DNA宏条形码、杂交捕获和宏基因组测序在量化食草动物饮食中的准确性与偏差比较

《Molecular Ecology Resources》：Comparing Accuracy and Biases of DNA Metabarcoding, Hybridization Capture, and Metagenomic Sequencing for Quantifying Herbivore Diets

　　

使用相对读长丰度（RRA）的DNA宏条形码（DNA Metabarcoding）常被用于估计食草动物饮食组成，但其定量准确性仍不确定。研究人员通过使用来自饲养试验的鹿粪便以及利用植物组织重建的饮食样本，评估了DNA宏条形码与宏基因组测序（Metagenomic Sequencing）和杂交捕获（Hybridization Capture）相比的分类学分辨率和定量性能。所有方法在重建饮食中均恢复了植物组成（R² = 0.59–0.82），表明在无消化情况下与生物量成比例缩放，仅DNA宏条形码存在来自扩增子长度的微小偏差。相比之下，来自粪便样本的RRA在所有方法中表现较差（R² < 0.01），主要原因是植物消化性差异。使用酸洗涤木质素（ADL）和酸不溶性灰分（AIA）测量的消化性校正，在混合效应模型中得到强烈支持，并改进了饮食组成的预测，尽管物种水平变异仍然存在。对于宏基因组测序和杂交捕获，研究人员还评估了相对基因组覆盖率（RGC），这是一种新的相对丰度指标，量化了每个植物叶绿体基因组被比对读长覆盖的比例，并针对基因组长度进行了归一化。RGC进一步改善了重建饮食中的相关性（R² = 0.82–0.84），并且与杂交捕获结合时，在很大程度上克服了粪便样本中与消化性相关的偏差（R² = 0.57），无需校正。当此类校正不可行时，使用未校正RGC的杂交捕获可能在粪便样本中实现更高的定量准确性。研究人员的结果为改进分子食草动物饮食分析提供了实用指导，并强调了考虑消化相关偏差的重要性。

**研究背景、问题与目的**
DNA宏条形码（DNA Metabarcoding）通过扩增特定条形码区域（如trnL P6环）来鉴定食草动物粪便中的植物种类，但相对读长丰度（RRA）与真实消耗生物量之间的关系常受扩增效率差异、GC含量、扩增子长度、PCR抑制剂及消化性差异等生物学和技术偏差影响，导致定量准确性不足。为克服这些限制，无PCR方法如宏基因组测序（Metagenomic Sequencing）和杂交捕获（Hybridization Capture）被提出，但各自面临成本高、假阳性风险及生物信息学复杂度增加等问题。本研究通过可控饲养试验和重建饮食样本，系统比较这三种方法在量化食草动物饮食中的准确性和偏差，并评估相对基因组覆盖率（RGC）作为新型相对丰度指标的性能，以确定最佳实践。论文发表在《Molecular Ecology Resources》。

**关键技术方法（不超过250字）**
研究人员利用圈养黑尾鹿（Odocoileus hemionus）和白尾鹿（O. virginianus）的粪便样本（n=26）以及按相同比例混合干燥植物组织构建的重建饮食样本（n=26），分别进行DNA宏条形码（扩增trnL P6环，35个循环PCR）、宏基因组测序（全基因组鸟枪法测序）和杂交捕获（靶向rbcL、matK、rpoB、trnH-psbA和trnL-trnF五个叶绿体条形码区域，使用123,196个探针）。比较了RRA和RGC两种相对丰度指标，并利用线性混合效应模型评估消化性协变量（酸洗涤木质素ADL和酸不溶性灰分AIA）对偏差的影响。

**研究结果**
**3.1 饲养试验**
鹿对不同植物种类的平均消耗比例差异显著（均值0.18±0.13 SD），如Acer platanoides（0.498±0.034）与Arrhenatherum elatius（0.040±0.030），商业颗粒饲料平均占0.686（SD=0.177）。
**3.2 测序成功概况**
DNA宏条形码产生1390万读长，提取阴性对照未通过质控；宏基因组测序样本平均收获4200万读长，粪便样本中仅4.3%±2.8%来自植物；杂交捕获将粪便样本中植物DNA比例提升至平均95%±13.4%，目标区域平均覆盖3.2%±2%的读长，叶绿体基因组平均恢复88%±8%。
**3.3 分类学分辨率与准确性**
DNA宏条形码仅能鉴定15种饲喂植物中的10种至种水平，Fragaria × ananassa与Rubus pacificus、Phleum pratense与Alopecurus pratensis因trnL序列相同而无法区分；宏基因组测序和杂交捕获则对所有饲喂植物实现种水平分辨率。通过联合Kraken2和读长比对策略，宏基因组测序在重建饮食中检测到42/46种组合（91.3%），无假阳性；杂交捕获检测到40/46种（87%），假阳性1个；DNA宏条形码检测到34/41种（82.9%），假阳性2个。
**3.4 重建饮食样本相关性**
所有方法中RRA与真实生物量显著相关：DNA宏条形码R²=0.82，宏基因组测序R²=0.72，杂交捕获R²=0.59（均p<0.0001）。使用RGC后，相关性改善（宏基因组R²=0.84，杂交捕获R²=0.82，均p<0.0001），平均绝对误差（MAE）最低为宏基因组+RGC（0.097±0.073）。
**3.5 鹿粪便样本相关性**
粪便样本中，RRA与真实消耗比例几乎无相关：DNA宏条形码R²=0.009，宏基因组R²=0.001，杂交捕获R²=0.001（均p>0.45）。RGC下，宏基因组仍差（R²=0.002），但杂交捕获显著改善（R²=0.57，p=0.0001），MAE最低（0.14±0.11）。各方法均高估木质化物种（如Thuja plicata、Salix lucida茎），而杂交捕获+RGC误差分布更均匀。
**3.6 统计模型**
消化性子模型强烈支持纳入ADL和AIA（AIC最低），而非干物质消化率（DMD）。对于所有RRA方法，消化模型（纳入ADL+AIA）是最优模型（R²m=0.44–0.49），而组成模型（仅含植物比例）支持度差（ΔAIC>10）。RRA与ADL正相关（估计值1.90–2.21），与AIA负相关（?2.48至?1.87）。对于RGC，杂交捕获的组成模型最优（ΔAIC=4.64），表明RGC克服了消化性偏差；而宏基因组测序仍需消化模型。扩增子长度在DNA宏条形码中引起轻微负效应（估计值?1.14），但GC含量和叶绿体拷贝数无显著影响。参考库中近缘种竞争比对未显著影响丰度估计。

**讨论总结与结论翻译**
讨论指出，未经校正的RRA在粪便样本中几乎不提供定量信息，主要偏差源自植物消化性差异而非分子特性。校正ADL和AIA可显著提高预测精度，但残留物种水平变异表明仍需进一步校正。当无法获得消化性协变量时，杂交捕获结合RGC是可靠替代，因其通过覆盖广度而非深度缓解不均匀DNA回收和消化性偏差。RGC在宏基因组测序中未改善，因叶绿体DNA回收随机且测序深度不足。
结论翻译：总之，研究人员发现，广泛使用的RRA指标主要由于消化性差异而非分子效应导致对动物饮食的推断存在偏差。使用植物纤维指标（ADL和AIA）校正消化性可显著提高定量准确性，应优先考虑。当此类校正不可行时，杂交捕获结合RGC可能是提高准确性和分类学分辨率的可行替代方案，无需显式偏差校正。然而，从实践角度，方法选择应基于研究目标和资源可用性：杂交捕获在定量准确性和分类学分辨率上虽优，但成本高、劳动密集，最适合需要精确饮食重建的降解样本研究；DNA宏条形码虽定量和分类学稳健性较弱，但可扩展性强，结合谨慎的引物选择、大样本量和消化性控制可达到足够准确性。未来需进一步研究该方法在不同探针组、测序深度、实验方案和物种组合中的普适性。