昆虫宏条形码技术在物种出现与丰度估计中的准确性

《Methods in Ecology and Evolution》:Accuracy of occurrence and abundance estimates from insect metabarcoding

【字体: 大 中 小 】 时间:2026年06月27日 来源:Methods in Ecology and Evolution 5.7

编辑推荐:

  脱氧核糖核酸宏条形码(DNA metabarcoding)——即从混合样本中进行条形码区域的高通量测序——已成为昆虫生物多样性评估的关键工具。然而,方法学选择如何影响宏条形码数据的准确性仍缺乏充分探索。在本研究中,研究人员提出以下问题:(1)裂解方法(非破坏性

  
脱氧核糖核酸宏条形码(DNA metabarcoding)——即从混合样本中进行条形码区域的高通量测序——已成为昆虫生物多样性评估的关键工具。然而,方法学选择如何影响宏条形码数据的准确性仍缺乏充分探索。在本研究中,研究人员提出以下问题:(1)裂解方法(非破坏性裂解与破坏性均质化)如何影响群落恢复?(2)宏条形码在多大程度上能够全面捕获物种丰富度?(3)内标(spike-in)能在多大程度上改善丰度估计?(4)物种丰度估计的准确性如何?

研究人员利用4749份来自大规模生物多样性调查的昆虫混合样本评估了宏条形码的准确性,这些样本均经过温和裂解处理。其中856份样本还进行了均质化处理,从而能够系统比较两种替代处理方法的效果。为了潜在改善丰度估计,研究人员向所有样本中添加了六种生物内标(即外来昆虫),并向均质化处理组添加了两个合成内标(人工DNA片段)。此外,研究人员建立了15份样本的内容基准,通过单独条形码化所有标本,从而直接评估出现率和丰度估计的准确性。

研究结果显示了破坏性处理与非破坏性处理之间的一致差异。虽然两种方法均能可靠地检测到大多数物种,但小型及软体类群在温和裂解后比在均质化后更常被恢复,而 heavily sclerotized(高度骨化)、多毛及大型类群则呈现相反趋势。使用生物内标进行校准显著降低了每个标本读数的变异,尤其在均质化样本中,而合成内标的效果较差。在贝叶斯分析中,将物种数据与最佳拟合的内标校准曲线相匹配,72.9%的物种出现率获得了准确的丰度估计(±1个体)。

研究结果表明,从宏条形码数据中获取合理准确的丰度估计是可能的,且温和裂解和均质化在出现率数据方面产生了不同的分类群特异性偏倚,两种方法互不占优。丰度准确性通过样本均质化而非温和裂解得到改善,且通过使用生物内标而非合成内标得到改善。这些发现共同为使用脱氧核糖核酸宏条形码进行稳健的定量生物多样性监测迈出了重要一步。
在生物多样性监测领域,昆虫作为生态系统功能的关键驱动因子和指示生物,其准确评估面临严峻挑战。传统监测方法依赖耗时的手工采集与形态学鉴定,在分类学专家稀缺且样本量巨大的背景下,难以满足大规模生态调查 datasets 的需求。脱氧核糖核酸宏条形码(DNA metabarcoding)技术通过高通量测序条形码区域的扩增子,为多物种混合样本的快速鉴定提供了变革性途径,但该技术在定量推断方面的局限性仍亟待解决。特别是,样本处理方式的选择直接影响物种检出率和丰度估计的可靠性:非破坏性温和裂解(mild lysis)保留标本完整性,适用于后续形态学或遗传学研究,但可能因 heavily sclerotized(高度骨化)类群脱氧核糖核酸释放不足而产生偏倚;破坏性均质化(homogenization)虽能提高此类类群的脱氧核糖核酸产量,却导致标本毁损,且存在丢失小型物种信号的风险。此外,尽管内标(spike-in)策略为校准读数变异提供了可能途径,生物内标与合成内标的相对效能,以及通过层级贝叶斯模型(hierarchical Bayesian model)实现精确定量推断的潜力,均缺乏基于真实群体验证的系统评估。《Methods in Ecology and Evolution》发表的研究"Accuracy of occurrence and abundance estimates from insect metabarcoding",正是针对这些关键方法学瓶颈开展的综合性研究。

研究人员使用的样本来源于2019年瑞典昆虫生物群落图谱项目(Insect Biome Atlas, IBA)的4749份马拉色氏诱捕器(Malaise trap)周采集样本。856份样本同时经历了温和裂解和后续均质化处理,形成配对比较;15份样本经过个体逐一条形码化建立基准数据集。所有样本在裂解前添加六种非本地昆虫作为生物内标;均质化样本在脱氧核糖核酸纯化前额外添加两种人工构建的质粒作为合成内标。分子实验采用BF3-BR2引物对细胞色素c氧化酶I(COI)基因的418 bp片段进行扩增,在Illumina NovaSeq 6000平台上以目标1 M读数对深度测序。序列数据处理采用Cutadapt进行接头与引物修剪,通过nf-core/ampliseq流程调用DADA2推断扩增子序列变体(ASVs),经HAPP流程完成分类注释、嵌合体去除、操作分类单元(OTU)聚类及核线粒体假基因(NUMTs)和低丰度噪音过滤。分类注释基于BOLD数据库2022年12月版本构建的自定义参考库,以SINTAX实现80%置信度阈值判定。个体条形码化采用HotSHOT提取方案,以m1COlintF和jgHCO2198引物扩增313 bp的COI片段,经Illumina MiSeq测序后,通过PEAR拼接、OBITOOLs样本解复用、VSEARCH质量过滤及USEARCH的UNOISE3算法去噪,最终按97%相似度聚类为OTUs。基准验证通过本地BLAST(100%覆盖度和一致性)实现个体条形码与宏条形码ASVs的精确匹配。层级贝叶斯模型以TreePPL概率编程语言实现,采用序贯蒙特卡洛(SMC)和马尔可夫链蒙特卡洛(MCMC)推断方法,分别完成模型训练(参数估计)与预测(丰度推断)两阶段分析。

群落恢复的处理效应比较。温和裂解与均质化两种方法共享84%的类群,但存在显著的分类群特异性差异。温和裂解更有利于恢复小型软体类群,包括双翅目(Diptera)的瘿蚊科(Cecidomyiidae)、摇蚊科(Chironomidae)、蠓科(Ceratopogonidae)和 sciap 科(Sciaridae),以及膜翅目(Hymenoptera)的赤蜂科(Platygastridae)、细蜂科(Ceraphronidae)、广腹细蜂科(Diapriidae)、缘腹细蜂科(Scelionidae)和金小蜂科(Eulophidae)等小型寄生蜂;均质化则更有效地恢复大型、 heavily sclerotized 的类群,包括花蝇科(Polleniidae)、寄蝇科(Tachinidae)、食蚜蝇科(Syrphidae)等大型双翅目,蚁科(Formicidae)和姬蜂科(Ichneumonidae)等膜翅目,以及所有鞘翅目(Coleoptera)和蝗科(Acrididae)。约1302个OTUs仅见于均质化样本,2469个仅见于裂解样本。

个体条形码基准验证。4804个个体中87%成功获得条形码,943个单倍型(91%)与宏条形码数据完全匹配。未匹配的289个标本主要为螨类(Acari,212个个体)和小型寄生蜂等低生物量类群,提示引物错配可能是主要原因。宏条形码检测到约30%的OTUs未能通过个体条形码验证,但这些类群贡献的读数比例极低(裂解1.8%,均质化3.5%),且与条形码失败标本数量呈正相关,表明宏条形码可能捕获了个体条形码失败的标本信号。

内标校准效果。生物内标校准显著降低样本间读数变异,效果优于合成内标;两者联用并未优于生物内标单独使用。均质化样本经校准后的变异系数(f值1.5-1.9)优于裂解样本(f值2.1-2.9)。读数比例最高的内标物种(Shelfordella lateralis)校准效果最佳,分类亲缘关系并非校准效率的可靠预测因子。在参考样本中,均质化校准读数对5/6个常见物种的标本数量解释力达R2 > 0.85,而裂解样本仅2/6个物种达到该水平。

层级贝叶斯模型预测。模型比较显示,考虑样本间聚合酶链式反应(PCR)因子(c值)变异至关重要;区分物种特异性k值(每个标本的脱氧核糖核酸量)的模型拟合最优。"匹配6k模型"在信息先验下,51.7%的物种出现率获得精确估计(预测值=真值),72.9%达到合理准确(±1个体);非信息先验下精确率和合理准确率分别为44.1%和66.3%。

讨论 Slejpcevic 讨论:该研究的方法学贡献在于首次大规模验证了宏条形码技术在真实昆虫群落中的定量潜力。讨论部分强调,温和裂解与均质化并非替代关系而是互补策略——前者保存标本资源、利于发现未知类群,后者优化定量推断,理想工作流应整合两种方法。研究结论指出:"数据表明,从宏条形码数据中获取合理的丰度估计是可能的。"温和裂解与均质化在出现率数据上产生不同的分类群特异性偏倚,两种方法互不占优;丰度准确性通过均质化而非温和裂解得到改善,通过生物内标而非合成内标得到改善。这些发现为将高通量分子数据整合到稳健的定量生物多样性监测中提供了关键方法学支撑。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号