综述:植物中的DNA条形码技术用于物种鉴定:从单基因座标记到叶绿体基因组测序的进展
《Gene Reports》:DNA barcoding in plants for species identification: Insights from single locus markers to chloroplast genome sequencing
【字体:
大
中
小
】
时间:2026年05月23日
来源:Gene Reports 0.9
编辑推荐:
苏雷什·库马尔(Suresh Kumar)| 乌特卡莎·古普塔(Utkarsha Gupta)| 尼塔·库什瓦哈(Neeta Kushwaha)| 曼朱·斯里瓦斯塔瓦(Manju Srivastava)| 维韦克·库马尔·古普塔(Vivek Kumar Gupta)| 尤恩·苏克
苏雷什·库马尔(Suresh Kumar)| 乌特卡莎·古普塔(Utkarsha Gupta)| 尼塔·库什瓦哈(Neeta Kushwaha)| 曼朱·斯里瓦斯塔瓦(Manju Srivastava)| 维韦克·库马尔·古普塔(Vivek Kumar Gupta)| 尤恩·苏克·胡(Yun Suk Huh)| 萨里塔·斯里瓦斯塔瓦(Sarita Srivastava)
细胞遗传学实验室,植物学系,CMP学位学院,阿拉哈巴德大学,普拉亚格拉杰,北方邦,211002,印度
**摘要**
DNA条形码技术已成为植物系统学和生物多样性研究中的重要分子方法,为物种鉴定和系统发育推断提供了标准化框架。本文综述了植物DNA条形码的基本概念和最新进展,重点介绍了常用的条形码标记物(如rbcL、matK、ITS和trnH-psbA),并评估了它们在不同分类学背景下的相对优势和局限性。文章概述了从DNA提取到序列分析及分类学归属的标准工作流程,强调了其在物种界定、生态监测、保护生物学以及经济重要植物分类单元鉴定中的应用。尽管取得了显著进展,但仍存在一些局限性,例如某些植物群体的序列差异不足、参考库不完善以及杂交和多倍体现象带来的复杂性。此外,还讨论了多基因座条形码技术、高通量测序和环境DNA分析等新兴方法,这些方法正在扩展植物DNA条形码的应用范围和分辨率。这些新兴方法可能有助于提高鉴定准确性,但也带来了数据处理和标准化的实际挑战。本文旨在为希望将DNA条形码技术整合到植物多样性生态学和进化研究中的研究人员提供基础性见解。
**引言**
物种鉴定对于专家分类学家来说仍然是一项具有挑战性和耗时的任务。由于科学简化论和资金投入不足,全球分类学专业人才正在减少,这凸显了需要综合方法来支持和振兴这一关键领域。准确鉴定和分类植物物种是生物多样性研究、生态学研究和保护工作的基础。传统分类学依赖于形态特征,长期以来一直是植物系统学的基础。然而,这种方法受到表型可塑性、隐存物种的存在以及某些发育阶段或缺失区分性形态特征等因素的限制。为应对这些挑战,DNA条形码技术作为一种强大的分子工具应运而生,利用物种特异性的DNA序列实现了标准化、高效且可靠的物种鉴定。遗传序列在分类学研究中的首次应用是用于酵母分类(Bickford等人,2007a)。此后,DNA条形码彻底改变了物种分类和鉴定方式(Gregory,2005)。这使得研究人员能够利用特定基因组区域的短DNA序列对生物进行分类(图1)。DNA条形码框架最初是为动物开发的,使用的是线粒体细胞色素c氧化酶I(COI)基因,后来被扩展到植物,利用了质体和核基因组的区域,包括核糖-1,5-二磷酸羧化酶/加氧酶大亚基(rbcL)、成熟酶K(matK)、内部转录间隔区(ITS)和叶绿体基因间间隔区(trnH-psbA)。这些位点具有足够的遗传变异性,可以区分不同分类单元中的密切相关的物种。除了分类学之外,DNA条形码还应用于多种领域,如鉴定药用植物、监测入侵和濒危物种、进行法医调查以及评估生态系统层面的生物多样性。
**DNA条形码的多重作用**
DNA条形码在多个方面发挥着重要作用,从提高传统植物和动物基药物产品的安全性到支持法医和系统发育研究、改善食品安全、帮助保护濒危物种以及揭示隐藏的物种多样性。它还支持生态影响评估,并加强了与生物资源相关的知识产权(Chen等人,2010)。在动物中,COI基因由于其相对较低的突变率而作为通用条形码有效。然而,植物基因组中常用质体区域的突变率较低,限制了其在物种水平上的区分能力。因此,需要进一步研究以寻找适用于植物的通用条形码(Chase和Fay,2009;Chen等人,2010;Erickson等人,2008)。为解决这一问题,生命条形码联盟(CBOL)植物工作组建议使用matK和rbcL两个位点组成的条形码,这在多种植物物种中具有较高的区分能力(Hollingsworth等人,2009b)。许多研究提倡采用多基因座方法来提高植物物种的鉴定精度(Chase等人,2007;Erickson等人,2008;Kane等人,2012;Kane和Cronk,2008;Kress等人,2005)。然而,CBOL植物工作组报告称,增加额外的基因座并未一致提高物种水平的区分能力。自引入以来,DNA条形码已在许多生物群体中得到广泛应用,但其有效应用仍面临诸多挑战。
**最新研究进展**
最近的研究表明,测序整个质体基因组是植物鉴定的有前景策略(Erickson等人,2008;Nock等人,2011;Yang等人,2013)。然而,这种方法尚未被普遍采用。主要挑战包括生成完整质体序列的高成本和技术要求。尽管应用广泛,但植物DNA条形码仍面临诸多障碍,如缺乏通用条形码、某些植物群体间的遗传差异有限以及杂交和多倍体现象带来的复杂性(Kress,2017)。这些局限性表明需要综合性和多基因座方法。研究表明,没有一种单一的通用条形码适用于所有植物群体,因为条形码标记物的性能在不同分类单元间存在显著差异,因此需要灵活且基于上下文的标记选择(Hollingsworth等人,2016)。然而,这些方法的有效性取决于高质量参考数据集和标准化分析流程的可用性。这些局限性表明,基因组规模的方法尚未普遍适用于常规植物鉴定。此外,质体基因组并不总是能反映物种边界,这引发了关于其作为通用条形码适用性的质疑(Hollingsworth等人,2011;Krawczyk等人,2018)。本文探讨了植物DNA条形码的发展现状及其潜在应用。基于目标分类单元的比较质体基因组分析得出的特定条形码概念被提出作为一种实用且可扩展的解决方案。此外,使用整个叶绿体基因组和超级条形码有望解决密切相关物种之间的关系(Li等人,2021)。这些方法可能通过实现快速准确的分子诊断来彻底改变植物鉴定方式。然而,大规模应用质体测序仍受数据处理、序列组装和先进计算基础设施需求的限制。条形码工作的成功在很大程度上依赖于全面且精心策划的参考库的可用性。
**结论**
DNA条形码是一种利用短而标准化的基因组区域来鉴定和区分物种的分子方法(Hebert等人,2003a;Wu等人,2021)。其核心原理是选定的基因组区域在物种内部应表现出很小的变异,而在物种间应具有明显差异,从而实现准确的分类鉴定(Li等人,2021)。在植物中,DNA条形码主要针对叶绿体和核DNA区域。
**单基因座DNA条形码**
单基因座DNA条形码使用单个基因区域来鉴定和区分物种(Wang等人,2022)。这种方法在动物中特别有效,因为线粒体COI基因在广泛分类单元中具有高分辨率(Shetty和Shingadia,2023)。然而,在植物中的应用更具挑战性,因为植物线粒体DNA的替代率相对较低。
**DNA条形码区域的比较分析**
选择合适的DNA条形码区域对于植物鉴定的准确性和实用性至关重要,尤其是在生物多样性评估和保护工作中。每个条形码根据三个关键性能指标(通用性、区分能力和扩增成功率)表现出不同的优势和局限性。通用性指的是使用单一引物集在多种分类单元中一致扩增的能力(Corvalan等人,2025)。
**DNA条形码在植物科学中的应用**
DNA条形码已广泛应用于分类学、保护生物学、法医研究、食品鉴定、害虫管理和环境监测。在全球生物多样性危机背景下,由于栖息地丧失、气候变化和不可持续的土地利用,强大的植物鉴定和监测工具至关重要(Hebert等人,2003b)。DNA条形码作为一种强大的分子技术,通过支持快速、准确和可扩展的鉴定方法为保护工作提供了支持。
**DNA条形码的进步与综合方法**
近年来,植物DNA条形码已从单一标记鉴定方法发展成为多方面的保护基因组学工具。将其与新兴的分子技术和生态框架相结合,为克服传统限制和扩展生物多样性研究和保护应用提供了新机会(Hollingsworth等人,2016;Li等人,2015)。与基因组学、信息学和政策框架的持续整合将进一步提升其应用价值。
**DNA条形码的挑战**
尽管在生物多样性和保护研究中发挥了重要作用,但DNA条形码仍面临技术、生物学和基础设施方面的挑战,阻碍了其普遍应用(Elliott和Davies,2014)。与依赖单一线粒体基因(COI)的动物条形码不同,植物条形码缺乏普遍接受的单一基因座标记物,需要多基因座策略(Kress等人,2017;Rani等人,2026)。解决这些限制需要协调努力。
**未来方向**
分子技术和分析框架的快速发展有望极大提升植物DNA条形码的应用范围和效率。要充分发挥其在生物多样性保护中的潜力,研究和开发必须解决现有问题,并探索创新方法,跨学科合作。这些未来方向将使植物DNA条形码成为记录和监测生物多样性的不可或缺的工具。
**作者贡献声明**
苏雷什·库马尔(Suresh Kumar):撰写初稿、可视化、数据分析、正式分析、数据管理、概念化。
乌特卡莎·古普塔(Utkarsha Gupta):撰写初稿、数据分析、正式分析、数据管理、概念化。
尼塔·库什瓦哈(Neeta Kushwaha):可视化、正式分析、数据管理。
曼朱·斯里瓦斯塔瓦(Manju Srivastava):撰写与编辑、撰写初稿、验证、监督、软件使用、资源管理、项目协调、数据分析、概念化。
维韦克·库马尔·古普塔(Vivek Kumar Gupta):撰写。
**利益冲突声明**
作者不存在潜在的利益冲突。所有作者均同意发表本文。
**致谢**
CSIR-新德里通过研究奖学金资助了SKG的工作。VKG衷心感谢韩国仁川仁荷大学的生物科学和生物工程系提供的支持。本研究得到了韩国国家研究基金会(NRF-2021R1A2C3011585)的资助,该基金由韩国科学、信息通信技术和未来规划部提供。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号