过去几十年来，测序方法的快速发展加速了微生物群和微生物组研究的潜在范围和深度，该领域最近的发展标志着从纯粹的分类研究扩展到对群落功能的深入调查。近日，来自瑞典的科研团队在《Environmental Microbiome》发表综述文章，对新兴的微生物群落分析工具进行了全面综述，并重点回顾了生态系统特定数据库（ES-DB）的发展。
揭示微生物群落多样性和功能的Meta‑omics工具
为了研究微生物群落生态学，使用的方法可以是基于DNA的方法来研究分类多样性（宏条形码metabarcoding）和基因多样性（宏基因组 metagenomics），或者基于RNA的方法来研究活性微生物群落中的基因表达（宏转录组 metatranscriptomics），或者基于蛋白质和代谢物的方法来研究各种分子的产生和分泌（宏蛋白组metaproteomics和代谢组 metabolomics）。
常用的微生物数据库
大型分类库中的数据积累为研究微生物群落的组成和组装提供了新的可能性，上述表格归纳总结了一些常用的专门研究特定数据类型和目标分类群的数据库。
生态系统特定数据库
相比上述提及的数据库，针对生态系统的数据库将方法和分析适应所研究的生态系统的独特特征，是更好理解微生物群落动态的一个新兴工具。
已发布的生态系统特定数据库（部分）
ES-DB的一个固有优势是提高了围绕同一生态系统的研究的互联性，且ES-DBs在其特定生物群的背景下建立标准。以地球微生物组项目联盟（EMP）为例，EMP收集并分析了来自97项微生物组研究的数据。在EMP联盟内，各个研究能够在遵守一套核心标准的情况下，根据其独特的研究环境进行收集和分析。因此，它代表了如何将标准化和定制化交织在一起的一个例子。
ES-DB的设计似乎很好地解决了与大型微生物群落数据集相关的一些当代挑战：样本方法的标准化、处理和分析、数据再现性，以及来自同一生态系统独立研究的Meta‑omics技术的集成。本质上，ES-DB的目标是确保将人为偏差（采样策略、分析流程）保持在最低水平，以便（i）在同一生态系统的独立研究中更好地研究时间和空间变异性，（ii）专门从事不同Meta‑omics分析策略的独立研究组都能够为公共知识库做出贡献。
随着ES-DB的出现，一些“实用数据库”被提出，它们围绕功能分析、生态系统服务和/或Meta‑omics数据组成进行定位。
首发公号国家基因库大数据平台
参考文献
Lobanov, V., Gobet, A. & Joyce, A. Ecosystem-specific microbiota and microbiome databases in the era of big data. Environmental Microbiome 17, 37 (2022). https://doi.org/10.1186/s40793-022-00433-1
图片均来源于参考文献，如有侵权请联系删除。
