《mSystems》：Phylogenetic inconsistency of pairwise SNP clustering for inferring tuberculosis transmission in a high-burden, endemic setting: a case study from Thailand
编辑推荐：
全基因组序列分析现已被广泛用于描绘结核病传播簇。标准做法是基于固定的最大全基因组成对单核苷酸多态性（pairwise single nucleotide polymorphism, pwSNP）距离阈值对细菌分离株进行聚类。在本研究中，研究人员使用两组对比数据
全基因组序列分析现已被广泛用于描绘结核病传播簇。标准做法是基于固定的最大全基因组成对单核苷酸多态性（pairwise single nucleotide polymorphism, pwSNP）距离阈值对细菌分离株进行聚类。在本研究中，研究人员使用两组对比数据集，评估了阈值在1至25个单核苷酸多态性（single nucleotide polymorphism, SNP）之间的pwSNP距离聚类的系统发育一致性：（i）来自英国（N=390）的数据集，由T. M. Walker、C. L. C. Ip、R. H. Harrell、J. T. Evans等人发表（Lancet Infect Dis 13:137–146, 2013, https://doi.org/10.1016/S1473-3099(12)70277-3），该数据集对该方法的建立具有奠基性作用；以及（ii）来自泰国（N=3,341）的数据集，其特征为持续性传播以及稀疏、非系统性的采样。对于英国数据集，使用≥12 SNP阈值的标准pwSNP距离聚类产生了完全单系（monophyletic）的簇，并与一种比较性的、受单系约束的基于树的聚类方法高度一致。相比之下，对于泰国数据集，pwSNP距离聚类即使在25-SNP阈值下也经常产生非单系（non-monophyletic）的簇。pwSNP距离聚类与基于树的比较聚类方法仅在≥22 SNP阈值下才表现出较大的一致性。这表明，由低距离阈值（即英国数据集的<12 SNP，泰国数据集的<22 SNP）定义的SNP簇可能缺乏稳健性，而对于以持续性传播为特征的数据集，问题尤为严重，这可能是因为簇间分离较差。此外，研究结果指出，较大的簇规模、较高的簇内最大遗传距离以及较宽的样本采集时间跨度，可作为潜在非单系簇的有用指标。研究人员还证明，混合感染可产生虚假的、在系统发育上长距离的SNP连接，这凸显了严格序列质量控制的重要性。
**研究背景与目的**
结核病（tuberculosis, TB）由结核分枝杆菌复合群（Mycobacterium tuberculosis complex, MTBC）引起，仍是全球重大公共卫生挑战。传统接触者调查依赖患者回忆，难以应对偶发性
