Preliminary construction and comparative analysis of environmental DNA metabarcoding reference database of freshwater fishes in Hainan Island
-
摘要: 为确定海南岛淡水鱼类环境DNA研究的最优参考数据库及最优目标基因，比较了自建数据库与公共数据库在COI、12S、16S 3个条形码片段上的物种覆盖度、注释准确率及种间差异阈值。结果表明：1) 实地采集鱼类72种，其中有16 (COI)、20 (12S) 和22 (16S) 种鱼类的参考序列为该研究首次提供；2) 仅有68.06% (COI)、66.67% (12S) 和69.44% (16S) 的鱼类在公共数据库比对到高相似度序列；3) 自建数据库对两个数据库共有鱼类的物种注释准确率显著高于公共数据库 (COI: 100% vs 69.64%; 12S: 96.15% vs 67.30%; 16S: 96% vs 70%)；4) COI基因是判别海南岛淡水鱼类的最优目标基因，16S次之；5) 基于K2P遗传距离确定的种间差异阈值分别为0.006 9 (COI)、0.005 6 (12S) 和0.007 5 (16S)，其物种判别准确率为94.96% (COI)、89.05% (12S)和92.70% (16S)。结果表明自建数据库优于公共数据库，建议使用COI、16S作为海南岛淡水鱼类环境DNA宏条形码基因。Abstract: In order to determine the optimal reference database and target genes for environmental DNA study of freshwater fishes in Hainan Island, we compared the species coverage, annotation accuracy and threshold values of interspecific difference of COI, 12S and 16S between the self-built database and the public database. The results show that: 1) Seventy-two fish species were collected, among which 16 (COI), 20 (12S) and 22 (16S) species' reference sequences were provided for the first time. 2) Only 68.06% (COI), 66.67% (12S) and 69.44% (16S) of the fish had high similarity sequence in the public database. 3) The annotation accuracy based on the self-built database was significantly higher than that on the public database (COI: 100% vs 69.64%; 12S: 96.15% vs 67.30%; 16S: 96% vs 70%). 4) COI gene was the best target gene for identifying freshwater fishes in Hainan Island, followed by 16S gene. 5) The threshold values of interspecific difference based on K2P genetic distance were 0.006 9 (COI), 0.005 6 (12S) and 0.007 5 (16S), respectively, and the accuracy rates were 94.96% (COI), 89.05% (12S) and 92.70% (16S), respectively. This study reveals that the sequence annotation accuracy of the self-built database is significantly higher than that of the public database, and it is suggested that COI and 16S should be used as the environmental DNA metabarcoding genes of freshwater fishes in Hainan Island.
-
鱼类皮肤暴露于水环境中，其表面形成的黏膜层对宿主具有重要的物理、化学和生物屏障作用[1]。当鱼体处于健康状态时，皮肤黏膜层微生物与宿主互利共生，维持相对稳定的动态平衡状态[2]。环境胁迫、病原入侵等均会破坏鱼体皮肤黏膜层的微生物稳态，影响宿主健康[3-4]。研究发现，感染了传染性造血器官坏死病毒 (Infectious hematopoietic necrosis virus, IHNV) 的虹鳟 (Oncorhynchus mykiss) 皮肤微生物中变形菌门丰度显著下降，而放线菌门的丰度显著升高[5]。与健康大鲵 (Andrias davidianus) 相比，患溃疡病大鲵皮肤中的金黄杆菌属(Chryseobacterium)、伯克氏菌属 (Burkholderia) 和韩国丛毛单胞菌 (Comamonas koreensis) 的丰度显著升高[6]。
中华鲟 (Acipenser sinensis) 是我国一级重点保护水生动物，被认为是长江水生动物保护的旗舰物种[7]。近年来，中华鲟物种保护研究工作不断取得新突破，人工迁地保护规模日益扩大。然而，随着集约化养殖程度不断加深，中华鲟的病害问题也日趋增多。迄今为止，常见的细菌性病害包括细菌性烂鳃病、细菌性败血症、肠炎病、肿嘴病、腹水病、分枝杆菌病等[8-10]。传统的细菌分离培养方法是目前中华鲟病害研究的主要手段[11-12]。
花斑病是近年来中华鲟养殖过程中出现的一种新型疾病，该病以体表部分背骨板及周围皮肤褪色形成花斑为主要临床症状。中华鲟体表皮肤裸露，与水环境密切接触，寄生着复杂多样的微生物菌群。细菌培养法在处理皮肤等复杂样本时，大部分微生物难以进行分离纯化培养，具有一定的局限性。近十年来，高通量测序技术快速发展，能够全面解析微生物群落结构的种类和丰度，具有高效、全面、准确等特点，已逐渐应用于揭示人类疾病与微生物的互作关系[13-14]。本研究以健康和患花斑病中华鲟幼鱼为研究对象，利用高通量测序技术比较分析了二者皮肤黏膜层的微生物菌群结构特征，探索用于监测中华鲟健康状况的菌群标志物，以期为中华鲟的健康养殖和疾病防控提供参考依据。
1. 材料与方法
1.1 样品采集
实验样品为中华鲟研究所2023年繁殖的子二代中华鲟，全长 (10.02±0.65) cm，体质量 (3.62±0.32) g。如图1所示，健康中华鲟体色均匀，体表皮肤光滑；患花斑病中华鲟部分背骨板及周围皮肤褪色形成花斑。在无菌条件下，对6尾健康和6尾自然患病的中华鲟皮肤进行取样，分别为健康中华鲟皮肤黏液组 (HM组) 和患病中华鲟皮肤黏液组 (DM组)。具体方法如下：用无菌水冲洗鱼体3遍，用无菌镊刮取背骨板及周围皮肤黏液0.5 g，分装置2 mL离心管中，液氮速冻后置于 –80 ℃冰箱保存备测。
![]()
图 1 健康和患病中华鲟的特征和病症Figure 1. Features and symptoms of healthy and diseased A. sinensis1.2 DNA提取、PCR扩增和高通量测序
采用Fast DNA®Spin Kit for Soil (MP Biomedicals，美国) 试剂盒提取皮肤总DNA。提取到的DNA经1% (w)琼脂糖凝胶电泳检测其合格性。使用338F (5'-ACTCCTACGGGAGGCAGCAG-3') 和806R (5'-GGACTACHVGGGTWTCTAAT-3') 通用引物对16S rRNA基因的V3—V4变异区进行PCR扩增。PCR反应程序为：95 ℃ 3 min；95 ℃ 30 s；53 ℃ 30 s，72 ℃ 45 s，29个循环；72 ℃ 10 min。PCR产物经回收、纯化等处理后，通过上海美吉生物医药科技有限公司Illumina Miseq PE300平台进行高通量测序。
1.3 数据处理和生物信息学分析
在美吉生物云平台完成数据处理及生物信息学分析工作。测序获得的原始数据使用fastp (Version 0.19.6) 和Fasth (Version 1.2.11) 进行质控和拼接，再采用Uparse (Version 11) 软件进行处理，根据97%的相似度对序列进行OTU聚类。采用PDR Classifier (Version 2.13) 软件对每条序列进行物种注释分类，基于Silva (Version 138) 数据库进行比对注释。按照最小样本序列数对数据抽平处理后，利用R语言 (Version 3.3.1) 工具制作韦恩图、群落柱形图和PCoA图；采用Mothur (Version 1.30.2) 软件计算α多样性；通过Wilcoxon秩和检验开展健康和患病中华鲟皮肤黏膜层优势菌属的差异分析。
2. 结果
2.1 物种组成分析
12个中华鲟皮肤样品经高通量测序和序列优化后，共获得675 884条高质量序列，序列的平均长度为424 bp。所有样品的覆盖率均超过99.5%，表明其测序深度能够全面反映出各样品的细菌菌群结构。韦恩图 (图2) 显示，健康和患病中华鲟皮肤黏膜层共有OTUs数量为453个，健康中华鲟皮肤黏膜层特有OTUs数量为1 823个，患病中华鲟皮肤黏膜层特有OTUs数量为126个。二者间的OTUs数量相差较大，健康中华鲟皮肤黏膜层总OTUs数量为2 276个，患病中华鲟皮肤黏膜层总OTUs数量为579个，相比健康中华鲟减少了1 697个(74.56%)。
![]()
图 2 健康和患病中华鲟皮肤黏膜层OTUs数量分布韦恩图Figure 2. Venn diagram of quantity distribution of OTUs among skin mucosa from healthy and diseased A. sinensis在门水平上 (图3-a)，健康中华鲟皮肤黏膜层的优势菌门为厚壁菌门 (45.26%)、变形菌门 (31.65%)和拟杆菌门 (15.02%)。患病中华鲟皮肤黏膜层的优势菌门转变为拟杆菌门和变形菌门，尤其是拟杆菌门的丰度由15.02%升至78.83%，成为第一优势菌门。
![]()
图 3 健康和患病中华鲟皮肤黏膜层微生物结构组成分析Figure 3. Dominant species of bacteria in skin mucosa from healthy and diseased A. sinensis在属水平上 (图3-b)，健康中华鲟皮肤黏膜层优势菌属为乳杆菌属 (Lactobacillus, 26.73%)、不动杆菌属 (Acinetobacter, 19.64%)、norank_f_Muribaculaceae (6.23%)、明串珠菌属 (Leuconostoc, 5.92%) 和假单胞菌属 (Pseudomonas, 2.84%)，其他各菌属不足2%。患病中华鲟皮肤黏膜层优势菌属为黄杆菌属 (Flavobacterium, 78.38%) 和不动杆菌属 (17.62%)，其他菌属不足2%。不动杆菌属是健康和患病中华鲟皮肤中的共同优势菌属。除不动杆菌属外，二者间的其他优势菌属均不同，患病中华鲟皮肤黏膜层的优势菌属种类明显少于健康中华鲟，且黄杆菌属高度富集，相对丰度由0.99%升至78.38%。
2.2 多样性分析
选取α多样性指数比较健康和患病中华鲟皮肤微生物的物种丰富度和多样性。Chao指数和Ace指数均显示，患病中华鲟皮肤黏膜层微生物物种丰富度显著低于健康中华鲟 (p<0.001，图4-a—4-b)。Shannon指数和Simpson指数均显示，患病中华鲟皮肤黏膜层微生物物种多样性均显著低于健康中华鲟 (p<0.001，图4-c—4-d)。由PCoA图 (图5) 可见，健康中华鲟皮肤中的全部样品落在第二和第四象限并形成一个组群，而患病中华鲟皮肤中的全部样品均落在第一和第三象限并形成另外一个组群，表明两者间的菌群结构具有明显差异。
![]()
图 4 健康和患病中华鲟皮肤黏膜层微生物α多样性分析注：*. p<0.05；**. p<0.01；***. p<0.001。Figure 4. Alpha diversity analysis of skin mucosa from healthy and diseased A. sinensisNote: *. p<0.05; **. p<0.01; ***. p<0.001.![]()
图 5 健康和患病中华鲟皮肤黏膜层微生物PCoA图Figure 5. PCoA of skin mucosa from healthy and diseased A. sinensis2.3 差异性分析
为进一步解析健康和患病中华鲟皮肤在属水平微生物群落结构上的差异性，对2组样品采用Wilcoxon秩和检验进行优势菌属的显著性差异分析。结果显示，与健康中华鲟皮肤相比，患病中华鲟皮肤黄杆菌属显著升高 (图6-a，p<0.01)，不动杆菌属无显著性差异 (图6-b，p>0.05)，乳杆菌属 (图6-c)、norank_f_Muribaculaceae(图6-d)、明串珠菌属 (图6-e)、假单胞菌属 (图6-f)、戴尔福特菌属(Delftia，图6-g)、Lachnospiraceae_NK4A136_group (图6-h)、普雷沃氏菌属 (Prevotella，图6-i) 显著下降 (p<0.01)。黄杆菌属在患病中华鲟皮肤中丰度较高，乳杆菌属、norank_f_Muribaculaceae、明串珠菌属、假单胞菌属在健康组丰度较高，以上5种菌属可能是反映中华鲟健康状态的敏感菌群。
![]()
图 6 健康和患病中华鲟皮肤黏膜层微生物优势菌属差异分析注：*. p<0.05；**. p<0.01；***. p<0.001。Figure 6. Differentinal dominant bacterium community of skin mucosa from healthy and diseased A. sinensisNote: *. p<0.05; **. p<0.01; ***. p<0.001.3. 讨论
3.1 花斑病对中华鲟皮肤黏膜层微生物菌群物种组成及丰度的影响
已有研究发现健康状态可以影响鱼类皮肤黏膜层微生物菌群结构的变化[15]。许峻旗等[6]发现大鲵在感染溃疡病后，拟杆菌门和变形菌门显著升高 (p<0.05)，而厚壁菌门和放线菌门显著降低 (p<0.05)。张雪萍等[16]采用高通量测序技术对患烂皮病棘胸蛙 (Quasipaa spinosa) 的健康和溃烂皮肤样本进行比较研究，结果显示其健康皮肤的优势菌门为蓝细菌门/叶绿体、变形菌门、厚壁菌门、拟杆菌门和放线菌门，而溃烂皮肤的优势菌门为变形菌门。本研究结果与上述研究相似，健康中华鲟皮肤黏膜层优势菌门以厚壁菌门 (45.26%)、变形菌门 (31.65%) 和拟杆菌门 (15.02%) 为主，而患病中华鲟皮肤黏膜层优势菌门则以拟杆菌门 (78.83%) 和变形菌门 (20.28%) 为主，厚壁菌门退出优势菌门，相对丰度不足1%。厚壁菌门可以促进皮肤发酵产生活性物质，同时还可以维持皮肤表面酸性环境，帮助宿主抑制病原体的入侵[17-18]。拟杆菌门包括拟杆菌纲、黄杆菌纲和鞘脂杆菌纲等，其中黄杆菌纲中含有多种条件致病菌。因此，推测患病中华鲟皮肤黏膜层厚壁菌门的大幅减少和拟杆菌门的高度富集与中华鲟的感染发病密切相关。
进一步细化至属水平，对健康和患病中华鲟皮肤黏膜层微生物菌群组成进行对比分析，发现花斑病导致中华鲟皮肤黏膜层优势菌属减少，优势菌属由5种降至2种。在患病中华鲟皮肤中，相对丰度最高的是黄杆菌属，占比超78%。黄杆菌属隶属于拟杆菌门、黄杆菌纲、黄杆菌目、黄杆菌科，地理分布广泛，为条件致病菌，宿主种类繁多，可感染虹鳟[19]、大西洋鲑 (Salmo salar)[20]、西伯利亚鲟 (A. baerii)[21]、罗非鱼[22]等多种水生动物。有研究发现，黄杆菌属感染后的主要临床症状表现为鳃丝腐烂、体表溃疡、皮肤褪色[23-24]，这与本研究中的患病中华鲟临床症状具有相似之处。综上，拟杆菌门中的黄杆菌属高度富集表明中华鲟皮肤黏膜层的微生物稳态被破坏，黄杆菌属可能是花斑病引起中华鲟皮肤黏膜层菌群改变的特征菌属。
3.2 花斑病对中华鲟皮肤黏膜层微生物菌群多样性的影响
微生物多样性在维持宿主生态功能和健康状态方面具有重要作用，多样性高意味着宿主具有更强的抗性，多样性下降可直接增加宿主患病的风险[25-26]。张雪晨[27]比较分析了健康和感染虾肝肠孢虫 (Enterocytozoon hepatopenaei) 凡纳滨对虾 (Litopenaeus vannamei) 肠道微生物群落的变化，结果显示患病对虾肠道微生物多样性显著低于健康对虾。Wang等[28]利用高通量测序方法研究了健康和患病大西洋鲑肠道菌群的结构特征，发现健康鱼肠道细菌多样性明显高于患病鱼。本研究也得到了相似结果，与健康中华鲟相比，患病中华鲟皮肤黏膜层微生物多样性和丰富度均显著下降 (p<0.001)。此外，本研究还发现在多样性和丰富度显著降低的同时，微生物群落结构呈简单化；健康中华鲟皮肤黏膜层总OTUs数量和特有OTUs数量分别为2 276和1 823个，而患病中华鲟则分别减少至579和126个；这提示微生物多样性和群落结构可间接反映鱼体的健康状态。
3.3 中华鲟健康状态菌群标志物的筛选
通过对健康和患病中华鲟皮肤黏膜层微生物菌群优势菌属进行差异性显著分析，获得5种反映中华鲟健康状态的敏感菌属。其中黄杆菌属在患病中华鲟皮肤中高度富集，而乳杆菌属、norank_f_Muribaculaceae、明串珠菌属、假单胞菌属等4种菌属在健康中华鲟皮肤中具有较高的丰度。黄杆菌属在自然界中广泛存在，是细菌性冷水病[29]、柱形病[30]等疾病的主要致病菌。根据黄杆菌属的富集状态，结合其临床意义；本研究筛选出黄杆菌属作为监测中华鲟花斑病病原的菌群标志物，其相对丰度升高提示鱼体患花斑病风险增加。在实际养殖过程中，可以通过定期检测体表皮肤菌群标志物的丰度来评估中华鲟的健康状态。随着中华鲟集约化养殖程度的不断提高，疾病问题也日趋增多。在面对新型疾病，特别是在病原体难培养或不可培养的情况下，采用高通量测序技术能有效发现病原体线索，有助于深入开展系统性研究。
4. 结论
本研究基于高通量测序技术对健康和患花斑病中华鲟皮肤黏膜层微生物菌群进行比较分析。结果表明，与健康中华鲟相比，花斑病破坏了中华鲟皮肤黏膜层正常的微生态稳态结构，优势菌群由乳杆菌属、不动杆菌属等转变为黄杆菌属，因此黄杆菌属可以作为监测中华鲟花斑病病原的菌群标志物，其相对丰度的高低可用以评估中华鲟的患病风险。
-
![]()
图 1 本研究中自建数据库及公共数据库的鱼类种数
Figure 1. Number of fish species in self-built database and public database in this study
![]()
图 2 可注释到种的鱼类的候选物种数 (序列相似度≥99%)
Figure 2. Number of candidate species of fish that can be annotated at species level (with≥99% sequence similarity)
![]()
图 3 基于152条线粒体COI序列构建的NJ系统发育树
Figure 3. NJ phylogenetic tree constructed based on 152 mitochondrial COI sequences
![]()
图 5 基于150条线粒体16S序列构建的NJ系统发育树
Figure 5. NJ phylogenetic tree constructed based on 150 mitochondrial 16S sequences
![]()
图 4 基于150条线粒体12S序列构建的NJ系统发育树
Figure 4. NJ phylogenetic tree constructed based on 150 mitochondrial 12S sequences
表 1 公共数据库和自建数据库参考序列简介
Table 1 Summary of metabarcoding reference sequence in public database and self-built database
数据来源
Data source目标基因
Target gene鱼类总数Total number
of fish序列总数
Total number of sequences标注采样地点的序列总数Total number of sequences with sampling location information 标注样品采集于海南的序列总数*
Total number of sequences collected from Hainan标注样品采集于海南的鱼类种数*
Total number of fish collected from Hainan公共数据库
Public databaseCOI 123 2 704 181 8 3 12S 117 648 75 2 1 16S 115 736 59 0 0 自建数据库
Self-built databaseCOI 72 85 85 85 72 12S 72 85 85 85 72 16S 72 85 85 85 72 注：凡是没有明确标注采样地点的序列 (包括海南特有种) 一律不纳入*统计范围。Note: The sequences without sampling location information (including endemic species in Hainan) will not be included in the statistical scope of *. 
下载: 导出CSV
表 2 可注释到种的序列在不同阈值范围内的候选物种数 (
$\overline {\boldsymbol X}{\bf {\pm} } {\bf{SD}} $ )Table 2 Number of candidate species of sequence that can be annotated at species level within different threshold values
序列相似度
Sequence similarity候选物种数 Number of candidate species 基于公共数据库 Based on public database 基于自建数据库 Based on self-built database COI 12S 16S COI 12S 16S 100% 0~9 (1.43±1.64) 0~9 (1.01±1.51) 0~9 (1.00±1.46) 1~2 (1.03±0.18) 1~2 (1.08±.028) 1~2 (1.07±.025) 100%>X≥99% 0~15 (1.04±1.88) 0~7 (0.53±0.98) 0~7 (0.85±1.22) 0~1 (0.13±0.34) 0~1 (0.03±0.18) 0~1 (0.03±0.18) 99%>X≥98% 0~10 (1.07±1.74) 0~11 (0.85±1.42) 0~11 (1.03±1.67) 0~3 (0.19±0.63) 0~3 (0.13±0.37) 0~2 (0.10±0.29) 100%≥X≥99% 0~21 (2.47±3.06) 0~16 (1.53±2.06) 0~15 (1.85±2.27) 1~3 (1.14±0.47) 1~2 (1.10±0.30) 1~2 (1.09±0.28) 100%≥X≥98% 0~31 (3.53±4.31) 0~27 (2.38±2.99) 0~23 (2.88±3.24) 1~4 (1.31±0.98) 1~4 (1.20±0.65) 1~3 (1.16±0.45)
下载: 导出CSV
表 3 两种数据库共有物种的注释结果
Table 3 Annotation results of common fish species in two databases
参考数据库
Reference database目标基因
Target gene共有物种数
Number of shared species低相似度物种数
Number of species with low sequence similarity不确定物种数或错误注释物种数Number of uncertain species or incorrectly annotated species 正确注释物种数
Number of correctly annotated species注释准确率
Annotation accuracy/%公共数据库
Public databaseCOI 56 14 3 39 69.64 12S 52 12 5 35 67.30 16S 50 11 4 35 70 自建数据库
Self-built databaseCOI 56 0 0 56 100 12S 52 0 2 50 96.15 16S 50 0 2 48 96 注：不确定物种是注释到的多个候选物种序列完全相同 (序列相似度=100%)，且皆有历史分布记录，难以排除错误物种；低相似度物种指序列相似度<98%。Note: Uncertain species refer to multiple candidate species whose sequences are identical (sequence similarity=100%) and all of them have historical distribution records in Hainan, so it is difficult to exclude the wrong species. Low similarity species refer to the species whose sequence similarity<98%.
下载: 导出CSV
表 4 两两序列的遗传距离 (K2P)
Table 4 Pairwise distance of genetic divergences (K2P) within various sequences
物种 Species 遗传距离 Pairwise distance COI 12S 16S 南方波鱼 Rasbora steineri (A, B) 0 0 0.007 66 海南马口鱼 Opsariichthys hainanensis、南方马口鱼 O. bidens (A) 0.008 43 — — 蒙古鲌 Culter mongolicus mongolicus、鳊 Parabramis pekinensis 0.006 94 — — 海南鲌 C. recurviceps (A, B) 0 0 0 海南鲌 C. recurviceps (A, B)、红鳍鲌 Chanodichthys erythropterus 0.006 95 0.005 64 — 红鳍鲌 C. erythropterus、海南似鱎 Toxabramis houdemeri 0.009 44 — — 海南拟䱗 Pseudohemiculter hainanensis、䱗 Hemiculter leucisculus 0.006 94 — 0.007 54 鳊 Parabramis pekinensis、三角鲂 Megalobrama terminalis 0.008 87 — — 鳊 P. pekinensis、斯氏鲂 (疑似) M. skolkovii (Suspected) 0.008 87 — — 三角鲂 M. terminalis、斯氏鲂 (疑似) M. skolkovii (Suspected) 0 — — 黄尾鲴 Xenocypris davidi、银鲴 X. macrolepis — 0 0 疏斑小鲃 Puntius paucimaculatus、条纹小鲃 P. semifasciolatus 0.006 95 0 — 细尾白甲鱼 Onychostoma lepturum (A, B) 0 0 0 厚唇光唇鱼 Acrossocheilus paradoxus (A, B) 0 0 0 间䱻 Hemibarbus medius (A, B) 0 0 0 尖鳍鲤 Cyprinus acutidorsalis、鲤 C. carpio 0 0 0.007 54 鳙 Hypophthalmichthys nobilis、鲢 H. molitrix 0.006 94 — — 美丽小条鳅 Micronemacheilus pulcher、齐氏小条鳅 M. zispi 0.006 94 0.005 74 — 泥鳅 Misgurnus anguillicaudatus、大鳞副泥鳅 Paramisgurnus dabryanus 0.008 03 0 0 越南隐鳍鲇 Pterocryptis cochinchinensis (A, B) 0.006 94 — 0 中间黄颡鱼 Pelteobagrus intermedius (A, B) 0 0 0.004 46 黑首阿胡虾虎鱼 Awaous melanocephalus (A, B) 0 0.008 04 0 黑首阿胡虾虎鱼 A. melanocephalus (A, C) 0 0.001 01 0 黑首阿胡虾虎鱼 A. melanocephalus (B, C) 0 0.009 05 0 子陵吻虾虎鱼 Rhinogobius giurinus、吻虾虎鱼sp. 3 Rhinogobius sp. 3 — 0 0 陵水吻虾虎鱼 R. linshuiensis (A, B) 0 0 0 陵水吻虾虎鱼 R. linshuiensis、吻虾虎鱼sp. 2 Rhinogobius sp. 2 0.006 94 0 0 攀鲈 Anabas testudineus (A, B) 0.006 94 0 0 黑体塘鳢 Eleotris melanosoma (A, B) 0 0 0 南方马口鱼 O. bidens (A, B) 0.006 94 0.006 28 — 注：遗传距离在0.01以上的物种均能正确鉴定，故本表只展示遗传距离在0.01以下的物种。—. 遗传距离≥0.01；A、B、C. 种内不同个体。Note: All species with a genetic distance above 0.01 can be correctly identified, so only the results with a genetic distance below 0.01 are shown. —. Genetic distance ≥0.01; A, B, C. Intraspecific samples.
下载: 导出CSV
-
[1] 程馨雨, 陶捐, 武瑞东, 等. 淡水鱼类功能生态学研究进展[J]. 生态学报, 2019, 39(3): 810-822. [2] THOMSEN P F, WILLERSLEV E. Environmental DNA: an emerging tool in conservation for monitoring past and present biodiversity[J]. Biol Conserv, 2015, 183(1): 4-18.
[3] 陈炼, 吴琳, 刘燕, 等. 环境DNA metabarcoding及其在生态学研究中的应用[J]. 生态学报, 2016, 36(15): 4573-4582. [4] 姜维, 赵虎, 邓捷, 等. 环境DNA分析技术——一种水生生物调查新方法[J]. 水生态学杂志, 2016, 37(5): 1-7. [5] BALASINGHAM K D, WALTER R P, MANDRAK N E, et al. Environmental DNA detection of rare and invasive fish species in two Great Lakes tributaries[J]. Mol Ecol, 2018, 27(1): 112-127. doi: 10.1111/mec.14395
[6] THOMSEN P F, KIELGAST J, IVERSEN L L, et al. Monitoring endangered freshwater biodiversity using environmental DNA[J]. Mol Ecol, 2012, 21(11): 2565-2573. doi: 10.1111/j.1365-294X.2011.05418.x
[7] SCHENEKAR T, SCHLETTERER M, LECAUDEY L A, et al. Reference databases, primer choice, and assay sensitivity for environmental metabarcoding: lessons learnt from a re-evaluation of an eDNA fish assessment in the Volga headwaters[J]. River Res Appl, 2020, 36(7): 1004-1013. doi: 10.1002/rra.3610
[8] VALENTINI A, TABERLET P, MIAUD C, et al. Next-generation monitoring of aquatic biodiversity using environmental DNA metabarcoding[J]. Mol Ecol, 2016, 25(4): 929-942. doi: 10.1111/mec.13428
[9] 李晗溪, 黄雪娜, 李世国, 等. 基于环境DNA-宏条形码技术的水生生态系统入侵生物的早期监测与预警[J]. 生物多样性, 2019, 27(5): 491-504. [10] JI Y, ASHTON L, PEDLEY S M, et al. Reliable, verifiable and efficient monitoring of biodiversity via metabarcoding[J]. Ecol Lett, 2013, 16(10): 1245-1257. doi: 10.1111/ele.12162
[11] SATO Y, MIYA M, FUKUNAGA T, et al. MitoFish and MiFish pipeline: a mitochondrial genome database of fish with an analysis pipeline for environmental DNA metabarcoding[J]. Mol Biol Evol, 2018, 35(6): 1553-1555. doi: 10.1093/molbev/msy074
[12] 徐念, 常剑波. 长江中下游干流环境DNA样品鱼类物种检测的初步研究[J]. 水生态学杂志, 2016, 27(5): 49-55. [13] LI Y, EVANS N T, RENSHAW M A, et al. Estimating fish alpha-and beta-diversity along a small stream with environmental DNA metabarcoding[J]. MBMG, 2018, 2(1): e24262.
[14] SHAW J L A, CLARKE L J, WEDDERBURN S D, et al. Comparison of environmental DNA metabarcoding and conventional fish survey methods in a river system[J]. Biol Conserv, 2016, 197(4): 131-138.
[15] SHU L, LUDWIG A, PENG Z G. Environmental DNA metabarcoding primers for freshwater fish detection and quantification: in silico and in tanks[J]. Ecol Evol, 2021, 11(3): 8281-8294.
[16] ZHANG S, ZHAO J, YAO M. A comprehensive and comparative evaluation of primers for metabarcoding eDNA from fish[J]. Methods Ecol Evol, 2020, 11(12): 1609-1625. doi: 10.1111/2041-210X.13485
[17] MIYA M, SATO Y, FUKUNAGA T, et al. MiFish, a set of universal PCR primers for metabarcoding environmental DNA from fishes: detection of more than 230 subtropical marine species[J]. Roy Soc Open Sci, 2015, 2(7): 150088. doi: 10.1098/rsos.150088
[18] MILAN D T, MENDES I S, DAMASCENO J S, et al. New 12S metabarcoding primers for enhanced neotropical freshwater fish biodiversity assessment[J]. Sci Rep-UK, 2020, 10(1): 17966. doi: 10.1038/s41598-020-74902-3
[19] 邢巧, 史建康, 林彰文, 等. 海南省生物多样性保护战略与行动计划[M]. 北京: 科学出版社, 2015: 7-8. [20] 申志新, 李高俊, 蔡杏伟, 等. 海南省淡水野生鱼类多样性演变及保护建议[J]. 中国水产, 2018(11): 56-60. [21] 李高俊, 顾党恩, 蔡杏伟, 等. 海南岛“两江一河” 淡水土著鱼类的种类组成与分布现状[J]. 淡水渔业, 2020, 50(6): 15-22. doi: 10.3969/j.issn.1000-6907.2020.06.003 [22] 中国水产科学研究院珠江水产研究所, 上海水产大学, 中国水产科学研究院东海水产研究所, 等. 海南岛淡水及河口鱼类志 [M]. 广州: 广东科技出版社, 1986: 1-372. [23] 中国水产科学研究院珠江水产研究所, 华南师范大学, 暨南大学, 等. 广东淡水鱼类志 [M]. 广州: 广东科技出版社, 1991: 1-561. [24] VENCES M, LYRA M L, PERL R G B, et al. Freshwater vertebrate metabarcoding on Illumina platforms using double-indexed primers of the mitochondrial 16S rRNA gene[J]. Conserv Genet Resour, 2016, 8(3): 323-327. doi: 10.1007/s12686-016-0550-y
[25] 吴娜. 南海鱼类凭证标本采集及DNA条形码库构建与应用 [D]. 上海: 上海海洋大学, 2017: 13-16. [26] 梁日深, 唐丰寿, 何浩斌, 等. 西太平洋沿海石斑鱼属鱼类DNA条形码及分子系统进化研究[J]. 水生生物学报, 2021, 45(4): 851-860. doi: 10.7541/2021.2020.080 [27] 郜星晨, 姜伟. 三峡库区常见鱼类DNA条形码本地BLAST数据库的构建和应用 [J]. 基因组学与应用生物学, 2021, 40(5/6): 1952-1960. [28] JERDE C L, MAHON A R, CAMPBELL T, et al. Are genetic reference libraries sufficient for environmental DNA metabarcoding of Mekong River basin fish?[J]. Water-SUI, 2021, 13(13): 01767.
[29] LIM N K M, TAY Y C, SRIVATHSAN A, et al. Next-generation freshwater bioassessment: eDNA metabarcoding with a conserved metazoan primer reveals species-rich and reservoir-specific communities[J]. Roy Soc Open Sci, 2016, 3(11): 160635. doi: 10.1098/rsos.160635
[30] GILLET B, COTTET M, DESTANQUE T, et al. Direct fishing and eDNA metabarcoding for biomonitoring during a 3-year survey significantly improves number of fish detected around a South East Asian reservoir[J]. PLOS ONE, 2018, 13(12): e0208592. doi: 10.1371/journal.pone.0208592
[31] ALAM M J, KIM N K, ANDRIYONO S, et al. Assessment of fish biodiversity in four Korean rivers using environmental DNA metabarcoding[J]. PeerJ, 2020, 8(2): e9508.
[32] MIYA M, GOTOH R O, SADO T. MiFish metabarcoding: a high-throughput approach for simultaneous detection of multiple fish species from environmental DNA and other samples[J]. Fish Sci, 2020, 86(6): 939-970. doi: 10.1007/s12562-020-01461-x
[33] HEBERT P D N, CYWINSKA A, BALL S L, et al. Biological identifications through DNA barcodes[J]. Proc Royal Soc London B, 2003, 270(1512): 313-321. doi: 10.1098/rspb.2002.2218
[34] EVANS N T, LAMBERTI G A. Freshwater fisheries assessment using environmental DNA: a primer on the method, its potential, and shortcomings as a conservation tool[J]. Fish Res, 2018, 197(4): 60-66.
[35] MACHER J N, VIVANCOS A, PIGGOTT J J, et al. Comparison of environmental DNA and bulk-sample metabarcoding using highly degenerate cytochrome c oxidase I primers[J]. Mol Ecol Resour, 2018, 18(6): 1456-1468. doi: 10.1111/1755-0998.12940
[36] GANTNER S, ANDERSSON A F, LAURA A S, et al. Novel primers for 16S rRNA-based archaeal community analyses in environmental samples[J]. J Microbiol Meth, 2011, 84(1): 12-18. doi: 10.1016/j.mimet.2010.10.001
[37] MATHESON H. Review of methods of selective primer-dimer reduction in vitro[J]. Meth Biomol Res, 2009, 31(7): 476-488.
[38] IVANOVA N V, ZEMLAK T S, HANNER R H, et al. Universal primer cocktails for fish DNA barcoding[J]. Mol Ecol Notes, 2007, 7(4): 544-548. doi: 10.1111/j.1471-8286.2007.01748.x
[39] COLLINS R A, BAKKER J, WANGENSTEEN O S, et al. Non-specific amplification compromises environmental DNA metabarcoding with COI[J]. Methods Ecol Evol, 2019, 10(11): 1985-2001. doi: 10.1111/2041-210X.13276
[40] MENNING D, SIMMONS T, TALBOT S. Using redundant primer sets to detect multiple native Alaskan fish species from environmental DNA[J]. Conserv Genet Resour, 2020, 12(1): 109-123. doi: 10.1007/s12686-018-1071-7
[41] JENNINGS W B, RUSCHI P A, FERRARO G, et al. Barcoding the Neotropical freshwater fish fauna using a new pair of universal COI primers with a discussion of primer dimers and M13 primer tails[J]. Genome, 2019, 62(2): 77-83. doi: 10.1139/gen-2018-0145
[42] SULTANA S, ALI M E, HOSSAIN M A M, et al. Universal mini COI barcode for the identification of fish species in processed products[J]. Food Res Int, 2018, 105: 19-28.
[43] YAMAMOTO S, MASUDA R, SATO Y, et al. Environmental DNA metabarcoding reveals local fish communities in a species-rich coastal sea[J]. Sci Rep-UK, 2017, 7(1): 40368. doi: 10.1038/srep40368
[44] BYLEMANS J, GLEESON D M, HARDY C M, et al. Toward an ecoregion scale evaluation of eDNA metabarcoding primers: a case study for the freshwater fish biodiversity of the Murray-Darling Basin (Australia)[J]. Ecol Evol, 2018, 8(17): 8697-8712. doi: 10.1002/ece3.4387
[45] 陈治. 浙江近海鱼类多样性eDNA调查方法的建立与应用 [D]. 青岛: 中国海洋大学, 2019: 149-152. -
期刊类型引用(7)
1. 杨艳，蓝一，刘佳敏，王茜. 渔业生物环境DNA宏条形码数据库研究进展. 湖北农业科学. 2025(01): 174-180 . 
百度学术
2. 周严，童璐，胡文静，李志力，郝雷，刘其根，胡忠军. 淡水鱼类环境DNA宏条形码引物的筛选及其在千岛湖的应用. 湖泊科学. 2024(01): 187-199 . 百度学术
3. 徐颖琪，梁绪虹，陈新军，宋成辉，彭祖焜，王丛丛. 基于COⅠ基因构建西北太平洋常见鱼类DNA条形码参考数据库. 上海海洋大学学报. 2024(04): 823-835 . 百度学术
4. 张浩博，王晓艳，陈治，钟兰萍，高天翔. 基于环境DNA metabarcoding的舟山及其邻近海域鱼类空间分布格局的初步研究. 水产学报. 2024(08): 125-138 . 百度学术
5. 陈治，高天翔. 线粒体12S与COI条形码对海洋鱼类的鉴定差异. 海南热带海洋学院学报. 2023(02): 10-16 . 百度学术
6. 李晨虹，凌岚馨，谭娟，林晓龙，王辉，孙冰皎，李曌. 环境DNA技术在水生生物监测中的挑战、突破和发展前景. 上海海洋大学学报. 2023(03): 564-574 . 百度学术
7. 陈治，蔡杏伟，申志新，张清凤，李芳远，谷圆，李高俊，赵光军，王镇江. 海南岛淡水鱼类eDNA宏条形码COⅠ通用引物的筛选. 渔业科学进展. 2023(06): 40-57 . 百度学术
其他类型引用(1)
-
其他相关附件
-
PDF格式
20210339附录A 点击下载(174KB)
-
计量
- 文章访问数: 1192
- HTML全文浏览量: 321
- PDF下载量: 173
- 被引次数: 8
粤公网安备 44010502001741号
