萬種原生生物基因組計劃取得階段性進展

　　原生生物（Protist）是一大類單細胞真核生物的集合，包括單細胞真核藻類和原生動物等，組成了原生生物界。原生生物具有高度多樣性，廣泛分布于各類水環境中，在生態平衡、物質和能量循環、環境健康、動植物疾病發生等方面發揮重要作用。它們是水生態系統的重要組分，是重要的初級生產力和氧氣的制造者、碳循環的關鍵參與者，是水產動物的優良餌料、人類的營養品、生物能源，是水環境的“哨兵”、水華和赤潮的重要元兇，亦是人、畜、禽、魚疾病的重要病原、互利共生的“好伙伴”。

　　NCBI分類系統已記錄的原生生物種類超過6萬種，未知數量難以估量。2019年12月，中國科學院水生生物研究所牽頭發起萬種原生生物基因組計劃（Protist 10,000 Genomes Project，P10K），旨在建立一個大規模的原生生物遺傳資源數據庫，變革原生生物遺傳資源數據極度缺乏的局面。

　　近日，水生所與中國科學院北京基因組研究所（國家生物信息中心）聯合發布了P10K第一批數據。該數據通過萬種原生生物基因組數據庫（P10K database，https://ngdc.cncb.ac.cn/p10k/）釋放共享。相關成果以The P10K database: a data portal for the protist 10000 genomes project為題，發表在《核酸研究》（Nucleic Acids Research）上。P10K第一批數據收錄了2959個原生生物數據集，包括1601個基因組和1358個轉錄組數據集，覆蓋原生生物75%的綱和45%的目。其中，P10K團隊在公共數據庫整合了1858個數據集；新測序了1101個數據集，且以原生動物纖毛蟲（Ciliate）為主。新測序數據將原生生物數據集規模整體提升了37%。新測序的樣品由P10K團隊在國內多種生境中采集、分離。對于不能實驗室培養的大部分原生動物，該團隊采用單細胞測序方法（約占新測序數據的98%）。同時，為解決大規模單細胞組學數據的分析問題，P10K團隊研發了一套針對原生生物單細胞測序數據的組裝、去污染、物種鑒定、基因注釋和評估的標準化分析流程。質量評估顯示，該流程注釋的基因組與公共數據庫發布的基因組具有相似比例的中高等質量數據。

　　作為“萬種原生生物基因組計劃”的重要組成部分，P10K數據庫的建立和數據共享，將有助于推動對真核生物和多細胞生物起源、真核生物多樣性、原生生物的極端環境適應以及微生物互作等重要基礎科學問題的研究。同時，這一計劃將促進對與生態環境保護、污染物降解和轉化、營養健康以及疾病防治相關的原生生物遺傳資源的挖掘和潛在應用。同時，鑒于原生生物是浮游生物的關鍵組成部分，P10K數據庫將為基于環境DNA的浮游生物鑒定提供支持，助力水生態健康評價。

　　尤為重要的是，P10K數據庫建立了國家水生生物種質資源庫/國家寄生蟲資源庫（活體種質資源）和國家基因組科學數據中心（遺傳資源）之間的聯系，對于促進國家科技資源共享服務平臺的信息互聯互通和數據共享具有重要意義。

　　研究工作得到國家重點研發計劃、中國科學院戰略性先導科技專項、中國科學院國際合作計劃、中國科學院青年創新促進會、國家自然科學基金和國際生物科學聯合會開放生物多樣性和健康大數據計劃的資助，并獲得國家水生生物種質資源庫和中國科學院超級計算武漢分中心的支持。

　　P10K計劃

　　“萬種原生生物基因組計劃”的標志。設計理念：標志由不同原生生物組成。其中，鐘蟲（纖毛蟲）代表字母“P”，裸藻（鞭毛蟲）和團藻（綠藻）的組合代表數字“10”，阿米巴代表字母“K”。雙螺旋既代表DNA又代表水波，即原生生物生存的水環境。“P”中噴發出諸多原生生物，代表1676年列文虎克發現鐘蟲之后，高度多樣的各種原生生物被發現。

　　P10K數據庫的特點和功能