在生命科學和生物技術領域，準確識別一個生物樣本到底屬于哪個物種，是許多研究的基石。從食品安全追溯、物種保護到法醫學鑒定，都離不開精準的物種鑒別。隨著下一代測序(NGS, Next-Generation Sequencing)技術的普及，全基因組測序(WGS, Whole Genome Sequencing)為物種鑒定提供了前所未有的數據深度。然而，當面對那些在進化樹上“親如兄弟”的近緣物種時，這項任務就變得異常棘手。想象一下，你能輕易分辨出獅子和老虎，但如果面對的是基因序列高度相似的兩個物種，比如家養綿羊(Ovis aries)和山羊(Capra hircus)，傳統的鑒定方法可能就會“犯迷糊”，給出模棱兩可甚至錯誤的結果。這正是當前物種鑒定領域面臨的一個核心挑戰：如何利用海量的WGS數據，清晰無誤地區分基因層面高度相似的近緣物種？常規的比對方法和分類工具，在應對這類“雙胞胎”物種時，其表現往往不盡如人意。

為了破解這一難題，一項發表在《Scientific Reports》上的研究開展了一項深入探索。研究者們聚焦于綿羊和山羊這一對經典的近緣物種對，旨在開發一種更為魯棒和精確的鑒定方法。他們意識到，僅僅依賴常規的序列比對質量和通用分類工具（如Kraken2）的輸出，無法可靠地區分兩者，因為這些指標在兩類樣本中常常出現重疊，導致結論不明確。那么，是否存在一種更本質的基因組特征，能夠像“指紋”一樣獨一無二地標識一個物種呢？研究團隊將目光投向了物種特異性基因組區域。他們的核心思路是：對于一個特定物種（如山羊），應該存在一些基因組區域，當該物種的樣本數據比對到自身（山羊）的參考基因組時，這些區域能夠被很好地覆蓋（有讀數映射）；然而，當同樣的樣本數據比對到其近緣物種（如綿羊）的參考基因組時，這些對應區域則幾乎沒有或只有極低的覆蓋率。這種獨特的覆蓋模式，理論上可以成為區分物種的金標準。

為了驗證這一想法并構建實用的鑒定工具，研究人員系統性地分析了40個綿羊和山羊的WGS樣本。他們設計了一個巧妙的比較基因組學分析流程，將每個物種的樣本數據分別比對到綿羊和山羊兩個參考基因組上。通過比較同一套數據在不同參考基因組上的覆蓋深度模式，他們能夠系統地掃描整個基因組，尋找那些符合“物種特異性”覆蓋模式的區域。經過大規模計算分析，他們成功鑒定出了大量候選區域：共計155,800個山羊特異性區域和驚人的1,714,126個綿羊特異性區域。當然，數量如此龐大的區域并不都適合作為穩定的鑒定標記。研究團隊隨后進行了嚴格的生物信息學過濾和人工篩選，最終從每個物種中精挑細選出10個高置信度、高特異性的基因組區域。這20個“精華”區域構成了一個簡潔而強大的鑒定面板。在包含14個獨立樣本的驗證數據集中，使用這組高置信度區域進行物種鑒定，達到了100%的準確率，完美地區分了所有的綿羊和山羊樣本。

這項研究的意義不僅在于解決了綿羊和山羊的鑒定難題，更在于它建立了一個可推廣的方法學框架。研究者將分析腳本和篩選出的特異性基因組區域在GitHub倉庫中公開共享，極大地促進了該方法的可及性和可重復性。這個框架原則上可以應用于任何一對或一組難以區分的近緣物種，例如不同品種的農作物、親緣關系很近的病原微生物或者保護生物學中難以辨別的瀕危物種。它為利用日益增長的WGS數據資源進行精準物種鑒定，提供了一條清晰、可靠的新路徑。

為開展此項研究，作者主要運用了以下幾個關鍵技術方法：首先，利用下一代測序技術獲取了40個綿羊和山羊樣本的全基因組測序(WGS)數據。其次，將測序數據分別比對(BWA-MEM)到綿羊和山羊的參考基因組上，通過分析比對質量分布和覆蓋度來評估常規方法的局限性。接著，采用Kraken2工具對樣本進行常規的物種分類學分配，以展示其結果的模糊性。核心方法是設計并實施了一個基于覆蓋度比較的分析流程，通過計算樣本在自身與非自身參考基因組上每個區域的覆蓋深度，識別出具有物種特異性覆蓋模式的基因組區域。最后，對鑒定出的大量候選區域進行了生物信息學篩選和人工校驗，以確定用于最終驗證的高置信度標記區域。

通過分析40個WGS樣本（綿羊和山羊）比對到兩者參考基因組的比對質量指標，以及使用Kraken2進行的分類學分配，本研究發現常規方法產生的結果是模糊的。綿羊和山羊樣本的序列比對率存在重疊，并且Kraken2的分類學分配結論不明確，無法可靠地區分這兩個物種。

研究人員開發了一種基于比較基因組學的方法來定義物種特異性區域。他們將山羊和綿羊的WGS數據分別比對到山羊和綿羊的參考基因組上，然后通過識別那些在“匹配”的參考基因組上表現出平均覆蓋度、但在“不匹配”的參考基因組上表現出缺失或低覆蓋度的基因組區域，來定義物種特異性。通過此流程，共鑒定出155,800個山羊特異性區域和1,714,126個綿羊特異性區域。

對初步鑒定出的大量特異性區域進行篩選和人工校驗后，研究人員從每個物種中選取了10個高置信度的區域。使用這組精選的區域，在一個包含14個獨立樣本的驗證數據集上進行測試，實現了100%的物種鑒定準確率，成功區分了所有綿羊和山羊樣本。

本研究得出結論，針對從全基因組測序數據中準確鑒定近緣物種這一挑戰，常規的序列比對和分類學工具（如Kraken2）可能給出模糊或不可靠的結果。本研究提出并驗證了一種魯棒的解決方案，即利用基于覆蓋度比較分析鑒定出的物種特異性基因組區域。通過系統分析綿羊和山羊的WGS數據，研究成功鑒定出大量候選特異性區域，并從中篩選出少量高置信度區域，在獨立驗證中達到了完美的鑒定準確率。該方法的核心優勢在于其概念的清晰性和結果的確定性。更重要的是，本研究建立了一個通用的分析框架。該框架不依賴于復雜的統計學模型或主觀閾值，而是基于“物種特異性區域”這一直接的基因組特征，因此具有很好的可解釋性和可移植性。研究者已公開共享所有分析腳本和篩選出的基因組區域，這將極大地方便其他研究人員將該方法應用于其他近緣物種對的鑒定難題中，例如在微生物學、植物學、法醫學和食品真實性檢測等領域。因此，這項工作不僅為解決綿羊和山羊的物種鑒定提供了直接工具，也為更廣泛的近緣物種鑒別研究提供了可擴展的方法學藍圖和資源，對推動基于WGS數據的精準物種鑒定具有重要意義。