7 个基因 vs 3000+ 位点：同源判定为何会不同？

所有菌株的 MLST 结果完全一致。如果仅依据 7 个基因进行分型，同源判定似乎已经明确。

但当分析升级至3000+ 核心位点的 cgMLST 后，结论发生了变化——原本看似单一的传播链，被重新划分。

分辨率的差异，改变的不只是数据，而是风险评估与干预决策本身。

MLST（Multilocus Sequence Typing，多位点序列分型）是一种基于多个“管家基因”序列差异的分型方法。通常选取 7 个在细菌中稳定存在的 housekeeping genes，通过等位基因编号组合形成一个序列型（ST）。

cgMLST（core genome MLST，核心基因组多位点分型）是在 MLST 基础上的扩展。不同于仅分析 7 个基因，它覆盖数百至数千个核心基因位点。

从统计学角度看，位点数量由 7 个扩展至 3000+个，显著降低了“偶然等位基因一致”的概率。这使得 ST 型内部的遗传亚群能够被识别，从而更精细地界定传播链边界。

换句话说——分辨率的提升，使“看起来一样”的样本不再完全一样。

在实践中，cgMLST 分析通常遵循以下路径：

在部分物种研究中，≤10 个核心等位基因差异常被用作初步警戒阈值。但这一数字并非绝对标准。

单纯依赖差异数字进行机械判断，可能带来误判风险。

高分辨率分型的真正价值，并不只体现在一次溯源中。它还涉及：

这就要求数据结构化存储、数据库版本统一管理，以及分析流程的可追溯与可复核。

没有稳定的流程支撑，高分辨率难以转化为长期监测能力。

当分型方法、数据质量与判定逻辑都明确后，还需要一个稳定的分析平台来支撑整个流程。围绕物种鉴定与分子溯源需求，赛默飞 Ion Buffalo 数据分析平台提供本地化的数据分析环境，支持：

从 7 个基因到 3000+ 核心位点，升级的不只是分辨率。

当 MLST 不再足够，真正需要思考的，不只是技术选择，而是是否具备支撑高分辨率判定的完整技术体系。