eDNAmap：一种用于比较海洋生物多样性的宏条形码网络工具，特别关注硬骨鱼类

《Molecular Ecology Resources》：eDNAmap: A Metabarcoding Web Tool for Comparing Marine Biodiversity, With Special Reference to Teleost Fish

海洋环境DNA元标签数据分析平台开发与应用

　　近年来，随着环境DNA（eDNA）宏条形码技术的发展，科学家们开始积累大量的海洋eDNA数据，这些数据不仅覆盖了较为熟悉的海域，也扩展到了一些偏远且研究较少的区域。eDNA宏条形码技术通过分析水体中的DNA片段，可以揭示目标生物的分布情况，进而用于比较不同海洋区域的生物组成。然而，尽管这一技术展现出巨大的潜力，目前仍缺乏一个能够有效利用和整合这些数据的平台。为了解决这一问题，研究人员开发了一个名为eDNAmap的网络平台，旨在分析和存储海洋eDNA宏条形码数据，帮助科学家更好地理解和研究海洋生物多样性。

eDNAmap的主要功能包括：用户可以上传带有位置信息的物种或序列组成数据，系统将自动在地图上标记采样点，生成热图以评估由于方法差异可能产生的批次效应，并使用相似性指数进行非度量多维尺度分析（nMDS）和聚类分析。此外，用户还可以指定科学名称以查看特定物种的分布情况，或上传物种列表来评估目标海域的生物组成。为了验证该平台的功能，研究人员利用从55个站点收集的鱼类序列组成数据，探讨了“Watase线”是否存在，这是一条被认为沿着“Tokara海峡”地理峡谷分布的潜在生物地理边界。

目前，eDNAmap的数据库主要包含来自西北太平洋的鱼类数据，这些数据来源于12篇已发表的研究论文，包括三次研究航行。该平台不仅支持鱼类数据的分析，还具有一定的灵活性，能够处理其他海洋生物的数据。通过分析多种生物群落的宏条形码数据，可以检测到不同类群之间的一致性生物地理模式，从而增强生态解释，并为识别影响生物群落结构的环境驱动因素奠定基础。eDNAmap的开发，为海洋生态学研究提供了一个强大的工具，使研究人员能够更便捷地进行数据整合、可视化和比较分析。

在实施过程中，eDNAmap使用了Python、Python的CGI模块和JavaScript进行开发。为了创建地图和标记水样采集点，研究人员采用了通用映射工具（Generic Mapping Tools, GMT）版本6.5.0。对于Excel文件的处理，使用了Python的pandas模块。在分析和可视化物种组成比较时，研究人员使用了R语言的多个软件包，如vegan和pheatmap，其中vegan包用于执行nMDS和PERMANOVA分析，而pheatmap则用于生成热图。此外，eDNAmap还支持用户上传自己的数据，并提供个性化的分析选项，例如设定ASV比较标准、选择用于计算生物群落相似性的距离方法（如Jaccard距离或Bray-Curtis距离），以及排除不必要的数据，如来自负控样本的序列。

在采样方面，研究人员利用了KH22-5和KH20-9两次研究航行的数据，这些数据来自“Tokara海峡”及其周边的“Kuroshio洋流”区域。Kuroshio洋流是北太平洋副热带环流的西部边界流，起源于菲律宾以东，经过冲绳岛西侧，最终通过“Tokara海峡”流入北太平洋。在采样过程中，水样通常从不同深度（如10米、50米、100米和150米）采集，并结合了负控样本以确保数据的可靠性。这些样本随后经过DNA提取、PCR扩增和测序处理，最终生成ASV表。

在序列生成方面，研究人员采用了MiFish引物对12S rRNA区域进行靶向扩增，并通过DADA2算法处理测序数据，以提高ASV识别的准确性。随后，利用Qiime2进行数据预处理，包括去除引物、过滤低质量序列以及合并序列。在物种识别过程中，主要依赖于BLAST搜索MIDORI2数据库，该数据库包含了大量来自NCBI的线粒体12S rRNA基因序列。为了减少误判，研究团队还通过排除非鱼类ASV和来自负控样本的序列，确保了最终ASV表的准确性。

在结果分析方面，研究人员利用eDNAmap对KH22-5和KH20-9的鱼类ASV数据进行了比较，发现两个航行的ASV数量存在显著差异。例如，KH22-5的平均ASV检测数为205.2，而KH20-9仅为33.8。这一差异可能源于测序平台的不同，也可能受到采样设计、实验室流程和环境因素的影响。为了解决这一问题，研究团队决定分别分析两个航行的数据，以避免批次效应对结果的干扰。同时，他们还对不同深度的采样点进行了比较，发现鱼类的ASV分布主要集中在表层（如10米和50米），这与已知的鱼类栖息地信息一致。

在生物地理边界验证方面，eDNAmap通过分析鱼类和浮游植物（如dinoflagellates）的ASV数据，比较了Watase和Osumi两个潜在边界（HBs）的生物群落组成。研究结果表明，这两个区域的生物组成确实存在差异，尤其是在Osumi HB的南侧，这种差异更为显著。然而，Watase HB的差异并未达到统计显著性水平，这可能与采样点数量较少有关。为了更准确地评估这些边界，研究团队建议未来增加在Watase HB南侧的采样点。

此外，eDNAmap还支持用户上传和分析其他生物的物种列表，如来自冲绳海洋馆的Kuroshio区域鱼类列表。通过比较这些列表与eDNAmap数据库中的数据，研究人员发现，尽管Kuroshio区域的鱼类在馆内被广泛展示，但它们在实际海洋环境中并不一定广泛分布。这一发现强调了物种分布的复杂性，以及在不同环境中进行物种识别时需要谨慎对待。

在应用方面，eDNAmap不仅适用于鱼类，还能够处理其他海洋生物的数据，如浮游植物和珊瑚。通过整合用户上传的数据和数据库中的现有数据，研究人员可以进行跨区域的生物多样性分析，探索不同生物群落之间的相似性和差异性。此外，eDNAmap还提供了一种方法，使用户能够通过设定环境变量，分析这些变量如何影响物种组成相似性。这为研究海洋生态系统的环境驱动因素提供了新的视角。

尽管eDNAmap已经展现出其在海洋生物多样性研究中的巨大潜力，但仍存在一些局限性。例如，当前版本的数据库主要依赖于12S rRNA区域的数据，且覆盖范围有限。未来的研究需要进一步扩展数据库，以包含更多遗传标记和不同海洋区域的数据。此外，由于不同研究项目可能采用不同的测序平台和实验室流程，用户在进行跨项目比较时，需要特别注意这些方法差异可能带来的偏倚。因此，研究团队建议用户在分析前对数据进行适当的预处理，以减少批次效应和其他技术因素对结果的影响。

总之，eDNAmap为海洋生态学研究提供了一个强大的工具，使科学家能够更高效地分析和比较eDNA宏条形码数据。通过整合多种分析方法和可视化工具，该平台不仅有助于理解生物地理边界，还能够揭示不同环境因素对生物群落结构的影响。未来，随着数据库的扩展和技术的优化，eDNAmap有望成为海洋生物多样性研究的重要资源，为全球范围内的生态监测和保护工作提供支持。