StrataSeq：一种用于快速开发难以鉴定物种的分子数据库的工作流程

《Ecology and Evolution》：StrataSeq: A Workflow for Rapid Development of Molecular Databases for Hard-To-Identify Species

针对传统生物监测难以有效覆盖小型物种丰富类群的问题，提出StrataSeq工作流程，通过分层抽样（基于环境梯度）、优先鉴定常见形态种、详细形态学鉴定及生成参考DNA序列四个步骤，显著降低样本处理量（78%），同时捕获基准数据中69%的物种。研究基于德国草地土壤样本的蜉蝣科Collembola数据，证明该流程在提高分子数据库生成效率的同时保持生态代表性。

　　本研究聚焦于如何通过一种新的方法来提升难以识别物种的分子参考数据库的构建效率。传统上，生物多样性监测主要依赖于形态学分析，然而这种方法对于小型、物种丰富的生物类群，如原生生物、浮游植物和浮游动物、陆地无脊椎动物等，往往面临巨大挑战。这些生物的形态复杂，且缺乏足够的分类学专家，使得传统的监测手段既耗时又费力。为了应对这一问题，DNA技术的发展为快速、广泛地评估这些难以识别的物种提供了新的可能性。然而，DNA方法的有效性高度依赖于分子参考数据库的完整性，而目前这些数据库仍然存在显著的空白，尤其是在地理上偏远且生物多样性丰富的地区。为此，研究人员提出了一种名为StrataSeq的系统化工作流程，旨在优化这些类群的DNA参考数据库的构建过程。

StrataSeq的核心在于其四个关键步骤，分别涉及环境梯度的分层抽样、形态物种的优先排序、详细形态学鉴定以及DNA序列的生成。首先，环境分层抽样通过选择具有代表性的样本集合，以最小化分类工作量，同时最大化生态多样性。其次，优先识别那些在多个样本中广泛出现的形态物种，以确保大多数目标社区的个体被准确分类。第三，对这些常见的形态物种进行详细的形态学鉴定，以提高分类的准确性。最后，对缺乏分子参考的物种进行DNA测序，并将这些标本作为标本馆的凭证保存。这种策略在多个层面提升了效率，尤其是在处理大规模样本时，能够有效减少工作量，同时保证数据的代表性。

通过在德国草地土壤中采集的Collembola（跳虫）数据集，研究人员对StrataSeq的效率进行了评估。结果表明，与传统的随机选取样本进行分类的方法相比，StrataSeq在仅使用22%的识别工作量的情况下，成功识别了69%的物种。这一成果不仅体现了该方法在提升效率方面的优势，也展示了其在生态保护和生态研究中的重要价值。StrataSeq的适用性广泛，不仅适用于空间研究，还适用于时间序列分析，例如季节性变化或长期监测项目。

在StrataSeq的应用过程中，研究人员首先根据地理区域、土壤类型和土地利用强度（LUI）对150个草地样点进行了分层抽样，最终选取了22个样本。通过对这些样本进行形态学分析，他们发现区域是影响跳虫群落结构的主要因素，而土壤类型和土地利用强度的影响则不显著。这说明在某些情况下，即使没有详细考虑所有环境变量，分层抽样仍能有效捕捉到主要的群落变化。接下来，研究人员对这些样本中的形态物种进行了优先排序，依据其在多个样本中的出现频率。这一步骤确保了识别工作的重点放在那些最可能代表群落多样性的物种上。

详细形态学鉴定是整个流程中最耗时的环节。研究人员在优先识别的形态物种中选取了30个物种进行鉴定，其中19个被确认为具体的物种，而其余则被归为属级。这种策略不仅减少了分类工作量，还提高了识别的准确性。最终，研究人员对缺乏分子参考的物种进行了DNA测序，并将这些数据上传至公共数据库，以供未来研究和监测使用。这一过程不仅提高了数据库的完整性，也为生态研究提供了重要的分子工具。

通过与传统方法的对比，StrataSeq在效率方面表现出色。传统方法需要对所有样本中的个体进行分类，而StrataSeq则通过分层抽样和优先排序，显著减少了分类工作量。此外，该方法还能够识别出69%的跳虫个体，这一比例在考虑样本的分布和分类的难度后显得尤为突出。研究人员指出，这种效率的提升不仅适用于跳虫，也适用于其他难以识别的生物类群，如微生物、浮游生物等。

StrataSeq的优势在于其灵活性和可扩展性。该方法可以根据不同的研究目标和环境条件进行调整，适用于各种生物类群和生态系统。此外，随着分子数据库的不断完善，StrataSeq的应用范围可能会进一步扩大，以涵盖更多罕见物种的分类。这将有助于更全面地理解生态系统的功能和变化，尤其是在全球变化和生态压力加剧的背景下。

总的来说，StrataSeq作为一种新的方法，为提升难以识别物种的分子参考数据库的构建效率提供了可行的解决方案。它不仅减少了分类工作量，还保证了数据的代表性，为生态研究和生物多样性监测提供了重要的工具。未来的研究可以进一步优化该方法，以适应更多样化的研究需求和环境条件，从而推动生态科学的发展。