Identyfikacja mikroorganizmu może zacząć się od koloru kolonii, wyniku barwienia i zestawu reakcji biochemicznych, a zakończyć porównaniem całych genomów. Nie jest to jednak prosta drabina, na której każda nowsza metoda unieważnia starszą. Fenotyp mówi, co organizm robi w określonych warunkach. Gen 16S rRNA umieszcza prokariota w szerokim kontekście filogenetycznym. ANI i dDDH porównują blisko spokrewnione genomy, a filogenomika rekonstruuje relacje na podstawie wielu homologicznych genów.

Każdy poziom odpowiada na inne pytanie. Sekwencja podobna w 99% nie dowodzi identycznego fenotypu, a dwie kultury o podobnym profilu metabolicznym nie muszą być bliskimi krewnymi. Wiarygodna klasyfikacja łączy dowody, kontroluje jakość materiału i jawnie wskazuje próg, algorytm oraz bazę referencyjną.

Mapa metod i wniosków

Poziom Co jest porównywane Najmocniejszy wniosek Główne ograniczenie
morfologia i barwienia komórka, kolonia, osłony szybkie zawężenie grupy i kontrola czystości podobne cechy powstają w odległych liniach
fizjologia i biochemia wzrost, substraty, enzymy, produkty funkcjonalna charakterystyka izolatu wynik zależy od warunków i ekspresji
chemotaksonomia lipidy, kwasy tłuszczowe, składniki ściany wsparcie identyfikacji określonych grup wymaga standaryzacji hodowli i biblioteki
16S rRNA pojedynczy konserwowany marker domena, szeroka pozycja filogenetyczna, często rodzaj zbyt mała rozdzielczość dla części gatunków
MLSA/MLST kilka zdefiniowanych loci pokrewieństwo bliskich izolatów lub typ sekwencyjny historia kilku genów nie równa się historii genomu
ANI homologiczne fragmenty dwóch genomów bliskość genomowa w obrębie strefy gatunkowej zależy od algorytmu, jakości i frakcji dopasowanej
dDDH podobieństwo genom–genom modelujące DDH cyfrowy odpowiednik klasycznego kryterium gatunku wynik jest modelem i wymaga właściwej interpretacji
filogenomika zestaw genów rdzeniowych lub markerów relacje ewolucyjne wielu genomów dobór markerów, rekombinacja i jakość genomów zmieniają drzewo

Żaden wiersz nie daje sam pełnej nazwy organizmu. Nazwa wymaga odniesienia wyniku do materiału typowego i aktualnej nomenklatury. Fenotyp może być niezbędny do opisu nowego taksonu nawet wtedy, gdy genom jednoznacznie wskazuje jego sąsiadów.chun

Identyfikacja, delimitacja i klasyfikacja to różne zadania

Identyfikacja przypisuje badany izolat, szczep, genom lub sekwencję do istniejącej jednostki. Delimitacja wyznacza granice jednostki, na przykład ocenia, czy grupa genomów tworzy jeden czy kilka gatunków. Klasyfikacja umieszcza jednostkę w hierarchii i drzewie. Nomenklatura ustala nazwę zgodnie z kodeksem.

W rutynowym laboratorium najczęściej identyfikuje się obiekt wobec istniejącej biblioteki. W taksonomii nowego organizmu trzeba również wykazać odrębność od najbliższych typów i przedstawić cechy pozwalające go opisać. Metoda wystarczająca do szybkiej decyzji klinicznej nie musi wystarczyć do ustanowienia nowego gatunku.

Kiedy pipeline zwraca nazwę z dużą pewnością statystyczną, pewność dotyczy jego modelu i bazy. Nie jest automatycznie pewnością nomenklatoryczną ani dowodem wszystkich właściwości gatunku. Baza może nie zawierać prawdziwego najbliższego krewnego, a rekord referencyjny może być błędnie opisany.

Fenotyp jest wynikiem genomu, środowiska i historii komórki

Klasyczna identyfikacja bakterii łączy morfologię komórki oraz kolonii, barwienie, ruch, wymagania tlenowe, zakres temperatury i pH, wykorzystanie źródeł węgla, aktywności enzymatyczne oraz produkty metabolizmu. Zestaw cech tworzy profil porównywany z profilami referencyjnymi.baker

Taki profil jest biologicznie ważny. Informuje, czy organizm wykonuje reakcję, rośnie w określonej niszy albo tworzy strukturę. Genom może zawierać gen podobny do enzymu, lecz nie dowodzi, że gen jest wyrażany, produkt aktywny, a cały szlak drożny w badanych warunkach.

Fenotyp nie jest jednak niezmienną pieczęcią gatunku. Skład podłoża, czas inkubacji, temperatura, faza wzrostu, dostęp tlenu i historia pasaży wpływają na wynik. Mutacja regulatora lub utrata plazmidu może zmienić profil bez przeniesienia izolatu do innego gatunku. Dwa odległe organizmy mogą niezależnie wykorzystywać ten sam substrat.

Morfologia szybko wykrywa niezgodność

Obraz mikroskopowy nie rozdzieli wielu gatunków, ale może wykazać, że kultura uznana za czystą zawiera dwa typy komórek. Niejednorodny kształt, różne reakcje barwienia albo nieoczekiwane układy komórek są sygnałem do ponownego izolowania i kontroli.

Morfologia kolonii również zależy od podłoża i czasu. Barwa, połysk, brzeg oraz wyniesienie są opisem obserwacji, nie samodzielną nazwą taksonu. Kolonia śluzowa może wskazywać produkcję polisacharydu, lecz wiele niespokrewnionych bakterii tworzy podobny wygląd.

Podłoże selektywne nie identyfikuje samoistnie

Wzrost na podłożu selektywnym oznacza, że organizm w danych warunkach ominął zastosowaną barierę. Brak wzrostu może wynikać z uszkodzenia komórek, niewłaściwej temperatury albo zbyt krótkiej inkubacji. Reakcja różnicująca wskazuje określony metabolizm lub enzym, nie pełną tożsamość.

Zestawy wielotestowe kodują serię reakcji w profil numeryczny. Dopasowanie profilu do bazy jest zależne od jej zawartości i częstości taksonów, dla których system był walidowany. Rzadki organizm środowiskowy może otrzymać nazwę najbliższego znanego profilu mimo istotnej odrębności.

MALDI-TOF rozpoznaje profil białkowy

Widmo masowe, w dużej części odzwierciedlające obfite białka komórkowe, jest porównywane z biblioteką. Metoda może szybko i trafnie identyfikować dobrze reprezentowane gatunki. Nie odczytuje jednak bezpośrednio całego genomu i nie pokona braku odpowiedniej referencji.

Wynik zależy od przygotowania próbki, aparatu, algorytmu i biblioteki. Wartość punktowa ma znaczenie określone przez producenta lub zwalidowany protokół. Nie należy przenosić progu między systemami ani traktować pierwszego trafienia jako pełnej analizy filogenetycznej.

Podejście polifazowe łączy, zamiast głosować

Taksonomia polifazowa zestawia dane fenotypowe, chemotaksonomiczne, genotypowe i filogenetyczne. Nie polega na prostym głosowaniu „dwie metody za, jedna przeciw”. Niezgodność może ujawnić mieszaną kulturę, błędnie złożony genom, poziomy transfer genu albo cechę odróżniającą nowy takson.

Waga dowodu zależy od pytania. Dla miejsca w drzewie większe znaczenie ma wiele homologicznych markerów niż kolor kolonii. Dla odróżnienia dwóch bliskich gatunków o podobnych genomach kluczowa może być stabilna cecha ekologiczna. Dla nomenklatury potrzebne jest odniesienie do typu.

Nowoczesne standardy genomowe nie zniosły potrzeby opisania materiału. Sekwencja genomu powinna mieć kontrolę jakości, a organizm — pochodzenie, warunki izolacji i porównanie z typami najbliższych gatunków. Sama liczba ANI bez wiedzy, z czym porównano genom, jest niepełna.

Dlaczego gen 16S rRNA stał się markerem uniwersalnym

Mała podjednostka rybosomu prokariotycznego zawiera cząsteczkę 16S rRNA. Gen ją kodujący występuje u bakterii i archeonów, pełni homologiczny podstawowy mechanizm i łączy regiony silnie konserwowane z bardziej zmiennymi. Konserwowane odcinki ułatwiają szeroką amplifikację, a zmienne dostarczają sygnału filogenetycznego.

Pełny gen ma około 1,5 tysiąca par zasad, choć długość różni się między organizmami. W praktyce sekwencjonuje się cały gen albo wybrane regiony zmienne. Wyniki o różnych zakresach nie powinny być porównywane tak, jakby obejmowały identyczne pozycje.

Precyzyjnie mówi się o sekwencji genu 16S rRNA lub sekwencji 16S rDNA, gdy analizowano DNA. Sam 16S rRNA jest produktem RNA w rybosomie. Potoczne „sekwencjonowanie 16S” jest zrozumiałe, ale w metodach trzeba wskazać matrycę, startery i region.

Marker łączy odległe organizmy wspólną osią

Przed 16S systematyka prokariotów opierała się silnie na cechach łatwych do hodowli. Marker umożliwił porównanie linii o skrajnie różnych metabolizmach i wykazanie odrębności Bacteria oraz Archaea. Sekwencje środowiskowe ujawniły organizmy, których nie uzyskano w czystej kulturze.

To sukces na poziomie szerokiej filogenezy, nie gwarancja identyfikacji każdego gatunku. Gen jest pod silną selekcją funkcjonalną i ewoluuje zbyt wolno, aby zawsze rozdzielać niedawno powstałe linie. Dwa gatunki mogą mieć identyczną lub niemal identyczną sekwencję 16S, różniąc się dużą częścią genomu akcesoryjnego i fenotypem.

Co może zniekształcić wynik 16S

Starter nie jest naprawdę uniwersalny

Startery nazywane uniwersalnymi pasują do szerokiego zestawu organizmów, lecz niedopasowania w miejscu wiązania zmieniają wydajność amplifikacji. W próbce mieszanej jedne linie zostają nadreprezentowane, inne osłabione, a część pominięta. Wniosek o braku taksonu jest ograniczony zakresem starterów.

Różne pary starterów obejmują różne regiony zmienne. Dwa badania tej samej społeczności mogą uzyskać inne proporcje z powodu doboru regionu, polimerazy, liczby cykli i pipeline’u. Porównanie wymaga wspólnego protokołu albo modelu korekty.

Jedna komórka może mieć kilka różnych kopii

Operony rRNA występują w różnej liczbie. Kopie 16S w jednym genomie mogą nie być identyczne. Amplicony mogą zatem sugerować kilka wariantów sekwencji pochodzących z jednego organizmu, a liczba odczytów nie jest bezpośrednio liczbą komórek.

Korekta względem przewidywanej liczby kopii jest modelem zależnym od poprawnej identyfikacji i referencji. Nie usuwa niepewności dla nieznanych genomów. W analizie ilościowej należy mówić o względnej obfitości odczytów po danym pipeline, nie automatycznie o procentach komórek.

Chimera może wyglądać jak nowa linia

Podczas PCR niepełny produkt jednej matrycy może stać się starterem na drugiej, tworząc sekwencję złożoną z fragmentów różnych organizmów. Chimera bywa szczególnie myląca, gdy jej części pochodzą od bliskich krewnych i dają pozornie wiarygodne umiejscowienie.

Programy wykrywające chimery porównują fragmenty z bazą i rozkład podobieństw, ale nie mają stuprocentowej czułości. Rzadki prawdziwy organizm ma słabsze referencje i łatwiej pomylić go z artefaktem. Nową linię trzeba potwierdzić niezależnymi odczytami, dłuższą sekwencją lub genomem.

Błąd sekwencjonowania tworzy sztuczną różnorodność

Pojedyncze błędy były historycznie grupowane przez tworzenie OTU przy zadanym progu podobieństwa. Współczesne metody denoisingu modelują błędy i zwracają warianty sekwencji amplikonu, ASV. ASV ma rozdzielczość pojedynczej zaobserwowanej sekwencji w analizowanym regionie, lecz nie jest automatycznie gatunkiem ani szczepem.

Ten sam gatunek może dawać kilka ASV, a jeden ASV może należeć do wielu gatunków. Termin należy interpretować jako jednostkę techniczno-sekwencyjną. Przypisanie taksonomiczne jest kolejnym etapem.

Baza może zawierać błędną etykietę

Najwyższe podobieństwo do rekordu nie dowodzi, że jego nazwa jest poprawna. Sekwencja może pochodzić z zanieczyszczonego materiału, mieć przestarzałą nazwę albo nie być związana ze szczepem typowym. Bazy kuratorowane i sekwencje typów są bezpieczniejszym punktem odniesienia niż dowolne trafienie.

Wynik powinien zawierać identyfikator, wersję bazy, długość przyrównania, procent identyczności i liczbę różnic. „99% podobieństwa” dla krótkiego fragmentu nie jest równoważne 99% dla prawie pełnego genu.

Próg 16S jest filtrem, nie definicją gatunku

W literaturze stosowano wartości około 97%, a później około 98,7% podobieństwa 16S rRNA jako progi przesiewowe. Niższe podobieństwo może wskazywać odrębność, a bardzo wysokie mówi, że potrzebna jest metoda o większej rozdzielczości. Nie należy formułować reguły „≥98,7% oznacza ten sam gatunek”.

Próg jest empirycznym kompromisem między czułością a liczbą kandydatów do dalszej analizy. Rozkłady różnią się między liniami. W niektórych rodzajach gatunki mają niemal identyczne 16S; w innych marker dobrze je rozdziela.

Pełne przyrównanie i drzewo są bardziej informacyjne niż sam procent. Dwie pary sekwencji o tej samej identyczności mogą różnić się rozmieszczeniem zmian i kontekstem taksonomicznym. Drzewo powinno obejmować typy najbliższych nazwanych gatunków oraz mieć ocenę wsparcia gałęzi.

Drzewo genu nie zawsze jest drzewem organizmów

Filogeneza 16S opisuje historię jednego locus. Zwykle jest on konserwowany i rzadziej przenoszony niż wiele genów metabolicznych, ale pozostaje pojedynczym źródłem sygnału. Rekombinacja, transfer, niejednakowe tempo i wybór modelu mogą zmienić topologię.

Przyrównanie jest hipotezą o homologicznych pozycjach. Źle przyrównane regiony zmienne wprowadzają fałszywe podobieństwa i różnice. Automatyczne przyrównanie trzeba kontrolować, a nieczytelne pozycje mogą wymagać maskowania według jawnych reguł.

Metoda łączenia sąsiadów, największej wiarygodności i wnioskowanie bayesowskie mają inne założenia. Wartość bootstrap nie jest prawdopodobieństwem, że takson „istnieje”; opisuje stabilność gałęzi przy resamplingu znaków w ramach danych i modelu.

Korzeń drzewa wymaga grupy zewnętrznej lub innego założenia. Drzewo bez korzenia pokazuje relacje, ale nie kierunek ewolucji. Długości gałęzi mogą oznaczać liczbę zmian, a nie czas, jeśli nie zastosowano modelu zegara.

Od jednego markera do MLSA i MLST

Multilocus sequence analysis, MLSA, porównuje sekwencje kilku konserwowanych genów. Połączone przyrównanie zwiększa liczbę znaków i może rozdzielać taksony nierozróżnialne przez 16S. Poszczególne drzewa genów pozwalają zarazem zobaczyć konflikty.

Multilocus sequence typing, MLST, jest zwykle schematem typowania izolatów na podstawie alleli określonego zestawu loci. Kombinacja numerów alleli daje typ sekwencyjny. MLST znakomicie wspiera epidemiologię i porównywalność, ale typ sekwencyjny nie jest gatunkiem ani uniwersalną miarą odległości genomowej.

Schemat jest właściwy określonej grupie. ST1 w dwóch bazach może oznaczać inne organizmy. Trzeba podać nazwę schematu i wersję. Nowe allele oraz profile aktualizują bazę, nie zmieniając sekwencji badanego izolatu.

MLSA nadal próbuje historię kilku genów. Jeśli loci rekombinują albo podlegają selekcji, skonkatenowane drzewo może ukryć konflikt. Cały genom dostarcza znacznie większej próbki, choć nie eliminuje problemów rekombinacji i HGT.

Klasyczna hybrydyzacja DNA–DNA

DNA–DNA hybridization, DDH, porównywała zdolność jednoniciowego DNA dwóch organizmów do tworzenia hybryd. Wynik zależał od podobieństwa sekwencji i udziału wspólnego materiału, lecz również od protokołu, jakości DNA oraz warunków reakcji.

Próg około 70% DDH stał się operacyjnym standardem przynależności do jednego gatunku prokariotycznego. Nie oznacza 70% identyczności nukleotydów. Hybrydyzacja jest złożonym pomiarem, a korelacja z sekwencją genomu jest nieliniowa.

Metoda była pracochłonna, trudna do porównania między laboratoriami i wymagała hodowli materiału. Sekwencjonowanie genomów umożliwiło zastąpienie eksperymentu odtwarzalnymi porównaniami in silico. Historyczny próg pozostał punktem kalibracji.

ANI mierzy wspólną część genomów

Average Nucleotide Identity to średnia identyczność nukleotydowa homologicznych fragmentów dwóch genomów. Algorytm dzieli genom na fragmenty albo identyfikuje dopasowania, wyszukuje odpowiedniki w drugim genomie, filtruje wyniki i oblicza średnią. Nie jest to procent identyczności całych genomów po ustawieniu każdej pozycji.

Badania porównujące ANI z empirycznym DDH wykazały, że okolice 95% ANI odpowiadają w przybliżeniu klasycznej granicy 70% DDH.goris Analiza większych zbiorów wskazała strefę około 95–96% jako użyteczną granicę wielu gatunków prokariotycznych.richter

Słowo „około” jest istotne. Gatunki są hipotezami o klastrach biologicznych, a nie wynikiem zaokrąglenia jednej liczby. Blisko progu trzeba zbadać strukturę populacji, typy, filogenezę i fenotyp.

Algorytmy ANI nie są identyczne

ANI oparte na BLAST, MUMmer, k-merach albo szybkich przybliżeniach może dawać nieznacznie różne wyniki. Niektóre narzędzia obliczają wartości w obu kierunkach, ponieważ fragmentowanie genomu zapytania i referencji nie musi być symetryczne. Raport powinien podać program, wersję oraz parametry.

Nie wolno łączyć progu opublikowanego dla jednego algorytmu z wynikiem innego narzędzia bez sprawdzenia kalibracji. Różnice są zwykle niewielkie dla dobrych, bliskich genomów, ale przy granicy gatunku mogą zmienić formalny wniosek.

Frakcja dopasowana jest drugą osią

Dwa genomy mogą mieć wysoką identyczność na małym wspólnym fragmencie. Dlatego obok ANI należy raportować alignment fraction, coverage albo odsetek fragmentów z homologiem. Wysokie ANI przy bardzo niskim pokryciu nie dowodzi przynależności do jednego gatunku.

Niska frakcja może wynikać z dużej odległości, niekompletnego genomu, kontaminacji albo ekstremalnie różnego genomu akcesoryjnego. Każda przyczyna wymaga innej reakcji. Sama średnia ukrywa, ile danych weszło do obliczenia.

Referencją powinien być właściwy typ

Porównanie z losowym genomem podpisanym nazwą gatunku może powielić błąd etykiety. Dla decyzji taksonomicznej kluczowe są genomy szczepów typowych i wiarygodne sekwencje referencyjne. Trzeba sprawdzić zgodność numeru szczepu, akcesji i rekordu nomenklatorycznego.

Jeśli typ nie ma dobrej sekwencji, najbliższy genom nie zastępuje go bez wyjaśnienia. Można wnioskować o klastrze genomowym, ale przypisanie formalnej nazwy pozostaje słabsze.

dDDH modeluje klasyczny eksperyment z sekwencji

Digital DNA–DNA hybridization oblicza podobieństwo genom–genom skalibrowane wobec empirycznych wartości DDH. Narzędzia takie jak Genome-to-Genome Distance Calculator wykorzystują odległości oparte na dopasowanych fragmentach i modele przewidujące DDH.ggdc

Wynik około 70% jest interpretowany w relacji do historycznego progu gatunku. Narzędzie może podawać przedział ufności i prawdopodobieństwo przekroczenia progu. Raportowanie samej wartości bez przedziału usuwa ważną informację o niepewności modelu.

Formuły dDDH różnie reagują na niekompletność genomu i różnice wielkości. Zalecana formuła zależy od rodzaju danych. Nie należy wybierać tej, która daje pożądany wynik; trzeba stosować rekomendację narzędzia i podać ją w metodach.

ANI i dDDH są skorelowane, lecz nie matematycznie zamienne w każdej parze. Zgodność obu wzmacnia wniosek. Niezgodność przy progu jest sygnałem do kontroli genomów, referencji i struktury grupy.

Jakość genomu jest częścią wyniku taksonomicznego

Porównanie nie może być lepsze niż sekwencje wejściowe. Kompletność szacuje, jaka część oczekiwanego genomu została odzyskana. Kontaminacja wskazuje domieszkę sekwencji innych organizmów. N50 opisuje ciągłość zestawu, ale wysoka wartość nie gwarantuje poprawności biologicznej.

Genom może być kompletny według markerów, a mimo to zawierać błędnie złożony region, zamianę próbek albo kontaminację bliskim krewnym trudną do wykrycia. Długie odczyty pomagają zamykać powtórzenia, a krótkie mogą korygować część błędów, lecz każdy pipeline wymaga kontroli.

Standardy taksonomicznego użycia genomów wymagają udostępnienia sekwencji, parametrów jakości, informacji o szczepie i zgodności podstawowych markerów.chun Sekwencja 16S wyekstrahowana z genomu powinna pasować do niezależnego oznaczenia, jeśli oba pochodzą z tego samego materiału.

Kontaminacja bliskim krewnym jest szczególnie podstępna

Domieszka odległego organizmu często daje podwojone markery i nietypowy skład. Kontaminacja drugim szczepem tego samego rodzaju może wyglądać jak prawdziwa zmienność. Złożenie tworzy mozaikę, która zmienia ANI, pangenom i liczbę kopii genów.

Rozkład pokrycia, skład nukleotydowy, spójność par odczytów i filogeneza markerów pomagają wykrywać problem. W razie wątpliwości należy wrócić do surowych danych, nie „czyścić” genomu wyłącznie na podstawie oczekiwanej nazwy.

MAG i SAG mają szczególne ograniczenia

Metagenome-assembled genome powstaje przez złożenie i binning odczytów społeczności. Single-amplified genome pochodzi z amplifikacji DNA pojedynczej komórki. Oba otwierają dostęp do organizmów niehodowanych, lecz mogą być niekompletne i chimeryczne.

ANI między niepełnymi genomami ma sens tylko przy wystarczającej wspólnej części. Brak genu w MAG nie dowodzi biologicznej utraty, dopóki nie wykluczono luki. Opis nowego taksonu typowanego sekwencją wymaga standardów jakości oraz właściwej ścieżki nomenklatorycznej.

Filogenomika: wiele markerów, jeden model drzewa

Filogenomika wybiera homologiczne geny obecne w analizowanych genomach, tworzy przyrównania i wnioskuje drzewo z połączonych danych albo zestawu drzew genowych. Większa liczba znaków zwykle zwiększa rozdzielczość względem 16S.

Rdzeń genomowy zależy od zbioru: gen obecny we wszystkich dziesięciu izolatach może przestać być rdzeniowy po dodaniu setki bardziej różnorodnych. Markery jednokopijne ograniczają pomylenie paralogów, lecz błędy adnotacji i duplikacje nadal wymagają kontroli.

GTDB wykorzystuje standaryzowane zestawy markerów i reprezentatywne genomy do budowania spójnej klasyfikacji Bacteria oraz Archaea.gtdb Konkretna liczba markerów, reprezentantów i nazwy zmieniają się między wydaniami, dlatego wynik musi zawierać wersję GTDB.

Ortolog nie jest po prostu najlepszym trafieniem

Ortologi rozdzieliły się wskutek specjacji, paralogi wskutek duplikacji. Najwyższe podobieństwo pary białek nie zawsze odtwarza tę historię. Włączenie różnych paralogów do jednego przyrównania może stworzyć fałszywe drzewo.

Pipeline’y używają profili HMM, syntenii, drzew genowych i reguł pojedynczej kopii. Automatyczny wynik trzeba skontrolować zwłaszcza dla zredukowanych genomów, linii szybko ewoluujących i zespołów z duplikacjami.

Rekombinacja zmienia lokalne drzewa

Fragmenty genomu mogą mieć różną historię z powodu rekombinacji i poziomego transferu. Skonkatenowane drzewo przedstawia dominujący sygnał modelu, nie gwarantuje jednej historii każdej pozycji. W analizach bliskich szczepów regiony rekombinowane mogą wymagać wykrycia i maskowania.

Usunięcie każdego konfliktu byłoby jednak błędem, bo transfer jest częścią biologii. Trzeba rozdzielić pytania: drzewo pionowego rdzenia opisuje genealogiczny szkielet, a analiza mobilomu i pangenomu opisuje przepływ funkcji.

Wsparcie gałęzi nie naprawia błędnego modelu

Duży zestaw znaków może dać bardzo wysokie wartości bootstrap nawet dla systematycznie zniekształconego drzewa. Niewłaściwy model substytucji, nierówne tempo, kompozycja i brak kluczowych taksonów nie znikają dzięki liczbie genów.

Warto porównywać modele, dobór markerów oraz drzewa alternatywne. Szczególnie głębokie relacje wymagają ostrożności wobec długich gałęzi i nasycenia zmian.

ANI nie opisuje całego pangenomu

Genom rdzeniowy obejmuje geny wspólne przyjętej grupie, a genom akcesoryjny — obecne tylko w części izolatów. Pangenom jest sumą repertuaru w analizowanym zbiorze. Jego rozmiar rośnie wraz z próbkowaniem i zależy od progu grupowania homologów.

Dwa szczepy o ANI właściwym jednemu gatunkowi mogą różnić się wyspami genomowymi, plazmidami, fagami i szlakami metabolicznymi. Te różnice mogą decydować o wirulencji, oporności, gospodarzu lub zastosowaniu przemysłowym. Wysokie ANI nie oznacza identyczności funkcjonalnej.

Odwrotnie, wspólny gen oporności nie dowodzi bliskiego pokrewieństwa. Element mobilny może przejść między odległymi organizmami. Do rekonstrukcji transmisji trzeba porównać rdzeń i element, nie tylko obecność genu.

Analiza pangenomu jest wrażliwa na jakość adnotacji. Ten sam gen może zostać rozdzielony na dwa z powodu błędu złożenia, a różne progi podobieństwa zmieniają liczbę rodzin. Pipeline oraz wersja adnotatora są częścią wyniku.

AAI i inne miary mają inne zakresy

Average Amino Acid Identity porównuje białka homologiczne i jest użyteczna dla odległości większych niż typowy zakres ANI. Białka zachowują podobieństwo dłużej niż sekwencje nukleotydowe. AAI może wspierać ocenę relacji wyższych rang, ale nie ma jednego uniwersalnego progu rodzaju obowiązującego wszystkie linie.

Procent konserwowanych białek, wspólne k-mery, dystanse Mash i podobne miary szybko przesiewają duże zbiory. Mogą wybierać kandydatów do dokładnego ANI lub drzewa. Wartość z szybkiego szkicu nie powinna być przedstawiana jako identyczna z pełnym dopasowaniem.

Zawartość G+C jest cechą genomu, lecz podobna wartość występuje u niespokrewnionych organizmów. Duża różnica może ostrzegać przed odległością lub kontaminacją; mała nie dowodzi gatunku. W erze genomowej nie jest samodzielnym kryterium delimitacji.

Klasyfikacja genomowa nie jest nomenklaturą

Drzewo może wykazać, że nazwany rodzaj jest polifiletyczny. Baza genomowa może zaproponować rozdzielenie i tymczasowe nazwy. Formalna zmiana nazwy wymaga jednak procedury właściwego kodeksu i odniesienia do typów.

LPSN dokumentuje status nazw, GTDB przedstawia konkretną klasyfikację genomową, a NCBI Taxonomy organizuje rekordy swojej infrastruktury. Rozbieżność nazw nie musi oznaczać błędu jednego systemu; mogą realizować inne cele i przyjmować inne decyzje.

W publikacji należy podać oba poziomy: na przykład nazwę z ważnym statusem nomenklatorycznym oraz klasyfikację według konkretnego wydania GTDB. Czytelnik może wtedy odtworzyć mapowanie.

Zasady zapisu i wersjonowania nazw opisuje artykuł Jak zapisuje się i aktualizuje nazwy mikroorganizmów. Szczegóły algorytmów porównywania sekwencji i genomów można rozwijać również w serwisie Genetyka, podczas gdy tutaj najważniejsza jest interpretacja mikrobiologiczna.

Identyfikacja kliniczna i taksonomia mają inne punkty końcowe

Laboratorium kliniczne potrzebuje wyniku w czasie umożliwiającym decyzję i na poziomie, który zmienia postępowanie. Pełny opis nowego gatunku ma inny cel. Szybki test swoisty dla kompleksu może być klinicznie wystarczający, choć nie rozdziela wszystkich gatunków.

Z kolei bliskie pokrewieństwo genomowe nie gwarantuje identycznej lekowrażliwości. Geny i mutacje oporności trzeba oznaczać osobno, a fenotyp może wymagać zwalidowanego testu. Taksonomiczna nazwa nie zastępuje antybiogramu.

Aktualizacja nazwy może wyprzedzić biblioteki aparatów, wytyczne i kody raportowe. Wynik powinien zachować dawny synonim, jeśli ułatwia bezpieczne połączenie z praktyką. Nie należy jednak sugerować, że synonimy oznaczają dwa patogeny.

Metagenomika zmienia jednostkę obserwacji

W ampliconach 16S jednostką jest wariant fragmentu genu. W shotgun metagenomics sekwencjonuje się losowe fragmenty całego DNA społeczności. Odczyty mogą zostać sklasyfikowane bez składania, złożone w kontigi albo pogrupowane w MAG.

Klasyfikacja pojedynczych krótkich odczytów ma ograniczoną rozdzielczość i ryzyko wspólnych regionów. Składanie zwiększa kontekst, ale może łączyć szczepy lub rozrywać genom. Binning wykorzystuje pokrycie, skład i współwystępowanie, co jest modelem, nie fizycznym sortowaniem komórek.

ANI między MAG pomaga tworzyć klastry genomowe, lecz klaster nie otrzymuje automatycznie formalnej nazwy. Trzeba ocenić jakość, wybrać reprezentanta, odnieść go do typów i zastosować właściwy kodeks, jeśli proponowana jest nazwa.

Brak genomu w binach nie oznacza braku organizmu. Niska liczebność, powtórzenia, podobne szczepy i ekstrakcja DNA wpływają na odzysk. Metagenom jest próbką społeczności przepuszczoną przez wiele filtrów technicznych.

Próg wykrywa klaster, ale nie wyjaśnia, dlaczego klaster istnieje

Gatunek prokariotyczny można operacyjnie rozpoznawać jako spójny klaster genomów oddzielony od sąsiednich klastrów. ANI dobrze odwzorowuje wiele takich skupień, lecz sama wartość nie wskazuje mechanizmu spójności. Podobieństwo może być utrzymywane przez wspólną historię, rekombinację homologicznych fragmentów, selekcję w podobnej niszy i ograniczony przepływ genów z sąsiadami.

Granica nie musi być równie ostra w każdej linii. Intensywna rekombinacja może łączyć populacje, a bariery ekologiczne rozdzielać je mimo sporadycznej wymiany. Niedawna radiacja może nie zdążyć zgromadzić dużych różnic w rdzeniu, choć populacje mają inne nisze. Redukcyjne endosymbionty i organizmy o nietypowym tempie ewolucji mogą odbiegać od przeciętnego wzorca.

Z tego powodu koncepcja gatunku i kryterium delimitacji nie są tym samym. Koncepcja próbuje wyjaśnić, czym jest biologicznie spójna jednostka i jakie procesy ją tworzą. Kryterium daje praktyczną regułę rozpoznania. ANI jest bardzo użytecznym kryterium, ale procent nie jest teorią specjacji.

Strefa szara wymaga gęstszego próbkowania

Para genomów po przeciwnych stronach progu nie pokazuje całej struktury populacji. Po dodaniu wielu izolatów może się okazać, że istnieją dwa wyraźne klastry, ciągłość pośrednich genomów albo kilka podgrup związanych z geografią i gospodarzem. Wniosek z jednej pary jest słabszy od wniosku z reprezentatywnego zbioru.

Próbkowanie wyłącznie szczepów klinicznych może ominąć środowiskowych krewnych i sztucznie wyostrzyć granicę. Z kolei tysiące genomów z jednego ogniska epidemiologicznego nadmiernie reprezentują niemal identyczną linię. Zbiór powinien odzwierciedlać znaną różnorodność, nie tylko łatwo dostępne dane.

W strefie około progu warto analizować rozkład wszystkich porównań, nie średnią grupy. Genom leżący między klastrami może być zanieczyszczony, błędnie nazwany albo biologicznie pośredni. Każdą możliwość sprawdza się innymi danymi.

Dereplikacja zmniejsza nadmiar bez usuwania różnorodności

Duże zbiory zawierają wiele niemal identycznych genomów. Dereplikacja wybiera reprezentantów przy ustalonym progu podobieństwa i jakości, dzięki czemu analiza drzewa i pangenomu jest obliczeniowo wykonalna. Próg dereplikacji nie musi być progiem gatunku: może być znacznie wyższy, jeśli celem jest usunięcie kopii tej samej linii epidemicznej.

Wybór jednego reprezentanta usuwa informacje o częstości i zmienności wewnątrz klastra. Dlatego należy zachować mapę wszystkich genomów do reprezentantów. Do drzewa szerokiej klasyfikacji wystarczy zbiór zredukowany, lecz do badania transmisji albo rzadkich genów potrzebne są pełne dane.

Jakość i centralność są odrębnymi kryteriami reprezentanta. Najbardziej kompletny genom może leżeć na skraju klastra, a genom najbardziej centralny może być silnie pofragmentowany. Decyzję trzeba dopasować do analizy i opisać.

Wynik negatywny również ma poziom rozdzielczości

Brak dopasowania 16S do nazwanego gatunku może oznaczać nową linię, krótki odczyt, błąd, chimerę albo lukę w bazie. Brak ANI powyżej progu może wynikać z odrębności, niewystarczającego wspólnego fragmentu lub niekompletności. „Nie zidentyfikowano” nie jest jednym stanem.

Raport powinien podać najwyższy wspierany poziom: domenę, typ, rodzinę, rodzaj albo klaster bez formalnej nazwy. Oznaczenie niepewnego organizmu kodem próbki zachowuje możliwość późniejszej aktualizacji. Przedwczesna nazwa gatunkowa tworzy fałszywą pewność, którą trudno usunąć z kolejnych baz.

Także wynik „brak różnicy” zależy od metody. Identyczny region 16S nie wyklucza różnic genomowych, identyczny genom rdzeniowy nie wyklucza różnych plazmidów, a brak genu w złożeniu nie wyklucza jego obecności w luce. Wniosek należy ograniczyć do przestrzeni, którą metoda rzeczywiście obserwowała.

Praktyczny tok analizy nieznanego izolatu

  1. Sprawdź materiał. Oceń czystość kultury, pochodzenie i zgodność etykiet.
  2. Opisz fenotyp bazowy. Morfologia, osłony, warunki wzrostu i stabilne cechy funkcjonalne tworzą kontekst.
  3. Uzyskaj marker 16S. Skontroluj jakość, długość, chimery i najbliższe sekwencje typów.
  4. Zbuduj wstępne drzewo. Włącz najbliższe typy i odpowiednią grupę zewnętrzną.
  5. Wybierz kandydatów genomowych. Nie porównuj tylko z pierwszym trafieniem w wyszukiwarce.
  6. Sprawdź genom. Kompletność, kontaminacja, pokrycie, surowe odczyty i zgodność markerów.
  7. Oblicz ANI oraz frakcję dopasowaną. Podaj narzędzie, wersję, kierunki i parametry.
  8. Oblicz dDDH przy delimitacji gatunku. Zachowaj formułę, przedział i relację do progu.
  9. Zbuduj filogenomikę. Skontroluj ortologi, rekombinację i stabilność topologii.
  10. Zestaw fenotyp. Poszukaj cech stabilnie odróżniających najbliższe typy.
  11. Sprawdź nomenklaturę. Nazwa, typ i synonimy muszą odpowiadać bieżącemu rejestrowi.
  12. Zarchiwizuj dowody. Akcesje, wersje baz, kod analizy i materiał referencyjny umożliwiają powtórzenie.

Kolejność może być skrócona dla rutynowej identyfikacji, ale nie wolno pomijać kontroli, które decydują o wiarygodności danego wniosku. Jeśli kultura jest mieszana, dokładniejszy algorytm nie uratuje wyniku.

Jak raportować liczby podobieństwa

Zamiast „genomy były identyczne w 96%” należy napisać, że ANI obliczone określonym narzędziem wyniosło daną wartość przy danej frakcji dopasowania. Dla dDDH trzeba podać formułę i przedział. Dla 16S — długość przyrównania, liczbę różnic oraz akcesje.

W tabeli porównań każdy wiersz powinien zawierać genom zapytania, genom referencyjny, status szczepu typowego, jakość obu genomów, ANI, pokrycie, dDDH i źródło nazwy. Zaokrąglenie do liczby całkowitej jest niedopuszczalne przy progu.

Niepewność należy wyrazić jawnie. „Wynik znajduje się w strefie granicznej i nie rozstrzyga bez dodatkowych danych” jest poprawnym wnioskiem. Wymuszona nazwa jest mniej naukowa niż dobrze udokumentowana niepewność.

Najczęstsze błędy interpretacyjne

  1. „16S ma 99%, więc to ten sam gatunek.” Wysokie podobieństwo markera wymaga rozdzielczości genomowej.
  2. „Poniżej progu zawsze jest nowy gatunek.” Trzeba sprawdzić jakość, długość, typy i strukturę grupy.
  3. „ANI to procent identyczności całych genomów.” Jest średnią z dopasowanych homologicznych fragmentów.
  4. „Wysokie ANI wystarcza bez pokrycia.” Mała wspólna frakcja może dać mylący wynik.
  5. „70% dDDH oznacza 70% identyczności DNA.” To skalibrowany odpowiednik hybrydyzacji, nie prosta identyczność.
  6. „ASV jest gatunkiem.” Jest wariantem sekwencji analizowanego ampliconu.
  7. „Najlepszy BLAST hit jest identyfikacją.” Trafienie zależy od bazy i nie zastępuje drzewa ani typów.
  8. „Genom referencyjny na pewno jest poprawnie nazwany.” Etykiety, szczepy i kontaminację trzeba kontrolować.
  9. „Pełny genom usuwa potrzebę fenotypu.” Genom nie pokazuje automatycznie ekspresji, aktywności i niszy.
  10. „Jedno drzewo jest faktem.” Topologia zależy od danych, przyrównania, modelu i próbkowania.
  11. „Wysoki bootstrap naprawia zły model.” Resampling nie usuwa błędu systematycznego.
  12. „Ta sama nazwa w każdej bazie oznacza tę samą klasyfikację.” Bazy mają różne cele i wersje.

Podsumowanie

Fenotyp, 16S rRNA, ANI, dDDH i filogenomika nie są kolejnymi nazwami tej samej miary. Fenotyp opisuje działanie organizmu w warunkach. 16S tworzy wspólną oś szerokiej filogenezy, lecz często nie rozdziela bliskich gatunków. ANI mierzy identyczność homologicznej części genomów, a dDDH przewiduje wynik klasycznego kryterium hybrydyzacyjnego. Filogenomika wykorzystuje wiele markerów do rekonstrukcji relacji.

Wartości około 98,7% dla 16S, 95–96% dla ANI i 70% dla dDDH są użytecznymi strefami operacyjnymi, nie trzema bezwarunkowymi prawami. Wynik zależy od jakości sekwencji, pokrycia, algorytmu, referencji i biologii analizowanej linii.

Najmocniejszy wniosek powstaje wtedy, gdy genom jest dobrej jakości, porównano go z właściwymi typami, ANI i dDDH są zgodne, drzewo wielogenowe wspiera klaster, a fenotyp nie przeczy proponowanej delimitacji. Nazwa jest ostatnim krokiem: musi odpowiadać nomenklaturze, nie tylko najbliższemu rekordowi w bazie.