Metagenomic prediction of methane emissions in sheep using single- and multi-matrix BLUP models with taxonomic and functional microbial features

想象一下，有一群 396 只羊正在田野里吃草。当它们咀嚼青草时，它们的胃部正忙着像工厂一样生产甲烷——一种强效的温室气体。对于农民和科学家来说，准确了解每只羊产生多少气体，就像是在不打开的情况下试图猜测一个隐藏箱子的重量一样：测量起来既昂贵、困难又缓慢。

这篇论文提出了一个聪明的捷径：与其称量气体，不如观察羊胃里的“工作人员”（瘤胃微生物组）来预测产出。研究人员将羊的肠胃视为一座繁忙的城市，并问道：“谁住在这里？他们在做哪些工作？”

实验：三种解读城市的方式
为了获得关于这座“肠胃城市”的最佳图景，科学家们使用了三种不同的“翻译工具”（生物信息学流程）来读取微生物的遗传密码。他们想看看哪种工具对甲烷的预测最准确。

他们通过两种方式观察微生物：

1. “是谁”（分类学）： 识别细菌的具体名称和物种，就像列出每一位居民的全名和家族树。
2. “在做什么”（功能）： 识别细菌正在从事的工作，比如记录谁是面包师、谁是机械师、谁是电工，而不论他们的名字叫什么。

结果：工作比名字更重要
研究发现，了解微生物“在做什么”比了解它们“是谁”要重要得多。

• 最佳工具： 最准确的预测来自于一种专门关注“工作”（具体指一个名为 COG 的系统）的方法。这就像是通过计算烤箱和面包师的数量，而不是通过背诵每一个面包师的名字，来预测一家面包店能生产多少面包。
• 得分： 这种方法在猜测甲烷水平方面表现得极其出色，解释了羊只之间约 94% 的差异，并以 0.61 的相关性（该领域的一个强相关分数）得到了准确的数值。
• “是谁”与“在做什么”： 在每一种情况下，观察“功能性工作”的表现都优于观察“分类学名称”。如果你不知道它们正在从事什么样的工作，那么了解细菌的具体物种并不会提供太多帮助。

最后的转折：一点额外的帮助
研究人员还尝试将“是谁”和“在做什么”的列表合并成一份巨大的报告（多矩阵模型）。这带来了一点微小的、轻微的准确度提升，就像是在地图上添加了一些额外的细节。然而，主要的结论是，“在做什么”（功能性工作）承担了几乎所有的重任。你并不真正需要通过“是谁”（分类学名称）来获得一个出色的预测。

底线结论
这项研究表明，我们可以利用先进的 DNA 读取技术来观察羊胃内正在进行的“工作”，并准确预测它会排放多少甲烷。事实证明，我们不需要知道每个微生物的名字就能解开这个谜题；了解它们的日常任务就足以让我们获得一个非常清晰的图景。