 165 38,106 41,667 521,5 540 2 2 hypothetical protein, partial

Martelliviral es Virgaviridae Bombus-associated virus Vir4 1,44E-31 222 222 34,234 34,234 657 657 1 1 putative RNA- dependent RNA- polymerase, partial

Martelliviral es Virgaviridae Culex Virga-like virus 1,04E-34 223 223 39,91 39,91 3078 3078 1 1 RdRp

Martelliviral es Virgaviridae Pimento virga-like virus 2,32E-06 164 164 25 25 598 598 1 1 polyprotein

Tymovirales Betaflexivirida e Potato virus S 0 1975 1975 98,734 100 8473 8539 66 7 coat protein| 223K protein| RdRp| replicase| RdRp

Tymovirales Betaflexivirida e Potato virus H 0 292 292 99,658 99,658 2595 2595 1 1 coat protein

Bunyavirales Phasmaviridae Wuhan mosquito orthophasmavirus 1 4,99E-26 388 388 27,062 27,062 1292 1667 17 3 glycoprotein precursor

Bunyavirales Phasmaviridae Kigluaik phantom orthophasmavirus 5,74E-05 154 154 27,273 27,273 596 596 1 1 glycoprotein precursor

Articulaviral es Orthomyxoviri dae Quaranjavirus araguariense 1,25E-37 437 437 27,689 27,822 1668 1718 9 5 hemagglutinin protein

Articulaviral es Orthomyxoviri dae Photinus pyralis orthomyxo-like virus 1 4,12E-137 553 768 43,942 43,942 1888 2529 15 5 NP| PA| PB2

Articulaviral es Orthomyxoviri dae Blattodean orthomyxo-related virus OKIAV181 4,25E-59 381,5 548 49,080 5 51,628 1251 1807 4 3 nucleocapsid protein| polymerase PB1, partial

Articulaviral es Orthomyxoviri dae Raphidiopteran orthomyxo-related virus OKIAV180 0 746 746 53,083 53,083 2524 2570 4 3 polymerase PB1

Articulaviral es Orthomyxoviri dae Coleopteran orthomyxo-related virus OKIAV184 1,74E-51 501 501 31,337 31,337 1697 1715 2 2 hemagglutinin, partial

Articulaviral es Orthomyxoviri dae Coleopteran orthomyxo-related virus OKIAV186 7,40E-157 637 761 43,168 5 46,784 2472,5 2607 2 1 polymerase PA| polymerase PB2, partial

Jingchuviral es Chuviridae Culicidavirus quitotaense 1,85E-48 287 508 32,283 32,941 1526 2037 5 2 putative glycoprotein| glycoprotein! hypothetical protein

Jingchuviral es Chuviridae Cockroach mivirus 5,85E-24 254,5 359 34,156 36 1283 1439 2 2 glycoprotein

Jingchuviral es Chuviridae Hubei mivirus 1,13E-52 326 388 30,412 32,515 1139 2241 3 2 putative glycoprotein

Jingchuviral es Chuviridae Hubei odonate mivirus 1,34E-40 291 419 33,174 35,317 1386 1956 5 2 putative glycoprotein

Jingchuviral es Chuviridae Nigecruvirus ixodes 1,89E-76 429 631 34,174 5 36,424 1279,5 2176 14 2 G

Jingchuviral es Chuviridae Coleopteran chu-related virus OKIAV127 1,57E-78 148 167 71,72 72,789 650,5 1926 22 3 glycoprotein, partial

Jingchuviral es Chuviridae Soybean thrips chu-like virus 1 1,46E-28 173 173 35,26 35,26 511 511 1 1 putative glycoprotein, partial

Jingchuviral es Chuviridae Soybean thrips chu-like virus 2 1,17E-23 169 169 35,503 35,503 2068 2068 1 1 putative glycoprotein

Jingchuviral es Chuviridae Soybean thrips chu-like virus 6 6,70E-47 242 242 39,256 39,256 732 732 1 1 putative glycoprotein, partial

Mononegavi rales Bornaviridae Bactrocera dorsalis borna-like virus 3,72E-38 163 163 43,558 43,558 512 512 1 1 RdRp

Mononegavi rales Rhabdoviridae Lampyris noctiluca rhabdo-like virus 1 2,32E-44 238 238 36,555 36,555 1679 1679 1 1 putative coat protein

Mononegavi rales Xinmoviridae Orthopteran anphevirus 1,38E-06 383 383 25,065 25,065 1598 1645 3 2 hypothetical protein 1

Mononegavi rales Xinmoviridae Shuangao anphevirus 4,25E-13 170 170 27,059 27,059 514 514 1 1 RdRp, partial

Mononegavi rales Xinmoviridae Ulegvirus freckenfeldense 0 1502 1930 30,959 30,959 12774 14588 9 6 RdRp

Algavirales Phycodnavirid ae Acanthocystis turfacea Chlorella virus Canal-1 1,10E-11 151 151 30,464 30,464 1271 1271 1 1 hypothetical protein ATCVCanal

Algavirales Phycodnavirid ae Organic Lake phycodnavirus 2 3,04E-57 637 637 29,67 29,67 2160 2185 2 2 putative heat shock protein 70

Imitervirales Mimiviridae Klosneuvirus KNV1 1,69E-18 79 199 55,932 63,291 803 2610 5 1 F-box/leucine-rich repeat protein| leucine-rich repeat protein

Pimascoviral es Ascoviridae Trichoplusia ni ascovirus 2c 0,000107 64 137 40,625 40,625 600 1321 19 3 hypothetical protein TNAV2c gp1 32| hypothetical protein TNAV2c gp0 86

Pimascoviral es Iridoviridae Iridovirus LCIVAC01 1,12E-19 168 168 30,952 30,952 700 796 2 2 uncharacterize d protein , partial

Chitovirales Poxviridae Amsacta moorei entomopoxvirus 7,31E-06 164 191 29,572 5 32,143 772,5 1153 4 2 putative matrix metalloprotein ase| similar to gene product

Chitovirales Poxviridae Choristoneura rosaceana entomopoxvirus 8,20E-10 145,5 152 31,134 5 34,211 1381 2044 2 1 tryptophan repeat gene family

Durnavirales Partitiviridae Atrato Partiti-like virus 1 7,80E-17 339 339 27,139 27,139 1602 1602 1 1 hypothetical protein 2, partial

Picornaviral es Caliciviridae Soybean thrips Pernambuco virus 4,16E-16 497 497 25,151 25,813 5048 11259 6 5 polyprotein, partial

Picornaviral es Dicistroviridae Aphid lethal paralysis virus 0 808 808 92,822 92,822 3468 3468 1 1 capsid protein, partial

Picornaviral es Dicistroviridae Aphis gossypii virus 0 1039 1039 93,936 93,936 6635 6635 1 1 ORF1

Picornaviral es Dicistroviridae Bivalve RNA virus G5 1,51E-13 369 369 24,932 24,932 6436 6436 1 1 replicative protein

Picornaviral es Iflaviridae Lampyris noctiluca iflavirus 1 0 1638 1642 33,822 39,726 9870,5 9934 26 7 putative polyprotein

Picornaviral es Picornaviridae Bactrocera dorsalis picorna-like virus 1,26E-06 296 428 24,909 26,22 3944 4412 4 3 putative polyprotein

Picornaviral es Solinviviridae Solenopsis invicta virus 3 1,54E-50 966 966 24,534 29,121 8527 11648 12 5 putative structural polyprotein| putative nonstructural polyprotein| nonstructural polyprotein

Picornaviral es Solinviviridae Nylanderia fulva virus 1 8,94E-28 501 501 27,944 5 28,144 3350 4272 2 2 polyprotein

Patatavirales Potyviridae Potato virus Y 0 3061 3061 100 100 9676 9728 25 3 coat protein, partial| polyprotein

Guelinviridae Brucesealvirus CP7R 1,10E-12 348,5 355 30,280 5 30,702 7057 8049 2 1 DNA polymerase

Guelinviridae Capvunavirus CpV1 9,53E-07 167 167 32,934 32,934 2217 2217 1 1 DNA polymerase

Lefavirales Baculoviridae Mythimna unipuncta nucleopolyhedrovirus 1,69E-10 309 309 22,654 25,214 1693,5 1929 14 2 F protein

Lefavirales Baculoviridae Peridroma alphabaculovirus 3,32E-17 471 474 21,73 30,952 2094 2668 9 2 fusion protein

Lefavirales Baculoviridae Chrysodeixis includens nucleopolyhedrovirus 0,00048 160 160 25,625 25,625 667 667 1 1 F protein

Lefavirales Baculoviridae Helicoverpa armigera nucleopolyhedrovirus 3,83E-08 271,5 276 22,286 5 22,596 1305,5 1550 4 1 | envelope protein| hypothetical protein| hypothetical protein HanGV4gp134

Lefavirales Baculoviridae Lambdina fiscellaria nucleopolyhedrovirus 2,80E-20 156 156 35,897 35,897 962 962 1 1 vp80

Lefavirales Baculoviridae Leucania separata nucleopolyhedrovirus 6,06E-10 226 226 25,664 25,664 1451 1451 1 1 efp

Lefavirales Baculoviridae Lymantria xylina nucleopolyhedrovirus 3,78E-15 225 241 24,889 27,386 1595 1748 3 1 gag-like protein

Lefavirales Baculoviridae Spodoptera litura nucleopolyhedrovirus II 1,37E-09 237 253 26,589 5 26,697 1266,5 1661 2 1 F protein

Lefavirales Baculoviridae Spodoptera litura granulovirus 5,78E-05 189 222 27,513 31,013 1512 1581 3 2 efp

Lefavirales Baculoviridae Clostera anastomosis granulovirus A 5,69E-07 256 256 25 25 1160 1160 1 1 efp

Lefavirales Baculoviridae Mythimna unipuncta granulovirus B 1,20E-08 249,5 251 24,848 5 25,aHB 1328 1628 14 1 envelope fusion protein

Lefavirales Baculoviridae Plutella xylostella granulovirus 0,000708 271 271 21,033 21,033 1275 1275 1 1 PxORF26 peptide

Lefavirales Baculoviridae Xestia c-nigrum granulovirus 5,25E-07 220 220 26,818 26,818 1394 1394 1 1 ORF27

Lefavirales Nudiviridae Penaeus monodon nudivirus 2,81E-62 655 655 28,55 28,55 17638 17638 1 1 P74

Nimaviridae Marsupenaeus japonicus endogenous nimavirus 1,43E-30 154 154 44,156 44,156 921 924 2 2 MjHSP70-2

Pithoviridae Pithovirus LCPAC101 1,56E-26 180 216 35,556 35,556 968,5 1527 8 5 zinc-finger double domain protein

Polydnavirifor midae Bracoviriform congregatae 1,45E-11 67 242 61,905 71,429 861,5 1669 14 4 unnamed protein product|

Maverick

capsid-like p31.10| hypothetical

protein CcBV 31.7

Polydnavirifor midae Bracoviriform inaniti 1,61E-40 324,5 419 38,924 5 43,46 1251 2975 28 4 19.5g1 protein

Polydnavirifor midae Cotesia sesamiae bracovirus 2,12E-50 173 614 41,25 54,762 1039 6071 19 4 cytochrome P450| hypothetical protein CsmBAC4b19. 2| hypothetical protein CsmBAC4b19. 5| putative reverse transcriptase

Polydnavirifor Bracoviriform 0,000106 158 158 25,949 25,949 716 716 1 1 hypothetical

midae facetosae protein g0090

Wuhan insect virus 0 1039 1039 99,326 99,326 6635 6635 1 1 hypothetical

33 protein 1

Wuhan insect virus 7,89E-07 163 163 28,221 28,221 720 720 1 1 hypothetical

12 protein

Wuhan house 9,87E-20 484 538 26,964 27,907 3350 4272 2 2 hypothetical

centipede virus 3 5 protein

Wuhan cricket virus 1,24E-60 441,5 470 35,903 39,467 1603 1604 2 1 hypothetical

2 5 protein

Varroa jacobsoni 2,21E-16 141 181 42,662 45,545 521,5 540 2 2 polyprotein

virus 4

Trichoplax MELD 4,28E-38 209 309 43,015 57,143 2965,5 4501 108 5 penton|

virus adenain| FtsK| integrase

Riboviria sp. 1,13E-50 870 971 25,517 29,861 6324 11259 5 4 hypothetical protein, partial

Powellomyces 2,59E-06 296 354 21,733 21,959 1104,5 2350 8 2 PolB

chytrid fungus MELD virus 1 5

Pleurochrysis sp. endemic virus 2 2,15E-22 179,5 193 34,737 40,187 1491,5 3228 20 3 YqaJ-like viral recombinase domain protein

Papaya mottle associated virus 0 1014 1017 53,945 64,399 8474 8539 63 7 RdRp

Old quarry swamp virus 5,91E-112 563 794 39,171 46,361 1890,5 2607 20 5 putative nucleocapsid| PA| PB2| PB1

Moyer virus 3,63E-41 949 949 23,077 23,365 9373 11648 10 4 polyprotein, partial

Liman tick virus 4,79E-53 325,5 631 29,070 5 31,Man 1272 2176 30 3 glycoprotein

Kaumoebavirus 1,17E-19 158 158 32,911 32,911 718 796 3 2 hypothetical protein K-

Hubei virga-like virus 15 7,90E-40 220,5 309 44,262 47,059 879,5 3078 8 2 RdRp

Hubei picorna-like virus 15 0 781 781 51,601 51,601 3468 3468 1 1 hypothetical protein 2

Hubei orthoptera virus 3 3,19E-08 306,5 513 30,853 35 1190,5 1812 2 2 hypothetical protein 1

Hubei lepidoptera virus 5 3,51E-30 284 408 31,274 32,847 1386 1956 5 2 hypothetical protein 4

Hubei lepidoptera virus 4 2,22E-39 320 364 28,571 29,688 1090 2241 3 2 hypothetical protein 4

Hubei earwig virus 3 3,61E-21 268 268 27,985 29,614 3944 4412 4 3 hypothetical protein 1

Hubei earwig virus 1 9,08E-123 769 769 33,55 33,55 2434 2437 3 3 polymerase PA

Feksystermes virus 1,75E-42 503 560 28,827 31,054 3772 6436 3 3 polyprotein

Canne point virus 4,15E-29 179 438 35,877 39,216 611,5 1926 14 3 glycoprotein

Beihai orthomyxo-like virus 1 1,37E-19 428 430 24,065 5 24,178 1697 1715 2 2 hemagglutinin

Bacteriophage sp. 0 935 935 69,091 69,091 114653 114653 1 1 hypothetical protein

Allermuir Hill virus 3 4,73E-24 512,5 746 34,627 5 36,997 1474 2156 2 2 putative non- structral polyprotein

Allermuir Hill virus 2 9,75E-67 477,5 500 33,498 5 34,066 1699,5 5585 4 2 putative non- structral polyprotein

Allermuir Hill virus 1 6,14E-27 186 1016 40,272 46,626 938 9840 17 2 putative non- structral polyprotein| hypothetical protein

Aedes alboannulatus orthomyxo-like virus 8,07E-45 213 213 43,192 43,192 700 700 2 1 PB1

Aedes aegypti To virus 2 1,16E-29 228 729 35,549 79,394 1135 6019 927 8 putative RdRp| putative gag protein| putative envelope protein

Aedes aegypti To virus 1 3,57E-18 208 661 32,385 59,524 819,5 3360 132 3 putative RdRp

Примечание. Из таблицы исключены контиги, гомологичные EVE ретровирусного происхождения, а также контиги с длиной выравнивания менее 150 а.к.о.