微生物比较基因组分析（Comparative Genomics），简单来说就是，把多个微生物菌株的基因组放在一起比较，找出它们“共同拥有的东西”和“各自不同的东西”，进一步解释菌株之间的亲缘关系、遗传差异、表型差异以及进化过程。它是微生物基因组研究中非常核心的一类分析。

一、从 1 株菌说起

假设最初只有 1 株菌，测序后发现它拥有 5000 个基因，这时很容易认为“这个物种大概就是 5000 个基因”。但再测第 2 株，发现它有 5100 个基因，其中 100 个是第 1 株没有的——物种层面的基因总数立刻变成了 5100。继续加入第 3 株、第 4 株、第 10 株，可能还会不断发现新基因。

这就引出一个核心概念——泛基因组规模：随着纳入的菌株数量增加，整个物种累计发现的非冗余基因数量如何变化。

二、什么是“新基因”？

这里要特别说明，“新基因”并不是说它刚刚在自然界里产生，而是指：在已分析的菌株集合中此前没有观察到、由新加入的菌株带来的基因。菌株 1 发现 5000 个，加入菌株 2 新增 100 个，泛基因组变成 5100；加入菌株 3 新增 50 个，变成 5150；加入菌株 4 再增 10 个，变成 5160。

可以看到，菌株越多泛基因组越大，但每株带来的新基因数量可能逐渐减少。把这层变化画出来，就是我们常说的泛基因组曲线。

三、泛基因组曲线在看什么

分析中常会看到两条趋势。一条是泛基因组曲线，问的是随菌株数量增加、累计发现的基因总数怎么变；另一条是新基因曲线，问的是每加入一株菌还能发现多少新基因。通常累计基因数不断增加，而每株带来的新基因数逐渐减少。问题就在于——最终会不会趋于稳定。这正是开放型与闭合型泛基因组的由来。

四、开放型泛基因组

如果菌株不断增加，却仍能持续发现新基因，这种泛基因组就叫开放型（Open Pan-genome）。它说明目前研究的菌株还没完全覆盖这个物种的基因多样性，继续加样仍可能发现新基因，这类物种往往基因多样性比较丰富。

五、闭合型泛基因组

与开放型相对的是闭合型（Closed Pan-genome）：当菌株数量增加到一定程度后，新菌株带来的新基因越来越少，泛基因组规模逐渐趋于稳定。比如 10 株时 5000 个基因，20 株 5100，30 株 5140，50 株 5160，到 100 株也只有 5165。前面新基因多，后面几乎不再增加，说明当前采集的菌株已经覆盖了这个物种相当大一部分基因多样性。

六、开放型与闭合型怎么区分

两者差异可以概括为一张表：

要注意，开放型和闭合型不是简单的“好”与“坏”，它们反映的是这个物种基因组多样性的真实特征。

七、为什么有些微生物特别“开放”？

这是一个很有意思的科研问题。如果一个物种长期生活在不同环境、接触不同的生态条件，不同菌株就面临不同的选择压力：有的适应特定环境，有的适应特定宿主，有的获得特殊代谢能力，有的拿到耐药相关遗传信息，有的发生水平基因转移。这些过程都会让不同菌株拥有不同的基因组合，物种内部的基因资源自然就丰富了。

八、菌株越多越好吗？

有人会想：既然菌株越多越容易发现新基因，那就尽可能多测。但不能这么简单理解，真正重要的不是数量，而是代表性。如果 100 株菌全部来自同一个环境、同一个地区、同一个宿主、同一个流行克隆，即便数量很多，也未必代表整个物种的遗传多样性；反过来，如果样本覆盖了不同地区、环境、宿主、时间、表型和遗传背景，即使数量有限，也可能覆盖更多基因多样性。所以，样本数量和样本代表性同样重要。

九、用曲线判断“菌株够不够”

这是泛基因组分析非常实用的一点。假设手里有 30 株菌、不确定够不够，可以观察泛基因组随菌株数量增加的变化：如果新基因数量仍然很高，说明继续加样还有较大发现空间；如果新基因已经很少、规模逐渐稳定，说明现有样本可能已覆盖相当一部分多样性。所以泛基因组曲线不只是一张结果图，还能帮你回答“现在采的菌株够不够”“继续加样还有没有价值”。

十、开放型 ≠ 基因无限增加

这一点写文章时尤其要强调。开放型泛基因组只表示在当前研究范围内、增加菌株仍能持续观察到新基因，并不意味着这个物种能无限产生新基因。实际结果还受菌株数量、来源、遗传多样性、基因组质量、基因预测质量、同源聚类方法以及软件和参数等多种因素影响。所以看到一张“开放型”曲线，真正该问的是它为什么呈现这种趋势，而不是简单贴个标签。

十一、新基因是终点，更是起点

如果新基因越来越多，下一步自然要追问：这些新基因是什么（功能注释）、出现在哪些菌株中（存在/缺失分析）、为什么这些菌株拥有它们（HGT、基因获得/丢失），以及它们是否与环境适应、耐药、毒力或表型相关（耐药比较、毒力分析、GWAS/关联分析）。“新基因”不是泛基因组分析的终点，而往往是下一步科研问题的起点。

泛基因组最有意思的地方之一，就是你以为已经把某个物种研究清楚了，结果菌株一增加，又冒出一批新基因。从 1 株到 10 株再到 100 株，我们看到的不是简单地“多了 100 份基因组”，而是逐渐接近这个物种真正拥有的基因资源。开放型与闭合型泛基因组，帮助我们理解这个“基因库”到底有多大、还需要多少菌株才能看全。

唯那生物｜专注于微生物个性化研究

后续将持续分享微生物泛基因组、比较基因组、系统发育、GWAS、耐药与毒力、HGT 等方向的分析思路、软件方法与科研案例，帮助科研人员从已有数据中进一步挖掘可以回答的科学问题。

支持单位：