巴斯克海岸河口沉积物基因目录：揭示微生物暗物质与生态系统功能的新资源

《Scientific Data》：The Basque Coast Estuarine Sediment Gene Catalogue

本研究针对河口生态系统微生物功能认知空白，通过宏基因组学技术对巴斯克海岸12个河口92个沉积物样本进行深度解析，重构了471个中高质量宏基因组组装基因组（MAG）和1.08亿个推定基因，构建了首个涵盖细菌、古菌、真核生物和病毒的河口沉积物基因目录。该资源为揭示微生物驱动的碳循环、污染物降解等生物地球化学过程提供了关键数据支撑，对海岸带生态保护与生物技术开发具有重要价值。

　　

河口作为连接海洋、河流和陆地生态系统的关键过渡带，承载着潮间带泥滩、盐沼等重要栖息地。这些动态复杂的生态系统是生物多样性热点，通过微生物、中小型底栖生物群落驱动养分循环、污染物去除等生态功能。然而，随着海岸带污染、富营养化、栖息地破坏等人为压力加剧，人们对这些生态系统的功能机制及其响应机制仍存在显著认知缺口，尤其在碳封存、储存和再矿化等关键过程方面。

为填补这一空白，由Ion L. Abad-Recio领衔的国际研究团队在《Scientific Data》发表了题为“巴斯克海岸河口沉积物基因目录”的研究，通过对巴斯克监测网络（BMN）29个站点92个沉积物样本进行宏基因组测序，构建了迄今规模最大的河口沉积物基因资源库。该研究不仅揭示了微生物群落的组成与功能潜力，更为理解人类活动对海岸带生态的影响提供了分子水平的新视角。

研究团队采用全基因组鸟枪法测序（whole genome shotgun sequencing）获得3.35 Tbp基因组数据，通过MEGAHIT进行92个独立组装和2个时间序列样本的共组装，获得1.58亿条contigs（平均N50为911）。利用Prodigal基因预测工具鉴定出1.08亿个非冗余推定编码序列（ORFs），其中78%可映射到COG（Clusters of Orthologous Groups）数据库，59%映射至KEGG（Kyoto Encyclopedia of Genes and Genomes）直系同源群，52%映射至PFAM数据库。通过多轮分箱（binning）和CheckM质量评估，最终获得81个高质量（完整性>90%，污染<5%）和390个中等质量（完整性>75%，污染<10%）宏基因组组装基因组（MAGs）。

基因目录的功能与分类特征

基因目录涵盖95M细菌、586k古菌、754k真核生物和36k病毒序列，其中11%未分类。尽管Prodigal主要适用于原核基因预测，但仍有大量真核和病毒ORFs被成功注释，暗示该目录在跨域功能分析中的潜力。

分析方法与质量控制

研究采用标准化生物信息学流程，包括Cutadapt去接头、FastQC质控、Clumpify去重复和SqueezeMeta管道进行基因注释。通过DIAMOND进行COG/KEGG同源性搜索，HMMER进行PFAM结构域注释，并利用LCA（Last Common Ancestor）算法进行 taxonomic 分类。

样本序列特征与多样性

样本测序深度差异显著（19-570M读长对），但多数样本集中在67-143M区间。Contig数量与读长数大致成正比，但N50和覆盖度无明确趋势，提示环境样本复杂性对组装效果的影响。

微生物群落结构差异

基于Bray-Curtis距离的NMDS分析显示，比达索阿（Bidasoa）与奥亚尔松（Oiartzun）河口样本群落结构显著分离，反映不同人为压力梯度下微生物组成的适应性分化。

MAGs的类群分布

基于GTDB-tk的MAG分类显示，优势细菌类群为γ-变形菌纲（Gammaproteobacteria）和拟杆菌纲（Bacteroidia），古菌则以广古菌门（Euryarchaeota）为主，凸显河口沉积物特有的微生物资源特征。

该研究构建的基因目录与MAG资源为河口生态系统功能解析提供了多维度数据支撑。通过整合环境 metadata（如有机质含量、重金属与多环芳烃浓度），未来可进一步挖掘微生物功能指标与环境污染的关联机制。尽管真核ORFs的预测存在局限性，但该资源仍为生物技术开发（如生物修复基因挖掘）提供了重要靶点库。所有原始数据已存储于欧洲核苷酸档案库（ENA，PRJEB83861），衍生数据可通过BioStudies（S-BSST181515）获取，为全球海岸带研究共同体提供了可重复利用的基础资源。