核心基因组和可变基因组，到底有什么区别？

在泛基因组研究里，核心基因组回答“这个物种共同需要什么”，可变基因组回答“不同菌株为什么不一样”。两者合在一起，构成了一个物种完整的基因资源。

一、核心基因组与可变基因组

二、用一个直观的例子理解

假设有 5 株同种细菌，各自携带的基因如下：

• 菌株 A：A B C D E F

• 菌株 B：A B C D E G

• 菌株 C：A B C D H I

• 菌株 D：A B C D E G

• 菌株 E：A B C D H J

其中 A、B、C、D 在 5 株里都有，属于核心基因（Core genome）；E、F、G、H、I、J 只在部分菌株中出现，属于可变基因（Accessory genome）。

这个例子背后就是泛基因组的整体结构：核心基因组是“所有菌株共有的部分”，相对保守；可变基因组是“部分菌株拥有的部分”，体现菌株差异——一个代表共同点，一个代表不同点。

三、为什么核心基因适合做系统发育

因为核心基因在不同菌株中普遍存在，而且相对保守，于是可以比较这些核心基因里的 SNP、碱基差异和序列变异，进而构建系统发育树。在比较基因组研究里常能看到这条链路：核心基因组 → 核心基因比对 → SNP → 系统发育树。它主要回答的问题是：这些菌株之间的亲缘关系是什么？

四、为什么可变基因特别重要

因为菌株之间的差异，很多时候恰恰体现在可变基因组里。比如耐药菌株可能携带敏感菌株没有的耐药相关基因；高毒力菌株可能拥有特异的毒力相关基因；生活在不同环境里的菌株，可能拥有不同的代谢或环境适应相关基因；还有些可变基因，是通过质粒、噬菌体等介导的水平基因转移进入菌株的。

一句话概括：核心基因更适合看“这个物种是什么”，可变基因更适合研究“这个菌株有什么特殊之处”。

五、一个容易踩的误区

可变基因 ≠ 一定是有用基因。一个只在某一株菌中出现的基因，可能是真正的菌株特异基因、外源获得或 HGT 获得的基因、某种特殊适应相关基因，但也可能是基因预测错误、组装错误或注释差异造成的假象。所以不能简单地说“这个基因是 Unique gene，所以它一定导致了这个菌株的特殊表型”。

这也正是基因组质量和统一注释如此重要的原因——组装不完整、基因预测不准确、污染和组装错误，都会影响泛基因组结果。

六、进一步细分：Soft-core、Shell、Cloud

如果把核心和可变基因按出现频率再细分，就得到从高度保守到高度可变的梯度：Core → Soft-core → Shell → Cloud。所有菌株都有的叫 Core，接近所有菌株的叫 Soft-core，绝大多数菌株拥有的叫 Shell，部分甚至少数菌株拥有的叫 Cloud。某个研究中可以按一定阈值定义，比如 Core 为 99%–100%、Soft-core 为 95%–99%、Shell 为 15%–95%、Cloud 为 0–15%。

但要注意，这些百分比并不是所有软件、所有研究都必须固定的标准，具体划分要结合分析软件和研究目的。

七、一句话记住

如果以后做泛基因组，可以把它记成两条主线：

• Core genome（核心基因）——研究“共同性”：物种保守性 → 核心基因 → SNP → 系统发育 → 菌株进化；

• Accessory genome（可变基因）——研究“差异性”：基因存在/缺失 → 菌株差异 → 耐药/毒力 → 环境适应 → HGT → 表型关联。

泛基因组最有意思的地方，就是把这两个问题放在一起：核心基因告诉我们“大家为什么属于同一个物种”，可变基因告诉我们“大家为什么又不完全一样”。

唯那生物｜专注于微生物个性化研究

后续将持续分享微生物泛基因组、比较基因组、系统发育、GWAS、耐药与毒力、HGT 等方向的分析思路、软件方法与科研案例，帮助科研人员从已有数据中进一步挖掘可以回答的科学问题。