植物DNA條形碼管理系統(tǒng)客戶端

植物DNA條形碼管理系統(tǒng)客戶端是一個針對植物的遺傳基因DNA條形碼進行綜合管理的輔助工具，該工具可對項目信息、樣本信息、序列信息、測試圖譜、處理文件、圖片信息等以FTP的形式進行數(shù)據(jù)提交和文件上傳，方便后臺管理系統(tǒng)的管理。 植物DNA條形碼研究是近10年來進展最迅速的學(xué)科之一, 其通用序列的篩選一直是該領(lǐng)域研究的熱點問題。

DNA條形碼

DNA條形碼（DNA barcode）是指生物體內(nèi)能夠代表該物種的、標準的、有足夠變異的、易擴增且相對較短的DNA片段。DNA條形碼已經(jīng)成為生態(tài)學(xué)研究的重要工具，不僅用于物種鑒定，同時也幫助生物學(xué)家進一步了解生態(tài)系統(tǒng)內(nèi)發(fā)生的相互作用。在發(fā)現(xiàn)一種未知物種或者物種的一部分時，研究人員便描繪其組織的DNA條形碼，而后與國際數(shù)據(jù)庫內(nèi)的其他條形碼進行比對。如果與其中一個相匹配，研究人員便可確認這種物種的身份。 DNA條形碼技術(shù)是利用生物體DNA中一段保守片段對物種進行快速準確鑒定的新興技術(shù)。

相關(guān)說明

1 植物DNA條形碼

植物DNA條形碼研究稍滯后于動物學(xué)相關(guān)的工作。編碼細胞色素C氧化酶I的線粒體基因COI(或cox1)被選作動物DNA條形碼, 在一些昆蟲、魚類和鳥類的研究中取得了較好結(jié)果(Hebert et al., 2004; Smith et al., 2005; Hajibabaei et al., 2006; Yoo et al., 2006)。而對于陸地植物, 由于線粒體基因的進化速率相對較慢, COI并不適合。因此, 從葉綠體基因組和核基因組中尋找通用性高、序列質(zhì)量好、物種分辨率高的DNA條形碼候選片段是問題的關(guān)鍵。2009年, 國際生命條形碼聯(lián)盟植物工作組(Consortium for the Barcode of Life, Plant Working Group, 2009)根據(jù)已往研究和該研究組數(shù)據(jù)的分析結(jié)果, 建議將rbcL + matK組合作為陸地植物的核心DNA條形碼, 用于構(gòu)建植物物種鑒定的統(tǒng)一框圖。在第三屆國際生命條形碼大會上, ITS和trnH-psbA被作為植物的輔助條形碼(Hollingsworthet al., 2011)。2011年, 中國植物條形碼研究團隊建議將ITS(或ITS2)作為種子植物的核心條形碼之一(Liet al., 2011)。

植物核心條形碼的確定, 實現(xiàn)了植物標本鑒定過程的自動化和標準化, 突破了對經(jīng)驗的過度依賴, 并可在較短時間內(nèi)建立易于利用的應(yīng)用系統(tǒng)。因此, 植物DNA條形碼技術(shù)作為傳統(tǒng)分類的有效補充, 在生物多樣性研究領(lǐng)域顯示出強大的生命力。利用DNA條形碼可以解決缺乏有效形態(tài)學(xué)證據(jù)的已知或未知物種的鑒定, 有助于新種或者隱存種的發(fā)現(xiàn)。例如, Pei等(2011)以及裴男才(2012)從葉片或樹皮中提取DNA, 對熱帶雨林或亞熱帶常綠闊葉林中一些林冠層物種快速鑒定到科、屬甚至種。Liu等(2011)對歐亞分布的紅豆杉屬(Taxus)植物的DNA條形碼研究中, 發(fā)現(xiàn)4個物種(類群)可能是新種或隱存種, 并得到了居群遺傳學(xué)(Liu et al., 2013)和形態(tài)學(xué)(Mö lleret al., 2013)證據(jù)的支持。

DNA條形碼在群落生態(tài)學(xué)研究中作為一種快速識別物種的方法, 還可以用于群落系統(tǒng)發(fā)育關(guān)系的構(gòu)建, 成為生物多樣性或者物種豐富度快速評估的新工具。例如, Kress等(2009)在對巴拿馬Barro Colorado Island (BCI)樣地的群落系統(tǒng)發(fā)育結(jié)構(gòu)的研究中, 利用rbcL +matK + trnH-psbA片段組合, 使物種鑒定的準確率提高至98%。

生物多樣性的形成和維持機制已有較多假說, 但仍然沒有形成廣為接受的理論。DNA條形碼在群落物種間網(wǎng)絡(luò)(尤其是植食網(wǎng)絡(luò)和傳粉網(wǎng)絡(luò))關(guān)系等的研究中, 得到了較為成功的應(yīng)用。例如借助DNA條形碼技術(shù)分析動物消化道中食物殘渣, 鑒定其取食的植物, 進而研究野生動物的取食習(xí)性(Passmoreet al., 2006; Huleret al., 2007; Bourlatet al., 2008)。Garcí a-Robledo等(2013)在構(gòu)建美國中部熱帶雨林中植物與昆蟲之間的網(wǎng)絡(luò)關(guān)系時, 證實DNA條形碼是一種行之有效的辦法。Ramí rez等(2011)通過DNA條形碼探討特化的蘭花類群與其傳粉昆蟲之間的拓撲網(wǎng)狀結(jié)構(gòu), 以及它們的分化時間和多樣化式樣, 表明蘭花的多樣化與傳粉昆蟲的分化相一致, 同時與新熱帶森林中化學(xué)環(huán)境的變化密切相關(guān)。此外, Roy和Lawson(2012)借助DNA條形碼, 研究了寄主與寄生網(wǎng)絡(luò)的關(guān)系。可見, DNA條形碼為生物多樣性的形成和維持機制的研究開辟了新的途徑。

隨著第二代測序技術(shù)的出現(xiàn), 開發(fā)出通過高通量技術(shù)獲得多物種(樣品)的DNA條形碼序列的方法, 即DNA metabarcoding技術(shù)(Pompanonet al., 2011; Riazet al., 2011)。該方法結(jié)合生物信息學(xué)手段, 可以獲取復(fù)雜混合樣品甚至是大尺度范圍樣品的DNA條形碼序列, 自動識別多個物種, 具有快速、可重復(fù)、高效及綜合性的特點, 可以對當前生物多樣性和古生物多樣性進行評估。Yoccoz等(2012)從環(huán)境土壤提取了混合DNA, 獲得其中葉綠體trnL(UAA)內(nèi)含子P6環(huán)序列, 利用metabarcoding技術(shù)進行物種鑒定, 結(jié)果能夠較好地反映地上植物的分布。Hiiesalu等(2012)利用metabarcoding技術(shù)不僅分析了地上植物物種的分布及豐度, 還發(fā)現(xiàn)對地下土壤的取樣可以獲得傳統(tǒng)分析中容易忽視的信息, 如物種共存分布等, 能更全面地反映植被生態(tài)及其影響因素。借助于metabarcoding技術(shù)也可以更好地重現(xiàn)古植物多樣性。例如Murray等(2012)分析了植食性動物的糞堆遺存, 發(fā)現(xiàn)了之前沒有報道的動植物物種。此外, 利用metabarcoding技術(shù)對凍土DNA樣品進行分析, DNA鑒定結(jié)果可以與花粉鑒定和大化石鑒定結(jié)果相互印證, 已成為傳統(tǒng)古植物學(xué)研究的輔助手段(Jø rgensen et al., 2012)。

2 植物DNA條形碼參考數(shù)據(jù)庫

為了實現(xiàn)對物種的快速鑒定, 構(gòu)建了DNA條形碼參考數(shù)據(jù)庫(Reference Library), 包括實物庫(植物標本庫、植物分子材料庫和植物總DNA庫)、植物DNA條形碼數(shù)據(jù)庫、物種信息庫和計算分析共享系統(tǒng)(曾春霞等, 2012)。這些數(shù)據(jù)庫需要統(tǒng)一規(guī)范化的工作流程, 才能夠在數(shù)據(jù)展示系統(tǒng)(應(yīng)用平臺)中, 實現(xiàn)對物種的簡單快捷的鑒定并獲取相關(guān)信息。生命條形碼聯(lián)盟(CBOL)建立了生命條形碼數(shù)據(jù)庫系統(tǒng)BOLD, 是專門收集和分析DNA條形碼數(shù)據(jù)的平臺。與目前常用的核苷酸數(shù)據(jù)庫(例如GenBank、EMBL和DDBJ)不同, BOLD數(shù)據(jù)庫除了要求提交DNA條形碼序列外, 還要求使用者提交以下信息: 物種名稱、標本圖片、憑證標本信息(目錄號和館藏號)、采集號(采集人、采集日期和GPS定位地點)、標本鑒定人、用于PCR擴增的引物、測序原始峰圖。這樣, 研究人員在對核苷酸序列進行比對的同時, 還能夠結(jié)合其他信息, 完成對物種的鑒定。據(jù)BOLD數(shù)據(jù)庫最新統(tǒng)計, 約21萬個物種已經(jīng)完成DNA條形碼信息的描繪, 同時具DNA條形碼序列信息的標本也有290萬份(http://www.barcodinglife.com/index.php/TaxBrowser_Home)。該數(shù)據(jù)庫以魚類、鳥類和昆蟲類為主, 而真菌和植物DNA條形碼信息相對較少。

由于植物物種中存在廣泛的多倍化、雜交或基因漸滲等事件, 同時近緣(姐妹)或者近期分化類群普遍存在, 這就給植物DNA條形碼參考數(shù)據(jù)庫的構(gòu)建提出了更高的要求。為了能夠?qū)崿F(xiàn)種級水平的快速鑒定, 如何統(tǒng)一物種界定標準和居群取樣標準等是當務(wù)之急(陳之端和李德銖, 2013)。然而要構(gòu)建一個全面的、準確的植物DNA條形碼參考數(shù)據(jù)庫, 需要保證數(shù)據(jù)庫中的DNA序列均來自經(jīng)分類學(xué)家可靠鑒定的標本、這些憑證標本具有詳盡的注釋和可靠的保藏、DNA序列正確, 以保證分子鑒定的可靠性。可見, 植物DNA條形碼標準數(shù)據(jù)庫的構(gòu)建將是長期而艱巨的任務(wù)。

近年來, 中國科學(xué)院昆明植物研究所聯(lián)合國內(nèi)相關(guān)科研院校開展了中國重要植物類群的采集、DNA條形碼的測定與分析等工作, 在此基礎(chǔ)上, 進一步融入現(xiàn)代植物學(xué)、新一代測序技術(shù)、地理信息數(shù)據(jù)和計算機信息技術(shù)等新元素, 提出了新一代植物志(iFlora)的研究計劃(李德銖等, 2012)。iFlora不但包含傳統(tǒng)植物志的檢索表、物種描述等信息, 還包括物種詳細分布信息、圖片或圖像、DNA條形碼數(shù)據(jù)庫和系統(tǒng)發(fā)育等信息, 同時建立了高效的電子化比對和搜索工具。通過系列關(guān)鍵技術(shù)的集成和研發(fā), iFlora將構(gòu)建一個便捷、準確識別植物和掌握相關(guān)數(shù)字化信息的智能植物志(或智能裝備)(王紅等, 2013)。目前, iFlora研究計劃已經(jīng)積累了中國維管束植物約230科1, 665屬6, 800種約67, 000條DNA條形碼序列, 同時構(gòu)建的植物DNA條形碼參考數(shù)據(jù)庫已初具雛形。

3 植物DNA條形碼數(shù)據(jù)共享平臺構(gòu)建

隨著數(shù)據(jù)的爆炸性增長, 人們正進入一個“ 大數(shù)據(jù)” 的時代。大數(shù)據(jù)可概括為4V特征, 即數(shù)據(jù)量大(volume)、類型繁多(variety)、價值密度低(value)和速度快時效高(velocity)。在這樣的背景下, 如何管理和使用好海量的信息, 是一個值得探討的問題。

現(xiàn)今關(guān)于植物DNA條形碼數(shù)據(jù)不再是單一的、一個維度上的數(shù)據(jù), 而是豐富的、多維度的數(shù)據(jù)。 構(gòu)建中國植物DNA條形碼數(shù)據(jù)共享平臺, 需要充分考慮到大數(shù)據(jù)的特征, 整合和管理好海量的數(shù)據(jù)資源, 并思考如何使用植物學(xué)大數(shù)據(jù)。以往的DNA條形碼數(shù)據(jù)共享平臺多是通過序列比對算法(如BLAST)來鑒定物種, 可當大數(shù)據(jù)的概念引入之后, 通過加入GPS信息與以往的標本分布進行比對作為佐證, 以及植物圖片識別作為輔助手段, 物種將得到更準確的鑒定。這種使用多維度的植物學(xué)數(shù)據(jù)“ 交叉復(fù)現(xiàn)” 準確鑒定物種, 將使得植物學(xué)信息“ 全息可見” 。下面就中國植物DNA條形碼數(shù)據(jù)共享平臺的構(gòu)建提出一些思考。

3.1 植物DNA條形碼數(shù)據(jù)

3.1.1 數(shù)據(jù)的內(nèi)容

在大數(shù)據(jù)時代, 植物DNA條形碼數(shù)據(jù)不再限于其獲取過程中產(chǎn)生的信息, 如樣本采集、標本鑒定、標本憑證、標本圖片、測序圖譜、處理文件、序列等信息, 還應(yīng)加入更加豐富的內(nèi)容。如BOLD SYSTEMS(http://www.boldsystems.org/)的頁面加入了來源、出版信息等內(nèi)容; Tree of Life Web Project(http://tolweb.org/tree/)的詳細頁面加入了物種名稱(包括圖片、生命之樹)、簡介、特征、親緣關(guān)系、異名、參考文獻、互聯(lián)網(wǎng)上的信息、標題插圖等內(nèi)容; iFlora系列的“ 國家重點保護野生植物鑒定信息平臺” (http://www.iflora.cn/)的詳細頁面結(jié)合了昆明植物研究所的優(yōu)勢資源, 加入了《中國植物志》關(guān)于物種的信息、種質(zhì)資源、民族植物學(xué)、植物照片等內(nèi)容。

以下有價值的DNA條形碼相關(guān)植物學(xué)數(shù)據(jù)可供整合參考:

(1)《中國植物志》、Flora of China以及地方植物志書等關(guān)于物種的描述。

(2)《中華本草》、《中國民族藥志要》、《中國中藥資源志要》中關(guān)于物種藥用價值的介紹。

(3) “ 物種2000” (http://www.sp2000.cn/joaen/)的異俗名數(shù)據(jù)。

(4)中國植物圖像庫(http://www.plantphoto.cn/)的海量植物照片。

(5)國家標本資源共享平臺(http://www.nsii.org. cn/)的標本分布信息。

(6)中國西南野生生物種質(zhì)資源庫(http://www. genobank.org/)的種質(zhì)資源信息等。

(7)生物技術(shù)信息中心(http://www.ncbi.nlm. nih.gov)的GenBank條形碼數(shù)據(jù)等。

3.1.2 數(shù)據(jù)的標準化

在平臺建設(shè)之前, 不同單位和部門的數(shù)據(jù)庫對于檢索系統(tǒng)設(shè)計的技術(shù)方案、技術(shù)與信息組織規(guī)劃選擇、相關(guān)技術(shù)標準的采用, 基本上是各行其是, 數(shù)據(jù)標準的不統(tǒng)一常常給使用者帶來一些不必要的麻煩, 造成數(shù)據(jù)共享的壁壘。因此有必要建立一套統(tǒng)一的DNA條形碼數(shù)據(jù)標準�；�于這樣的需求, 基礎(chǔ)科學(xué)數(shù)據(jù)共享網(wǎng)重要生物類群DNA條碼數(shù)據(jù)庫(http://www.pbl.csdb.cn/page/index.vpage)、BOLD Mirror(http://www.boldmirror.net/)等網(wǎng)站在建站時就提出了植物DNA條形碼研究技術(shù)規(guī)范(高連明等, 2012)。中國植物DNA條形碼數(shù)據(jù)共享平臺在建立時應(yīng)進一步完善此類規(guī)范, 供以后數(shù)據(jù)庫建設(shè)者及科研工作者參考。

3.2 數(shù)據(jù)共享平臺的界面設(shè)計

數(shù)據(jù)共享平臺是目前國際上普遍采用的數(shù)據(jù)共享方式, 通過集中數(shù)據(jù)儲存, 建立數(shù)據(jù)服務(wù)機制, 實現(xiàn)數(shù)據(jù)的共享。以下從界面設(shè)計入手, 提出“ 中國植物DNA條形碼數(shù)據(jù)共享平臺” 的建設(shè)思路。

3.2.1 門戶模塊

現(xiàn)有的一些知名DNA條形碼網(wǎng)站可以給我們提供參考。BOLD SYSTEMS(http://www.boldsystems. org/)使用了數(shù)據(jù)門戶、條形碼集群數(shù)據(jù)庫、教育門戶、數(shù)據(jù)收集工作站這4個模塊來實現(xiàn)數(shù)據(jù)的共享。中國生命條形碼數(shù)據(jù)門戶(http://www.barcodeoflife.cn/)主要提供新聞、資源的文字信息; 中國生命條形碼信息管理系統(tǒng)和BOLD Mirror兩個模塊實現(xiàn)管理及數(shù)據(jù)共享的任務(wù)。其中中國生命條形碼信息管理系統(tǒng)(http://data.barcodeoflife.cn/index.php)必須注冊才能進行數(shù)據(jù)的提交及管理; BOLD Mirror模塊(http://www.boldmirror.net/)主要采用BLAST查詢方式實現(xiàn)DNA條形碼數(shù)據(jù)的共享; iFlora系列— — 國家重點保護野生植物鑒定信息平臺(http://www.iflora.cn/)采用了多種智能化查詢方式獲得DNA條形碼 數(shù)據(jù)。

因此, 中國植物DNA條形碼數(shù)據(jù)共享平臺至少包括3個門戶:

(1)數(shù)據(jù)門戶: 采用多種方式的智能化查詢并提供一定的下載方式。

(2)交流門戶: 除了基本的個人信息管理, 用戶還可以進行學(xué)術(shù)交流, 提交DNA條形碼相關(guān)的數(shù)據(jù)信息, 實現(xiàn)更大程度的共享。

(3)管理門戶: 主要針對管理員級別的可視化數(shù)據(jù)管理, 包括數(shù)據(jù)查詢、導(dǎo)入、增刪改、用戶角色管理以及日志維護等操作。管理員還兼具對于交流門戶提交的信息審核的責任, 將通過審核的數(shù)據(jù)歸入數(shù)據(jù)門戶的表中。

3.2.2 數(shù)據(jù)門戶的鑒定入口

數(shù)據(jù)門戶能讓用戶通過智能表檢索、DNA條形碼鑒定、圖像識別三個檢索入口獲取物種詳細的信息。其中, 智能表檢索是指在優(yōu)化數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)上進行常規(guī)檢索, 如名錄索引、分等級檢索、志書式檢索、模糊搜索等方式。DNA條形碼鑒定是通過本地BLAST(local BLAST)集成在網(wǎng)頁中, 實現(xiàn)序列比對的功能, 鑒定得出可能的物種, 從而獲得鑒定物種的詳細信息。圖像識別是利用計算機對圖像進行處理和解析, 以識別各種不同模式的目標。對于植物來說, 就是用植物的某部位如葉片、花、果實、整體形貌等的照片, 通過一定的算法與圖像庫內(nèi)的圖片進行比對, 鑒定出可能的物種列表, 從而獲得相應(yīng)物種的詳細信息�，F(xiàn)在“ 百度識圖” 以及“ Google識圖” 已發(fā)展到一定水平, 越來越多的科研工作者也開始關(guān)注這種方式。2013年9月在上海辰山植物園召開的“ 第三屆全國生物多樣性信息學(xué)研討會” 上, 很多學(xué)者報告了圖像識別技術(shù)并進行了深入的討論, 中國科學(xué)院植物研究所也正與“ 百度識圖” 合作開發(fā)進行“ 拍花識植物” 的工作�！� 圖像識圖” 正成為一種新的熱點(莊會富和王雨華, 2012)。

3.2.3 平臺框架的設(shè)計

通過以上分析, 可以得出以下平臺框架架構(gòu), 即基于一定的數(shù)據(jù)標準規(guī)范體系以及安全保障體系, 采用“ 瘦” 客戶端、“ 胖” 服務(wù)器端的瀏覽器/服務(wù)器(B/S)結(jié)構(gòu), 以表現(xiàn)層(View)、業(yè)務(wù)邏輯層(Business Logic Layer, BLL)、數(shù)據(jù)訪問層(Data Acess Layer, DAL)、數(shù)據(jù)庫(Database)多層架構(gòu)的設(shè)計模式進行開發(fā)。中國植物DNA條形碼數(shù)據(jù)共享平臺應(yīng)該提供一個智能化的物種鑒定引擎, 高效化的合作交流平臺以及人性化的管理門戶。具體的架構(gòu)如圖1所示。

中國植物DNA條形碼數(shù)據(jù)共享平臺應(yīng)具備以下的特點:

(1)方便、迅速、多元的數(shù)據(jù)查詢?nèi)肟�。用戶可以通過多種查詢?nèi)肟? 方便快捷地找到并下載所需數(shù)據(jù)。

(2)詳實、豐富、準確、多關(guān)聯(lián)的數(shù)據(jù)頁面及元數(shù)據(jù)。元數(shù)據(jù)不僅僅包括樣本的采集信息和鑒定信息以及DNA條形碼的序列信息等, 還應(yīng)包括如物種信息、圖片信息、藥用植物信息和標本分布信息等, 同時保證數(shù)據(jù)的詳細、準確、權(quán)威。多關(guān)聯(lián)性表現(xiàn)在能展示物種更多的相關(guān)信息。

(3)便于合作、交流。為了實現(xiàn)更好的數(shù)據(jù)共享以及全球化的合作交流, 需要提供便利的交流合作平臺, 不僅提供日常的學(xué)術(shù)交流及討論, 還能提供數(shù)據(jù)的提交乃至定制服務(wù)。

(4)易于管理。有強大的可視化后臺管理界面, 實現(xiàn)數(shù)據(jù)的查詢、導(dǎo)入、管理、用戶角色管理、日志維護等功能, 對已有數(shù)據(jù)實現(xiàn)增、刪、改和檢索的操作, 并對提交的數(shù)據(jù)進行審核和更新。

4 展望

近年來, 隨著網(wǎng)絡(luò)化和信息化的飛速發(fā)展, 各種移動互聯(lián)網(wǎng)設(shè)備迅速普及, “ 云計算” 、“ 云服務(wù)” 等概念已形成一種趨勢。中國植物DNA條形碼數(shù)據(jù)共享平臺最初的設(shè)計可能只是集成BLAST序列比對進行物種鑒定, 隨著工作的深入, 將會集成越來越多的生物信息學(xué)軟件, 可能涉及到一些復(fù)雜的算法, 計算量較大, 加之遺傳信息的海量性和生物信息的多樣性, 采用“ 瘦” 客戶端、“ 胖” 服務(wù)器端的結(jié)構(gòu)就要求高效的計算服務(wù)環(huán)境�；�于科學(xué)計算需求的共享平臺的設(shè)計勢必是一個滿足多平臺客戶端、立足科研工作者核心用戶群、采用“ 客戶端-云服務(wù)端” 構(gòu)架的云服務(wù)平臺。