基于模拟微生物群落的食源性病原体检测：宏基因组分析流程的基准评估与优化

为解决食源性病原体在复杂食品基质中检测灵敏度不足的问题，研究人员针对Kraken2/Bracken、MetaPhlAn4等4种宏基因组分类工具开展性能评估。通过模拟鸡肉、奶粉等食品微生物群落，发现Kraken2/Bracken组合在0.01%低丰度下仍保持0.945 F1-score的优异表现，为食品安全生产提供了精准高效的分子检测方案。

　　

食源性疾病每年导致全球42万人死亡，传统培养检测方法耗时费力，而新兴的宏基因组技术虽能实现无偏检测，但不同生物信息学工具在食品基质中的性能差异尚不明确。美国马里兰大学（University of Maryland）的研究团队在《Journal of Food Protection》发表研究，首次系统评估了四种主流分类工具在模拟食品微生物群落中的病原体检测效能。

研究采用Illumina平台模拟生成包含弯曲杆菌（Campylobacter jejuni）、阪崎肠杆菌（Cronobacter sakazakii）和李斯特菌（Listeria monocytogenes）的鸡肉、奶粉等食品宏基因组数据，通过Mason软件控制0.01%-30%的病原体梯度丰度。利用Kraken2/Bracken、MetaPhlAn4等工具进行物种分类后，采用F1-score（精确率与召回率的调和平均数）和L2距离（预测与真实丰度的欧氏距离）量化性能。

性能评估
Kraken2/Bracken以0.945的中位F1-score显著优于其他工具，其L2距离（0.117）较MetaPhlAn4降低57.9%。独特的贝叶斯重估算法使其在0.01%超低丰度下仍能准确识别所有病原体，突破传统检测极限。

食品基质特异性表现
在奶粉样本中，MetaPhlAn4对李斯特菌的检测表现（F1=0.886）接近Kraken2/Bracken，但其依赖标记基因的特性导致对弯曲杆菌的漏检率升高35.7%。干燥食品中的阪崎肠杆菌检测则揭示工具性能受病原体种群结构影响——克隆性强的菌株更易被MetaPhlAn4识别。

技术相关性验证
通过Spearman相关性分析证实，F1-score与L2距离呈强负相关（ρ<-0.93），验证了评估指标的一致性。Centrifuge因默认压缩数据库导致30%高丰度样本仍存在1.094 L2距离的严重偏差。

该研究确立了Kraken2/Bracken作为食品病原体监测的金标准工具，其突破性的0.01%检测限（LoD）为早期污染预警提供技术支撑。MetaPhlAn4则适用于高精度场景，如加工食品的终末质控。研究成果为FDA等监管机构建立分子检测标准提供了实证依据，推动食品安全进入精准化监测时代。作者建议后续研究应整合实际食品样本的宿主DNA干扰因素，并开发食品特异的定制化数据库以进一步提升检测灵敏度。