染色体水平基因组揭示石蝇Indonemoura scalprata的进化与水生适应机制

《Scientific Data》：Chromosome-level genome assembly of the stonefly Indonemoura scalprata (Plecoptera: Nemouridae)

为解决石蝇科（Plecoptera）Amphinemurinae亚科基因组数据稀缺，限制其系统发育、进化及水生适应机制研究的问题，研究人员对广泛分布于中国南方的石蝇Indonemoura scalprata开展了染色体水平基因组测序研究。该研究利用PacBio HiFi和Hi-C技术，成功组装了大小为257.81 Mb、锚定至11条假染色体的高质量基因组，注释了12,200个蛋白质编码基因，BUSCO评估完整性达97.7%。该基因组为研究多新翅类（Polyneoptera）昆虫的比较基因组学、早期有翅昆虫进化及对寒冷、急流环境的适应机制提供了宝贵的资源。

　　

在清澈、湍急的山涧溪流中，生活着一群对水质极为敏感的生物——石蝇（Plecoptera）。它们是水生生态系统中的“环境哨兵”，其存在与否直接反映了水体的健康状况。石蝇属于多新翅类（Polyneoptera）昆虫，是理解早期有翅昆虫进化及水生适应过程的关键类群。然而，尽管石蝇具有重要的生态和进化地位，其基因组资源却相对匮乏，这极大地限制了对石蝇生物学、系统发育及适应机制的深入研究。

在石蝇的大家族中，叉襀科（Nemouridae）是物种最丰富、多样性最高的类群之一。其中，Amphinemurinae亚科是叉襀科的重要组成部分，但该亚科的基因组数据却是一片空白。为了填补这一空白，并为解决石蝇系统发育中的争议提供关键数据，研究人员将目光投向了Amphinemurinae亚科的代表物种——Indonemoura scalprata。该物种广泛分布于中国南方的福建、广东和广西等地，是研究石蝇进化与适应的理想对象。

为了获得高质量的基因组参考，研究人员利用PacBio HiFi长读长测序和Hi-C染色质构象捕获技术，对Indonemoura scalprata进行了染色体水平的基因组测序。最终，他们成功组装了一个大小为257.81 Mb的高质量基因组，其中99.76%的序列被成功锚定到11条假染色体上。该基因组的支架N50达到了26.45 Mb，BUSCO（insecta_odb12）评估的完整性高达97.0%，表明这是一个高度完整和连续性的基因组。

在基因组注释方面，研究人员发现重复序列占基因组的31.20%，并鉴定出1,491个非编码RNA（ncRNA）和12,200个蛋白质编码基因。基因注释的BUSCO完整性评估达到了97.7%，证明了注释结果的高质量。该基因组为研究多新翅类昆虫的比较基因组学、石蝇对寒冷、急流环境的适应机制以及早期有翅昆虫的进化提供了宝贵的资源。

主要技术方法

本研究采用多组学技术联合策略，对Indonemoura scalprata进行了全面的基因组测序与注释。首先，研究人员从广西千家洞国家级自然保护区采集了成年个体样本，并利用CTAB法提取了高质量的基因组DNA。随后，他们构建了PacBio HiFi长读长文库、Illumina短读长文库（用于基因组调查和RNA-seq）以及Hi-C染色质构象捕获文库，并利用Oxford Nanopore平台进行了全长转录组测序。基因组组装采用Hifiasm软件对HiFi数据进行初步组装，并利用Hi-C数据通过YAHS软件进行染色体水平支架构建。基因注释则整合了从头预测、转录组证据和同源预测三种方法，最终通过MAKER流程生成高质量的基因模型。

研究结果

1. 基因组测序与组装

研究人员利用PacBio HiFi长读长测序技术，获得了23.46 Gb（约91.01X覆盖度）的高保真测序数据。通过k-mer分析预测，Indonemoura scalprata的单倍体基因组大小约为264.75 Mb，杂合率为2.51%，重复序列含量为16.68%。利用Hifiasm软件进行从头组装，并结合Hi-C数据进行染色体水平支架构建，最终获得了大小为257.81 Mb的基因组。该基因组由22个支架和57个重叠群组成，其中99.76%（257.18 Mb）的序列被成功锚定到11条假染色体上。支架N50为26.45 Mb，最长支架达到36.69 Mb，GC含量为36.39%。BUSCO（insecta_odb12）评估显示，基因组完整性高达97.0%，且重复基因比例仅为0.8%，表明该基因组具有高度的完整性和低冗余性。

2. 基因组注释

研究人员采用同源预测和从头预测相结合的方法，对基因组中的重复序列进行了全面注释。结果显示，重复序列占基因组的31.20%（80.44 Mb），其中散在重复序列占29.72%，简单重复序列占1.12%。在散在重复序列中，LINEs（长散在核元件）占3.07%，DNA转座子占2.43%，LTR反转录转座子占3.24%，滚环元件占1.23%，SINEs（短散在核元件）占1.74%。值得注意的是，未分类的重复序列占基因组的17.98%，表明该基因组中存在大量新颖或分化的重复元件。

在非编码RNA注释方面，研究人员共鉴定出1,491个非编码RNA，包括605个rRNA（核糖体RNA）、402个tRNA（转运RNA）、87个snRNA（小核RNA）、54个miRNA（微RNA）、2个lncRNA（长链非编码RNA）、3个核酶以及341个组蛋白3' UTR茎环基序。这些非编码RNA的鉴定为研究石蝇的基因调控机制提供了重要线索。

在蛋白质编码基因注释方面，研究人员整合了从头预测、转录组证据和同源预测三种方法，最终预测出12,200个蛋白质编码基因。这些基因的平均长度为11,407.7 bp，平均包含8.2个外显子和7.2个内含子。BUSCO（insecta_odb12）评估显示，基因注释的完整性高达97.7%，表明注释结果高度可靠。功能注释结果显示，92.98%的基因在UniProtKB数据库中有同源匹配，84.59%的基因被InterProScan注释了至少一个结构域，79.33%的基因被注释了GO（基因本体论）条目，38.89%的基因被注释了KEGG（京都基因与基因组百科全书）通路条目。

结论与讨论

本研究成功构建了Indonemoura scalprata的高质量染色体水平基因组，这是Amphinemurinae亚科首个正式发表的染色体水平基因组。该基因组大小为257.81 Mb，锚定至11条假染色体，具有高度的连续性和完整性。基因组注释揭示了其独特的重复序列组成和基因结构特征。与已发表的其他石蝇基因组相比，Indonemoura scalprata的基因组大小与Nemurella picteti（257 Mb）相似，但小于Brachyptera putata（436.5 Mb）、Leuctra nigra（536.3 Mb）和Nemoura dubitans（321.0 Mb），其GC含量（36.39%）也低于其他物种。

该基因组的发布具有重要的科学意义。首先，它填补了Amphinemurinae亚科高质量基因组数据的空白，为研究叉襀科乃至整个石蝇目的系统发育关系提供了关键数据。其次，该基因组为研究石蝇对寒冷、急流环境的适应机制提供了分子基础。通过比较基因组学分析，可以揭示石蝇在应对低温、高氧和急流等环境压力时的基因家族扩张、收缩或正选择信号。最后，作为多新翅类昆虫的代表，该基因组也为理解早期有翅昆虫的进化提供了新的视角。总之，Indonemoura scalprata的高质量基因组是一个宝贵的资源，将极大地推动石蝇生物学、进化生物学和生态学的研究。