AdDeam：一种快速可扩展的古DNA损伤模式估计与聚类工具及其在古微生物组研究中的应用

针对古DNA研究中损伤模式分析繁琐且缺乏高效聚类工具的瓶颈，丹麦技术大学与拉瓦尔大学团队开发了AdDeam工具。该工具通过GMM算法实现损伤模式快速聚类，可区分UDG处理样本、不同时期标本的特异性损伤，并能有效识别古微生物组中的现代污染contig。其双模式设计（经典模式与meta模式）为古DNA认证和大规模分析提供了标准化框架，相关成果发表于《Bioinformatics》。

　　

在探索人类演化史和古代微生物组的过程中，古DNA（aDNA）研究面临着严峻的认证挑战。由于年代久远，aDNA分子会发生特征性化学修饰——主要表现为片段末端C→T和G→A的碱基替换，这种"损伤模式"成为鉴别古代样本真伪的关键标志。然而现有工具如mapDamage、PMDtools等仅能生成单一参考基因组的损伤图谱，面对海量样本或宏基因组数据时，研究人员不得不人工比对数百张损伤图谱，既低效又易出错。更棘手的是，在古微生物组研究中，如何快速区分来自不同时期或处理方式（如UDG处理）的样本，以及识别组装contig中的现代污染物，成为制约研究进展的技术瓶颈。

丹麦技术大学（Technical University of Denmark）健康技术系生物信息学部的Louis Kraft团队开发了AdDeam这一创新工具。该工具通过高斯混合模型（Gaussian Mixture Model, GMM）算法实现损伤模式的智能聚类，不仅能自动区分不同保存状态的样本，还可识别古微生物组中的现代污染序列，相关研究成果发表在《Bioinformatics》上。这项工作的核心价值在于：首次将高效的损伤模式计算与智能聚类相结合，为大规模古DNA研究提供了标准化分析框架。

研究团队采用了两项关键技术：1）基于C++开发的bam2prof程序，通过迭代收敛算法快速生成损伤图谱（记录5'端前5位和3'端前5位的C→T/G→A替换频率）；2）基于scikit-learn的GMM聚类模块，将log转换后的替换频率向量进行多维度聚类。实验数据包括：模拟数据集（含无损伤、中度损伤、高度损伤三类样本）和真实古微生物组数据（49个牙结石样本，映射到4种核心口腔菌群基因组）。

研究结果通过四个维度得到验证：

1. 模拟数据测试显示，当设定k=3时，AdDeam能100%准确区分预设的三类损伤水平，其PCA可视化呈现完美的簇状分布

   
   。

2. 经典模式分析49个真实样本时，k=4聚类结果清晰分离出：全UDG处理组（Cluster 1）、现代非UDG样本（Cluster 2）、旧石器时代中/高损伤样本（Cluster 3-4）

   
   。

3. meta模式分析共组装contig时，k=3聚类准确识别出现代污染contig（99%现代reads）、古代contig（>97%古代reads）及混合型contig

   
   。

4. 性能测试表明，处理含多参考序列的BAM文件时，内存消耗<400MB，运行时间<2.5分钟。

这项研究的突破性在于：首次实现了古DNA损伤模式的自动化聚类分析，其双工作模式（经典模式处理单一参考样本，meta模式分析宏基因组contig）覆盖了古基因组学的主要应用场景。特别值得注意的是，工具对UDG处理样本的识别精度达到近乎完美，这对确保下游分析可靠性至关重要。在方法学层面，采用对数转换和球形协方差GMM的策略，有效放大了低损伤信号差异，解决了传统方法难以区分现代污染物的问题。

该工具的推出将显著提升古DNA研究的可重复性：一方面，通过标准化损伤模式比较流程，减少人工判读的主观偏差；另一方面，其可视化输出（含PCA图和代表性损伤模式）为多样本研究提供了直观的质量控制指标。未来，随着百万年级古样本（如Kj?r等2022年报道的格陵兰200万年古DNA）研究的深入，AdDeam在解析极端古老DNA损伤特征方面将展现更大价值。研究团队特别指出，当前版本采用的球形协方差假设虽简化了计算，但可能忽略位置依赖性特征，这为后续开发基于动态时间规整（DTW）的改进算法指明了方向。