植物微生物组菌株水平分辨率的基于参考工具基准测试

《Molecular Ecology Resources》：Benchmarking of Reference-Based Tools for Strain-Level Resolution of Plant Microbiome

　　

每种微生物的菌株水平鉴定对于理解其在宿主中的作用至关重要。大多数现有工具主要在人类宏基因组数据集上评估，而植物微生物组表现出更高多样性和复杂性，因此对单个微生物的菌株水平分辨提出挑战。本研究对可用于植物微生物组菌株水平分辨的基于参考工具进行了全面基准测试。研究人员在合成数据集（包含已知与植物有强关联的微生物）和真实植物微生物组数据集上，依据计算需求、F1-score和相对丰度等性能参数评估了七种工具。结果表明，StrainScan在合成数据上表现更优，与其他工具相比获得更高F1-score和更准确的相对丰度估计，但其性能随菌株多样性增加而逐渐下降。然而，StrainGE和StrainScan在真实植物宏基因组数据上表现具竞争性。总体来看，StrainGE虽表现更好，但计算开销更高；StrainScan在低丰度菌株检测中更优。研究发现反映了现有工具用于植物宏基因组数据菌株水平分析的适用性差异，并强调需开发更高效、准确且能处理复杂植物宏基因组数据同时保持计算效率的分类器。

论文解读：《Molecular Ecology Resources》刊发植物微生物组菌株水平分辨工具基准研究

研究背景方面，植物微生物组包括根际（rhizosphere）、叶际（phyllosphere）和内生（endosphere），其多样性和复杂性高于人类微生物组，存在更高α-多样性、宿主DNA污染、大量未分类或新颖微生物基因组等挑战。菌株是同一物种内遗传上不同的变体，近缘菌株可分别为有益菌或病原菌，因此菌株水平分辨对理解植物-微生物互作和功能异质性十分关键。已有基于参考（reference-based）或组装（assembly-based）的工具多在人类宏基因组上评估，缺乏面向植物微生物组的系统基准测试，这限制了研究人员在农业微生物组研究中选用合适工具。

研究人员开展了首项针对植物微生物组的七种基于参考工具综合基准测试，工具包括Metalign、StrainEst、StrainScan、KrakenUniq、MIDAS2、StrainGE和PStrain。研究用合成数据与真实数据评价分类准确性、相对丰度估计和计算资源消耗，得出无单一工具在所有场景下最优：StrainScan在低至中等多样性合成数据中F1-score和相对丰度估计更优，StrainGE在部分真实数据中分辨力更强但计算更贵，StrainScan更擅长低丰度菌株检测。该研究为植物宏基因组菌株分析提供选型依据，也指出参考库依赖导致无法发现全新菌株这一根本局限，对可持续农业和病原监测具重要意义。

主要关键技术方法上，研究人员从文献筛选短读长（short-read）宏基因组菌株分辨工具，用InSilicoSeq模拟含病原、有益和共生细菌的合成群落，测序深度设10×、50×、100×，并采用log-normal丰度分布与NovaSeq错误模型；真实数据来自SRA的10种植物项目，含接种（inoculated）与非接种（non-inoculated）样本，并用MetaPhlAn4做物种水平谱，长读长（long-read）数据来自番茄叶际接种研究；工具按默认参数运行于20核服务器，以精确率、召回率、F1-score和Jensen-Shannon散度（JSD）评估，用峰值内存与墙钟时间测计算开销，用FastANI算平均核苷酸一致性（ANI）辅助近缘株判定。

研究结果如下。

3.1 基于模拟宏基因组数据的工具计算需求：研究人员用65个病原/有益菌合成集与24个加共生菌合成集发现，随菌株数从10增至1355，各工具时间和内存上升；MIDAS2最省资源，StrainEst因存储>2 TB未测1355株，StrainScan时间波动大，StrainGE内存由7 GB升至99 GB。

3.2 工具性能评估：在65个合成集上StrainScan的AUPR超0.7；F1-score随多样性升高而降，StrainScan在10和100株时分别为约0.8和0.7，500与1355株时下滑，其余多低于0.5；加入共生菌后部分k-mer工具F1-score反而升。

3.3 估计相对丰度比较：取StrainScan、StrainGE、KrakenUniq共同检出的株，StrainScan的JSD<0.02，KrakenUniq最差，StrainGE在低多样性JSD约0.05、高多样性可>0.3，说明StrainScan量化复杂样本组成更准。

3.4 实验接种数据评估：在Xylella fastidiosa感染叶际样本中，StrainGE和KrakenUniq能认出multiplex、fastidiosa、pauca等亚种；StrainGE唯一检出TOS4，StrainScan检出与TOS4极高相似（ANI>99.99%）的Ma1和Alm_Lz_1，且更省资源。

3.5 非接种实验数据评估：在Medicago truncatula等根际/根瘤数据，多数工具只检高丰度物种株，StrainScan和KrakenUniq可检低丰度物种株；KrakenUniq对未检物种也报很多株，假阳性高。StrainScan与StrainGE都检出Ensifer medicae 426，StrainGE检得更多但仅少数高相似，且StrainGE内存和时间明显更高。

3.6 长读长数据性能评估：仅KrakenUniq、Metalign、StrainGE、StrainScan可跑通Pseudomonas syringae接种番茄数据；StrainGE在L-culture-mix认全4株，StrainScan认3株，Metalign更少，KrakenUniq全认但附带很多其他株；StrainGE内存高，StrainScan耗时多，两者对T1丰度分配接近但比率不同。

讨论部分总结：研究人员指出MIDAS2资源占用最低，StrainScan低中多样性分类与定量好但高多样性受限，真实数据里StrainGE因跨位点证据和迭代打分对测序伪影更稳，故在Xylella数据优于依赖精确k-mer的StrainScan。非接种分析受MetaPhlAn4物种谱限制，但近缘Ensifer库无假阳性验证了特异性。所有被测工具均基于参考，只能认已知株，不能发现全新细菌；默认参数基准反映“算法+数据库”的实际工作流，对普通用户更直接。

结论部分翻译：研究人员在合成和真实植物宏基因组数据集上做了全面基准测试，StrainScan和StrainGE在真实植物宏基因组数据上一定程度表现良好，但在高多样性合成数据上菌株检测精度下降，说明它们更适合靶向菌株鉴定。结果强调需开发能处理更高菌株多样性、提供更细分辨率且保持计算效率的工具；现有工具无一在所有真实植物微生物组数据中全能胜出，未来应发展可扩展的大而多样参考库方法，或结合de novo菌株组装与发现的混合方法，以捕获植物中新颖且生态重要的菌株。