4.3 基因组种标准：ANI 与 dDDH

4.3 基因组种标准：ANI 与 dDDH

本节摘要：基因组时代的定种标准是两个可计算的数字：平均核苷酸一致性（ANI）与数字 DNA-DNA 杂交值（dDDH）。前者把两个基因组共有的同源片段逐一比对取平均，后者用比对相似度回算传统杂交值。本节讲清两个指标的算法思想、阈值来历与判读纪律，并用一桩"16S 定不了、ANI 一下定"的案例收尾。

本节在知识地图上接住 4.2 留下的接力棒：16S 分不开的近缘种，全基因组一比就现形。位置上它也是 1.3 节"基因组种"概念的机器化——那句"阈值是约定不是定律"，这里给出约定的来历。

从水浴杂交到数字比对

理解 ANI 之前要先知道它替代了什么。二十世纪后期的基因组种标准是 DNA-DNA 杂交（DDH）：把两株菌的 DNA 分别打断、变性、复性，测杂交双链的形成率与热稳定性——杂交率越高、解链温度越高，两基因组越相似。这条物理化学路线硬撑了三十年，痛点一堆：需要培养大量细胞、实验室之间结果难复现、无法利用公开序列数据。

测序普及后，研究者把杂交逻辑搬到计算机里：比对两个基因组，算出数字化的杂交当量——这就是 dDDH。随后又出现更直观的 ANI：找出两基因组间所有同源片段，逐段算核苷酸一致率，取平均值。

两个指标的算法思想

**ANI（平均核苷酸一致性）**的通俗版本：把两个基因组的序列互为题库互相检索，只保留足够长、足够相似的同源片段（典型门槛：片段约 3000 碱基、一致率不低于七成），对入选片段的碱基一致率求平均。两个输出数字都要看：平均值（相似程度）与比对覆盖率（同源范围）。只报平均值不报覆盖率是常见错误——覆盖率过低说明两基因组共享内容太少，平均值再高也说明不了"同种"。

**dDDH（数字 DNA-DNA 杂交值）**用经验公式把比对相似度换算成"等效于传统杂交值"的分数，为的是与几十年的 DDH 文献口径衔接：传统金标准线 70% 杂交值（对应约 99% 保真判定）平移过来，即 dDDH 70% 为种界推荐线。

三个阈值的关系是漏斗：16S 初筛，ANI 常规定种，dDDH 边缘复核。层层递进的每一步都在缩小"不确定地带"。

图 1 ANI 阈值与不确定地带

案例复盘：一株"16S 拒绝表态"的菌株

背景：3.4 案例外的另一株环境分离株 S-2417，16S 比对最优与次优命中只差 0.3 个百分点（4.2 的判读记录），表型试验条给出混合画像——按多相流程卡在种级定名。

操作：对 S-2417 与两个候选种的模式菌株分别做全基因组测序（覆盖深度不低于五十倍，组装后查污染与完整性），随后两两计算 ANI 与 dDDH。

结果：与候选甲模式菌株 ANI 98.9%、覆盖率 81%、dDDH 78%；与候选乙 ANI 94.1%、覆盖率 74%、dDDH 52%。数字清晰指向候选甲：两对比较里，甲组的两项指标都双双越过种界线，乙组双双未达。

解读：注意覆盖率这一行的分量——与乙的覆盖率只有 74%，意味着两基因组约四分之一内容不同源，即使平均值再高也不能下"同种"结论；幸而其均值本身就低，结论无歧义。真正需要警惕的是另一种情形：均值 96.5% 而覆盖率只有 70% 上下，此时高均值只属于共享的那一小部分，结论必须悬置。双数字判读的价值正在于此。

变式：若两对指标的结论互相矛盾（一对说同种、另一对说不同种），按多相纪律处理：检查组装质量与污染，复算；仍矛盾则如实报告并保留"待定种"身份，同时补全表型证据供后续研究裁决。

动手判读：一张双数字结果表

案例之外，给一张可以自己练的结果表。三个待测株与参考种甲模式菌株的比较数据摆在这里，判读三遍再往下看答案。

ANI 判读练习（参考：种甲模式菌株）
待测株  ANI 均值   覆盖率   dDDH    初步判读
A-01    97.2%     88%     74%     ______
A-02    96.4%     91%     68%     ______
A-03    95.1%     62%     55%     ______
​

参考判读：A-01 双数字过线，倾向同种，可直接归档；A-02 均值在不确定带内、dDDH 低于 70%，两证据分歧，按纪律补证据——建树看拓扑、加测看家基因，仍悬则报告"疑似同种，待定"；A-03 是本节最想让你识别的陷阱——均值 95.1% 看似贴线，覆盖率仅 62%，意味着近四成基因组互不同源，高均值只属于共享的少数区域，结论应为"明显非同种"，且这株可能压根是远缘 contamination 或新谱系，值得单独追查。

进阶加练一题：若新增待测株 A-04，ANI 98.3%、覆盖率 83%、dDDH 81%，但已知参考种甲有两个亚群（模式株所在的亚群甲一与 ANI 相互约 96.5% 的亚群甲二），你的判断应当再加一层——A-03 式的"对种甲整体"判断之外，还要分别对两个亚群算值：若 A-04 与甲一 98.3% 而与甲二只有 96.1%，结论是"甲一成员"；若两边都 98% 上下，则种甲内部的亚群结构本身值得重新审视。亚群结构使双数字判读从"两两比对"升级为"网络比对"——这正是当代基因组种研究把边界越画越细的引擎。

做完练习你会发现判读的动作结构：先看覆盖率定"可比性"，再看均值定"方向"，分歧时按证据升级路径走。三步的顺序不能乱——拿均值裸判的人，就是 A-03 陷阱的收货人。

还有半句给动手族的提示：ANI 的计算不需要超算，一台普通工作站跑现成工具几分钟到几十分钟就能出结果，真正的门槛不在算力而在判断——用什么组装结果喂进去、覆盖率阈值取多少、结果怎么写进报告，这些环节每一步都嵌着本节的纪律。工具会把计算变便宜，但不会把判断变多余；这句话是本章对所有"自动化"许诺的总回答。

本节要点回顾

与 5.1 的接口：为什么连续谱是演化学的必然

本节的"不确定带"在第 5 章会拿到根源解释，这里先把接口搭好。

基因组差异是连续谱，因为生成差异的机制是连续运行的：突变每代都在发生，重组时不时地稀释差异，水平基因转移干脆成段成段地搬运内容。三套机制没有一道在"种界线"处停下——线是人类画的，机制不知道它的存在。所以边界菌株年年有，不确定带永远存在，这不是技术缺陷，是研究对象的本性。

由此还能推出一个实用预言：快速辐射的类群（病原菌新分支、高转移环境如口腔菌群），不确定带会比慢节奏类群宽得多。实际工作里遇到"这个属怎么这么多骑墙株"，先别怀疑自己的算法——先看看这个属的演化节奏。带着这个预期去读 5.1 的种内多样性，你会发现 ANI 数轴上的灰色地带，就是演化机制亲手画出来的。

本节要点回顾

• ANI 的算法思想：全基因组互检索同源片段、逐段算一致率取平均，平均值与覆盖率双数字判读；
• dDDH 的存在理由是把历史 DDH 文献口径接续下来，种界推荐线 70%；
• 三个阈值构成漏斗：16S 初筛、ANI 定种、dDDH 复核边缘案例；
• 不确定带是演化学事实：基因组差异是连续谱，任何约定线都会切到边界菌株；
• 矛盾结果的处理纪律与多相分类一脉相承：查污染、复算、如实报告、悬置定名。