《Environmental DNA》：Multiplicity Quantifies Intra-Cluster Diversity in Metagenomic Analysis
编辑推荐：
：
将数据聚类为操作单元是生物多样性研究中的关键步骤，使研究人员能够将观测结果组织成具有生物学意义的实体，如物种、蛋白质或基因。然而，这一步骤不可避免地会导致信息丢失，因为聚类掩盖了簇内变异（intra-cluster variability）——这是功能生物
：
将数据聚类为操作单元是生物多样性研究中的关键步骤，使研究人员能够将观测结果组织成具有生物学意义的实体，如物种、蛋白质或基因。然而，这一步骤不可避免地会导致信息丢失，因为聚类掩盖了簇内变异（intra-cluster variability）——这是功能生物多样性的重要组成部分，而信息丢失的程度取决于所采用的聚类方案。本研究引入多重性（multiplicity）这一新指数，该指数基于α-β-γ多样性框架中的希尔数（Hill numbers），用于量化聚类所掩盖的多样性并捕获簇内异质性。研究人员开发了该指数的两个版本，分别适用于亚单元（subunits）之间距离未知（清单多重性，inventory multiplicity）和距离已知（基于距离的多重性，distance-based multiplicity）的情境。通过模拟研究，证明了多重性与既有多样性指数在数值上的差异性。当应用于真实土壤宏基因组数据时，多重性揭示了簇内隐藏的生物学变异，并为聚类方案的选择提供了依据。该指数补充了传统多样性度量方法，提供了群落功能多样性更为完整的图景，并指导在聚类粒度与多样性保留之间取得平衡的方法学决策。多重性的两个版本均已实现并公开于R软件包divermeta中。
论文解读文章
一、研究背景与问题
生物多样性是生物群落的基本属性，与群落功能、抗逆性和恢复力密切相关。随着宏基因组学等组学技术的发展，研究人员能够以前所未有的分辨率获取群落成员及其功能特征的详细信息。然而，宏基因组分析流程中普遍包含一个关键步骤——聚类，即将序列或功能单元聚合成操作分类单元（Operational Taxonomic Unit，OTU）或操作功能单元（Operational Functional Unit，OFU）。这一步骤虽然有助于降低计算负荷并简化后续分析，但不可避免地掩盖了簇内的多样性信息。例如，在功能宏基因组分析中，每个基因簇（OFU）可能包含多个功能保守但序列存在差异的直系同源基因（orthologs），这些基因间的细微差异可能导致蛋白质活性和特异性的显著变化。此外，在宏条形码（metabarcoding）研究中，聚类阈值的选取（如97%或99%相似度）直接影响物种多样性的评估结果，过高或过低的阈值均可能导致多样性估计的偏差。因此，量化聚类过程中被掩盖的多样性，对于全面理解群落功能多样性至关重要。
二、研究内容与核心发现
针对上述问题，研究人员提出了多重性（multiplicity）这一新指数，用于量化聚类所掩盖的多样性并捕获簇内异质性。多重性基于希尔数（Hill numbers）构建于α-β-γ多样性框架之内，其数值可解释为“每个簇内等丰度亚单元的有效数量”。研究开发了两个版本：清单多重性（inventory multiplicity），适用于亚单元间距离未知的情境，仅基于各单元的丰度计算；以及基于距离的多重性（distance-based multiplicity），适用于亚单元间距离已知的情境，可整合任意形式的相异性度量。模拟研究证实，多重性与传统多样性指数在数值上具有显著区别，且仅对簇内多样性敏感。在真实数据集应用中，多重性揭示了传统多样性度量无法捕获的生物学信息，并展示了聚类方案选择对多样性评估的重要影响。
三、主要技术方法
研究采用了多种关键技术方法。模拟研究构建了合成亚单元数据集，通过组合低/高水平的单元数量、每单元亚单元数量及簇内距离三个参数，生成8种不同场景，用于比较多重性与传统多样性指数的响应差异。在真实数据应用中，研究使用了欧洲LUCAS土壤宏基因组数据集，该数据集涵盖四种土地利用类型（针叶林、阔叶林、草地和农田），用于分析抗生素抗性基因（Antibiotic Resistance Gene，ARG）的多样性；同时使用了爱沙尼亚和拉脱维亚北部波罗的海地区的外生菌根真菌（ectomycorrhizal fungi）数据集，该数据集基于PacBio Sequel平台的ITS全长宏条形码测序，经UNOISE算法去噪获得零半径OTU（zOTU）后，进一步在98%相似度阈值下聚类为OTU。所有数据均采用带排序子抽样的缩放（scaling with ranked subsampling，SRS）方法进行丰度标准化。统计分析方法包括置换多元方差分析（permutational ANOVA）、Kruskal-Wallis检验和Dunn检验。
四、研究结果
模拟研究结果
置换ANOVA结果显示，清单多重性对簇内亚单元数量（簇内多样性）高度敏感（解释96.9%的方差），而对单元数量（簇间多样性）不敏感；基于距离的多重性则对簇内距离（57.5%）和亚单元数量（27.7%）及其交互作用（11.0%）敏感。相比之下，传统多样性指数（物种丰富度、Shannon指数、Gini-Simpson指数）在未聚类水平上同时受单元数量和亚单元数量影响，无法区分簇间与簇内多样性的贡献；在聚类水平上则主要反映单元数量。这一结果表明，多重性能够特异性地捕获聚类所掩盖的簇内多样性信息。
抗生素抗性基因数据集应用结果
在LUCAS土壤宏基因组数据中，ARG亚类多样性随管理强度梯度（从针叶林到农田）显著增加，而清单多重性则呈相反趋势，随管理强度增加而降低。进一步分析表明，这一模式由编码多药耐药外排泵的大规模ARG簇丰度下降所驱动。该结果揭示了传统多样性度量与多重性之间的互补关系：多样性反映的是抗性基因亚类的丰富程度，而多重性反映的是每个亚类内部基因变异的丰富程度，两者共同刻画了ARG多样性的完整图景。
外生菌根真菌数据集应用结果
在波罗的海地区外生菌根真菌数据中，属、生境及其交互作用对多样性和基于距离的多重性均有显著影响，其中交互作用贡献最大。不同真菌属对管理负荷的响应模式存在差异：Cenococcum、Cortinarius、Russula和Sebacina在森林中具有最高的多样性值，其中Cenococcum和Cortinarius的多重性也呈现相同模式，而Sebacina和Russula的多重性在森林与公园间无显著差异；Tuber属的种内多样性在管理生境中反而更高。这表明多样性和多重性可产生一致或不一致的生境响应模式，二者捕获了群落结构的不同方面。
聚类方案敏感性分析结果
研究人员对不同聚类阈值（对应zOTU至97.5% OTU）下的多样性和多重性进行了系统评估。随着聚类距离阈值的增加，簇间多样性降低而簇内多样性（多重性）增加，两者乘积保持恒定，反映了多重性在数值上“累积”了聚类过程中丢失的多样性。不同真菌属的多样性指标达到平台期的阈值（d）存在差异，Cenococcum、Cortinarius和Russula的中位d值约为0.01，高于其他属。这一结果表明，对所有分类群采用单一固定聚类阈值可能不恰当，分类群特异性阈值可能更为准确。
五、讨论与结论
多重性指数的核心价值在于其与传统多样性度量的互补性。传统多样性度量在聚类水平上反映的是簇间多样性，而多重性量化的是聚类所掩盖的簇内多样性。二者的乘积对应于未聚类水平的总多样性，从而实现了多样性的完整层级分解。这一特性使多重性不仅可作为描述性指标，还可作为方法学决策工具，指导聚类方案的选择——通过比较不同聚类方案下的多重性值，研究人员可评估聚类粒度与多样性保留之间的权衡关系。研究结果表明，多重性在宏基因组分析中具有广泛的应用前景，无论是分类学、功能学还是系统发育学研究，均可借助该指数量化聚类过程中的信息损失，从而更全面地理解群落功能多样性。两个版本的多重性均已实现并公开于R软件包divermeta中，便于研究人员直接使用。
