定量宏条形码技术用于无脊椎动物害虫监测与管理

《Journal of Economic Entomology》：Quantitative metabarcoding for invertebrate pest monitoring and management

　　

无脊椎动物害虫对全球农业构成最显著的威胁之一。基于陷阱的监测广泛用于监视害虫、有益类群及更广义农业生态系统群落的存现与丰度；然而非选择性陷阱常在每个样品中收集数百甚至数千个体，使传统分拣与形态学鉴定劳动密集，并延迟可行动信息的传递。宏条形码（metabarcoding）为快速鉴定混合陷阱样品中具农业意义类群提供了可扩展替代方案，同时提供更高精度（即种级）鉴定。然而，宏条形码目前仅提供相对丰度的半定量估计，而非许多害虫监测与管理决策所需的准确绝对丰度信息。因此，提升宏条形码的定量能力是生态、医学、微生物组及环境DNA（eDNA）研究中重要且快速发展的领域。本综述总结批量无脊椎动物样品定量宏条形码的进展，突出关键偏差来源、新兴校正方法，及其向农业监测系统转化中的机遇与挑战。通过整合来自多元生态应用的见解，研究人员提出一条实用路线图，用于改善宏条形码数据的定量输出与解释，并将这些新方法整合进农业害虫监测与管理中。

研究背景方面，入侵无脊椎动物害虫通过取食植物组织与传播病原对粮食安全与农业利润造成全球性威胁，气候变暖与贸易增加进一步扩大其适生区。传统陷阱监测依赖形态学分拣与计数，但单陷阱可获数百至数千标本，分类学专家减少使该流程难以为继，且常只聚焦少数目标种而忽略稀有种及捕食者/寄生者等群落水平信息。DNA条形码虽能种级鉴定，但单标本测序在高通量（HTS）场景下遭遇瓶颈；DNA宏条形码通过对混合样品扩增子批量测序克服通量限制，可同时覆盖更广分类广度，应用于农业生态系统昆虫多样性刻画、天敌食性重建、寄主偏好推断、季节动态跟踪及入侵种检测。然而HTS读长计数的是DNA分子而非个体，由于物种形态与分子特征同实验流程各步骤交互产生分类偏差，且组成型数据受常数和约束（constant sum constraint）影响，相对比例不能直接等同于绝对个体数，导致现有研究仅能获得弱或系统特异的丰度关系。因此，将宏条形码从半定量推向定量，是将其纳入害虫管理决策的前提。

关键技术方法上，研究人员以批量诱捕无脊椎动物样品（如Malaise、 pitfalls、吸力、粘板、灯光及信息素陷阱等）为对象，整合COI（Cytochrome Oxidase subunit I，细胞色素氧化酶亚基I）为主的标准化条形码标记，结合高通量扩增子测序；为校正定量偏差，采用模拟群落（mock communities）标定物种特异性校正因子、Unique Molecular Identifiers（UMIs，唯一分子标识符）抵消扩增偏好、内标（internal standards）校正跨样品变异，并以外部测量（external measurement，如总虫数、总生物量或qPCR/ddPCR标记拷贝数）锚定相对比例为绝对丰度； Bioinformatics端统一流程、ASV（Amplicon Sequence Variant，扩增子序列变体）细分、CoDA（Compositional Data Analysis，组成型数据分析）处理比例数据，并在抽样环节控制陷阱类型、高度、颜色、引诱剂与重复布局。

研究结果部分，按论文主体小标题依次归纳。Sampling（抽样）环节表明，陷阱类型、颜色、引诱剂、放置高度与重复数决定捕获类群的行为过滤效应，被动陷阱获广谱而主动陷阱引入行为偏倚，空间间距与收集频率影响稀有种检测与DNA降解，且空气中eDNA或捕食者携带猎物痕量DNA可造成非形态标本信号。DNA Extraction（DNA提取）环节显示，体形大小、软硬表皮、裂解时长与提取化学法（硅胶柱/磁珠/无纯化）共同决定各物种DNA贡献，大个体软体类释放更多DNA，非破坏性提取读长比近似表面积、破坏性提取近似生物量，按体型分池或提高测序深度可缓解但不可消除偏差。Amplification（扩增）环节指出，引物错配、聚合酶对GC含量偏好、靶标拷贝数变异（CNV）、二级结构与同聚物造成物种间扩增效率差，可通过简并引物、低GC偏好酶、BSA/DMSO添加及CNV校正缓解。Sequencing（测序）环节涉及index switching与平台批次效应，双索引与平台标准化可降低误分配。Bioinformatics（生物信息学）环节涵盖NUMTs（核内线粒体假基因）干扰、OTU/ASV划分阈值、常数和约束、流程不一致与参考数据库缺失，应对手段包括阅读框筛查、ASV去噪、CoDA转换与外部总量锚定。Box 1与Box 2明确定性偏差（检出与否）与定量偏差（丰度扭曲）及相对丰度与绝对丰度（A_ij=P_ij×T_j）概念框架。Table 1系统列出各环节偏差源与缓释策略。

讨论与结论部分，研究人员认为定量宏条形码尚处转化早期，UMIs、模拟群落校正因子、内标及外部总量测量四类路径最具落地潜力，但需在农业诱捕背景下验证；相对丰度适用于群落内比较，绝对丰度才支撑“每样多少头”“田块种群规模”及与传统历史数据接轨的管理判断。论文发表于《Journal of Economic Entomology》，其意义在于为农业害虫监测从形态学分拣走向高通量种级定量提供路线图：在抽样设计阶段匹配陷阱与靶标生物学，在实验阶段用UMIs与分体型提取抑制偏差放大，在分析阶段以外部锚定加CoDA替代原始比例，从而把宏条形码由“检出清单工具”升级为“可预警种群动态的决策输入”。研究人员最终结论为，真正定量化的批量无脊椎动物宏条形码需跨采样—提取—扩增—测序—生信全链协同校正，单一统计变换无法替代 Assay 内物种特异性偏差的实验削减，未来应优先在蚜虫、蓟马等无可靠引诱剂类群及吸力陷阱网络中建立绝对丰度校准基准。