当微生物的序列覆盖度稀疏时，准确开展宏基因组鸟枪法测序数据的物种水平分析会变得困难。逐条读取序列的 k-mer 分类器在此类条件下仍可保持较高灵敏度，但来自保守或共享基因组区域的短序列可能导致近缘参考基因组之间出现假阳性判定。更保守的标记基因和基因组包含度方法通常具有更强的物种水平特异性，但在基因组采样稀疏时，灵敏度可能下降。我们提出 winnow-tax，这是一种两阶段分类学分析流程，将高灵敏度候选物种提名与基因组水平确认分开。该流程首先使用 Sylph、Kraken2 和分支补救程序提名候选物种，随后将测序读段竞争性地比对至样本特异性参考集。物种是否存在，则依据读段支持数、观测到的基因组覆盖广度，以及基于 Lander–Waterman 模型的覆盖广度比进行评估；该比值用于比较观测覆盖广度与按实测平均测序深度预期的覆盖广度。在包含 82 个基因组并加入人源 DNA 背景的受控合成群落中，随着基因组覆盖度降低，winnow-tax 的精确率与灵敏度综合表现优于 Kraken2/Bracken、Sylph 和 MetaPhlAn 4，其优势主要集中在低覆盖度检出边界附近。在 CAMI III Toy Longitudinal Human Gut 基准数据集中，winnow-tax 的灵敏度高于 Sylph（0.803 对 0.672），精确率较低（0.923 对 0.970），F1 分数则略高且差异具有统计学显著性（0.858 对 0.793）。在采用培养/PCR 作为参考检测的临床肠道粪便队列中，winnow-tax 对沙门氏菌的综合表现最佳，在 48 份复合参考检测阳性样本中检出 37 份，且仅出现 1 次假阳性判定。总体而言，这些结果支持一种分析流程……一种策略：在候选生成阶段保留较弱的分类学信号，但只有当其基因组证据的分布广度达到该测序深度下的预期水平时，才确认该物种存在。
当微生物的序列覆盖度稀疏时，准确开展宏基因组鸟枪法测序数据的物种水平分析会变得困难。逐条读取序列的 k-mer 分类器在此类条件下仍可保持较高灵敏度，但来自保守或共享基因组区域的短序列可能导致近缘参考基因组之间出现假阳性判定。更保守的标记基因和基因组包含度方法通常具有更强的物种水平特异性，但在基因组采样稀疏时，灵敏度可能下降。我们提出 winnow-tax，这是一种两阶段分类学分析流程，将高灵敏度候选物种提名与基因组水平确认分开。该流程首先使用 Sylph、Kraken2 和分支补救程序提名候选物种，随后将测序读段竞争性地比对至样本特异性参考集。物种是否存在，则依据读段支持数、观测到的基因组覆盖广度，以及基于 Lander–Waterman 模型的覆盖广度比进行评估；该比值用于比较观测覆盖广度与按实测平均测序深度预期的覆盖广度。在包含 82 个基因组并加入人源 DNA 背景的受控合成群落中，随着基因组覆盖度降低，winnow-tax 的精确率与灵敏度综合表现优于 Kraken2/Bracken、Sylph 和 MetaPhlAn 4，其优势主要集中在低覆盖度检出边界附近。在 CAMI III Toy Longitudinal Human Gut 基准数据集中，winnow-tax 的灵敏度高于 Sylph（0.803 对 0.672），精确率较低（0.923 对 0.970），F1 分数则略高且差异具有统计学显著性（0.858 对 0.793）。在采用培养/PCR 作为参考检测的临床肠道粪便队列中，winnow-tax 对沙门氏菌的综合表现最佳，在 48 份复合参考检测阳性样本中检出 37 份，且仅出现 1 次假阳性判定。总体而言，这些结果支持一种分析流程……
一种策略：在候选生成阶段保留较弱的分类学信号，但只有当其基因组证据的分布广度达到该测序深度下的预期水平时，才确认该物种存在。
作者声明不存在任何利益冲突。
感谢您有意传播 bioRxiv 的相关信息。
注意：系统要求您提供电子邮件地址，仅用于识别本文的发送者。
关键词：鸟枪法宏基因组学 · 低覆盖度物种检测 · 微生物分类学 · 竞争性读段比对 · 基因组覆盖广度
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.02.756312v1?rss=1