MicroFisher：基于多重高变标记的真菌组分类新工具 | Communications Biology

研究背景

宏基因组学（metagenomics）和宏转录组学（metatranscriptomics）的发展为我们认识真菌在陆地和海洋生态系统中的功能提供了前所未有的机遇。然而，从高通量测序数据中准确鉴定真菌群落的组成与丰度仍然是一项重大挑战。

目前主流的分类方法主要依赖于两种策略：读段比对法（read-mapping） 和 读段组装法（read-assembly）。前者以Kraken2、Kaiju、MetaPhlAn和Eukdetect等工具为代表，通过将reads比对至泛基因组参考序列进行分类；后者通过从头组装（de novo assembly）和基因组分箱（binning）重建基因组。然而，这两种方法均面临严峻的瓶颈，亟需开发一种不依赖全基因组参考、但能充分利用高分辨率标记基因数据库的真菌分类工具。

1. MicroFisher方法概述

针对上述挑战，本研究开发了MicroFisher一个基于多重高变标记（hypervariable markers）的真菌分类工具，能够从宏基因组和宏转录组数据中实现高精度的真菌群落鉴定与丰度估算。

图1. MicroFisher的数据库构建和分类工作原理

1.1高变标记数据库的构建

MicroFisher的核心创新在于构建了四个精心筛选的高变标记序列数据库，包括 ITS1、ITS2、LSU D1和LSU D2区域。数据库的构建流程如图（图1A），作者利用一系列生物信息学技术将rRNA基因序列高变区提取出来合并成为四个独立的数据库。

1.2 分类与丰度整合工具

MicroFisher的分类流程包含两个核心步骤（图1B-C）：

步骤一：多数据库比对。 使用Centrifuge将质控后的reads分别比对至四个高变标记数据库，生成各自的分类报告。

步骤二：加权整合与优化。 采用权重算法整合来自多个数据库的丰度报告，生成最终的丰度表。权重因子综合考虑了三个因素：比对至各数据库的总reads数、最小匹配长度（MiniHit）以及各数据库中标记序列的平均长度。默认情况下，仅保留被两个及以上数据库同时检测到的真菌类群，以提高分类精度。

2. 核心结果

2.1 模拟数据集上的参数优化与性能评估

研究团队使用InSilicoSeq模拟器生成了15个真菌模拟群落（50、100、200物种三个梯度），对MicroFisher进行了系统的参数优化。

图2. 多个rRNA高变区数据库联合分析技术提高真菌群落比对精度。

多数据库组合优于单数据库： 在属水平上（MiniHit=120 bp），多数据库的平均灵敏度、准确度和精度分别为95%、66%、69%，均高于单数据库的90%、64%、69%（图2）。

MiniHit长度的优化：120 bp被确定为默认参数，在此设置下，属水平上的灵敏度达95%，精度达69%；而降至80 bp时精度下降至53%，升至150 bp时灵敏度下降至91%（图2）。

图3. MicroFisher预测结果与实际数据之间的比较。

丰度估算准确性高： 使用ITS+LSU组合时，属水平的r.m.s.误差仅为0.68，远低于单数据库的1.22-1.42（图3B）。预测丰度与真实丰度在属和纲水平上的Pearson相关系数分别达到0.87和0.99（图3C）。

2.2 与现有工具的系统比较

在模拟宏基因组数据集上，MicroFisher与Eukdetect、MetaPhlAn、Kraken2和Kaiju进行了全面的性能对比（图4）：

图4. MicroFisher 在真菌组分类中与现有工具的比较。

在计算资源方面，MicroFisher同样表现出色：处理5亿条reads仅需3.87小时（8核CPU），峰值内存仅0.36 GB，显著优于多数同类工具。而在丰度估算精度上，MicroFisher的r.m.s.误差（3.4%）低于Eukdetect（3.98%）和其他工具（4.24%-10.82%），展现了更为可靠的定量能力。

2.3 真实环境数据集的验证

研究团队进一步将MicroFisher应用于松林土壤宏基因组和松树根系宏转录组数据，并以扩增子测序结果作为参照标准进行验证（图5）：

图5. 利用 MicroFisher 与其他真菌分类工具对土壤宏基因组数据进行的分析

Alpha多样性：MicroFisher（MiniHit=120 bp）在土壤宏基因组中检测到平均31个属，与扩增子测序的50个属较为接近，而Eukdetect仅检测到17个属；

Beta多样性：PCoA分析和Bray-Curtis距离分析表明，MicroFisher（MiniHit=120 bp）的群落组成与扩增子测序结果之间无显著差异（P>0.05），验证了其在真实环境样品中的分类可靠性；

共有类群：MicroFisher与扩增子测序共享118个属，高于其他任何工具；

优势类群鉴定：MicroFisher成功检测到多个已知的松林根系共生真菌类群，包括 Russula、Amanita、Inocybe、Suillus、Trichoderma等。

相比之下，Kaiju和Kraken2无法有效区分不同土壤样品间的真菌群落差异，MetaPhlAn3甚至未能从宏基因组数据中检测到任何真菌物种，凸显了现有基于全基因组/蛋白域方法在真菌分类中的局限性。

方法学意义与讨论

MicroFisher的核心优势可以概括为以下几点：

（1）突破参考基因组的限制。 与依赖全基因组参考的工具不同，MicroFisher的高变标记数据库覆盖了超过10万个真菌物种，包括大量不可培养物种，极大地扩展了可检测的分类范围。

（2）多标记整合策略有效降低假阳性。 通过要求类群被至少两个独立数据库检测到，并应用加权整合算法，MicroFisher在保持高灵敏度的同时显著提升了分类精度。

（3）稀有类群检测能力。对于丰度>0.1%的类群，MicroFisher的真阳性率在属水平上达到91.8%，这是现有工具难以企及的。

（4）计算资源需求低。 低内存占用和较短的运行时间使其更适合大规模数据的常规分析。

总结

MicroFisher通过整合多重高变标记数据库与加权丰度算法，为从宏基因组和宏转录组数据中准确、灵敏地解析真菌群落组成提供了一种全新的解决方案。与现有的Kraken2、Kaiju、MetaPhlAn和Eukdetect等工具相比，MicroFisher在灵敏度、准确度和丰度估算精度方面均展现出显著优势，尤其在真实环境样品的真菌群落分析中表现突出。该工具的发布为微生物生态学、土壤生态学和植物-微生物互作等领域的研究者提供了一个强有力的分析平台。