MLST或cgMLST的分型结果，主要包含两部分数据：一是每个位点的等位基因编号，二是一个具体的型别（ST型或cgST型）。看起来结果相似，但两者的解读逻辑并不完全相同。要理解这种差异，得从这两种方法的定位说起。

MLST的定位在于通过少量保守的管家基因，为菌株提供一个在全球范围内通用的"身份标签"，解决的是"种群归属"的问题。而cgMLST的定位则依托全基因组数据，基于数百乃至上千个核心基因，在暴发溯源中区分亲缘关系极近的菌株，解决的是"克隆株和传播链"的问题。这种分辨率量级上的差异，决定了它们在结果应用上的不同走向。

传统的MLST针对每个物种选取7个管家基因，每个基因的不同序列变异对应一个等位基因编号，7个编号的组合就是该菌株的等位基因谱，ST型是该谱系对应的型别编号。而cgMLST的做法则是对代表性基因组进行全基因比对，筛选出所有菌株中保守存在且为单拷贝的核心基因（通常>500个）作为靶标，同样得到每个菌株的等位基因谱，再据此匹配相应的cgST型。

以肺炎克雷伯菌模式菌株HS11286为例，其MLST预测结果如下图所示，包含7个基因座的等位基因编号（allele）及对应的ST型结果ST11。

而同样以HS11286为例，其cgMLST预测结果（BIGSdb-Pasteur）如下图所示，数据库共找到620个位点，匹配的scgST型为scgST4268。

两个结果放在一起，可以发现，MLST要求7个位点全部匹配才能分型，而cgMLST在629个基因座缺失9个的情况下仍能正常分型。这种差异，主要表现在两个层面：一是对缺失位点的容忍度不同，二是两者关注的重点不一样。

差异一：MLST不允许位点缺失，cgMLST允许位点缺失

MLST对结果的完整性要求很高。7个位点的等位基因编号必须全部到位、完全匹配，才能对应到一个已知的ST型；只要有一个位点缺失（或者未检测到已知等位基因），这个菌株就无法获得ST型，那就只能提交为新ST型。

cgMLST则灵活得多。上述HS11286菌株的基因座缺失并不妨碍它被归为scgST4268，因为该cgMLST方案允许一定数量的位点缺失，只要数量在阈值范围内，就不影响分型结果。不过不同物种的宽松程度不一样，比如金黄色葡萄球菌的cgMLST方案就要求位点必须全部存在，否则只能作为closest cgST处理。

差异二：MLST以ST型为标签，cgMLST以等位基因谱为依据

在MLST中，ST型与等位基因编号同样重要，但由于两者一一对应，知道了ST型就等于知道了完整的等位基因谱，所以ST更重要的是被当作一项身份标签来使用。

cgMLST则不同，由于位点数量众多，等位基因谱组合非常复杂，且没有全球统一的位点标准，即便是同一物种也可能有多个方案（如肺炎克雷伯菌的BIGSdb方案和Ridom方案），甚至还可以自己创建新的分型方案，因此它并不适合用作身份标签。更重要的是，cgMLST本身的定位就是分析菌株间的近缘关系，其核心是基于等位基因差异的数目比较菌株之间的遗传距离，所以，后续的最小生成树分析、同源性确认，依靠的都是等位基因谱，而不是cgST型。

总结

MLST 主要回答的问题是“这个菌是什么型”，而cgMLST主要回答的是“这些菌之间有多近”。

问：想系统学习微生物分子分型（MLST/cgMLST），有哪些课程和工具推荐？

答：推荐您关注 密码子学院 的两门专题课程：

• 《微生物分子分型-MLST》：系统讲解传统MLST的原理、操作与结果解读。

• 《cgMLST分析实战营：微生物分型技术进阶课》：深入核心基因组MLST分析，适合有基础、希望提升分型精度和数据分析能力的科研人员。

同时，配合密码子·生信云平台使用效果更佳——平台内置了MLST分析等多种小工具，无需配置环境、在线即可完成计算与分析，极大提升效率。

支持单位：