Scalable single-cell metagenomic analysis with Bascet and Zorn

长期以来，微生物学家一直面临着一个根本性的局限：他们能看到森林，却看不见其中的每一棵树。研究微生物群落的传统方法被称为宏基因组学（metagenomics），其过程是将土壤、水或唾液样本研磨碎，并对其中发现的所有 DNA 进行测序。这种方法提供了一种关于存在物质的强大平均值，非常类似于将水果沙拉搅拌成汁，再通过分析果汁来推测里面含有哪些水果。虽然这种方法很有用，但它模糊了不同细菌菌株之间的界限，隐藏了数量稀少的稀有物种，并且使得将特定基因与携带它们的精确细胞联系起来变得不可能。为了真正理解微观世界中复杂且隐形的微生物，科学家需要一种能够逐一观察每个细菌、观察其独特遗传组成的方法。

多年来，这种细致程度因成本过高且速度过慢而难以实现，研究仅限于一次分析几十个细胞。然而，微流控技术（microfluidics，即操纵微小液滴的科学）的最新进展，为在单次实验中处理数百万个细胞打开了大门。剩下的挑战不再是生成数据，而是如何理解数据。这些新型高通量方法产生的海量信息会使标准的计算机程序不堪重负，从而产生数字瓶颈，阻碍研究人员探索这些庞大的数据集。来自瑞典乌梅奥大学（Umeå University）的一个团队通过引入一套完整的软件工具包解决了这一障碍，该工具包旨在处理现代单细胞微生物测序的规模，使科学家终于能够以空前的清晰度绘制微生物群落的遗传多样性图谱。

由 Hadrien Gourlé、Iryna Yakovenko 及其同事领导的研究小组开发了一个两部分的系统来解决这个问题。第一部分名为 Bascet，是一个使用快速高效编程语言编写的强大命令行程序。它充当“重型搬运工”，将来自数百万个细胞的原始测序数据进行组织，并转化为可管理的格式。第二部分是 Zorn，一个用户友好的界面，允许科学家在无需编写复杂代码的情况下进行探索、可视化和数据分析。这两者结合在一起，实现了一个能够处理单次运行中超过一百万个细胞数据的流程，而这种规模在以前的标准生物信息学软件中是无法实现的。该团队通过将其应用于包含十种已知细菌物种的模拟群落，更重要的是，应用于人类唾液的真实样本，展示了该系统的强大功能。

为了生成数据，该团队使用了一种涉及半透性胶囊的新型实验室技术。这些微小的、具有弹性的容器可以捕捉单个细菌细胞，允许研究人员在细胞之间互不混合的情况下，在内部破碎并扩增其 DNA。一旦 DNA 被扩增，它就会被贴上一个唯一的条形码，确保每一段遗传物质都可以追溯到其原始细胞。团队测试了两种不同的 DNA 扩增方法。他们发现，一种被称为“初级模板定向扩增”（primary template-directed amplification）的新型、更精确的方法，比另一种较旧且更常见的、倾向于过度扩增基因组某些部分的方法，能产生更均匀且可靠的结果。这一发现表明，如果研究人员想要获得高质量的单细胞数据，应该放弃使用旧的技术。

当团队将他们的新软件应用于人类唾液样本时，结果令人瞩目。他们成功地从超过 15,000 个独立的原核细胞中生成了完整的遗传蓝图，即“单扩增基因组”（single-amplified genomes）。这种分辨率揭示了传统批量测序完全无法察觉的细节。例如，标准方法漏掉了一种与牙龈疾病相关的特定、未培养类型的细菌，即 Tannerella sp. oral taxon 808。然而，单细胞方法不仅检测到了这种稀有生物，还发现了它从未被发现过的一个新谱系。这个新谱系看起来与已知的其他版本细菌不同，表现出一种在混合样本中会被丢失的遗传差异。此外，分析表明这些细菌可能具有地理关联性，即不同的遗传变体在世界不同地区占据主导地位。

研究还强调了该软件在不依赖预先存在的已知基因组库的情况下处理数据的能力。在许多情况下，科学家并不确切知道样本中含有哪些物种，这使得使用需要参考图谱的传统工具变得困难。该新工具包包含了创新的方法，可以直接根据遗传模式对细胞进行比较，允许研究人员将相似的细胞归为一类，并在不知道具体物种的情况下发现差异。这种能力对于探索“微生物暗物质”（microbial dark matter）——即构成地球大部分生物多样性的绝大多数未培养且未表征的微生物——至关重要。

通过将高通量实验室方法与可扩展的计算框架相结合，研究人员消除了一项主要的微生物科学准入门槛。他们的工作表明，现在有可能在单次实验中生成的微生物基因组数量，就足以与目前所有公共数据库中的基因组总和相媲美。这种从研究“平均值”到研究“个体”的转变，为理解细菌如何进化、它们如何与宿主互动以及它们如何影响人类健康和疾病开辟了新的途径。这些工具是开源且免费提供的，邀请全球科学界开始以一种曾经只存在于科幻小说中的分辨率来探索微生物组。