长读长 SSU rRNA 双链检测与来源分选工具
推荐理由
细胞器与跨域扩增污染是当前真核 eDNA(18S/SSU)研究最大的系统性偏差源,也是"物种名单虚高"的常见原因。这篇给的是可直接部署的开源工具,不是概念讨论——任何做 SSU 长读长群落研究、或正在为"为什么老是检出植物/叶绿体序列"头疼的实验室,优先级最高。
摘要要点
核心:用保守区 profile HMM 在双链上识别 SSU rRNA,把每条 read 判归细菌 / 古菌 / 真核 / 线粒体 / 叶绿体五类来源并提取基因区,重写了 Metaxa2 的提取步骤并按"分区得分之和"而非均值排序来源。
结果:5,000 条 ZymoBIOMICS Nanopore reads 上,提取准确率由 Metaxa2 提取步骤的 54.9% 提升到 95.9%;模拟数据 93–98%(线粒体最弱);水稻根 16S 样本中约 40% reads 来自细胞器;20 万 reads 以上速度快 3.2 倍、峰值内存低约 45%。
获取:Rust 实现,GitHub(ayobi/ssuplex)与 Bioconda 免费获取,v0.2.0 已 Zenodo 归档。