基于分子诊断的细菌分类技术：突破短读长测序在物种水平分类的局限

《Genes & Genomics》：Backtracking identification techniques for predicting unclear bacterial taxonomy at species level: molecular diagnosis-based bacterial classification

研究人员针对短读长测序平台在细菌分类中无法达到物种水平的难题，开展基于分子诊断的细菌分类技术研究，成功预测未分类细菌的候选物种，为微生物资源的精准获取提供新思路，具有重要的科学意义

　　细菌16S rRNA基因因其含有九个高变区（V1–V9），在不同物种间存在大量序列变异位点，被广泛用于对植物、水、人体等环境中细菌群落的分类。短读长测序平台常用于基于16S的微生物组研究，它针对16S rRNA基因的部分区域（约150–500 bp）进行测序，因其经济且能比长读长测序平台更快地生成高通量测序数据而受到众多研究人员的青睐。然而，该平台存在技术局限性，无法像长读长测序技术那样通过靶向16S全长区域来解决因物种间序列相似性导致的无法在物种水平上明确分类的问题。在微生物组研究相关领域，物种水平的高分辨率微生物分类是获取微生物资源的关键挑战。尽管长读长测序平台能够弥补这一不足，但目前其价格仍在调整中，成本高于短读长测序平台，且存在比短读长测序平台低的碱基识别准确性问题。因此，本研究介绍了“基于分子诊断的细菌分类”技术，通过回溯NGS基础的16S微生物组研究中未分类细菌的系统发育信息，预测候选物种，为解决短读长测序平台在物种水平分类上的局限性提供了一种有效方法