Taxonova：基于深度学习的微生物扩增子物种水平快速与置信度感知分类框架

《PLOS Computational Biology》：Taxonova: Deep learning enables fast and confidence-aware microbiome species-level amplicon classification

　　

准确地对微生物扩增子序列进行物种水平分类仍具挑战性，因为保守核糖体区域内的细微变异难以区分。传统的基于相似性的方法在短扩增子和数据库代表性差的序列上表现不佳。目前没有方法能在全谱系扩增子长度上稳健运行，限制了在不同测序平台和可变区靶标上的适用性。研究人员提出了Taxonova，一个适用于短读长和长读长核糖体扩增子的深度学习框架。在代表七个生物群系的物理和生物群系模拟mock群落（通过配套基准工具Taxobench进行评估）上，Taxonova在短读长扩增子上实现了0.76–1.00（中位数0.94）的物种水平F值，在长读长扩增子上实现了0.82–0.99（中位数0.97），扩增子长度范围250 bp至4,900 bp；将物种水平丰度估计误差（L₁范数）按扩增子区域中位数降低0.52至1.50；其物种水平假阳性率比其他分类器中位数低16.2 × 10^?4。物种水平分配预计对特征明确的群落（如人类相关微生物组）最可靠。为展示实际应用，研究人员还将扩增子衍生的分类谱与来自肠道、土壤和阴道微生物组的配对鸟枪全基因组测序进行比较；Taxonova在全部三项研究中均达到最强的物种水平一致性（Jaccard），其物种水平Jaccard指数比次优分类器高0.009至0.022，涵盖高和低复杂度群落。Taxonova在单个CPU核心上以约每秒100条序列的通量运行，使其适合在研究环境中常规部署。

扩增子测序（amplicon sequencing）是微生物群落表征的主流工具，但物种水平分类一直是瓶颈，原因包括保守核糖体区域内的系统发育信号不足、参考数据库类不平衡以及分类算法本身的局限。传统基于相似性的方法（如BLASTn、VSEARCH）在短扩增子上严重退化，而现有机器学习方法（如QIIME 2朴素贝叶斯、IDTAXA）虽较稳定，仍无法在所有扩增子长度和生态场景下达到高物种水平准确率。针对这一长期问题，研究人员开发了Taxonova——一个基于深度学习的分类框架，覆盖从单可变区（V4，约250 bp）到全长核糖体操纵子（RRN，约4,900 bp）的扩增子，并提出置信度感知的弃权机制：当物种级证据不足时返回“属X，物种不确定”而不会强行猜测。该研究通过三层次评估体系证明了Taxonova的性能：物理mock群落、生物群系模拟群落，以及配对扩增子-鸟枪宏基因组真实数据。结果显示，Taxonova在物种水平F值、假阳性率、丰度估计误差和计算效率上均优于或显著优于现有主流分类器，表明物种水平扩增子分类在很大程度上是一个可解决的算法问题而非标记基因的内在限制。

研究人员采用的关键技术方法包括：序列特征采用8核苷酸k-mer频率向量；构建从域到物种的七个级联分类器，每层接收原始特征及前层预测的嵌入表示，并通过多头注意力机制整合跨层信息；使用focal loss（γ=2.5）与温度缩放逆频率类权重处理参考数据库的极端类别不平衡。置信度计算基于softmax概率并由上级置信度封顶，低于阈值时自动回退到更高级别。训练采用两阶段策略，先用验证集确定最佳epoch数再全量重训。短扩增子模型基于Greengenes2 2024.09（21,074,422条序列），全长操纵子模型基于GROND（GTDB release 207，163,805条唯一序列）。物理mock包括Mockrobiota-16S、自建肠道（gutmock）和阴道（vaginalmock）全长16S mock；配对真实数据集来自Zuo等（42例儿童溃疡性结肠炎粪便）、Mantri等（7例土壤）和Virtanen等（21例阴道样本）。配套开发的Taxobench基准工具用于统一生成基准数据和评估指标。

**物种水平性能（Species-level performance）**：在三个物理mock和七个生物群系模拟群落上，Taxonova在30个短扩增子测试集（V4、V3–V4、V5–V7）上物种水平F值为0.76–1.00（中位数0.94），在17个长扩增子测试集（whole 16S、RRN）上为0.82–0.99（中位数0.97）。在38/39个测试集中，Taxonova的物种水平假阳性率为八种分类器中最低。

**植物微生物组区域（V5–V7，约395 bp）**：针对植物微生物组常用的V5–V7区域（799F/1193R引物可减少叶绿体和线粒体污染），Taxonova训练了专用模型，在Mockrobiota-16S和七个生物群系模拟mock上取得了最低的假阳性率（0.8–2.3 × 10^?4），并在十个V5–V7 mock群落中的九个上取得最高物种水平F值。

**配对扩增子-鸟枪表现（Paired amplicon-shotgun performance）**：在Zuo等（肠道）、Mantri等（土壤）和Virtanen等（阴道）三个真实数据集中，Taxonova的物种水平Jaccard一致性均排名第一，比次优分类器高0.009–0.022；在肠道和土壤研究中其Bray–Curtis距离也显著优于MAPseq，阴道研究中四种顶级分类器的Bray–Curtis差异不显著，但Jaccard信号清晰。

**错误模式：错分、过分类与弃权（Error modes: mis-classification, over-classification, and abstention）**：在mock群落上（所有真实物种都在参考库中），Taxonova的物种水平错分类率最低。在留一进化枝分析（LOCO）中，当参考库缺失200或2,000个物种时，Taxonova在RRN上过分类率最低，在多个区域中错分类率最低；弃权机制使无法分辨的序列返回属级标签，相比无置信度阈值的方法减少了自信但错误的物种分配。

**对其他参考库的泛化（Generalisation to references other than Greengenes2）**：在TAXXI基准上，Taxonova与七个已评测分类器在相同弃权率下比较，133个组合中43次获得更高物种准确率、54次更低错分类率；在99%一致性的真菌ITS数据集（6,097条已知物种测试序列）上，Taxonova的物种准确率最高（71.1%），错分类率最低（4.1%）。

**丰度估计准确性（Abundance estimation accuracy）**：Taxonova将物种水平丰度估计的L₁范数误差按扩增子区域中位数降低0.52至1.50，L₂范数误差同样最低（平均值2.6 × 10^?4），表明其丰度改进均匀分布在所有分类群而非仅由少数高误差类群驱动。

**计算效率（Computational efficiency）**：Taxonova处理1,000条序列耗时10.4秒（约96条/秒），峰值内存0.82 GB且与数据集大小无关，可在无GPU的普通笔记本电脑上运行；QIIME 2需要98.7 GB内存，VSEARCH需要约1.28小时。

**与现有方法比较（Comparison with existing methods）**：与BLASTn、VSEARCH、Kraken 2、MAPseq、SPINGO、QIIME 2朴素贝叶斯、IDTAXA比较，Taxonova在所有评估区域上均达到最高或接近最高的物种水平F值，尤其短扩增子（V4）优势明显；朴素贝叶斯和IDTAXA虽长度稳定性较好，但各区域均落后于Taxonova。

讨论部分指出，Taxonova不进行基于扩增子的系统发育物种界定，而是参考数据库物种标记；其物种标签以GTDB核心基因系统发育为锚点，因此对参考库覆盖良好的群落（如人类相关微生物组）最可靠。置信感知弃权行为通过高属级置信度低物种级置信度标记全新物种，并显著降低假阳性率。丰度估计精度的提升具有实际意义，可能减少差异丰度分析中的假阳性发现。局限性包括：公共参考库存在约10%的标注噪声（Taxonova对此退化平缓）、16S基因本身的分辨率上限、PCR引物偏差等上游问题无法由分类器纠正。结论翻译如下：Taxonova表明，长期存在的物种水平扩增子分类难题在一定程度上是算法问题而非标记基因的固有极限。Taxonova允许弃权，在区域信息不足时返回“属X，物种不确定”。它在短读长（0.76–1.00，中位数0.94）和长读长（0.82–0.99，中位数0.97）扩增子上达到高物种水平F值，并在38/39个mock测试集中拥有八种分类器中最低的假阳性率，同时将物种水平丰度估计误差（L₁范数）按区域中位数降低0.52–1.50。在肠道、土壤和阴道微生物组的配对鸟枪宏基因组中，Taxonova的物种水平Jaccard一致性均最强（比次优分类器高0.009–0.022）。该框架计算高效，拥有恒定0.82 GB内存占用，提供V4、V3–V4、V5–V7、whole 16S和全长核糖体操纵子的预训练模型，并通过命令行工具和Web应用发布，配套的Taxobench框架可复现评估。Taxonova将校准的弃权与全基因组锚定的参考库结合，将扩增子微生物组分析中的公认瓶颈转化为实用、可部署的能力。