系统发育认证的扩增子序列变异在单标本宏条形码热带昆虫中的应用

《Molecular Ecology Resources》:Phylogenetic Authentication of Amplicon Sequence Variants in Single-Specimen Metabarcoding of Tropical Insects

【字体: 大 中 小 】 时间:2026年07月10日 来源:Molecular Ecology Resources 5.9

编辑推荐:

  高通量测序(HTS)允许对单独标记的标本进行大规模DNA条形码(‘宏条形码’),但深度扩增子测序会产生真实线粒体序列与核伪基因(NUMTs)、环境和跨样本污染物以及测序人工产物的混合物。依赖读长聚类或优势读长选择的标准方法通常无法对这些类型进行分类,导致错误的

  
高通量测序(HTS)允许对单独标记的标本进行大规模DNA条形码(‘宏条形码’),但深度扩增子测序会产生真实线粒体序列与核伪基因(NUMTs)、环境和跨样本污染物以及测序人工产物的混合物。依赖读长聚类或优势读长选择的标准方法通常无法对这些类型进行分类,导致错误的分类鉴定和物种计数。研究人员开发了一个认证框架,整合了丰度过滤、系统发育定位和分类一致性。该工作流程应用于来自多个生物地理区域的18,533个形态种的热带甲虫(鞘翅目),在进行个体Illumina条形码之前,对这些标本进行了科级鉴定成像。测序产生了超过3600万条读长和64,544个独特的扩增子序列变异(ASVs),并针对一个包含超过13,000个线粒体基因组的参考系统发育树进行了评估。认证成功率为86.5%的质量通过标本(15,901个ASVs)。非认证序列包括技术人工产物(58.0%)、环境污染物(包括猎物DNA,14.2%)、个体内变异(NUMTs、异质性,11.3%)和跨样本污染物(7.5%)。认证成功率及各类失败比例在陷阱类型、采样活动、分类群和测序批次之间差异显著。研究人员根据一致的共现模式和与认证单倍型的系统发育邻近性,鉴定出930个确认的NUMTs。单标本HTS数据包含标准过滤方法无法解决的实质性生物学和技术复杂性。我们的流程无关的、基于系统发育信息的认证框架实现了稳健的已验证条形码回收,同时保留了信息性的次级变异,提高了分子ASV数据的准确性,达到足以纳入条形码参考数据库和用于热带昆虫的系统发育信息DNA条形码的标准。
**论文解读:热带昆虫单标本宏条形码中扩增子序列变异的系统发育认证**

**研究背景、问题与意义**

DNA条形码技术通过高通量测序(HTS)实现了大规模标本的基因分型(即‘宏条形码’),极大提升了物种鉴定的通量。然而,深度扩增子测序不仅产生目标线粒体序列,还混杂了大量非目标序列,包括核线粒体伪基因(NUMTs)、环境污染物(如猎物、共生菌DNA)、跨样本污染物以及测序人工产物。现有标准方法,如基于读长聚类或仅选取优势读长的策略,常无法区分这些序列类型,导致分类鉴定错误和物种计数偏差。这一问题在热带昆虫标本中尤为突出:热带环境高温高湿导致DNA降解严重,而参考数据库覆盖极不完整,进一步增加了真实序列与污染序列区分的难度。因此,亟需建立一种能够系统认证扩增子序列变异(ASV)是否源自真实线粒体单倍型的分析框架,以提升宏条形码数据的准确性,并为参考数据库贡献可靠的新序列。

**研究概述**

研究人员开发了一个整合丰度过滤、系统发育定位和分类一致性评估的ASV认证框架,并将其应用于18,533个热带甲虫(鞘翅目)形态种标本(采自14个国家、4个生物地理区)。每个标本均先通过高分辨率图像进行科级形态鉴定,随后使用Illumina MiSeq平台进行个体标签条形码测序。测序获得超过3600万条读长,产生64,544个独特ASV。通过与一个包含13,380个完整或部分线粒体基因组的参考系统发育树(涵盖鞘翅目主要科)进行比较,认证了86.5%的质控通过标本(15,901个ASV)。非认证序列被分类为技术人工产物(58.0%)、环境污染物(14.2%)、个体内变异(NUMTs/异质性,11.3%)和跨样本污染物(7.5%)。该研究还基于共现模式确认了930个NUMTs,并发现认证成功率受标本所属科、采样方法、测序批次和地理区域等因素显著影响。研究强调了基于系统发育的认证对于生成可用于参考数据库的精确条形码的重要性,并为热带甲虫提供了近13,000个经认证的条形码序列。相关论文发表在《Molecular Ecology Resources》。

**关键技术方法(<250字)**

研究采用的技术方法主要包括三个核心步骤:第一,基于最小读长阈值(MRCT=4)的丰度过滤,在保留标本最大化(91.77%)与排除低丰度人工产物之间取得平衡;第二,系统发育定位:将质控后的ASV置于由13,380个线粒体基因组构建的参考系统发育树上(使用FastTree基于GTR+CAT模型的极大似然法),计算每个ASV到最近参考序列的系统发育距离,并评估其科级系统发育位置与形态鉴定是否一致(taxonomy_match状态);第三,分类一致性评估:结合丰度、系统发育距离和共现模式,将ASV划分为认证单倍型、个体内变异(如NUMTs)、环境污染物、跨样本污染物和技术人工产物五类。样本来源涵盖14个国家,使用多种被动和主动采集方法,并采用两种保存液(96%乙醇和SDS+EDTA缓冲液)。

**研究结果**

**3.1 数据集概览与质量评估**
本研究共分析18,533个甲虫标本(来自119个科),测序后获得36,459,895条高质量读长,识别出64,544个独特ASV,共计175,954条ASV记录(每个标本平均9.5个ASV)。读长分布严重右偏,中位数为4条,与所选最小阈值一致。标本中包含热带雨林(68.2%)、温带森林(18.4%)等栖息地类型,五大优势科(隐翅虫科、叶甲科、象甲科、金龟科、步甲科)占总标本数的52.1%。

**3.2 认证方案与阈值选择**
通过系统评估1–20读长的最小读长阈值(MRCT),选定MRCT=4作为平衡点:保留91.77%标本(17,007个),同时保留89.8%独特ASV(57,976个)。认证成功率在MRCT≥4后趋于稳定。低于阈值的84,552条记录(48.0%)被归类为技术人工产物(平均2.2条读长)。

**3.3 系统发育认证**
在17,007个阈值通过标本中,14,715个(86.52%)基于科级系统发育位置与形态鉴定的一致性获得认证,对应15,901条认证ASV记录(12,922个独特序列)。认证ASV中74.6%与参考线粒体基因组完全匹配(系统发育距离为0),其余25.4%仅凭科级一致认证但距离极小。认证ASV的平均读长(1904条)显著高于非认证ASV(207条),线性混合模型确认读长高出102.7倍。

**3.4 认证失败分析**
未经认证的ASV记录(160,053条,占90.96%)分为四类:(i)技术人工产物(58.02%,平均读长2.2,系统发育距离大);(ii)环境污染物(14.20%,平均读长138,系统发育距离最大,71.7%为乙类科间污染物,19.7%为非甲虫节肢动物);(iii)跨样本污染物(7.48%,平均读长100,90.0%可追溯来源,其中78.4%来自实验室,15.3%来自野外);(iv)个体内变异(11.27%,平均读长60,系统发育距离最小,61.7%距离<0.05分支长度单位)。通过共现分析确认930个NUMTs(在≥2个独立标本中与同一锚定ASV共现),其中80.6%出现于恰好两个标本。

**3.5 影响认证成功的因素**
认证成功率在多个因素上呈现显著差异:(i)地理区域:从巴勒斯坦的30.1%到英国的90.8%(χ2=1268.25, p<0.001,Cramér's V=0.262,中等效应);(ii)采集方法:主动采集法(手采集91.2%、Winkler抽取90.9%、SLAM陷阱90.8%)高于被动法(Malaise陷阱84.8%),坑阱最低(71.2%);乙醇保存(88.6%)优于SDS+EDTA缓冲液(83.9%);(iii)测序批次:成功率60.1%–100%,与测序深度(ρ=0.78, p=0.013)和文库复杂性(ρ=0.71, p=0.032)显著相关;(iv)科级分类:效果最大(Cramér's V=0.410),小体型科(<3mm)成功率仅52.3%,而大体型科(>10mm)达88.9%。多变量特征重要性分析表明,在标本水平,科级身份是最强预测因子;在ASV水平,系统发育距离最重要(重要性0.510),其次为读长丰度(0.285)和比例代表度(0.142)。

**3.6 通过密码子使用偏好验证NUMTs**
对930个确认NUMTs与其匹配的认证锚定ASV进行密码子组成比较:在个体内线性混合模型中,GC含量、各密码子位置的GC和有效密码子数(ENC)均无显著差异(所有p>0.05),表明NUMTs与线粒体源序列的核苷酸组成高度相似。然而,相对同义密码子使用(RSCU)分析显示12个密码子存在显著偏移(Benjamini-Hochberg校正p<0.05),主成分分析沿PC1(解释11.6%方差)部分分离了NUMT与认证序列簇。确认NUMTs与锚定ASV的成对比对距离中位数为1.91%,范围0.24%–9.81%,表明主要为近期核插入事件。

**总结讨论与结论**

讨论部分指出,深度扩增子测序中的非目标序列(包括污染、人工产物和NUMTs)在单标本宏条形码中尚未得到充分关注。本研究的认证框架有效提取了真实线粒体单倍型。技术人工产物是最主要的失败类别(58.02%),反映了高降解热带标本的挑战。主动采集方法、乙醇保存和较大体型科均有利于认证成功。科级分类效应强于地理效应,提示提取方案需针对形态类型优化。对于次级ASV,环境污染物主要由非甲虫类群组成,跨样本污染物来源可追踪至实验室或野外,而个体内变异(NUMTs)通过共现标准获得可靠验证。NUMTs与锚定序列的密码子使用差异(而非GC含量差异)为其核基因组起源提供了分子证据,而该差异可能反映了核整合后松弛纯化选择的影响。异质性无法与NUMTs完全区分,需长读长或全基因组测序最终验证。

研究结论翻译如下:通过结合基于丰度和系统发育的过滤,研究人员提供了一个严谨的认证框架,解决了现有方法的不足:未识别的陷阱内或实验室污染、膨胀的物种多样性估计、未使用的生态互作信息以及NUMTs识别的不确定性。按系统发育距离对ASV进行系统分类,阐明了复杂扩增子变异的生物学和技术成因。该框架还为宏条形码中核伪基因的识别提供了稳健方法,特别是在与大变异共现的情况下。经认证的数据集被置于系统发育树中,并辅以高分辨率图像和采集信息,为分子分类学资源做出了宝贵贡献,并证明了在分类学具有挑战性的热带生态系统中大规模单标本认证的可行性。最重要的是,研究人员为近13,000种主要来自热带的甲虫提供了经认证的条形码,其中此前仅有极小部分被测序。该方法代表了向基于进化背景和更高标准的大规模生物多样性评估迈出的重要一步。
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