Nat Commun & Nat Methods：微生物界的“族谱”与“万能工具箱”，科学家让看不见的生命网络清晰可见

现代生物学研究涉及多种“组学”数据类型，比如基因组学、转录组学、蛋白质组学、代谢组学和宏基因组学，其描述了生物实体的整体性，这些数据为理解复杂生物系统提供了前所未有的视角，但也带来了持续的分析挑战：高维性（特征远多于样本）、稀疏性（大多数特征为零）以及组成性（特征在样本内相互依赖）。

尽管面临挑战，组学数据也蕴藏独特机遇：生物特征通过知识驱动的、常呈树状结构的图谱相互关联，例如系统发育树和功能分类体系，这些结构可用于提升分析效果；上述特点使得通用数据分析方法难以适用于组学数据。我们体内、土壤中、海洋里甚至大气中都充满了微生物，它们虽小，却对人类健康和地球生态系统起着至关重要的作用，人体内的微生物数量甚至超过人体细胞总数，肠道菌群与免疫系统、代谢疾病乃至精神健康密切相关。然而，即便在DNA测序技术日臻成熟的今天，要准确识别这些微生物、理清它们之间的亲缘关系，依然困难重重。微生物世界如同一个庞大而复杂的社交网络，而我们手中却没有一份清晰的“通讯录”。

微生物数据具有鲜明的“三高”特点：高维、稀疏、组成化。简单来说，就是数据特征极多、样本中大部分信息为零、且不同特征之间相互影响。传统的分析方法就像用普通尺子去测量纳米结构，往往力不从心。更棘手的是，微生物研究常依赖“标记基因”—就像家族姓氏一样，用来追溯演化历史，长期以来，科学家只能依赖少数几个传统标记基因。但随着宏基因组学兴起，研究者面对的是从环境样本中直接获取的数百万个基因组，这些基因组往往不完整、质量参差不齐，固定使用几个标记基因很难得到准确的演化关系图。

针对这些挑战，亚利桑那州立大学的研究人员带来了两项重要工具，分别在Nature Communications和Nature Methods杂志上发表，它们像是微生物研究领域的“族谱修订师”和“数据瑞士军刀”。第一项工具名为TMarSel（树驱动标记基因选择），其不再依赖人工筛选标记基因，而是自动从上千个候选基因家族中，挑选出能构建出最稳定、最可靠的系统发育树的组合。该工具会评估每个基因的普遍性、信息量和对树形结构的贡献度，从而建立起一种灵活、数据驱动的微生物演化树构建方法—即便面对不完整的基因组，也能胜任。

第二项工具就是开源软件库scikit-bio，如果说 TMarSel 是修谱师，那么 scikit-bio 就是微生物数据分析的“Ancestry.com+科研工具箱”，这是一个由社区驱动、超过80名贡献者维护的开源项目，专门为处理大规模、高稀疏性、结构复杂的生物数据而设计。它提供了超过500种功能，涵盖微生物群落比较、多样性计算、组成型数据转换、DNA/RNA/蛋白质序列分析、系统发育树构建与编辑，以及机器学习数据预处理等。目前已被数万篇科研论文引用，成为微生物组、生态学、气候科学乃至癌症生物学领域的重要基础工具。

从数据洪水到科学洞察：工具如何改变研究范式

随着测序成本不断下降，微生物数据正以前所未有的速度增长。如果没有高效、可靠的分析工具，这些数据就只是沉睡在硬盘中的“数字尘埃”。TMarSel 和 scikit-bio 的出现，让大规模微生物研究变得更可靠、可重复、系统化。尤其是在公共卫生与疾病监测领域，清晰的微生物演化树能帮助科学家更准确地追踪病原体的传播与变异。例如在抗生素耐药性监测、新兴传染病预警、环境微生物对污染响应等方面，这类工具正在发挥越来越关键的作用。

跨界融合：生物学与计算科学的握手

这两项研究的背后是生物学与计算科学日益深入的融合，研究人员指出，将演化生物学洞见与先进软件工程结合能创造出具有全球影响力的科研基础设施，这不仅推动了微生物学本身的进步，也为精准医学、环境健康、农业微生物等领域提供了通用的方法支撑。亚利桑那州立大学正凭借此类工作，在“生物+计算”交叉前沿扮演重要角色。微生物世界如同一本用密码写就的天书，而TMarSel与scikit-bio就像是两把精心打造的钥匙，其不仅让科学家能够更准确地绘制微生物的“家族树”，也赋予他们处理海量数据的能力。随着测序技术日益普及，微生物研究正从“样本驱动”转向“数据驱动”，而这套工具组合则让科研人员能够真正理解数据背后的生命逻辑。（生物谷Bioon.com）

参考文献：

Henry Secaira-Morocho,Xiaofang Jiang,Qiyun Zhu, et al. Augmenting microbial phylogenomic signal with tailored marker gene sets, Nat Commun. 2025 Nov 12;16(1):9943. doi: 10.1038/s41467-025-64881-2.

Aton, M., McDonald, D., Cañardo Alastuey, J. et al. Scikit-bio: a fundamental Python library for biological omic data analysis. Nat Methods (2025). doi:10.1038/s41592-025-02981-z