亚利桑那州立大学
充满我们身体、土壤、海洋和大气的微生物在人类健康和地球生态系统中扮演着至关重要的角色。然而，即使借助现代DNA测序技术，弄清楚这些微生物是什么以及它们如何相互关联仍然极其困难。
在两项新研究中，亚利桑那州立大学的研究人员介绍了强大的工具，使这项工作变得更加容易、更准确且更具可扩展性。一种工具改进了科学家构建微生物家谱的方式。另一种工具提供了用于分析生物数据的全球软件基础。
这些进展共同加强了微生物组研究、疾病追踪、环境监测以及精准医学等新兴领域的科学基础。
"我们团队开发开源软件工具，因为我们相信当每个人都能访问并扩展科学工具时，整个社区都会受益，发现也会加速，"新研究的主要负责人朱其云(Qiyun Zhu)表示。
朱其云是生物设计基础与应用微生物组学中心的研究员，同时也是亚利桑那州立大学生命科学学院的助理教授。他与亚利桑那州立大学的同事和国际合作者共同参与了这项研究。
第一项研究关于改进标记基因，发表在《自然通讯》杂志上。第二项研究描述了一个名为scikit-bio的开源软件库，发表在《自然方法》杂志上。
家族关系
构建详细而准确的进化树对于理解微生物如何进化及其对世界的影响至关重要。更好的进化树可以改善疾病追踪，并帮助科学家追踪有害微生物随时间的变化。它们还使环境研究更加精确，展示微生物群落如何应对污染或气候变化。更清晰的微生物识别也加强了对肠道微生物组及其在健康中作用的研究。
揭示微生物之间的关系始于选择正确的标记基因——DNA中追踪其进化历史的路标。
多年来，科学家一直依赖于同一小套传统标记基因。但在不断发展的宏基因组学领域，研究人员现在处理的是数百万个基因组，通常直接来自环境样本。宏基因组学使科学家能够一次性收集环境中所有的DNA并进行测序，揭示整个隐藏的微生物群落。
这些基因组极具价值，但往往不完整或质量参差不齐。这使得使用固定的标记基因集并期望获得准确的进化结果变得困难。
为了解决这个问题，朱及其同事帮助开发了TMarSel（基于树的标记选择的缩写）。TMarSel不会手动选择基因，而是自动搜索数千个可能的基因家族，并选择能构建最可靠进化树的组合。它评估每个基因的普遍性、信息量以及对构建稳定、有意义的微生物关系图的贡献。
结果是一种灵活的、数据驱动的方式来构建微生物树，即使对于庞大而多样的生物群体也有效——即使许多基因组只有部分完整。
scikit-bio：微生物的"家谱网"
朱也是scikit-bio的主要开发者，这是一个庞大的开源软件库。scikit-bio为科学家提供了分析庞大生物数据集所需的工具。它特别适用于研究微生物组——生活在特定环境（如人类肠道）中的微生物群落。
生物数据集与其他类型的数据不同：它们极其庞大、非常稀疏，通常包含数千个相互关联的特征。标准数据分析程序并非为此级别的碎片化和复杂性而设计。scikit-bio通过提供500多个功能来填补这一空白，用于以下任务：
- 比较微生物群落
- 计算多样性
- 转换组成数据
- 分析DNA、RNA和蛋白质序列
- 构建和修改系统发育树
- 为机器学习准备数据
该项目由社区驱动，有80多名贡献者支持，并通过严格的测试和文档维护。它已经在医学、生态学、气候科学和癌症生物学领域的数万篇科学论文中被引用。它已成为分析微生物组和现代生物学中其他大数据领域的研究人员的必备工具。
微生物研究的新时代
随着生物数据集的增长，像scikit-bio和TMarSel这样的工具使大规模研究更加可靠和可重复。
这些研究强化了亚利桑那州立大学在生物学与计算交叉领域的不断扩大的作用。朱的工作展示了如何将进化洞察与先进的软件工程相结合，从而产生世界各地科学家使用的工具。
随着DNA测序变得越来越快、越来越便宜，科学家将发现更多微生物宇宙的奥秘。像TMarSel和scikit-bio这样的工具确保这些数据洪流能够转化为真正的科学见解。
【全文结束】
