Historically neglected by microbial ecologists, soil viruses are now thought to be critical to global biogeochemical cycles. However, our understanding of their global distribution, activities and interactions with the soil microbiome remains limited. Here we present the Global Soil Virus Atlas, a comprehensive dataset compiled from 2,953 previously sequenced soil metagenomes and composed of 616,935 uncultivated viral genomes and 38,508 unique viral operational taxonomic units. Rarefaction curves from the Global Soil Virus Atlas indicate that most soil viral diversity remains unexplored, further underscored by high spatial turnover and low rates of shared viral operational taxonomic units across samples. By examining genes associated with biogeochemical functions, we also demonstrate the viral potential to impact soil carbon and nutrient cycling. This study represents an extensive characterization of soil viral diversity and provides a foundation for developing testable hypotheses regarding the role of the virosphere in the soil microbiome and global biogeochemistry.

ABSTRACT Recent studies have revealed diverse RNA viral communities in soils. Yet, how environmental factors influence soil RNA viruses remains largely unknown. Here, we recovered RNA viral communities from bulk metatranscriptomes sequenced from grassland soils managed for 5 years under multiple environmental conditions including water content, plant presence, cultivar type, and soil depth. More than half of the unique RNA viral contigs (64.6%) were assigned with putative hosts. About 74.7% of these classified RNA viral contigs are known as eukaryotic RNA viruses suggesting eukaryotic RNA viruses may outnumber prokaryotic RNA viruses by nearly three times in this grassland. Of the identified eukaryotic RNA viruses and the associated eukaryotic species, the most dominant taxa were Mitoviridae with an average relative abundance of 72.4%, and their natural hosts, Fungi with an average relative abundance of 56.6%. Network analysis and structural equation modeling support that soil water content, plant presence, and type of cultivar individually demonstrate a significant positive impact on eukaryotic RNA viral richness directly as well as indirectly on eukaryotic RNA viral abundance via influencing the co-existing eukaryotic members. A significant negative influence of soil depth on soil eukaryotic richness and abundance indirectly impacts soil eukaryotic RNA viral communities. These results provide new insights into the collective influence of multiple environmental and community factors that shape soil RNA viral communities and offer a structured perspective of how RNA virus diversity and ecology respond to environmental changes. IMPORTANCE Climate change has been reshaping the soil environment as well as the residing microbiome. This study provides field-relevant information on how environmental and community factors collectively shape soil RNA communities and contribute to ecological understanding of RNA viral survival under various environmental conditions and virus-host interactions in soil. This knowledge is critical for predicting the viral responses to climate change and the potential emergence of biothreats.

Viruses outnumber every other biological entity on Earth, and soil viruses are particularly diverse compared to other habitats. However, we have limited understanding of soil viruses because of the tremendous variation in soil ecosystems and because of the lack of appropriate screening tools. Here, we determined the global distribution of more than 24,000 soil viral sequences and their potential hosts, including >1,600 sequences associated with giant viruses. The viral sequences, derived from 668 terrestrial metagenomes, greatly extend existing knowledge of soil viral diversity and viral biogeographical distribution. We screened these sequences to identify a suite of cosmopolitan auxiliary metabolic genes (AMGs) encoding enzymes involved in soil organic carbon decomposition across soil biomes. Additionally, we provide evidence for viral facilitation of multi-domain linkages in soils by locating a fungal chitosanase in bacteriophages, generating a new paradigm of how viruses can serve as exchange vectors of carbon metabolism across domains of life.

Historically neglected by microbial ecologists, soil viruses are now thought to be critical to global biogeochemical cycles. However, our understanding of their global distribution, activities, and interactions with the soil microbiome remains limited. Here, we present the Global Soil Virus (GSV) Atlas, a comprehensive dataset from 2,953 soils that comprises 616,935 uncultivated virus genomes (UViGs) and 38,508 unique viral operational taxonomic units (vOTUs). Rarefaction curves from the GSV Atlas indicate that most soil viral diversity remains unexplored, further underscored by high spatial turnover and low rates of shared vOTUs across samples. By examining genes associated with biogeochemical functions, we also demonstrate the viral potential to impact soil carbon and nutrient cycling. This study represents the most extensive characterization of soil viral diversity to date and provides a foundation for developing testable hypotheses regarding the role of the virosphere in the soil microbiome and global biogeochemistry.

Despite the explosion of soil metagenomic data, we lack a synthesized understanding of patterns in the distribution and functions of soil microorganisms. These patterns are critical to predictions of soil microbiome responses to climate change and resulting feedbacks that regulate greenhouse gas release from soils. To address this gap, we assayed 1512 manually-curated soil metagenomes using complementary annotation databases, read-based taxonomy, and machine learning to extract multidimensional genomic fingerprints of global soil microbiomes. We reveal novel biogeographical patterns of soil microbiomes across environmental factors and ecological biomes with high molecular resolution. Specifically, we demonstrate shifts in the potential for microbial nutrient acquisition across pH gradients; for stress, transport, and redox-based processes across changes in soil bulk density; and for greenhouse gas emissions across biomes. We also use an unsupervised approach to reveal a collection of soils with distinct genomic signatures, characterized by coordinated changes in soil organic carbon, nitrogen, and cation exchange capacity and in bulk density and clay content that may ultimately reflect soil environments with high microbial activity. Genomic fingerprints for these soils highlight the importance of resource scavenging, plant-microbe interactions, fungi, and heterotrophic metabolisms. Across all analyses, we observed phylogenetic coherence in soil microbiomes –– more closely related microorganisms tended to move congruently in response to soil factors. Collectively, the genomic fingerprints uncovered here present a basis for global patterns in the microbial mechanisms underlying soil biogeochemistry and help beget tractable microbial reaction networks for incorporation into process-based models of soil carbon and nutrient cycling.

Endoscopic submucosal dissection (ESD) is a widely used procedure for the treatment of early and precancerous gastrointestinal lesions and has become the standard treatment. In this procedure, the commonly used materials have a short retention time and a limited lifting capacity, which will prolong the duration of the ESD procedure. Furthermore, these liquids tend to diffuse after ESD surgery, failing to adequately protect the wound. Therefore, we designed and developed injectable hydrogels based on hyaluronic acid. A series of oxidized hyaluronic acid (OHA) and hydrazide hyaluronic acid (AHA) were synthesized, and 16 kinds of injectable hydrogels were fabricated to investigate the effects of molecular structures on the properties of the hydrogels. Among these, the O1A3 hydrogel exhibited a suitable injection performance, gelation time, and mechanical properties, along with good blood and cell compatibility

The fundamental task in proteomic mass spectrometry is identifying peptides from their observed spectra. Where protein sequences are known, standard algorithms utilize these to narrow the list of peptide candidates. If protein sequences are unknown, a distinct class of algorithms must interpret spectra de novo. Despite decades of effort on algorithmic constructs and machine learning methods, de novo software tools remain inaccurate when used on environmentally diverse samples. Here we train a deep neural network on 5 million spectra from 55 phylogenetically diverse bacteria. This new model outperforms current methods by 25-100%. The diversity of organisms used for training also improves the generality of the model, and ensures reliable performance regardless of where the sample comes from. Significantly, it also achieves a high accuracy in long peptides which assist in identifying taxa from samples of unknown origin. With the new tool, called Kaiko, we analyze proteomics data from six natural soil isolates for which a proteome database did not exist. Without any sequence information, we correctly identify the taxonomy of these soil microbes as well as annotate thousands of peptide spectra.