通过基因组浏览和公共数据挖掘技术优化Arctium lappa（菊芋）的叶绿体基因组资源

《Gene Reports》：Refining Arctium lappa chloroplast genomic resources through genome skimming and public data mining

本研究通过基因组测序和SRA数据挖掘，重建了美国罗切斯特的蓟（*Arctium lappa*）自然化样本的完整叶绿体基因组，纠正了之前被误认为蓟的*Pulsatilla chinensis*基因组分类错误，并揭示蓟属近缘物种的亲缘关系。研究完善了蓟属叶绿体基因组资源，为系统发育分析和物种鉴定提供新框架。

　　

Danae Kala Rodriguez Bardaji | Girish Kumar | Samantha Tran | Gabriella Fedus | Han Ming Gan | Michael A. Savka | Dawn Carter | André O. Hudson

美国纽约州罗切斯特市罗切斯特理工学院戈斯内尔生命科学学院，邮编14623

摘要

由于质体结构保守且具有单亲遗传特性，它们为植物系统学、进化研究和分子鉴定提供了宝贵的资源。Arctium lappa（大牛蒡）是一种具有经济和药用价值的物种，但其叶绿体基因组多样性尚未得到充分研究。在这项研究中，我们使用基因组筛选方法重建了来自美国纽约州罗切斯特的一个自然化A. lappa样本的完整质体，并通过挖掘公开可用的Sequence Read Archive (SRA)数据集扩展了质体样本数量。高质量的Illumina测序数据通过GetOrganelle软件进行组装，并使用GeSeq软件进行注释，得到了大小在152,655至152,767 bp之间的环状质体。比较分析表明，最近发布的一个被标记为A. lappa的质体实际上属于Pulsatilla chinensis，这凸显了验证公共基因组资源的必要性。基于串联叶绿体基因的系统基因组重建结果显示，所有经过验证的A. lappa样本都属于一个得到强有力支持的单系群，而罗切斯特样本与其他采样谱系之间存在姐妹关系。值得注意的是，Arctium minus和Arctium tomentosum嵌套在更广泛的A. lappa单系群中，且分支长度极短，表明这些物种在质体方面存在密切关系，可能暗示该属内部存在分类学上的复杂性。总体而言，本研究完善了牛蒡的叶绿体基因组资源，发现了有信息量的质体变异，并为未来的系统学、进化研究和物种鉴定工作提供了扩展的系统基因组框架。

引言

由于质体结构相对保守、主要通过单亲遗传传递以及较低的突变率（Palmer, 1985; Wicke et al., 2011），它们已成为植物遗传学、进化和系统学研究的重要资源。在牛蒡（Arctium lappa）等具有药用和经济价值的植物中，叶绿体基因组信息对于物种鉴定、进化推断和比较基因组学尤为重要（Daniell et al., 2016）。A. lappa在传统医学中广泛应用，并作为一种功能性食品，但其基因组资源与其经济和药理重要性相比仍然有限（Yosri et al., 2023）。因此，研究牛蒡的质体有助于理解其进化历史，支持分子鉴定，并为未来的人口遗传学、育种和保护研究提供基础。

迄今为止，关于A. lappa及其所属Arctium属内近缘物种的质体组装数据仍然有限。首个完整的A. lappa质体基因组于2019年发表，基于来自中国的单个样本，研究重点在于基因组结构、基因内容及其在菊科植物中的系统发育位置（Xing et al., 2019）。后续研究大多采用类似的描述性方法，侧重于基本的质体特征和有限的比较分析（Nie et al., 2020），但一些重要方面尚未得到充分探索，包括种内变异和更深入的系统基因组解析。最近，开发了一个牛蒡多组学数据库，整合了多个基因组组装结果和八个质体数据，以及转录组和其他组学资源，为扩展比较研究提供了平台（Song et al., 2023）。然而，该资源中某些叶绿体组装的准确性仍需评估，因为一些变体的质体大小与已建立的参考序列存在差异（Song et al., 2023）。

公开可用的Sequence Read Archive (SRA)数据集是一种无需额外测序成本的宝贵资源，可用于扩展叶绿体基因组数据（Straub et al., 2012）。大量牛蒡基因组数据可能以原始、未组装的形式存在，可以通过基因组筛选或靶向组装方法重建完整的或近乎完整的质体（Chew et al., 2023; Dodsworth, 2015）。挖掘这些数据集可以增加样本量，评估不同样本间的质体变异，并发现新的结构或序列多态性。这些努力可以显著提高比较和进化分析的分辨率，同时最大化现有测序数据的价值。

在之前的工作中，我们为在美国纽约州罗切斯特自然化的Arctium lappa生成了一个核基因组草图。我们将其与来自中国的参考基因组进行了比较分析（Bardaji et al., 2025）。然而，该研究并未涉及质体组装。在这里，我们采用基因组筛选方法重建了罗切斯特样本的完整质体，并将该策略扩展到公开可用的SRA数据集，以获取更多A. lappa质体。我们还与现有的牛蒡质体进行了详细比较，并对A. lappa及其近缘物种进行了更新的系统发育分析，反映了不断增长的公开可用的质体数据库。这些分析共同为牛蒡提供了全面的叶绿体基因组框架，有助于改进跨地理谱系的比较、系统发育和进化推断。

质体组装、基因组挖掘和注释

我们从NCBI Sequence Read Archive (SRA)中检索了Arctium lappa的公开可用Illumina全基因组测序数据（表1）。使用SRA Toolkit v3.0.7下载原始数据，并通过fastp v1.0.1进行质量过滤，去除接头序列和poly-G杂质（Chen et al., 2018）。所得的高质量双端读段被用于GetOrganelle v1.7.7.1软件（Jin et al., 2020）的输入，该软件通过迭代组装重建了细胞器基因组。

使用Illumina重新测序和从头组装技术重建完整的Arctium lappa质体

Arctium lappa分离株RIT（GenBank登录号PX733921.1的完整质体成功组装成一个环状分子，总长度为152,709个碱基对（bp），表现出典型的被子植物质体四部分结构（图1）。该结构包括一个大约83,920 bp的大单拷贝（LSC）区域、一个18,610 bp的小单拷贝（SSC）区域，以及两个各25,090 bp的倒位重复区域（IRa和IRb）。

讨论

通过采用基因组筛选方法，我们在之前的核基因组测序研究基础上（Bardaji et al., 2025），成功恢复了Arctium lappa的完整环状质体。这是美国首个A. lappa质体的研究结果。尽管已发表了几份Arctium质体研究，但我们的研究扩展了对种内质体变异的理解，尤其是在地理和分类学上多样化的样本中。基因组筛选方法在

缩写列表

ANI
平均核苷酸同一性
BLAST
基本局部比对搜索工具
Bp
碱基对
Cp
叶绿体
GC
鸟嘌呤-胞嘧啶
IR
倒位重复序列
Ira
倒位重复区域A
IRb
倒位重复区域B
IQ
TREE- Efficient软件，用于最大似然系统发育推断
LSC
大单拷贝区域
MAFFT
使用快速傅里叶变换的多重比对
ML
最大似然法
NCBI
美国国家生物技术信息中心
OGDRAW
OrganellarGenomeDRAW
rRNA
核糖体RNA
SRA
Sequence Read Archive
SSC
小单拷贝区域

Danae Kala Rodriguez Bardaji：撰写 – 审稿与编辑、初稿撰写、方法学、研究设计、概念构思。 Girish Kumar：初稿撰写、方法学。 Samantha Tran：方法学。 Gabriella Fedus：方法学。 Han Ming Gan：撰写 – 审稿与编辑、初稿撰写、方法学、概念构思。 Michael A. Savka：撰写 – 审稿与编辑、初稿撰写。 Dawn Carter：撰写 – 审稿与编辑。 André O. Hudson：撰写 – 审稿与编辑。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本手稿中的研究结果。

致谢

作者感谢罗切斯特理工学院的科学学院和托马斯·H·戈斯内尔生命科学学院的持续支持。