解码多样性:基于经 Sanger 测序验证的 Cladonia 自然群落参照对宏条形码分析流程的评估

《Fungal Ecology》:Decoding diversity: evaluation of metabarcoding pipelines using a Sanger-verified Cladonia natural community as reference

【字体: 大 中 小 】 时间:2026年07月26日 来源:Fungal Ecology 3.5

编辑推荐:

  环境DNA(environmental DNA,eDNA)宏条形码分析(metabarcoding)已被广泛用于评估真菌多样性,然而生物信息学流程(bioinformatic pipeline)的选择会显著影响分析结果。本文比较了5种流程,以检测欧洲范围内土壤

  
环境DNA(environmental DNA,eDNA)宏条形码分析(metabarcoding)已被广泛用于评估真菌多样性,然而生物信息学流程(bioinformatic pipeline)的选择会显著影响分析结果。本文比较了5种流程,以检测欧洲范围内土壤 eDNA 中的 Cladonia 多样性,并将大规模植物区系调查结合 Sanger 测序作为参照。所有流程对优势物种的检测表现相近,但在稀有分类群、隐蔽多样性或推定伪影(artefacts)的恢复方面存在差异。不同流程得到的操作分类单元(operational taxonomic units,OTUs)总数相差达 2.5 倍,与参照数据集的重叠率介于 21%至40%之间。Bálint 等(2014)提出的流程,结合 Swarm v2 聚类与 VSEARCH 嵌合体(chimera)过滤后,与分类学调查结果的一致性最高,并恢复了最多的稀有 OTUs。基于 DADA2 的流程联合 DECIPHER 聚类得到了最多未被分类学调查发现的 OTUs。相较之下,LULU 校正(curation)产生的数据集最为保守,其多样性最低,且与经 Sanger 验证参照的重叠率最低。
该文发表于《Fungal Ecology》,聚焦真菌 ITS1 宏条形码分析中生物信息学流程选择对多样性评估结果的影响,并以地衣化真菌属 Cladonia 的自然群落为对象,建立了一个罕见而高质量的天然参照体系。研究背景在于,环境DNA(environmental DNA,eDNA)宏条形码分析已成为生物多样性调查的重要工具,尤其适用于微生物及难以通过形态直接识别的类群。然而,该方法在实际应用中常与传统分类学调查产生明显不一致:一方面,它能够检测到稀有种、隐蔽种、发育阶段难以辨识的物种以及季节性受限物种;另一方面,也可能因外源输入 DNA、死亡细胞残留 DNA、休眠繁殖体,或 PCR 与测序误差造成的伪序列而高估多样性。此外,扩增引物偏好性、数据库不完整、稀有物种检测的随机性以及数据处理策略差异,也会导致不同方法得到的物种名录仅部分重叠。因此,如何为特定生态学问题和目标类群选择合适的生物信息学流程,已成为宏条形码研究中影响生态推断可靠性的关键问题。

以往对于流程性能的比较,多依赖人工构建的 mock community,但这类体系与真实自然群落的复杂性存在差距。为弥补这一不足,研究人员选取 Cladonia 这一欧洲贫营养开阔生境中常占优势、在北方针叶林与北极生态系统中生态意义突出的地衣化真菌属,构建了基于自然群落的验证框架。在欧洲7个生物气候带的56个 10 × 10 m 样地中,研究人员一方面由经验丰富的地衣学家采集地表 Cladonia 地衣体,并对每个样本逐一进行 Sanger 测序;另一方面在相同样地采集土壤混合样本并实施 ITS1 宏条形码测序。该设计使得研究不仅能够比较各流程对群落总体结构的恢复能力,还能评估其在检出稀有分类单元、控制嵌合体和伪影、以及维持真实多样性信号方面的表现。

用于本研究的主要技术方法包括:第一,基于56个欧洲样地的 Sanger 验证植物区系调查,对1120个 Cladonia 地衣体进行测序,形成包含499个基因型和181个 OTUs 的天然参照数据集;第二,对同批样地土壤样本提取 eDNA,经嵌套 PCR 扩增 ITS1 rDNA,并利用 Illumina MiSeq 进行双端测序;第三,采用5种常用于真菌 ITS 宏条形码分析的生物信息学流程处理数据,分别代表相似性聚类、整合嵌合体控制的贪婪聚类、基于图的局部聚类、误差建模后的序列推断与聚类,以及聚类后校正;第四,通过 MAFFT 比对、RAxML 最大似然(maximum likelihood,ML)系统发育分析及人工审查长枝序列,对 OTUs 进行系统发育校正与嵌合体识别;第五,使用 NMDS、Procrustes 分析和广义线性混合模型(generalized linear mixed models,GLMMs)比较群落组成一致性及繁殖结构对 eDNA 检测概率的影响。

在结果部分,论文首先报告了不同流程在保留 reads 数量和 OTUs 恢复数量上的显著差异。5种方法得到的总 OTUs 数变化较大,其中 Cladonia OTUs 经系统发育处理后共保留154个,代表201个基因型和 1,012,500 条 reads,其中89个 OTUs、136个基因型和92%的 reads 得到了 Sanger 数据支持。研究人员还通过系统发育树和人工检查识别出21条未被自动流程剔除的推定嵌合序列,并对个别 OTU 进行了基于序列相似度的拆分,说明单纯依靠自动处理并不足以完全去除伪影。

在“3.1. Data verified by Sanger sequencing”部分,研究表明,Met3 即 Bálint 等(2014)流程结合 Swarm v2 聚类和 VSEARCH 嵌合体过滤,在恢复经 Sanger 验证 OTUs 方面表现最佳,共检测到89个已验证 OTUs 中的85个,占96%;其后依次为 Met4、Met2、Met1,Met5 最低,仅检测到40个。进一步分析显示,绝大多数高丰度 OTUs,即群落中的优势种,被所有方法或至少4种方法共同检出。65%的已验证 OTUs 对应91%的已验证 reads,说明不同流程在识别常见且丰度高的物种时趋于一致。相比之下,对于低丰度和稀有 OTUs,各流程差异显著,Met3 在所有稀有度阈值下都检出最多,Met5 最少。这一结果说明,流程选择对稀有多样性的恢复有决定性影响。

在“3.2. Data obtained exclusively by metabarcoding of eDNA”部分,研究人员讨论了仅由 eDNA 宏条形码检测到、而未在 Sanger 验证植物区系调查中发现的 OTUs。此类 OTUs 共65个,对应80,030条 reads。作者明确指出,这些 OTUs 不能简单视为假阳性,因为它们可能代表休眠繁殖体、短暂出现的分类群或遗留 DNA;因此更适合被定义为“未验证”而非“错误检测”。Met4 检出的此类 OTUs 最多,达53个,而 Met5 最少,仅7个。这些 OTUs 总体丰度低于已验证 OTUs,但其中仍有部分在某些流程中达到数百甚至上千条 reads,且45%的此类 OTUs 能被多个流程重复检测,提示其中至少一部分具有生物学意义。另一方面,仅被单一方法检测到且未获 Sanger 支持的36个 OTUs 被视为推定嵌合体,其中 Met4 数量最多,Met5 为零。此外,GenBank 比对表明,其中6个 OTUs 拥有100%匹配记录,可视为被植物区系调查遗漏、但确属 Cladonia 的分类单元。

在“3.3. Community structure”部分,研究人员比较了各流程恢复的样地水平群落组成与 Sanger 验证植物区系调查结果之间的一致性。结果表明,Met1、Met2、Met3 和 Met4 所得到的 OTU 组成均与参照数据显著相关,相关系数在 0.297 至 0.354 之间,Met4 最高。不同流程之间的群落结构相关性也均显著,其中 Met2 与 Met3 的结果最为相近。关于地衣繁殖结构是否影响土壤 eDNA 检出概率,广义线性混合模型分析显示绝大多数情形下影响不显著,仅在 Met2 中粉芽(soredia)表现出较高检出概率。

在讨论部分,论文首先总结了 Sanger 验证植物区系调查与 eDNA 宏条形码之间的总体关系。与若干既往研究不同,本研究中 Sanger 验证调查捕获的总体 Cladonia 多样性高于任一 eDNA 流程,这主要得益于对每个采集地衣体均进行了单独 Sanger 测序,从而在 OTU 水平上获得了极高分辨率。作者据此强调,高质量参考数据库或参考群落框架对于宏条形码数据的可靠解释至关重要。

随后,论文指出各流程之间也存在若干一致性特征。最重要的是,主导群落成员的检测结果具有很高稳定性:全部 reads 中有75%被所有流程共同检测并归入经 Sanger 验证的 OTUs,另有16%由4种方法共同检测。除 LULU 校正外,其余4种方法在 reads 层面和已验证 OTUs 层面均展现出较高一致性。这意味着对于群落整体结构和优势种识别,流程差异并非决定性因素。与此同时,各方法中绝大多数 reads 都被分配至经 Sanger 验证 OTUs,也说明这些流程并未严重夸大“真实”多样性。

在“4.3. Differences among pipelines”与“4.4. Bioinformatic pipelines comparison summary”部分,作者系统比较了5种流程的优劣。总 OTU 数在47到120之间变化,显示仅凭 OTU 丰富度无法判断流程优劣,必须同时考察真阳性、假阴性及未验证序列。综合来看,Met3 的总体表现最佳:它不仅与 Sanger 验证数据集的重叠最高,还检测到最多的稀有已验证 OTUs,同时在未验证 OTUs 和推定嵌合体数量上处于中间水平,实现了较好的灵敏度与保守性平衡。Met1 和 Met2 也是可接受方案,但其 OTU 总数及与参考数据集的重叠略低。Met4 虽得到最高 OTU 数和最高样地水平相关性,但同时产生最多推定伪影,且已验证 OTUs 数量低于 Met3。Met5 即 LULU 校正最为保守,虽然能有效抑制推定嵌合体,却错误合并或删除了多个由 Sanger 数据独立支持的 OTUs。作者认为,这可能与 LULU 倾向于将低丰度且共现的相似序列并入高丰度序列有关,而在 Cladonia 这类种间仅有少数核苷酸差异的属内多样性分析中,这一机制可能不够适用。

研究结论部分可译为:本文首次以经 Sanger 验证的自然群落为参照,对真菌 ITS1 宏条形码分析的生物信息学流程进行了评估。结果表明,尽管5种方法在捕获群落优势成员方面表现相近,但流程选择会显著影响稀有分类群的检测以及总体丰富度估计。因此,流程选择应根据具体生态学问题进行审慎调整,无论目标是表征整体群落结构,还是尽可能检出稀有或功能重要的物种,也应结合目标群落本身的特征加以考虑。针对单一属的分析显示,结合基于图的局部聚类与聚类后嵌合体检测的流程表现最佳,既获得了最高的总体丰富度,又在稀有分类群保留与伪影控制之间取得平衡。与预期相反,基于显式误差建模的流程并未提高与经 Sanger 验证植物区系调查的重叠度,而聚类后校正则产生了较多假阴性结果。这些发现表明,流程选择并非单纯技术性决定,而是直接塑造生态学推断的生物学决策。未来仍需在分类学范围更广的群落中进一步检验这些方法,因为随着目标群落变化,各流程的优势与局限及其适用性也可能发生改变。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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