可以合并，但不能把公共数据库菌株简单地加进来，就开始做GWAS。对于细菌耐药研究，真正需要先判断的是：公共数据与自测数据的物种、测序质量、耐药表型定义和元数据是否可比；若不可比，增加的样本量可能带来更多偏倚，而不是更高的统计效能。

更实用的思路是把公共菌株视为两类资源：一类可作为主GWAS队列的一部分，前提是能够获得并统一高质量的表型数据；另一类则更适合用于系统发育背景、候选信号复现或外部验证，而不应强行并入表型关联模型。

一

为什么研究者会想合并公共菌株和自测菌株

自测菌株往往具有表型记录完整、来源清楚和实验条件一致的优势，但样本量可能有限，耐药表型也可能集中于某一个克隆。公共数据库能够补充更多谱系、地区、年份和遗传多样性，有机会提高低频变异的检出能力，并帮助判断候选信号是否只存在于本地菌株。

但公共数据也常伴随缺失或不一致的元数据：有些只有基因组，没有原始药敏数据；有些只给出耐药/敏感标签，却没有检测方法、断点或检测日期；有些菌株名称、物种鉴定和测序质量也需要重新核查。因此，GWAS中最难合并的通常不是FASTQ或组装文件，而是表型定义。

二

一篇文献案例——如何把两类菌株合并开展GWAS

Zhang等在2023年发表的研究，为这一问题提供了一个清晰案例。研究团队共纳入518株创伤弧菌：其中325株为本研究新测序菌株，193株来自NCBI公共数据库。作者在统一的变异检测、泛基因组构建和系统发育框架下，将菌株来源划分为“临床来源”与“环境来源”，并以这一来源类别作为表型开展GWAS。

需要特别说明的是，这篇文章的GWAS表型是“菌株来源”，它的价值在于展示了公共与新测序菌株可以在统一分析流程中合并，并明确使用群体结构校正来降低假阳性。若将这一设计迁移到其他表型GWAS，如耐药GWAS，药敏表型的标准化要求会更高：不能只因为两批数据都写着“耐药”就将它们合在一起。

三

对耐药GWAS来说 什么情况下可以合并

一个简单判断原则是：如果无法向审稿人清楚说明“每一株的耐药标签是如何得到的，并且各批数据为何可比较”，就不应将它们作为同一GWAS的主表型队列。

四

合并前最容易被忽略的5个问题

· 药敏标准是否一致。CLSI与EUCAST的断点、不同年份的标准版本，以及不同检测方法都可能改变同一MIC对应的分类。

· 公共菌株的表型是否是实测值。数据库中的预测耐药、基因注释结果和实际AST/MIC不能互相替代。

· 数据来源是否与表型高度绑定。例如，自测菌株全为耐药、公共菌株全为敏感时，任何“显著信号”都可能只是研究批次差异。

· 能否对全部样本重跑同一流程。建议从reads或统一质量标准的组装开始，统一物种确认、污染筛查、组装/比对、变异与k-mer构建。

· 合并后是否仍有足够的有效比较。总样本量增加，并不等于每个谱系中都有耐药和敏感菌株可供比较；单一克隆内的极端不平衡仍会限制解释。

五

一条更稳妥的项目路线

六

当公共表型不够可靠时 应该怎么用公共菌株

公共菌株并非只能“要么全部合并、要么完全不用”。当耐药表型无法标准化时，仍可将其用于扩展系统发育背景、识别自测菌株所处谱系、检查候选基因或k-mer在更大种群中的分布、追踪质粒和移动遗传元件，以及作为独立的基因型验证资源。这样既能利用公共数据的规模与多样性，也不会将不可靠的表型信息带入主关联模型。

七

结论

公共数据库菌株与自测菌株可以合并开展细菌GWAS，但前提不是基因组来自同一物种，而是研究问题和表型证据可以在同一规则下解释。对于耐药研究，建议优先保证药敏/MIC的可追溯性和一致性，再追求样本量；对无法统一表型的公共菌株，则将其定位为谱系背景或外部验证资源。

这样做的目标不是得到一张样本量更大的曼哈顿图，而是获得一组在不同数据来源、不同谱系和独立队列中仍然站得住的候选耐药机制。

如果下一步不知道怎么做

围绕耐药GWAS的实际项目，唯那生物可以协助完成自测与公共数据的可合并性评估、菌株与表型质控、统一基因组分析、群体结构校正、GWAS及候选位点和移动遗传元件的后续解析，帮助将“现有数据能否合并”转化为可执行的研究方案。

参考文献

[1] Zhang J X, Yuan Y, Hu Q H, et al. Identification of potential pathogenic targets and survival strategies of Vibrio vulnificus through population genomics. Frontiers in Cellular and Infection Microbiology. 2023;13:1254379. doi:10.3389/fcimb.2023.1254379.

[2] Lees J A, Galardini M, Bentley S D, Weiser J N, Corander J. pyseer: a comprehensive tool for microbial pangenome-wide association studies. Bioinformatics. 2018;34(24):4310–4312. doi:10.1093/bioinformatics/bty539.

[3] Alhassan M Y. Genomic determinants of antimicrobial resistance in surveillance systems: from detection to decision-relevant interpretation for clinical and public health action. Discover Applied Sciences. 2026;8:687. doi:10.1007/s42452-026-08753-4.

支持单位：