编辑推荐：
食源性病原体（FWD）严重威胁人类和动物健康，不同实验室用于 FWD 监测的全基因组测序（WGS）流程不同，影响结果可比性。研究人员评估了四种重要食源性病原体的 WGS 流程聚类一致性，发现总体有一致性但存在差异，为监测提供重要信息，推动国际和跨部门合作。
在全球范围内，食源性病原体（Food and Waterborne Pathogen）引发的疾病每年都影响着数以亿计的人口，给人类和动物的健康带来沉重负担。为了有效预防和控制这些疾病，建立高效的监测系统至关重要。全基因组测序（Whole-Genome Sequencing，WGS）技术的出现，为食源性病原体监测带来了新的机遇，它能够提供高分辨率的病原体信息，帮助快速检测和调查潜在的疫情爆发。
然而，目前不同实验室在进行食源性病原体的 WGS 监测时，采用的生物信息学流程（pipeline）各不相同。这些流程在数据处理和分析上的差异，使得监测结果的可比性受到质疑，进而阻碍了跨部门和国际层面的有效沟通与合作。想象一下，不同实验室就像一个个独立的 “信息孤岛”，各自使用不同的 “语言”（流程）来解读病原体的信息，这无疑给全球范围内的食源性病原体监测工作带来了巨大挑战。
在这样的背景下，来自欧洲多个国家的 11 个研究机构，包括食品、动物和人类健康领域的专业人员，共同开展了一项大规模研究。他们旨在评估不同 WGS 流程在所有分辨率水平上的聚类一致性，并对四种重要的食源性病原体 —— 单核细胞增生李斯特菌（Listeria monocytogenes）、肠炎沙门氏菌（Salmonella enterica）、大肠杆菌（Escherichia coli）和空肠弯曲菌（Campylobacter jejuni）在爆发水平上的聚类组成进行深入比较分析。
研究人员通过一系列复杂而严谨的实验和分析，得出了许多重要结论。首先，对于大多数物种，基于等位基因的流程之间总体上具有一致性，但空肠弯曲菌是个例外，不同的等位基因分型方案导致了明显的差异。这表明在空肠弯曲菌的监测中，需要更加谨慎地选择和评估监测流程。其次，研究发现不同流程在爆发检测方面存在不可忽视的差异，而灵活调整阈值有助于不同实验室检测到相似的爆发信号。这一发现为优化爆发检测策略提供了重要依据。此外，研究还表明不同的传统分型组（如血清型）具有显著不同的遗传多样性，这对于未来制定爆发病例定义和基于 WGS 的命名设计具有重要价值 。
这项研究成果发表在《Nature Communications》上，具有多方面的重要意义。它为全球食源性病原体监测提供了宝贵的信息，有助于不同实验室之间更好地理解和比较各自的监测结果，促进国际和跨部门的合作，朝着建立高效的 “一体化健康”（One Health）食源性病原体监测框架迈进。
在研究方法上，研究人员首先收集了大量的食源性病原体样本，涵盖了多个物种的众多菌株。他们对样本进行测序，然后使用多种生物信息学流程进行分析。这些流程包括基于等位基因的流程，如 chewieSnake、INNUENDO-like 等，以及基于单核苷酸多态性（Single Nucleotide Polymorphism，SNP）的流程，如 snippySnake、CSI Phylogeny 等。研究人员还利用了传统的分型方法，如多位点序列分型（MultiLocus Sequence Typing，MLST）和血清型分型，与 WGS 的结果进行对比。此外，他们通过计算各种指标，如调整华莱士系数（Adjusted Wallace Coefficient，AWC）、调整兰德系数（Adjusted Rand Coefficient，AR）等，来评估不同流程之间的聚类一致性。
下面详细介绍研究结果：
- 研究设计和一致性分析策略：多个欧洲实验室使用不同的生物信息学流程，对四种食源性病原体的全基因组测序数据集进行分析。通过 ReporTree 工具对不同流程的输出进行统一处理，获取所有可能距离阈值下的聚类信息，并使用单连锁层次聚类（Single-Linkage Hierarchical Clustering，HC）或最小生成树（Minimum Spanning Tree，MST）方法进行聚类分析。
- 各病原体的分析结果：
- 单核细胞增生李斯特菌：基于等位基因的流程在聚类模式上总体相似，但在高分辨率区域（爆发水平）稳定性较低。与传统分型方法（如 ST 和 CC 分型）相比，发现了良好的对应关系。不同基于等位基因的流程之间以及基于 SNP 的流程之间，在大多数情况下聚类结果具有较高的一致性，但与基于等位基因的流程相比，基于 SNP 的流程在使用相同 ST 参考进行读长映射时，往往具有更高的分辨率。在爆发检测方面，通过灵活调整阈值，可以提高不同流程检测到相同爆发信号的概率。
- 肠炎沙门氏菌：基于等位基因的流程在聚类模式上也较为相似，但 MentaLiST 工具表现出异常行为，被排除在后续分析之外。与传统分型（血清型和 ST 分型）相比，发现了不同程度的一致性，且存在多系血清型。不同基于等位基因的流程之间总体一致性较高，但基于 SNP 的流程在样本包含 / 排除标准上存在差异，影响了其与其他流程的一致性评估。在爆发检测中，使用动态阈值（如 14 ADs）时，不同流程检测到的聚类具有较高的相似性，且通过灵活调整阈值可以进一步提高一致性。
- 大肠杆菌：由于 Bionumerics 和 SeqSphere 在样本保留率上存在问题，部分分析排除了这两个工具。基于等位基因的流程在聚类模式上存在一定差异，SeqSphere 表现出偏离模式。与传统分型（血清型和 ST 分型）相比，受数据集偏倚影响，结果需谨慎解读。不同基于等位基因的流程之间一致性较高，但 SeqSphere 在所有阈值水平上显示出更高的分辨率。在爆发检测中，使用动态阈值（如 9 ADs）时，不同流程检测到的聚类具有较高的一致性，且核心 SNP 和 cg/wgMLST 分析在 O157:H7 爆发检测中具有等效性能。
- 空肠弯曲菌：不同的 cgMLST 模式大小导致不同流程的聚类模式存在明显差异，使用 PubMLST 模式的流程显示出更高的分辨率。与传统分型（CC 和 ST 分型）相比，CC 分类在基因组规模上对聚类的反映有限，而 ST 分类更具信息性。不同基于等位基因的流程之间一致性较高，但 PubMLST 模式流程的分辨率更高。在爆发检测中，由于不同模式大小差异，聚类一致性在相似模式大小的流程之间更高，且应用动态 wgMLST 方法可提高分辨率。
- 应用不同组装流程和更新等位基因调用器的影响：研究发现，使用替代组装流程（INNUca）或更新等位基因调用器（chewBBACA）对聚类结果影响较小，表明研究结果具有稳定性。
在讨论部分，研究人员指出，WGS 在食源性病原体监测中的应用虽然取得了显著进展，但要充分发挥其优势，需要采取 “一体化健康” 方法，解决实验室间可比性和数据共享的问题。研究结果表明，不同的 WGS 流程在聚类模式上存在差异，但基于 cg/wgMLST 的流程总体一致性较好，不过空肠弯曲菌是个例外。此外，即使聚类一致性较高的基于等位基因的流程，在爆发检测中也存在差异，灵活调整阈值可以提高检测相同爆发信号的概率。同时，研究还发现不同的 ST、CC 和血清型具有不同的遗传异质性，这对于选择用于常规 WGS 监测的分离株具有重要意义。最后，研究强调了持续进行 WGS 流程比较研究的必要性和可行性，这将有助于推动全球食源性病原体监测技术的发展，促进 “一体化健康” 利益相关者之间的沟通与合作。
