基于 DNA 的原核生物与微小真核生物分类学：分子革命下的范式重构
李升伟 李昱均 茅 矛
（特趣生物科技公司，email: 1298261062@qq.com）
传统微生物分类学长期依赖形态特征和生理生化特性，这在原核生物和微小真核生物研究中面临巨大挑战。原核生物形态简单且表型可塑性强，微小真核生物则存在大量 "形态趋同" 现象。DNA 测序技术的发展彻底改变了这一局面，通过分子标记和基因组分析，分类学正从经验科学转向可量化的精准学科。本文将系统阐述 DNA 技术在两类生物分类中的应用现状、核心标准与前沿争议。
原核生物分类：从 16S rRNA 到基因组时代的标准演进
原核生物（细菌与古菌）的分子分类始于 20 世纪 70 年代 Woese 对 16S rRNA 基因的开创性研究，该基因因进化速率适中、分布广泛，成为首个通用分子标记。当前国际原核生物系统学委员会（ICSP）制定的分类标准已形成多层级量化体系：物种界定需满足平均核苷酸一致性（ANI）95-96%、数字 DNA-DNA 杂交（dDDH）70%，以及 16S rRNA 基因序列相似度 > 98.65% 的核心阈值。这些指标共同构成了物种边界的分子防线，其中 ANI 能有效反映全基因组水平的整体相似性，弥补了单一基因标记的局限性。
水平基因转移（HGT）构成了原核分类学的独特挑战。细菌可通过转化、转导和接合等机制高频交换遗传物质，导致部分类群的基因树与物种树出现冲突。例如幽门螺杆菌的基因组中约 15% 基因来自水平转移，这使得基于单一标记的分类可能产生误导。现代解决方案包括采用多基因联合分析（通常选取 6-10 个管家基因）和泛基因组分析，通过核心基因聚类排除转移基因干扰，提升分类准确性。
未培养微生物的分类问题催生了命名法规革新。传统《国际原核生物命名法规》（ICNP）要求新物种必须提供可培养的模式菌株并保存在两个国家的菌种保藏中心，这使得宏基因组发现的大量未培养类群无法获得正式命名。2020 年推出的序列命名法规（SeqCode）打破了这一限制，允许以基因组序列作为模式材料，截至 2025 年已有超过 200 个未培养类群通过该体系获得有效命名。这种双轨制命名系统反映了分类学在传统规范与技术创新间的平衡。
微小真核生物分类：多标记体系与系统发育重构
微小真核生物（包括原生生物、微型藻类和真菌等）的分子分类面临更复杂的技术选择。与原核生物的 16S rRNA 单一核心标记不同，真核生物发展出针对不同类群的特异性标记体系。例如硅藻采用 rbcL 基因（核酮糖二磷酸羧化酶大亚基）与 ITS 区域的组合标记，其中 rbcL 基因的 540bp 片段可区分 93% 的形态学物种，结合 ITS 区域后分辨率进一步提升。甲藻偏好使用 cox1 基因，而纤毛虫则常用 18S rRNA 与 COI 基因联合分析。
系统发育框架的重构是分子分类的另一重要成果。传统基于形态的 "原生生物界" 被证明为并系群，现代分子数据支持将真核生物划分为 TSAR、Opisthokonta、Amoebozoa 和 Archaeplastida 等超类群。其中 TSAR 超类群包含了传统的 SAR 类群（Stramenopiles、Alveolata、Rhizaria）和新发现的 Telonemia 类群，占据了真核生物多样性的近半壁江山，其内部关系主要通过基因组水平的系统发育分析得以厘清。
命名法规的滞后性成为真核分类的突出矛盾。与原核生物的 SeqCode 创新不同，2024 年第 12 届国际菌物学大会否决了允许 DNA 序列作为真菌模式材料的提案，坚持传统的实物模式要求。这导致环境中发现的大量真菌 "暗类群" 无法获得正式命名，严重阻碍了多样性研究。对比原核生物的灵活调整，真核生物分类法规面临更大的改革压力，特别是如何平衡形态证据与分子数据的权重。
技术挑战与未来展望
两类生物的分子分类均面临独特技术瓶颈。原核生物中，高频率的水平转移导致某些类群（如变形菌门）的物种边界模糊，需要结合生态学数据辅助界定。微小真核生物则存在基因组数据匮乏问题，多数类群缺乏参考基因组，依赖短片段标记可能低估物种多样性。单细胞基因组测序技术的发展为解决这一问题提供了新思路，通过分离单个细胞并扩增其基因组，可获得未培养真核微生物的完整遗传信息。
多组学整合正在推动分类学向功能导向转变。除传统的 DNA 序列外，转录组、代谢组数据开始用于揭示分类单元间的功能差异。例如通过比较基因组中的代谢通路，可将表型相似的假单胞菌菌株划分为不同的生态种。这种 "基因型 - 表型" 关联分析，使分类学从单纯的亲缘关系描述向生态功能预测拓展。
未来分类学将面临技术标准化与概念革新的双重任务。在技术层面，需要建立跨类群的通用分析流程，解决不同标记间的兼容性问题；在概念层面，则需重新审视 "物种" 定义在微生物领域的适用性。随着人工智能技术的引入，基于深度学习的分类模型可能实现全基因组水平的自动物种界定，但其结果仍需与生物学意义相结合。分子革命不仅改变了微生物分类的方法，更在重塑我们对生物多样性本质的理解。