主题：寰球同此凉热 -- 本嘉明

先花，几点讨论供商榷。

1）武汉病毒和舟山病毒的差异

根据你引用帖子里的方法，我先在NCBI对武汉肺炎病毒(MN908947) 进行了BLAST对比，现在除了其他武汉病毒的株系(100%)，排名靠前的是舟山蝙蝠冠状病毒(MG772933和MG772934, 89%)，和各种SARS病毒株系(82%)。

进一步将武汉肺炎病毒(MN908947，29903个碱基对)和舟山蝙蝠冠状病毒(MG772933，29802个碱基对)进行比对，二者之间有约1300多个碱基对的差异。这个差异不是武汉病毒比舟山病毒多了一个片段（从两个病毒接近的全基因组长度也能看出不存在直接的大片段插入），而是两个病毒的这1300多个碱基对区域的核酸序列非常的不同，不能像基因组的其他区域那样同源比对在一起。

这1300多个碱基对对应于武汉病毒中是在病毒棘突蛋白(spike)的编码区(58-513位氨基酸)，当我们把武汉病毒和舟山病毒的spike蛋白序列进行比对的时候，二者的序列一致性有81%。下图只截取了前560位氨基酸序列的比对结果

当我们比较编码二者spike蛋白的核酸序列时，同源比对的匹配区是从约第1540个碱基对开始，也即前面约1540碱基对的核酸序列(对应于前513个氨基酸的蛋白序列)同源性差，但蛋白序列差别相对小。在生物体中，由核酸(DNA和RNA)编码蛋白质序列，每三位连续的核苷酸序列(三联体密码子)编码20种氨基酸中的一种，或终止密码子。所以四种核苷酸组成的三联体密码子共有64种(4x4x4)，对应于20种氨基酸和三个终止子，显然会出现多个三联体密码子编码同一个氨基酸的情况，即三联体密码子的简并性。在不同的物种之间，编码同一个氨基酸的各个三联体密码子的频率会有所不同，即三联体密码子的偏好性。在武汉病毒和舟山病毒序列的对比中，差异显著的核酸序列(前1540碱基对)和具有同源性的蛋白序列(前513位氨基酸)很大程度上是密码子偏好性造成的。类似地，你举的两个病毒中E蛋白的例子，二者的蛋白序列完全一致(75/75)，而核酸序列略有差异(222/225)，也是由于偏好性造成的。

蛋白质作为多数细胞生化过程的执行者，其结构和功能由氨基酸序列决定，具有相似序列的蛋白质往往具有类似的结构和功能。

2) “插入片段”与匹配对象AY862402

对“插入片段”与AY862402进行蛋白序列，二者序列一致性为61%(如下图)，低于舟山病毒(对比1)中所示的舟山spike蛋白)。这个AY862402序列是2004年12月21日提交，文章发表于Virus Res. 112 (1-2), 24-31 (2005)，其中提及了载体的内容和构建目的：

“我们构建了包含N端截短的SARS-CoV Spike（萨斯病毒棘突蛋白S）基因（45-1469碱基对，命名为Ad-S（N））的 重组腺病毒，它编码了截短的棘突蛋白S（490个氨基酸残基，是672个氨基酸的S1亚基的一部分）。”

所以这个片段的来源是SARS病毒，不是人工合成的。

3) S蛋白的插入片段

印度文章的主要观点是武汉病毒的棘突蛋白S具有4个SARS没有的片段，位于约80、150、260和685位，如下图

而当我们把源自武汉病毒和舟山病毒(MG772933)的S蛋白比较时，发现插入片段存在于约265、450、480、495和690位。这表明印度组所做的比对太过简略，选取的序列数量不足，放大了序列间的差异性。

另一方面，他们选取的“插入片段”太短，与HIV同源性较好的片段1和2只有6个氨基酸，片段3和4长一些(8-12个氨基酸)，但HIV对应片段中又出现了进一步的插入片段，而且没有全序列的比对做背景。 他们对于这些片段功能的确认方式只是基于同源建模的模拟，而缺少结构、生化和细胞水平的证据。这种同源性分析只能说聊胜于无。

4) 云南蝙蝠病毒

MN996532 RaTG13于2020年1月27日提交，印度研究组的预印文本是在1月31日bioRxiv上线，几天后撤稿。明显印度方面的撤稿不是由于RaTG13这个事先已经的序列，作为严谨的科研工作者，在文章上线的最后一刻应该对相关的科研进展进行复核，况且是这种实效性很强的研究，而至少3天的时间印度人都没有发现和讨论RaTG13的问题。他们的撤稿也是分析方法和结论出现了多处问题，不仅仅限于RaTG13(如 3)中的一些讨论)。所以强调RaTG13的”火速”提交与印度撤稿的关系我觉得并不能让人信服。

5) 演化树分析

下面Tang兄提及了溯源的问题，我就不多说了

6) 本兄所说的

非天然碱基对这个表述的指向性是非常强的，这个消息是否有具体的出处

P.S.: NCBI和BLAST国内都是可以用的