基于系统发育的注释揭示公共数据库中阿斯加德古菌16S rRNA基因序列存在广泛的错误标注

《ISME Communications》：Phylogeny-guided curation reveals widespread misannotation of Asgard archaeal 16S rRNA gene sequences in public databases

　　

摘要

16S rRNA基因序列的准确分类归属对于基于扩增子序列数据的微生物群落研究的可靠解读至关重要。然而，这严重依赖于参考数据库的可靠性，例如基因组分类学数据库（GTDB）和SILVA核糖体RNA数据库。在本研究中，我们评估了Asgardarchaeota门内分类标注的一致性，该谱系在进化生物学和生态学方面具有重大研究意义。使用经系统发育筛选的GTDB衍生16S rRNA基因序列集，我们发现大多数序列的分类归属与其对应宏基因组组装基因组（MAGs）的系统发育基因组学定位一致，尽管其中一小部分序列表现出明显的不一致，这可能源于向MAGs的错误分箱。相比之下，对SILVA衍生的16S rRNA基因序列（包括经筛选的参考序列）进行的系统发育分析揭示了广泛的分类错误标注和/或分类单元归属的有限分辨率。具体而言，许多被标注为Odinarchaeales的序列在Lokiarchaeia、Heimdallarchaeia、Hermodarchaeia或Sifarchaeia中稳健聚类，导致Odinarchaeales归属的人为膨胀，并可能造成有偏的生态学解读。为缓解这些问题，我们构建了一个经过筛选的Asgardarchaeota 16S rRNA基因序列参考数据集，并生成了跨聚类条目的经系统发育验证的分类归属，为改进环境序列的分类提供了资源。我们的结果表明，广泛使用的参考数据库可能包含系统性标注错误，这些错误会在不同研究之间传播并扭曲生态推断。虽然本研究以Asgard古菌为例进行了说明，但这些局限性可能普遍存在于研究不足的微生物多样性中，这凸显了对参考数据集进行常规系统发育验证和系统筛选的必要性。