简介ParaRef是首个经严格去污染的寄生虫参考基因组数据库清除5.28亿外源碱基将宏基因组检测精度从7.9%提升至94.3%为寄生虫学研究与临床诊断提供金标准参考。寄生虫感染是全球重大公共卫生问题每年影响数十亿人口。在宏基因组测序时代研究人员通过比对参考基因组来识别样本中的寄生虫DNA但公共数据库中大量参考基因组存在污染序列宿主DNA、微生物DNA、实验室试剂残留等导致分析中产生海量假阳性结果——这不仅浪费计算资源更可能误导临床诊断、疫情监测和考古病原研究。近日哥本哈根大学Jonas Niemann团队在《Genome Biology》上发表研究推出ParaRef——首个经过系统去污染处理的寄生虫参考数据库。该研究对831个已发表的内寄生虫基因组进行全面“清洗”构建了高质量的参考数据集使宏基因组寄生虫检测的精度从不足8%提升至94%以上为考古、临床和兽医领域的病原筛查提供了可靠的“基准线”。数据库链接https://github.com/schroeder-group/ParaRefParaRef数据库内容总结数据库概览基因组数据规模涵盖831个内寄生虫基因组包括扁形动物100个、线虫338个、真菌227个及真核病原体157个。污染处理使用FCS‑GX和Conterminator双工具联合筛查共清除5.28亿个污染碱基涉及818个基因组。最终保留经严格验证的纯净序列构建ParaRef v1.0。污染来源分析细菌污染86%主要为肠道共生菌如大肠杆菌及线虫相关菌群。宿主DNA污染8.4%人类、猪、小鼠等宿主序列常见于寄生虫基因组甚至有基因组完全被宿主细菌取代的极端案例。试剂污染超纯水和DNA提取试剂盒中的痕量污染如Bradyrhizobium、Afipia。性能提升指标模拟粪化石数据中污染导致的错误比对从平均38,000条/重复降至约200 条。检测精度Precision由7.9%飙升94.3%同时保持对真实病原体的高灵敏度。真实古代样本中假阳性读段减少97%从310万降10万真阳性信号保持不变。图参考基因组污染的产生及其导致假阳性检测的机制核心功能模块模块功能去污染参考基因组提供831个寄生虫物种的纯净组装兼容KrakenUniq、Bowtie2等主流分类器污染源追溯每个基因组的污染来源细菌、宿主、试剂已注释便于质控覆盖均匀性评分内置covPosRelEntropy1000指标自动评估候选检出是否由污染驱动古DNA损伤兼容保留损伤模式验证能力适配古代DNA研究中的真假判别多数据库交叉验证支持与NCBI原始版本对比精准识别污染产生的假阳性命令行工作流提供Snakemake管道pathopipe一键完成从分类到验证的全流程应用案例古代样本中的“拨云见日”哈尔施塔特盐矿粪化石原始数据库中Trichuris trichiura检出覆盖极度不均被判定为假阳性使用ParaRef后覆盖恢复均匀且能匹配已发表的线粒体基因组证据确认真阳性。中世纪犬粪化石成功检出Ancylostoma caninum、Toxocara canis等真正寄生虫而此前因污染干扰无法确认。图对参考基因组进行去污染处理可提高寄生虫检测的精确度和整体准确性现代临床与生态监测哈扎狩猎采集者粪便原始数据库错误分配1670万条读段至T.trichiuraParaRef消除这些假阳性同时新发现Schistosoma mansoni、Taenia solium等16例真实感染。猪场粪样筛查去除T.solium参考基因组中的猪宿主污染后不再误报转而正确检出Ascaris suum和Oesophagostomum dentatum。总结参考基因组污染是寄生虫宏基因组检测的长期隐患。本研究对831个基因组进行系统去污染构建了首个纯净数据库ParaRef。应用表明ParaRef在保留真阳性信号的同时将假阳性读段减少97%检测精度从7.9%跃升至94.3%。无论是古代粪化石还是现代粪便样本ParaRef均能显著提升鉴定可靠性为寄生虫研究与临床诊断提供了坚实的“金标准”参考。参考文献Niemann, J., Huang, Y., Lanigan, L.T.et al. ParaRef: a decontaminated reference database for parasite detection in ancient and modern metagenomic datasets. Genome Biol 26, 365 (2025).VGsoft Team凌恩开发团队于2015年成立致力于为多组学相关生命科学研究提供数据库和信息化解决方案。开发团队骨干由十年以上项目经验的资深软件工程师和生信工程师构成可提供灵活多样的数据库构建及信息化服务。服务项目包括物种数据库、多组学数据库、eDNA数据库、育种平台、生信云平台等客户涵盖高校、科研院所、三甲医院及上市公司等项目成果发表在Cell, Nucleic Acids Research, Molecular Therapy, Horticulture Research等国际著名期刊上。每一个研究领域都至少需要一个数据库凌恩生物开发团队秉持“数据驱动创新客户赋能未来”的理念为客户提升科研价值巩固数据成果锁定领域影响。更多凌恩项目案例见http://vgsoft.biozeron.com/bmstor/database/anima
简介ParaRef是首个经严格去污染的寄生虫参考基因组数据库清除5.28亿外源碱基将宏基因组检测精度从7.9%提升至94.3%为寄生虫学研究与临床诊断提供金标准参考。寄生虫感染是全球重大公共卫生问题每年影响数十亿人口。在宏基因组测序时代研究人员通过比对参考基因组来识别样本中的寄生虫DNA但公共数据库中大量参考基因组存在污染序列宿主DNA、微生物DNA、实验室试剂残留等导致分析中产生海量假阳性结果——这不仅浪费计算资源更可能误导临床诊断、疫情监测和考古病原研究。近日哥本哈根大学Jonas Niemann团队在《Genome Biology》上发表研究推出ParaRef——首个经过系统去污染处理的寄生虫参考数据库。该研究对831个已发表的内寄生虫基因组进行全面“清洗”构建了高质量的参考数据集使宏基因组寄生虫检测的精度从不足8%提升至94%以上为考古、临床和兽医领域的病原筛查提供了可靠的“基准线”。数据库链接https://github.com/schroeder-group/ParaRefParaRef数据库内容总结数据库概览基因组数据规模涵盖831个内寄生虫基因组包括扁形动物100个、线虫338个、真菌227个及真核病原体157个。污染处理使用FCS‑GX和Conterminator双工具联合筛查共清除5.28亿个污染碱基涉及818个基因组。最终保留经严格验证的纯净序列构建ParaRef v1.0。污染来源分析细菌污染86%主要为肠道共生菌如大肠杆菌及线虫相关菌群。宿主DNA污染8.4%人类、猪、小鼠等宿主序列常见于寄生虫基因组甚至有基因组完全被宿主细菌取代的极端案例。试剂污染超纯水和DNA提取试剂盒中的痕量污染如Bradyrhizobium、Afipia。性能提升指标模拟粪化石数据中污染导致的错误比对从平均38,000条/重复降至约200 条。检测精度Precision由7.9%飙升94.3%同时保持对真实病原体的高灵敏度。真实古代样本中假阳性读段减少97%从310万降10万真阳性信号保持不变。图参考基因组污染的产生及其导致假阳性检测的机制核心功能模块模块功能去污染参考基因组提供831个寄生虫物种的纯净组装兼容KrakenUniq、Bowtie2等主流分类器污染源追溯每个基因组的污染来源细菌、宿主、试剂已注释便于质控覆盖均匀性评分内置covPosRelEntropy1000指标自动评估候选检出是否由污染驱动古DNA损伤兼容保留损伤模式验证能力适配古代DNA研究中的真假判别多数据库交叉验证支持与NCBI原始版本对比精准识别污染产生的假阳性命令行工作流提供Snakemake管道pathopipe一键完成从分类到验证的全流程应用案例古代样本中的“拨云见日”哈尔施塔特盐矿粪化石原始数据库中Trichuris trichiura检出覆盖极度不均被判定为假阳性使用ParaRef后覆盖恢复均匀且能匹配已发表的线粒体基因组证据确认真阳性。中世纪犬粪化石成功检出Ancylostoma caninum、Toxocara canis等真正寄生虫而此前因污染干扰无法确认。图对参考基因组进行去污染处理可提高寄生虫检测的精确度和整体准确性现代临床与生态监测哈扎狩猎采集者粪便原始数据库错误分配1670万条读段至T.trichiuraParaRef消除这些假阳性同时新发现Schistosoma mansoni、Taenia solium等16例真实感染。猪场粪样筛查去除T.solium参考基因组中的猪宿主污染后不再误报转而正确检出Ascaris suum和Oesophagostomum dentatum。总结参考基因组污染是寄生虫宏基因组检测的长期隐患。本研究对831个基因组进行系统去污染构建了首个纯净数据库ParaRef。应用表明ParaRef在保留真阳性信号的同时将假阳性读段减少97%检测精度从7.9%跃升至94.3%。无论是古代粪化石还是现代粪便样本ParaRef均能显著提升鉴定可靠性为寄生虫研究与临床诊断提供了坚实的“金标准”参考。参考文献Niemann, J., Huang, Y., Lanigan, L.T.et al. ParaRef: a decontaminated reference database for parasite detection in ancient and modern metagenomic datasets. Genome Biol 26, 365 (2025).VGsoft Team凌恩开发团队于2015年成立致力于为多组学相关生命科学研究提供数据库和信息化解决方案。开发团队骨干由十年以上项目经验的资深软件工程师和生信工程师构成可提供灵活多样的数据库构建及信息化服务。服务项目包括物种数据库、多组学数据库、eDNA数据库、育种平台、生信云平台等客户涵盖高校、科研院所、三甲医院及上市公司等项目成果发表在Cell, Nucleic Acids Research, Molecular Therapy, Horticulture Research等国际著名期刊上。每一个研究领域都至少需要一个数据库凌恩生物开发团队秉持“数据驱动创新客户赋能未来”的理念为客户提升科研价值巩固数据成果锁定领域影响。更多凌恩项目案例见http://vgsoft.biozeron.com/bmstor/database/anima
