gmmDenoise：基于高斯混合模型的环境DNA扩增子测序高置信度变异过滤新方法

本文推荐一种创新性环境DNA(eDNA)扩增子分析工具gmmDenoise，通过高斯混合模型(GMM)精准区分真实序列变异(ASVs)与PCR/测序假阳性，解决了传统降噪方法(DADA2/UNOISE3)残留错误序列的难题。该R包利用模拟数据验证了错误序列的丰度分布特征，通过EM算法计算95%置信阈值，在单物种和群落数据中均显著提升遗传多样性分析准确性，为eDNA种群遗传监测提供了统计严谨的过滤方案。

　　

环境DNA分析的技术突破

遗传多样性评估是理解种群生态和进化的核心，但传统组织采样对濒危或隐秘物种极具挑战。环境DNA(eDNA) metabarcoding技术通过检测水体等环境样本中的DNA片段，为种群遗传监测提供了非侵入性解决方案。然而扩增子测序中存在的PCR假阳性序列，即使经过DADA2或UNOISE3等降噪处理，仍会干扰种内遗传变异分析。

模拟揭示错误序列特征

通过模拟eDNA metabarcoding流程（包含30-35轮PCR扩增和Illumina测序），研究发现错误序列呈现独特的丰度分布：多数仅含1-2条reads，少数早期产生的错误经多轮扩增后可达数百条，形成多峰分布。而真实序列呈单峰分布，平均丰度高达1.5×10⁴条，与错误序列存在数量级差异。这种定量特征为高斯混合模型的应用奠定了理论基础。

gmmDenoise算法创新

基于模拟结果开发的R包gmmDenoise，采用期望最大化(EM)算法拟合k组分GMM模型，通过交叉验证选择最优k值（通常2-4个组分），以第二组分的95%置信上限作为过滤阈值。在ay鱼(Plecoglossus altivelis)单物种数据验证中，该方法与DADA2联用使假阳性从39降至2个，且完整保留所有9个真实单倍型；相较之下，传统检出率过滤会错误剔除37%的真实稀有单倍型。

群落数据的应用示范

对溪流和河口鱼类群落MiFish-U/E扩增子数据的分析显示，gmmDenoise过滤后：1）日本黑鮰(Liobagrus reinii)保留的4个单倍型呈现东西日本谱系分化模式，与细胞色素b研究一致；2）鲻鱼(Mugil cephalus)7个单倍型显示出西北太平洋两大谱系的地理隔离，符合COI基因谱系地理格局。该方法有效剔除了85%的海洋食用鱼污染序列（如大目鲷Beryx splendens），显著提升数据可靠性。

技术优势与展望

该方法的三大优势在于：1）无需样本重复，仅依赖丰度分布特征；2）统计驱动的阈值判定取代经验阈值；3）与现有降噪工具互补使用。未来需在更多类群中验证其普适性，并关注引物偏好性对稀有单倍型检测的影响。通过实验室流程与生物信息学工具的协同优化，eDNA技术有望成为种群遗传监测的新标准。