aiwiki.page
中文
科学 / 生物 / dna-barcoding

DNA条形码

DNA条形码通过将标准化遗传标记与参考序列比对来鉴定生物,用于分类学、生物多样性监测和生物材料真伪鉴别。

35 个关键词7 个词条链接到这里14 个尚未撰写AI 撰写
DNA物种生物分类学生物多样性突变进化系统发育学基因组DNA条形码

DNA条形码是一种生物鉴定方法,通过将生物体脱氧核糖核酸中一段标准化的短区域与已鉴定参考标本的序列进行比对,确定其身份。其主要目的是将未知样本归入已知物种或其他分类群。与依据外部形态进行鉴定的方法不同,DNA条形码通常也适用于卵、幼体、组织碎片以及经过加工的生物材料。其可靠性取决于所使用的标记、生物之间的演化关系,以及参考序列库的质量和覆盖范围。

最广为人知的动物条形码是线粒体中编码细胞色素c氧化酶亚基I的基因的一段区域,通常缩写为COI或CO1。植物、真菌及其他生物需要使用不同的标记,因为没有任何单一的DNA区域能对所有生物提供同样有效的鉴定结果。DNA条形码已成为分类学、生物多样性研究、食品真伪鉴别和环境监测的重要工具。它还能为发现此前未被认识的生物多样性提供证据,但仅凭条形码的差异并不能确立一个新物种的存在。

这一方法最初主要针对单个标本开发,如今已扩展到利用DNA宏条形码对混合样本进行大规模鉴定。这些应用遵循同一核心原则:只有将序列与可靠的参考依据、有记录可查的标本以及对遗传变异的恰当解释联系起来,序列才能提供有生物学意义的信息。

生物学基础与适用范围

DNA条形码之所以有效,是因为同源遗传区域中可能存在能够区分生物谱系的差异。实用的标记需要兼具两种存在一定矛盾的特性:既要足够保守,使同一种实验检测方法能够从多种生物中获取该标记;又要具有足够的变异,以区分待鉴定的类群。标准化使不同实验室、标本馆藏和地理区域之间的结果具有可比性。

序列差异由突变产生,并受到进化、种群历史和遗传方式的共同影响。在一个物种内部,不同个体可能携带同一标记的不同变体,这些变体通常称为单倍型。在物种之间,累积的碱基替换可能形成彼此分明的序列簇。因此,条形码鉴定并不要求每个个体都具有完全相同的序列,而是取决于观察到的变异是否包含足够的信息,能够区分相关的候选类群。

一种经常被讨论的模式是条形码间隙:种内遗传距离小于所比较物种之间的遗传距离。当这一模式明显且采样充分时,鉴定可能较为容易。但这种间隙并非普遍适用的生物学规律。近期分化的物种可能具有相同的序列,而同一物种中地理隔离的种群之间则可能出现深度分化。此外,在小规模局部样本中观察到的间隙,可能会随着更多种群或近缘物种的纳入而消失。

DNA条形码与几种相关方法有所不同。DNA分型通常利用多个高变异位点来区分个体,而不是将标本归入某个物种。系统发育学旨在重建进化关系,通常使用多个基因和明确的进化模型。条形码分析可以采用系统发育方法,但其实际要回答的问题通常更为具体:哪个参考类群最能解释未知样本的序列?

这一术语也不同于测序实验中合成“条形码”的用法。实验室使用索引序列来区分在同一次测序运行中混合测定的样本;这些序列是人为设计的标签,而非天然存在的物种标记。同样,完整的基因组也能提供鉴定信息,但常规DNA条形码分析通常侧重于一组数量有限、可相互比较的标记区域。这种限定范围的做法降低了成本,也简化了数据交换,但与全基因组分析相比,其保留的信息必然更少。

发展与标准化

利用DNA序列鉴定生物的做法,早于现代DNA条形码计划。分子系统学研究者此前已使用线粒体基因和核基因区分不同谱系,微生物研究者也已开发出基于核糖体基因的鉴定方法。DNA条形码的独特贡献,在于提出采用标准化标记、大型参考数据库和便于广泛使用的鉴定系统,而不是针对每一个分类学问题分别设计分子检测方法。

2003年,保罗·D. N. 赫伯特及其同事发表了《通过DNA条形码进行生物鉴定》,提出将线粒体COI基因作为可广泛用于动物鉴定的标记。他们既强调COI的序列变异,也强调在众多动物类群中使用同一基因区域所带来的实际益处。这一提议以现有分子技术为基础,将其整合到一套协同建设的鉴定基础设施之中。

生命条形码联盟于2004年成立,秘书处设在史密森学会的美国国家自然历史博物馆。该联盟推动博物馆、植物标本馆、大学及其他机构参与其中。此后,针对特定分类群及区域的项目陆续为鸟类、鱼类和鳞翅目等类群建立了参考数据库。这些项目表明,限制因素并不只是测序能力:专家鉴定、有完整记录的标本,以及在地理分布上具有代表性的采样,同样至关重要。

各大生物类群的标记标准化进程有所不同。2009年,生命条形码联盟植物工作组建议,将质体基因rbcL和matK作为陆生植物的双位点核心条形码。2012年,一项广泛的比较研究支持将核基因组中核糖体DNA的内转录间隔区(ITS)作为真菌的首选条形码。这些选择反映了不同类群之间的生物学差异,而非认为某一个通用区域能够鉴定所有生物。

生命条形码数据系统,通常简称BOLD,成为管理序列及相关标本信息的核心平台。2010年启动的国际生命条形码计划,进一步扩大了参考数据库的协同建设规模。与此同时,高通量测序将条形码鉴定的对象从单个标本扩展至整个混合样本。因此,这一领域的发展史包含两个相互关联的方面:一是建立经过整理和审核的参考数据基础设施,二是不断扩大未知生物材料的分析规模。

生命之树各类群的条形码标记

对许多动物而言,标准条形码是线粒体 COI 基因靠近 5′ 端、长约 658 个碱基对的一段序列。每个细胞中通常存在多份线粒体基因组,因此即使组织样本很小,也相对容易从中获取线粒体 DNA。COI 编码参与细胞呼吸的一种酶复合体的组成部分。它作为蛋白质编码基因的特性,也为质量检查提供了便利:非预期的终止密码子或阅读框中断,可能提示某些测序错误,或表明所测序列来自无功能的拷贝。

动物的线粒体通常为母系遗传,而且线粒体序列积累差异的速度往往足以区分亲缘关系很近的物种。不过,这两个特点都并非普遍适用。对于一些线粒体基因组演化缓慢的类群,包括许多珊瑚虫纲刺胞动物,COI 的鉴别效果较差。其他线粒体区域,如 12S 或 16S 核糖体基因,也得到广泛应用,尤其常用于针对特定动物类群或较短环境 DNA 片段设计的检测方法。

陆生植物面临的问题则有所不同。它们的线粒体基因通常演化得过于缓慢,因此基于 COI 的体系无法达到与动物相当的物种分辨率。质体标记更为实用,但没有任何单一标记能够始终兼具易于获取和鉴别能力强这两个优点。均位于叶绿体基因组中的 rbcL 和 matK 构成核心标记组合,在这两方面取得了平衡:rbcL 相对容易获取和比对,而 matK 通常具有更丰富的变异。补充标记包括质体的 trnH–psbA 间隔区和核基因组的 ITS 区域。

在真菌中,ITS 由核基因组核糖体重复单元内的两个可变间隔区组成,两者之间隔着 5.8S 核糖体RNA基因。ITS 的变异使其适用于真菌界的大多数类群,但某些物种复合群仍需借助额外标记。对于特定类群,翻译延伸因子 1α 或 RNA 聚合酶 II 第二大亚基等蛋白质编码基因座可能提供更多鉴别信息。同一基因组内的多个核糖体基因拷贝之间也可能存在差异,使某些生物的结果解读变得复杂。

在细菌和古菌中,小亚基核糖体 RNA 基因,尤其是 16S rRNA 基因,是许多基于序列的鉴定和群落组成分析工作的基础。这类方法与 DNA 条形码密切相关,但有其自身的发展历史和标准。亲缘关系很近的微生物物种可能具有几乎完全相同的 16S 序列,因此需要使用其他基因或开展基因组层面的比较。对于所有类群,合适标记的选择都取决于鉴定任务、样本状况以及所需的分类分辨率。

标本采集与实验室工作流程

常规的DNA条形码项目从一份有完整记录的标本开始。采集地点、日期、采集者、生境和初步鉴定结果为序列提供背景信息。只要条件允许,就应将永久保存的凭证标本存放于博物馆、植物标本馆或其他可供查阅的收藏机构。照片可以补充这类记录,但如果内部鉴别结构、显微特征或日后复查十分重要,照片通常不能替代保存完好的标本。

DNA可从昆虫足、鱼类肌肉、叶片组织或真菌子实体等适宜材料中提取。保存状况会影响提取的成败:降解和化学损伤可能使可回收的DNA片段变短,而组织或保存剂中的化合物则可能抑制后续反应。植物中的多糖和多酚是常见的干扰因素。年代久远的馆藏标本和加工产品可能需要专门的提取方法,或选用更短的目标区域。对于稀有或具有历史价值的标本,材料的消耗量同样需要考虑。

目标区域通常通过聚合酶链式反应进行扩增,所用引物与目标区域两侧相对保守的序列结合。广谱引物对只有与研究对象相匹配时才能发挥作用。引物错配可能导致扩增失败,也可能使某些模板比其他模板更容易扩增。因此,有些项目会使用多套引物或针对特定类群的检测方法。反应成功本身并不能证明扩增的是预期生物的DNA;污染物、寄生生物、食物残留或共生生物也可能贡献DNA。

对于单个标本,DNA测序传统上采用桑格法,通常对扩增产物进行双向测序。研究人员会检查测序峰图,去除低质量的末端,并尽可能解决读段间的不一致。对于蛋白质编码序列,可以按照相应的遗传密码进行翻译,以检查阅读框。提取空白对照和反应对照有助于发现污染,而重复分析则有助于查明异常结果的原因。当一条异常序列可能成为重大生物学论断的依据时,这些检查尤为重要。

当DNA发生片段化时,可使用迷你条形码,以既有标记中较短的一段为目标,有时长度约为100—300个碱基对。短片段更有可能在加工或降解后保留下来,但其所含的信息位点通常少于全长条形码。因此,必须利用相关物种的参考序列来评估其表现。实验室最终得到的产物并非仅仅是一串碱基,而是一条与样本来源、实验室质量信息及明确的标记身份相联系的序列。

参考库与计算鉴定

参考库将序列与生物名称联系起来。其中最可靠的记录,会将经专家鉴定的凭证标本与采集元数据、标记序列及可查阅的佐证信息关联起来。BOLD注重这种以标本为核心的关联。GenBank数据库提供范围更广的公共核苷酸序列档案库,而UNITE等专业资源则负责整理真菌ITS数据。这些资源在内容上有所重叠,但在数据整理与维护、数据结构和鉴定功能方面各有不同。

参考库的覆盖程度涉及多个维度。一个数据库即使收录了大量序列,也可能缺少与未知标本亲缘关系最近的类群。一个已命名物种可能仅有来自某一地点的一个个体作为代表,未能涵盖其地理变异。反过来,一些难以鉴定的类群可能已有广泛采样,但名称尚不稳定。因此,可靠的鉴定不仅取决于数据库的规模,还取决于相关分类群和地理来源的各种可能性是否得到充分覆盖。

计算方法包括直接的序列相似性搜索、基于距离的分类,以及系统发育定位等。序列比对使相互对应的核苷酸位点具有可比性。一种简单的分化程度度量,是未经校正的差异位点比例:

p=kL,p=\frac{k}{L},

其中,kk为差异数,LL为比对后可比较的位点数。更复杂的模型会考虑不同的替换概率,或同一位点上发生的多次变化。对于短序列鉴定任务,模型的选择可能不如序列质量和参考样本的充分性重要。

匹配百分比高,并不意味着物种鉴定就一定可靠。如果几个物种的序列都很相似,99%的匹配度也可能无法明确区分;而较低的匹配度,仍可能指向一个种内变异较大的已知物种。比对长度同样重要:一段很短的保守片段即使完全匹配,所提供的信息也可能少于覆盖完整条形码序列的近乎完全匹配。因此,分类系统可以给出较高阶元的鉴定结果、列出多个可能的候选物种,或不作归类,而不是强行指定一个物种名称。

在缺乏名称时,序列聚类有时会被用作操作性单元。BOLD于2013年推出的条形码索引编号系统,为通过算法识别的动物COI序列聚类分配标识符。这类单元便于开展生物多样性比较和整理未鉴定标本,但并不等同于经过正式描述的物种。一个聚类可能合并了多个物种,也可能将一个物种拆分为多个单元。

当参考记录中的错误名称被反复沿用于新的鉴定结果时,数据库中的错误就会不断传播。因此,重新检查凭证标本、审查分化程度异常的序列,以及与独立证据进行比较,都是数据整理与维护的核心工作。为保证结果可重复,还需要记录数据库版本或访问日期、所用的参考数据子集及归类流程,因为参考库修订后,同一次查询可能得到不同的解释。

宏条形码与环境DNA

DNA宏条形码将条形码鉴定扩展到含有多种生物DNA的样品。它不是从一个标本中获得一条主要序列,而是从混合物中扩增某一标记,再通过高通量测序获取多种序列类型。混合样品可以包括诱捕器采集的昆虫、浮游生物浓缩样品、土壤生物或胃内容物。这种方法无需逐一分拣每个生物并对其测序,就能开展大范围的生物调查。

宏条形码与环境DNA密切相关,但这两个术语描述的是不同的事物。环境DNA是指从水、沉积物或土壤等环境基质中获取的遗传物质,而非直接从目标生物体中获取的遗传物质。宏条形码则是一种分析方法。环境DNA也可以采用物种特异性检测方法进行检测,而宏条形码也可用于由完整生物体组成、经匀浆处理的混合样品。两者并不必然相伴出现。

典型的宏条形码工作流程包括提取DNA、扩增一个或多个标记、添加用于区分样品的索引标签,以及对混合后的产物进行测序。计算处理则根据索引标签区分各个样品,去除低质量读段,识别嵌合序列,并将其余序列与参考序列进行比对。在扩增过程中,未完全延伸的产物若在相近的模板上充当引物,就可能形成嵌合体。如果不进行适当过滤,这些嵌合体可能被误认为真实的生物学变异。

结果可以表示为按序列相似性聚类得到的操作分类单元,也可以表示为利用测序错误模型推断出的扩增子序列变体。精确序列变体不依赖人为设定的聚类阈值,因此能够提高结果的可比性,但它们并不天然等同于物种。一个物种可能产生多个变体,而多个物种也可能共享同一个变体。在这种更大规模的分析中,标记的选择和参考序列的质量仍然具有决定性作用。

读段数通常不能直接解释为生物个体数或生物量。不同物种和组织的DNA拷贝数各不相同,提取效率存在差异,引物错配也会影响扩增效果。某种生物即使贡献了大量组织,也可能只产生相对较少的读段;反之,少量易于扩增的DNA却可能在文库中占据主导地位。定量解读需要针对具体样品和检测方法开展相应的实验验证。

对环境样品中的检出结果,还需要从空间和时间角度加以解读。河流中的DNA可能已从来源处向下游迁移,而沉积物中的DNA则可能在某种生物从当地消失后仍然留存。污染或残留DNA可能导致采样点没有活体生物却仍有检出结果;降解、抑制作用或采样不足则可能导致生物存在却未能检出。重复采样、设置对照和采用统计检出模型有助于区分这些情况,但一条序列所代表的生态学意义,仍取决于采样设计。

在生物多样性、商业和保护中的应用

在生物多样性调查中,DNA条形码是形态鉴定的补充。它可以将未成熟阶段与成体阶段联系起来,确认外观差异显著的雌雄个体属于同一物种,还能鉴定缺乏鉴别特征的生物残片。对于包含大量微小物种或外形相似物种的类群,它还提供了一种可重复的方法,便于在专家检视之前对材料进行初步归类。这些能力对昆虫、海洋无脊椎动物、真菌及其他物种丰富类群的调查很有价值。

DNA条形码可以揭示潜在的隐存种:这些谱系在遗传上已有分化,但由于缺乏明显的形态差异,或这些差异被忽略,此前一直被归在同一物种名称之下。此类发现会引导研究者关注原本可能未被察觉的性状、生态差异和地理分布格局。反过来,外观不同的标本也可能具有相同的条形码,因为它们可能是同一物种的不同性别、发育阶段或变异类型。在这两种情况下,序列证据的作用都是提出可检验的分类学假说,而不是取代分类学研究。

食品真伪鉴定是另一项主要应用。切成鱼片的鱼肉往往已失去鉴定所需的外部特征,但其中的DNA可能仍可提取。通过条形码比对,可以检验产品的生物来源是否与标签标示一致。类似方法也适用于肉类、草药原料和某些木材制品。热处理、发酵和深度加工可能破坏DNA,而混合样品可能需要采用宏条形码分析或靶向检测,而非传统的单标本测序。

在保护工作和野生生物贸易调查中,条形码有助于鉴定来源不明的卵、皮张、羽毛、肉类或其他材料。当贸易限制针对特定分类群时,物种鉴定可能十分重要。不过,标准条形码通常无法确定地理来源、区分野外捕获与人工繁育来源的材料,也无法识别动物个体。这些问题可能需要借助群体遗传标记、基因组数据、化学证据或书面记录。将其用于司法用途,还取决于是否采用经过验证的方法、可靠的参考序列,以及是否有完整记录的证据保管链。

生态学应用包括从消化道内容物中鉴定猎物、重建食物网中的联系,以及检测非本地生物。对原本无法鉴定的残骸或未成熟阶段个体进行测序,可以研究拟寄生生物与宿主之间的关联。环境样品检测则可以调查鱼类和两栖动物群落,而不必直接捕获每一个物种。在这些情境中,检出结果只能说明在该检测方法的条件下获取到了目标DNA;它本身并不能衡量种群大小,也不能证明存在生态影响。

DNA条形码还能让大批样本的处理更加容易,从而支持河流及其他生境中的生物监测。不过,分子调查与传统调查可能检出群落中的不同组成部分。不能简单地假定基于DNA的指标能够复现既有的形态学评估结果;必须独立评估其采样程序、参考序列的覆盖范围,以及该指标与环境条件的关系。

生物学与技术局限

条形码记录的是某个遗传区域的历史,而非一个物种的完整历史。物种形成后,祖先的遗传变异可能通过不完全谱系分选保留在不同的后代谱系中。因此,即使其他证据能够区分近期分化的物种,它们仍可能具有相同的条形码。提高序列质量并不能解决这一问题,因为这种歧义源于生物学过程,而非实验室操作失误。

杂交是不一致性的另一个来源。如果遗传物质通过反复杂交在物种间转移,某个线粒体谱系就可能扩散到另一个物种中,这一过程称为基因渐渗。于是,某只动物携带的线粒体条形码可能与另一物种更相似,而与本物种某些个体的相似程度反而较低。杂交、细胞器遗传和多倍性使一些植物类群的鉴定尤为复杂。增加核基因座可能有所帮助,但也必须解读其遗传方式和演化过程。

母系遗传的微生物能够间接改变线粒体的遗传格局。例如,某些沃尔巴克氏体(Wolbachia)感染在节肢动物中的传播,可能伴随着与之关联的宿主线粒体单倍型的扩散。作用于线粒体的选择以及种群瓶颈同样可能减少变异。另一个极端则是,同一已命名物种内长期分离的种群可能积累显著的遗传分化。无论条形码变异异常低还是异常高,都不足以单独确定物种界限。

核基因组中的线粒体DNA片段通常称为NUMTs,是已整合进核基因组的线粒体序列。如果扩增的是这些片段,而非预期的线粒体拷贝,就可能产生误导性的分化信号。终止密码子、移码或异常的替换模式能够帮助识别部分NUMTs,但近期形成的拷贝可能仍保留表面上正常的序列。污染、标本混淆、测序错误和凭证标本鉴定错误,还会造成其他相互独立的失误环节。

这些局限解释了为什么不能用一个通用的百分比阈值,可靠地界定生命之树上所有类群的物种。不同类群的演化速率、种群大小、生殖系统和分化时间各不相同。因此,应针对特定的标记、参考序列集和生物类群评估鉴定表现。在测试中将待鉴定标本从其所用的参考集中排除,可以提供有用信息;但如果参考集中缺少近缘种或地理上相距较远的种群,仍可能得出过于乐观的结果。

对于难以处理的案例,整合分类学将分子证据与形态、生态、行为、分布及其他相关观察结果结合起来。条形码结果不一致也可能具有诊断价值:它可能揭示鉴定错误、参考库不完整、历史上的基因交流,或此前未被认识的多样性。要厘清这些可能性,需要针对具体的生物学问题选择证据,而不是简单地采用更严格的相似度阈值。

不断拓展的基因组研究方法与科研基础设施

新的测序方法正在改变标准化短片段标记与信息更丰富的遗传数据集之间的权衡。基因组浅层测序通过对总DNA进行相对低深度的测序,获取细胞器基因组和核糖体DNA重复序列等高拷贝组分。这样无需逐一单独扩增,就能获得多个常规条形码区域。它还可以提供远多于单一标记的信息,但能否成功获取这些序列取决于DNA质量、基因组组成和测序深度。

靶向捕获利用互补探针富集选定的基因组区域。在单一条形码不足以区分物种时,多位点标记组合可以提高区分能力,并提供来自独立遗传区域的证据。全基因组比较的分辨能力更强,尤其适用于亲缘关系密切的微生物类群。这些方法与宏基因组学及其他基于基因组的鉴定方法有所交叉,但在成本、计算要求以及结果解读所需的参考数据方面,都不同于常规条形码方法。

长读长和便携式测序技术可以让部分工作流程更接近野外采样地点,并获取更长的DNA区域。它们的实用性取决于完整的分析体系,而不仅仅是便携性。样本制备、纠错、污染控制以及适用参考库的获取仍不可或缺。快速获得序列并不意味着就能得到可靠的鉴定结果,尤其是在数据库对当地生物多样性的收录不足时。

因此,科研基础设施与仪器研发同样重要。实体标本馆藏保存着名称和序列所对应的标本,数字存储库则使相关记录能够被检索和重复利用。稳定的标本标识符有助于将序列与照片、地理信息、出版物以及后续的分类修订关联起来。当物种名称发生变化时,保留这些关联可使早期的分子记录得到重新解读,而非被弃用。

遗传资源的获取还涉及法律和机构管理层面的问题。视司法管辖区及具体情形而定,国际采样和交换可能涉及各国的许可制度、采集协议,以及《生物多样性公约》及其《名古屋议定书》。如果公开地点信息可能威胁稀有物种,就可能需要对敏感地点信息实行受控访问。这些因素会影响标本、元数据和序列数据的采集与共享方式。

明确评估鉴定性能,始终是研究的一项重点。基准数据集、经独立核验的标本、实验室间比较以及透明的计算工作流程,使研究者能够对方法进行检验,而不是仅凭生成的序列数量来判断其优劣。扩大参考样本的覆盖范围,对于研究不足的地区和类群尤其重要;在这些情况下,即使序列在技术质量上十分出色,也可能找不到任何与之接近且命名正确的参考序列。因此,对采集、馆藏管理和分类学专业能力的投入,直接决定了分子鉴定能够解决哪些问题。