《Molecular Ecology Resources》:Genome Assemblies for Seven Families of Birds From the Global South
编辑推荐:
全球南方|西高止山脉|鸟类基因组组装|混合测序|基因组完整性|比较基因组学
全球南方|西高止山脉|鸟类基因组组装|混合测序|基因组完整性|比较基因组学
热带地区虽然拥有极高的生物多样性,但长期以来在大规模基因组研究中代表性不足,尤其是全球南方地区。由于研究资金与关注度历史上更多集中于全球北方,许多热带和亚热带类群缺乏高质量参考基因组,这限制了对适应、演化历史和保护基因组学等关键问题的认识。印度西高止山脉是世界重要的生物多样性热点,具有显著地形复杂性、微气候梯度和高水平特有性,鸟类又是该地区生态与演化研究的重要类群。然而,西高止山脉及南亚许多鸟类谱系在基因组层面仍明显欠缺资源。为弥补这一空白,研究人员针对西高止山脉关联紧密、在全球数据库中几乎缺乏基因组代表的七个鸟类科,生成了首批从头基因组组装及功能注释。研究表明,这些组装在完整性和连续性方面优于现有多数鸟类基因组,并可为系统发育、比较基因组、种群结构、地理历史和保护研究提供基础支撑。
研究采用的主要技术方法包括:西高止山脉野外采样并采集血样;提取基因组DNA后进行Oxford Nanopore长读长与Illumina短读长测序;使用混合组装、去污染、线粒体组装、重复序列屏蔽、基因预测与功能注释流程;并与NCBI现有鸟类基因组进行连续性比较分析。
在结果部分,研究人员先通过测序与质控获得了充足的数据。长读长数据共获得1970万条reads,平均每个样本约280万条,读长N50为12.89 Kbp,97.1%通过质控;短读长数据共获得6.9396亿条reads,质量控制与接头去除损失极少。GenomeScope2估计七个物种的基因组大小约为987 Mbp至1.12 Gbp,符合鸟类基因组的一般尺度。
在核基因组组装中,七个物种最终组装大小为1.03–1.13 Gbp。最少碎片化的组装来自Hypothymis azurea(1775个scaffold),最碎片化的是Myophonus horsfieldii(3886个scaffold)。Contig N50为653 Kbp至2.10 Mbp,scaffold N50为655 Kbp至2.12 Mbp,最长scaffold达到9.7 Mbp。BUSCO完整性均超过97%,其中Machlolophus aplonotus最高(98.90%),Hypothymis azurea、Geokichla citrina等也接近99%。UCE回收数量至少为4799个位点,说明组装覆盖度较高。
在线粒体基因组组装中,最终长度为14,066–17,888 bp。多数物种线粒体基因组包含13个蛋白编码基因、20–22个tRNA和2个rRNA;其中部分物种为12个蛋白编码基因。结果表明,这些线粒体基因组结构完整,符合鸟类线粒体基因组的一般特征。
在重复序列与基因注释方面,RepeatMasker识别出8.44%–11.07%的基因组为分散重复序列,主要由反转座子组成,其次为简单重复和未分类重复。基因预测平均每个基因组得到35,551个候选基因模型和37,605个mRNA转录本,Geokichla citrina预测基因数最多,Nyctyornis athertoni最少。平均每个基因组有9619个基因模型获得功能注释,说明注释结果已具备一定可用性。
在与全球现有鸟类基因组的比较中,研究人员检索到NCBI中2365个鸟类基因组,整理后得到1467个物种用于比较。结果显示,本研究新组装的中位scaffold数为3085,显著低于现有鸟类基因组的28877;scaffold N50与contig N50的散点分布也表明,七个新组装均位于更高连续性区域。该结果证明,混合测序策略能够显著提升鸟类基因组组装质量。
讨论部分指出,研究获得的七个鸟类参考基因组大小与鸟类常见基因组范围一致,且连续性和完整性优于现有大量仅依赖短读长数据的组装。高BUSCO和高UCE回收率说明其完整度良好,适用于分子生态学和比较基因组学研究。作者同时指出,虽然重复序列格局总体与其他鸟类基因组一致,但个别物种在DNA转座子比例上存在差异。基因模型数量偏高,研究人员认为这与ab initio及蛋白引导预测易高估基因结构有关,因此未来需要引入多组织RNA-seq进一步优化基因结构与功能注释。总体而言,这些资源显著改善了全球南方、尤其是印度次大陆热带地区鸟类基因组的分类学与地理覆盖,为研究南亚鸟类的种群结构、地理分布格局、定殖历史、谱系适应、基因组演化与保护基因组学提供了坚实基础,并可作为后续染色体水平组装和更高标准参考基因组建设的起点。