16S rRNA参考数据库与生物信息学流程在微生物群落分类学推断中的系统性基准评估

《ISME Communications》：Database-Pipeline Interactions Shape Taxonomic Inference in 16S rRNA Bacterial Community Profiling

　　

摘要

高通量测序通过利用16S rRNA基因扩增子对微生物群落进行低成本、高分辨率的表征，彻底改变了微生物组研究。尽管该技术已被广泛采用，但分类学推断仍然高度依赖于参考数据库和生物信息学流程的选择。为了提供系统性的基准评估，我们针对三种广泛使用的16S rRNA参考数据库——Greengenes2（GG2，v2022.10）、SILVA 138.1和RDP19——在具有代表性的分析流程中进行了评估，包括QIIME2（Q2；全长和V4分类器）以及基于USEARCH/VSEARCH的流程（UV）。研究评估了12个公开可用的模拟群落数据集，涵盖37个独立测序事件，涉及不同的16S区域（V3-V4和V4区域），并利用互补的定性指标（灵敏度和特异性）和定量指标（准确度和误差）在门、属和种水平进行评估。在门水平上，大多数数据库与流程的组合实现了较高的灵敏度和特异性，表明其具有稳健的粗分类能力。在属水平上，差异变得更加明显，数据库与流程的兼容性对检测和丰度估算均产生了显著影响。与各自的旧版本相比，所测试的数据库版本在稳定性和定量保真度方面普遍有所提升。在所测试的版本和设置条件下，UV与GG2的组合表现出较低的假阳性率和更低的丰度误差。种水平分类在所有配置下仍然具有挑战性，这反映了16S扩增子的固有分辨率限制，尽管某些组合提供了相对改进的性能。总体而言，分类学性能强烈依赖于分辨率，并受数据库结构、分类器训练区域和算法设计之间相互作用的影响。本研究为基于16S rRNA基因的分类学推断提供了版本特定的基线预期，并强调了在微生物组研究中谨慎进行数据库与流程匹配以及透明方法报告的重要性。