
-
生物通官微
陪你抓住生命科技
跳动的脉搏
公开数据库中咽峡炎链球菌16S rRNA序列的系统发育地理学评估与元数据注释局限性分析
《BMC Microbiology》:Metadata completeness and phylogenetic structure of publicly available Streptococcus anginosus 16 S rRNA gene sequences
【字体: 大 中 小 】 时间:2026年09月17日 来源:BMC Microbiology 5.4
编辑推荐:
摘要背景Streptococcus anginosus(咽峡炎链球菌)近期成为一种候选胃部病原体,被认为与炎症和肿瘤发生有关,这促使人们评估公开的16 S rRNA基因档案是否能够支持系统地理学或流行病学分析。方法我们分析了存入NCBI数据库的350条S. anginosus
Streptococcus anginosus(咽峡炎链球菌)近期成为一种候选胃部病原体,被认为与炎症和肿瘤发生有关,这促使人们评估公开的16 S rRNA基因档案是否能够支持系统地理学或流行病学分析。
我们分析了存入NCBI数据库的350条S. anginosus 16S rRNA基因序列(1,200–1,700 bp),并手动整理宿主、地理位置和样本来源的元数据。使用基于SILVA的同一性和成分齐性检验对序列进行筛选,以识别分类学和成分异常值,最终获得一个经过筛选的346条序列的数据集。两个数据集均使用MAFFT进行比对,并在IQ-TREE中进行最大似然系统发育推断,采用ModelFinder选择的模型和1,000次超快速自举重复。地理聚类使用基于拓扑的Fitch简约置换检验进行评估。所有350条记录均被标注为S. anginosus。四条记录未通过成分齐性检验,其中两条在SILVA中的最佳匹配落在链球菌属之外,所有四条均被排除在筛选后的数据集之外。元数据经常不完整,缺失样本来源(30.9%)、地理来源(21.7%)和宿主(16.6%)。简约置换检验显示,在筛选后的346条序列树(62.0%的空分布均值;p < 0.0001)和完整的350条序列树(63.4%;p < 0.0001)中,来源国的状态变化均少于随机预期的次数。这一模式在排除最大规模研究后以及在1,000棵自举树中均具有稳健性,但可能反映的是各研究特定的采样情况,而非已确认的系统地理结构。
公开的S. anginosus 16S rRNA数据集数量丰富但注释不足。需要改进的元数据标准以及多位点或全基因组测序,以支持可靠的流行病学和菌株水平研究。
Streptococcus anginosus(咽峡炎链球菌)近期成为一种候选胃部病原体,被认为与炎症和肿瘤发生有关,这促使人们评估公开的16 S rRNA基因档案是否能够支持系统地理学或流行病学分析。
我们分析了存入NCBI数据库的350条S. anginosus 16S rRNA基因序列(1,200–1,700 bp),并手动整理宿主、地理位置和样本来源的元数据。使用基于SILVA的同一性和成分齐性检验对序列进行筛选,以识别分类学和成分异常值,最终获得一个经过筛选的346条序列的数据集。两个数据集均使用MAFFT进行比对,并在IQ-TREE中进行最大似然系统发育推断,采用ModelFinder选择的模型和1,000次超快速自举重复。地理聚类使用基于拓扑的Fitch简约置换检验进行评估。所有350条记录均被标注为S. anginosus。四条记录未通过成分齐性检验,其中两条在SILVA中的最佳匹配落在链球菌属之外,所有四条均被排除在筛选后的数据集之外。元数据经常不完整,缺失样本来源(30.9%)、地理来源(21.7%)和宿主(16.6%)。简约置换检验显示,在筛选后的346条序列树(62.0%的空分布均值;p < 0.0001)和完整的350条序列树(63.4%;p < 0.0001)中,来源国的状态变化均少于随机预期的次数。这一模式在排除最大规模研究后以及在1,000棵自举树中均具有稳健性,但可能反映的是各研究特定的采样情况,而非已确认的系统地理结构。
公开的S. anginosus 16S rRNA数据集数量丰富但注释不足。需要改进的元数据标准以及多位点或全基因组测序,以支持可靠的流行病学和菌株水平研究。