构建环境靶向数据库提升牛津纳米孔16S rRNA测序数据分析精度

为解决牛津纳米孔测序(ONT)在海底沉积物等未充分探索生境中因缺乏靶向数据库导致的分类学分析瓶颈，来自挪威的研究团队通过整合Illumina短读长数据与METASEED、Barrnap重建方法，构建了包含14,545条16S序列的AQUAeD-DB数据库。该数据库使ONT与Illumina数据分类结果相关性提升至0.50，显著提高了高低丰度类群的识别能力，为环境微生物组研究提供了关键工具。

　　

牛津纳米孔测序技术(ONT)凭借便携高效的优势，成为偏远地区生物多样性快速评估的利器。然而其较高的测序错误率，亟需高质量参考数据库来提升分类学注释准确性。针对海底等特殊生境缺乏靶向数据库的问题，研究团队以挪威海岸沉积物为例，开创性地构建了环境定制化参考数据库AQUAeD-DB。

技术路线充满巧思：首先利用Illumina短读长数据，通过SILVA数据库比对筛选全长/近全长16S rRNA基因(16S)序列；未匹配的扩增子则采用METASEED和Barrnap方法结合扩增子与宏基因组数据进行重建；最后保留无法重建的短读长序列。这套组合拳最终打造出包含14,545条序列（95%相似度聚类）的精品数据库。

性能测试令人振奋：与传统数据库相比，AQUAeD-DB使ONT与Illumina数据的分类结果相关性中位数跃升至0.50，且能同时捕捉高、低丰度类群——这些往往是环境研究中的关键生物指示剂。这项研究不仅为ONT平台的环境应用扫清了技术障碍，更为未来数据库扩展提供了标准化范式。

利益冲突披露显示，部分作者来自Akvaplan-niva AS等企业，其余作者声明无商业利益冲突。这项产学研合作成果，彰显了靶向数据库在推动环境微生物组研究中的核心价值。