CARD — 综合抗生素耐药性数据库

CARD — 综合抗生素耐药性数据库

INFOBOX

项目	内容
英文全名	The Comprehensive Antibiotic Resistance Database
官方缩写	CARD
中文名	综合抗生素耐药性数据库
本体	Antibiotic Resistance Ontology（ARO，抗菌耐药本体，OBO Foundry 注册）
配套软件	Resistance Gene Identifier（RGI）；CARD-R；CARD:Epi；FungAMR；TB Mutations
维护机构	McMaster University（麦克马斯特大学）IIDR + Global Nexus
核心人物	Andrew G. McArthur、Gerry Wright
成立年份	2013
当前数据版本	CARD Data v4.0.2（2026-08-11）/ ARO v4.0.2（2026-08-12）
RGI 版本	v6.0.5（2025-05-30）
AMR 检测模型	6,489（站内实时）/ 5,057（CARD 2023 论文 v3.2.4）
本体术语	9,051（站内实时）/ 6,627（CARD 2023 论文 v3.2.4）
参考序列	6,453（站内实时）/ 5,010（CARD 2023 论文）
主引论文	Alcock et al. 2023, NAR 51(D1):D690-D699, DOI 10.1093/nar/gkac920
官网	https://card.mcmaster.ca
许可	数据侧：商业组织一律禁止（书面许可 + user fee）；本体侧：CC BY 4.0

CARD（The Comprehensive Antibiotic Resistance Database，综合抗生素耐药性数据库）是抗菌耐药（Antimicrobial Resistance，AMR）领域被引用最广的参考知识库之一。它把「耐药基因—耐药突变—抗生素—耐药机制」这些分散在数万篇文献里的知识，压缩进一套由本体（ontology）驱动的结构化数据库，再配套一个可执行软件（RGI），让研究者能直接从一段基因组或宏基因组序列里「读出」抗性组（resistome）。本条目面向准备把 CARD 用于机器学习流水线或临床微生物信息学系统的工程读者，重点讲清三个问题：它到底装了什么、它的许可证能不能商用、怎么把它正确地接进你的 Pipeline 而不踩坑。

§0 速览摘要

CARD 的核心价值不在「数据量大」，而在「知识结构化」。多数耐药基因数据库（如 ARDB、ResFinder）给的是「序列 + 注释」的平铺列表；CARD 则用**抗菌耐药本体（ARO）**把每一个耐药决定子锚定到一棵有向图上——从「耐药机制」（如 antibiotic inactivation）到「基因家族」（如 OXA beta-lactamase）到「具体等位基因」（如 OXA-48），每一层都是可查询、可编程遍历的本体节点。这种设计使它天然适合做机器学习特征工程，也是它在 CARD 2023 论文标题里明确写「support for machine learning」的原因。

截至 2026 年 10 月，CARD 站内首页给出的实时规模为：9,051 个本体术语、6,453 条参考序列、4,463 个 SNP、3,550 篇文献、6,489 个 AMR 检测模型；同时用它预计算的抗性组覆盖 414 种病原体、24,291 条染色体、2,662 个基因组岛、48,212 个质粒、172,216 个 WGS 组装、279,120 条等位基因。而 CARD 2023 论文（数据库版本 v3.2.4）记录的规模是 6,627 个本体术语、5,010 条参考序列、1,933 个突变、3,004 篇文献、5,057 个检测模型。这两个数字都对，只是口径时点不同——本条目全程双列，请读者引用时务必标明口径（见 §4）。

CARD 的许可需要特别警惕：数据文件不是开放许可。官方数据 README 原文明确「任何商业组织，无论用途是否商业，使用或复制本材料均被禁止，除非获得麦克马斯特大学书面许可；商业用途须依书面许可并支付用户费用」。这与很多人想当然的「CC BY-NC」不同（见 §6.2 与 §9）。本体（ARO）单独标注为 CC BY 4.0，但数据本体是两回事。

§1 名称与身份

1.1 命名与消歧

称谓	含义
CARD	The Comprehensive Antibiotic Resistance Database，本条目主体
CARD-R	CARD-Resistomes & Variants，CARD 的抗性组与变异预编译子集
CARD:Epi	CARD 的 NLP 流行病学关联模块（2026 新增）
ARO	Antibiotic Resistance Ontology，CARD 赖以组织的本体，独立注册于 OBO Foundry
RGI	Resistance Gene Identifier，配套的命令行/web 耐药基因预测软件
FungiAMR / FungAMR	真菌 AMR 子库（Bédard et al. 2025, Nature Microbiology），整合进行中
TB Mutations	结核分枝杆菌耐药突变子库（汇编 ReSeqTB、CRyPTIC、WHO 目录）

消歧要点：CARD 极易与「cardiac（心脏）」类数据集在字符串检索时混淆（本库内即存在 cardiac-atlas-project、cardiowave-portable 等多条），也与信用卡领域的「CARD」缩写无关。检索 slug 时必须限定「antibiotic resistance / 耐药」。另需与本库 daroct（rid=938）区分：后者虽含「耐药（OCT 域适应）」字样，实为视网膜影像条目，与抗菌耐药无关。

1.2 身份定位

CARD 官方自我定位是「a bioinformatic database of resistance genes, their products and associated phenotypes」——即耐药基因、其产物与相关表型的生物信息学数据库。它同时扮演三个角色：

1. 参考序列库：经专家审编的耐药基因参考序列与耐药突变（SNP）集合；
2. 本体：ARO，提供耐药机制、基因家族、药物类别的分类骨架；
3. 检测系统：AMR 检测模型 + RGI 软件，把序列库变成可执行的抗性组预测器。

1.3 查重与并发核验结论

• DB 模糊检索 %card%、%抗生素%、%耐药%、%antibi%、%antimicrobial%、%aro%、%resistan%、%amr% 均无 CARD 同物条目。
• dedup_gate.py card-db 仅报「候选池状态 dispatched」（自派发，dispatcher 模式为 CLEAN），确认非真撞库。
• writing/ 下无 card-db 同名目录；锁文件 writing/card-db/.lock 为本代理独占。

1.4 诞生背景：为什么需要一个「耐药本体」

要理解 CARD 的独特价值，需要回到 2010 年代初抗菌耐药研究的信息学困境：

困境一：耐药基因命名混乱。 同一个基因可能有多个历史别名，不同基因又可能重名。例如 β-内酰胺酶家族（TEM、SHV、CTX-M、OXA、NDM、KPC、IMP、VIM……）数百个成员，命名规则不统一，文献中的基因名往往无法直接程序化匹配。这让「统计某基因的全球流行率」这类任务变得极其困难。

困境二：知识散落。 一个耐药决定的完整知识（基因序列、作用机制、靶向药物、临床意义）分散在数万篇文献里，没有任何机器可读的聚合结构。

困境三：检测无标准。 不同研究者用不同的序列库和阈值做「耐药基因检测」，结果无法横向比较。

CARD 的回应是用本体（ARO）统一命名与分类、用人工审编聚合知识、用检测模型标准化检测逻辑。这套设计的核心洞察是：耐药知识不是一组孤立的序列，而是一张有语义的图。这一理念使 CARD 超越了更早的 ARDB（Antibiotic Resistance Genes Database）等平铺型数据库，成为该领域的参考标准。

1.5 与同域资源的定位差异

资源	类型	与 CARD 的关系
ARDB	早期耐药基因库	已被 CARD 等取代，命名混乱、无本体
ResFinder	检测工具 + 参考库	侧重临床分离株的快速检测，非本体驱动
AMRFinderPlus	NCBI 检测工具	深度集成 NCBI 生态，参考库独立于 CARD
MEGARes	耐药基因参考库	面向宏基因组，采用层级注释（partly 受 ARO 影响）
NCBI NDARO	NCBI 耐药参考	与 CARD 部分交叉，标准与覆盖不同

差异的核心在哲学：CARD 用本体组织知识并做成可执行检测模型，而多数同类资源用扁平列表 + 检测脚本。这决定了 CARD 更适合作为「知识图谱式」的 AI 特征来源。

§2 论文与时间线

2.1 论文谱系

CARD 自 2013 年首发以来，几乎每隔三年在 Nucleic Acids Research（NAR）的数据库专刊上更新一次，构成一条清晰的版本谱系：

年份	论文	期刊卷期	关键贡献
2013	McArthur et al.	Antimicrob Agents Chemother 57(7):3348-3357	奠基：首次提出 CARD + ARO
2017	Jia et al.	NAR 45:D566-D573	引入「模型中心化（model-centric）」管理
2020	Alcock et al.	NAR 48:D517-D525	抗性组监测能力扩展
2023	Alcock et al.	NAR 51(D1):D690-D699	大规模审编扩展 + 机器学习支持 + CARD Short Names

本条目主引论文为 CARD 2023（Alcock et al.），DOI 10.1093/nar/gkac920，PMID 36263822，PMCID PMC9825576，2022-10-20 在线发表，收录于 2023 年 1 月 NAR 数据库专刊。

2.2 版本时间线

2013  v1.0.0  ── 首版发布（奠基论文）
  │
2017  v2.x    ── 模型中心化管理（CARD 2017）
  │
2020  v3.0.x  ── 抗性组监测扩展（CARD 2020）
  │
v3.2.4 ──────── CARD 2023 论文口径：5,057 模型 / 6,627 术语
v3.2.7 ──────── 2023-11 流行度分析所用版本
  │
2026  v4.0.2  ── 当前版本（Data 2026-08-11 / Ontology 2026-08-12）
              RGI v6.0.5（2025-05-30）

口径提醒：上述 v3.2.4 与 v4.0.2 之间跨越了数年的持续更新，模型数与术语数均显著增长（详见 §4）。引用「约 5,000 个耐药基因模型」时，其对应的是 CARD 2023（v3.2.4）口径，而非当前版本。

2.3 配套方法学论文（逐年）

• 2019：Guitor et al.「Capturing the Resistome」，提出靶向捕获检测耐药决定子的方法（AAC 64:e01324-19）。
• 2022：Raphenya et al.「Datasets for benchmarking AMR genes」，发布 AMR 基因检测基准数据集（Scientific Data 9:341）。
• 2023：Edalatmand & McArthur「CARD*Shark」，文献审编的自动化优先级排序（Database baad023）；Smith et al. 耐药修饰剂的标准化命名（Microbiology Spectrum 11:e02744239）。
• 2025：Wlodarski et al.「CARD k-mers」，用 15 bp k-mer 揭示范畴内 AMR 基因的病原宿主（bioRxiv 2025.09.15.676352）；Hackenberger et al.「CARPDM」靶向富集测序（AEM 91:e0187624）；Lu et al. 在 CZ ID 云平台整合 CARD（Genome Medicine 17:46）。
• 2026：Edalatmand & Ta et al.「CARD:Epi」，用深度学习语言模型把耐药决定子与流行病学术语关联（bioRxiv 2026.08.14.744850）。

2.4 审编方法学：CARD 如何「长出」一个新基因

理解 CARD 的数据质量，关键在于理解它的人工审编流程。CARD 不是序列自动汇聚器，而是「文献先导、专家判定、本体映射」的三步流水线：

文献监控（PubMed + CARD*Shark 自动优先级排序）
        ↓
馆员精读（判定是否为「已验证的耐药决定子」）
        ↓
序列提取（从 GenBank/文献补充材料取参考序列）
        ↓
本体映射（挂到 ARO 的机制/家族/药物类别节点）
        ↓
检测模型构建（标定同源阈值；若涉突变则建 SNP 映射）
        ↓
版本发布（并入下一版，记入变更集 card-diff）

CARD*Shark（Edalatmand & McArthur 2023）是这条流水线的自动化前置环节：它用文本挖掘对海量新文献自动排序，把「最可能含新耐药基因的论文」推到馆员面前，从而让审编力量集中在高价值文献上。这正是 CARD 能够在保持人工审编质量的同时持续扩张的原因。

「模型中心化（model-centric）」（CARD 2017 引入）是另一项架构性决策：CARD 的原子单位不是「一条序列」，而是「一个检测模型」——一个模型可捆绑多条参考序列、多个 SNP、一组同源阈值。这让 CARD 从「序列数据库」升级为「可执行的检测逻辑库」。

2.5 关键版本演进对照

版本	时点	标志性能力	规模锚点
v1.0.0	2013	首版：序列 + ARO 雏形	—
v2.x	2017	模型中心化，AMR 检测模型成形	—
v3.0.x	2020	抗性组监测（CARD-R 前身）	—
v3.2.4	2023（论文口径）	机器学习支持、CARD Short Names、CARD:Live	5,057 模型 / 6,627 术语
v3.2.7	2023-11	流行度统计与分析版本	—
v4.0.2	2026-08	抗真菌整合、外排组件重组、AMM β-内酰胺酶扩充	6,489 模型 / 9,051 术语

2.6 学术影响力的量级

CARD 是抗菌耐药领域被引用最广的资源之一。其奠基论文（McArthur et al. 2013）与系列 NAR 更新论文长期占据 AMR 生物信息学工具的高被引榜。在应用侧，CARD/RGI 已成为大量微生物组、临床微生物、公共卫生监测论文的标配注释工具——这使得「引用 CARD 时用对了口径」不仅是学术规范问题，也直接影响这些下游研究的可复现性。

2.7 标准引用格式

为方便使用者，提供主引论文的多种引用格式：

APA：

Alcock, B. P., Huynh, W., Chalil, R., Smith, K. W., Raphenya, A. R., Wlodarski, M. A., … McArthur, A. G. (2023). CARD 2023: expanded curation, support for machine learning, and resistome prediction at the Comprehensive Antibiotic Resistance Database. Nucleic Acids Research, 51(D1), D690–D699. https://doi.org/10.1093/nar/gkac920

BibTeX：

@article{alcock2023card,
  title   = {CARD 2023: expanded curation, support for machine learning,
             and resistome prediction at the Comprehensive Antibiotic
             Resistance Database},
  author  = {Alcock, Brian P. and Huynh, William and Chalil, Romeo and
             Smith, Keaton W. and Raphenya, Amogelang R. and
             Wlodarski, Michael A. and Edalatmand, Arman and Petkau, Aaron
             and Syed, Syed A. and Tsang, Kara K. and others},
  journal = {Nucleic Acids Research},
  volume  = {51},
  number  = {D1},
  pages   = {D690--D699},
  year    = {2023},
  doi     = {10.1093/nar/gkac920}
}

GB/T 7714（中文国标）：

ALCOCK B P, HUYNH W, CHALIL R, 等. CARD 2023: expanded curation, support for machine learning, and resistome prediction at the Comprehensive Antibiotic Resistance Database[J]. Nucleic Acids Research, 2023, 51(D1): D690-D699.

若使用了特定功能，须补充引用对应方法论文：

• k-mer 病原宿主预测 → Wlodarski et al. 2025（bioRxiv 2025.09.15.676352）
• CARD:Epi 流行病学关联 → Edalatmand & Ta et al. 2026（bioRxiv 2026.08.14.744850）
• Bait Capture 靶向富集 → Hackenberger et al. 2025（Appl Environ Microbiol 91:e0187624）
• CARD*Shark 文献优先级 → Edalatmand & McArthur 2023（Database baad023）
• AMR 基准数据集 → Raphenya et al. 2022（Scientific Data 9:341）

§3 机构与人物

3.1 维护机构

CARD 由**加拿大麦克马斯特大学（McMaster University）**维护。该校位于安大略省汉密尔顿市，是加拿大 U15 研究型大学联盟成员。数据库的实体依托两个研究中心：

机构	英文全名	定位
IIDR	Michael G. DeGroote Institute for Infectious Disease Research	传染病研究所，McArthur/Wright 实验室所在
Global Nexus	Global Nexus for Pandemics and Biological Threats	大流行与生物威胁应对中心

值得强调的是，CARD 的官方声明是「由 McArthur 与 Wright 两位教授的实验室设计并开发，在全球合作者团队的帮助下完成」。这意味着它不是一个单一实验室的封闭项目，而是「核心实验室 + 全球协作网络」的产物——这一点在解读其数据覆盖偏差（见 §4.6）时需要纳入考量。

3.2 核心人物

人物	角色	说明
Andrew G. McArthur	CARD 项目负责人、通讯作者	麦马大生物信息学教授，长期主导 CARD/ARO 的整体架构与 NAR 系列论文
Gerry Wright	联合创始人、领域权威	麦马大生物化学与生物医学科学系教授，IIDR 创始主任，抗生素耐药研究领军人物；Antibiotic Resistance Platform（ARP）负责人
Brian P. Alcock	CARD 2023 第一作者	主导 2023 版大规模审编扩展
Amogelang R. Raphenya	核心开发者	RGI 与基准数据集主要作者
William W. L. Hsiao	合作者	Simon Fraser University
Fiona S. L. Brinkman	合作者	Simon Fraser University，生物信息学
Gary Van Domselaar	合作者	加拿大公共卫生署 / 国家微生物实验室（PHAC/NML）

CARD 2023 论文作者列共 39 人，横跨 McMaster、Simon Fraser University、Dalhousie University、加拿大公共卫生署等多个机构，是典型的跨国协作型数据库论文（详见论文署名列表）。

3.3 资助来源

CARD 明确列出其研究受以下机构资助：

• Canadian Foundation for Innovation（加拿大创新基金会）
• Canadian Institutes of Health Research（CIHR，加拿大健康研究院）
• Natural Sciences and Engineering Research Council of Canada（NSERC，加拿大自然科学与工程研究理事会）
• Medical Research Council (UK)（英国医学研究理事会）
• Genome Canada（加拿大基因组计划）
• Ontario Research Fund（安大略省研究基金）

这些公共科研资助背景解释了为何 CARD 采取「科研免费、商业收费」的差别化许可策略（见 §6.2）。

3.4 生态定位

• OBO Foundry 注册：ARO 本体已正式注册于 OBO Foundry（obofoundry.org/ontology/aro.html），与 Gene Ontology（GO）、Disease Ontology（DOID）等并列于生物医学本体生态。
• 代码托管：github.com/arpcard（ARO/RGI 相关仓库）；RGI 亦经 Bioconda 分发、Galaxy toolshed 提供封装。
• 第三方采纳：RCSB PDB 采用 CARD 参考序列作为蛋白结构的 ARO 注释基准；CZ ID（原 IDseq）云平台整合 CARD 实现病原 + ARG 同步检测。

3.5 项目治理特征

CARD 的治理有三点值得注意：

• 学术主导：项目由 McMaster 大学主导，未商业化运营（尽管对商业使用收费，但自身定位是学术基础设施）；
• 联邦资助：受加拿大及国际多个公共科研基金支持，这决定了其「科研免费、商业收费」的许可逻辑；
• 协作网络：全球合作者贡献分离株序列与审编，使 CARD 兼具「核心审编」与「社区贡献」两类数据来源。

对使用者而言，这意味着 CARD 的质量由核心团队的人工审编标准背书，但其覆盖广度受社区贡献意愿影响——这是解读其数据偏差时需要理解的治理背景。

§4 数据规模硬数字（双口径）

本节是全条目最需要读者警惕的部分。CARD 的「规模」有两个常见口径，数值差异显著，混用会导致引用错误。

4.1 口径 A：CARD 2023 论文（数据库版本 v3.2.4）

这是学术引用最常用的口径，来自 Alcock et al. 2023 论文正文：

指标	数值	备注
本体术语（ontology terms）	6,627	ARO 节点总数
参考序列（reference sequences）	5,010	审编的耐药基因参考序列
突变（mutations）	1,933	耐药相关 SNP
文献（publications）	3,004	支撑审编的文献数
AMR 检测模型（detection models）	5,057	RGI 消费的核心资产
病原体（抗性组预测）	377	论文时点
染色体	21,079
基因组岛	2,662
质粒	41,828
WGS 组装	155,606
唯一 ARG 等位基因序列	322,710

论文还记录了自 2020 年起的审编扩展：180 个新 AMR 基因家族、15 个新药物类别、1 个新耐药机制，以及两个新本体关系——evolutionary_variant_of（进化变异关系）与 is_small_molecule_inhibitor（小分子抑制剂关系）。这两个关系是 ARO 从「分类树」进化为「语义图」的关键一步。

4.2 口径 B：站内首页实时（2026-10-16 抓取）

card.mcmaster.ca 首页滚动展示当前实时计数：

指标	数值
Ontology Terms（本体术语）	9,051
Reference Sequences（参考序列）	6,453
SNPs	4,463
Publications（文献）	3,550
AMR Detection Models（AMR 检测模型）	6,489

站内抗性组预测统计（同一时点）：414 pathogens、24,291 chromosomes、2,662 genomic islands、48,212 plasmids、172,216 WGS assemblies、279,120 alleles。

4.3 双口径对照与引用建议

指标	CARD 2023（v3.2.4）	站内实时（2026-10）	增幅
本体术语	6,627	9,051	+36.6%
参考序列	5,010	6,453	+28.8%
检测模型	5,057	6,489	+28.3%
SNP	1,933	4,463	+130.9%
文献	3,004	3,550	+18.2%
病原体	377	414	+9.8%

引用纪律：论文中引用 CARD 覆盖度时，若引用 CARD 2023，请写「As of CARD 2023 (v3.2.4), CARD contains 5,057 AMR detection models」；若要反映最新状态，请注明「as of [抓取月份], CARD reports 6,489 models on its website」。切勿把 6,489 挂到 CARD 2023 论文名下，也不要用 5,057 描述当前版本。

值得注意的异常：SNP 数从 1,933 猛增至 4,463（+131%），远高于其他指标增幅。这与 CARD 近年系统性纳入结核分枝杆菌（M. tuberculosis）的似然度 AMR 突变、以及真菌抗性突变（FungAMR）整合的方向一致——突变类知识的审编力度近年显著加强。

4.4 当前下载版本矩阵（card.mcmaster.ca/download）

类别	版本	发布日期	格式
Ontology (ARO)	v4.0.2	2026-08-12	OBO, OWL, TSV, JSON
CARD Data	v4.0.2	2026-08-11	JSON, TAB, FASTA
CARD:Epi 模型	v1.0.0	2026-08-12	BZ2, TXT
CARD:Epi 关系抽取结果	v1.0.0	2026-08-11	TSV, TXT
Prevalence/Variants	v4.0.2	2023-11-21	TAB, FASTA, JSON, GZ
CARD Bait Capture	v4.0.2	2026-08-12	FASTA, PDF, TXT
Bait Synthesis Protocol	v1.0.0	2025-02-25	PDF, TXT
RGI 软件	v6.0.5	2025-05-30	TAR

版本不同步警告：Prevalence/Variants 虽标为 v4.0.2，但其发布日期停留在 2023-11-21，与 Data 的 2026-08-11 相差近三年。使用者不可默认全库同版——做流行度统计时须核对实际快照日期。

v4.0.2 的官方更新说明（08/2026 release）：

• 本体侧：First steps towards re-organization of efflux components and regulatory proteins. Extensive addition of antifungal compounds and resistance ontology terms. Re-organization of nonribosomal peptide antibiotics, peptide antibiotics, and nybomycin-like antibiotics.
• 数据侧：Additional AMM beta-lactamases, 23S rRNA methyltransferases, and Mycobacterium tuberculosis mutation data. Drug Class classification updates.

4.5 核心文件结构

CARD 下载包解压后的关键文件（据官方 README）：

文件	类型	内容
card.json	JSON	全部 AMR 检测模型：参考序列、SNP 映射、模型参数、ARO 分类；RGI 的输入
aro_index.tsv	TSV	ARO 对 GenBank 登录号的标注索引
aro_categories.tsv	TSV	用于分类所有 CARD 条目的 ARO 术语
aro_categories_index.tsv	TSV	GenBank 登录号 × 主要分类（基因家族/药物类别/机制）
snps.txt	TXT	与具体检测模型关联的 SNP 列表
shortname_antibiotics.tsv	TSV	抗生素缩写对照
shortname_pathogens.tsv	TSV	病原体缩写对照

注意：aro_categories_index.tsv 中一个 GenBank 登录号可能对应多条记录（一个基因可属多个分类维度），做「一登录号一行」的合并时需去重，否则会虚增唯一基因数。

4.6 数据偏差（rai:dataBiases 正文展开）

1. 文献驱动审编偏差：CARD 的收录以已发表文献为前提，因此研究热点（β-内酰胺酶、结核、碳青霉烯酶）被过度代表，而冷门耐药机制、非临床环境分离株则相对稀疏。
2. 地理与物种偏差：以临床重要病原体为主（ESKAPE 谱系），环境与动物源耐药组的覆盖相对薄弱，高收入国家的分离株数据更为充分。
3. 同源预测的假阳性：RGI 的 Loose 档允许远缘同源匹配，可能把非耐药序列误判为耐药基因，使用时须人工复核。
4. 快照时效偏差：k-mer/流行度预测依赖 NCBI（2023-05-02 快照）与 IslandViewer 4 数据，如果直接当作「当前流行度」会引入时效误差。

4.7 规模增长的结构性解读

把 §4.3 的对照表放在时间轴上看，能看到三条清晰趋势：

趋势一：术语与模型的同步扩张。 本体术语（+36.6%）与检测模型（+28.3%）的增速接近，说明 CARD 在扩充数据的同时保持了「本体先行」的一致性——新基因家族总是先有 ARO 节点，再有检测模型。这是本体驱动数据库的健康标志。

趋势二：突变知识的爆发式增长。 SNP 从 1,933 涨到 4,463（+131%），是增速最快的类别。原因有三：结核分枝杆菌突变数据库（TB Mutations，汇编 ReSeqTB/CRyPTIC/WHO）的系统性并入、真菌抗性突变（FungAMR）整合、以及氟喹诺酮/rRNA 甲基化等领域变异知识的持续补录。对做「突变型耐药预测」的模型，这三年是数据红利的窗口。

趋势三：抗性组预计算的规模化。 WGS 组装从 155,606 涨到 172,216、等位基因从 322,710 降到 279,120（口径微调）——说明 CARD-R 的预计算管线在持续重跑并纳入新组装，同时等位基因去重口径可能随参考库版本变化。使用者不可假设「等位基因数只增不减」。

对 AI 建模的启示：若你的任务是「基因存在型耐药分类」，v3.2.4 到 v4.0.2 的模型增量（+1,432 个）意味着旧模型训练集可能缺失近年新增的基因家族；若任务是「突变型耐药预测」，SNP 增量的 +131% 几乎重塑了可训练样本空间——务必用最新版本重建数据集，否则模型会在新基因家族上系统性失效。

4.8 数据体量与存储规划

CARD 官方未公布各归档文件的压缩体积，但可给出可行的存储规划原则：

数据类别	用途	加载策略
card.json	完整模型库（RGI 输入）	大文件，建议流式解析或预转 SQLite/Parquet
aro_index.tsv + aro_categories*.tsv	本体索引与分类	小表，可常驻内存
序列 FASTA（按 model type 分文件）	比对建库	按需加载；protein homolog 与 variant 分库
Prevalence/变异数据	流行度统计、k-mer	体量最大，按病原体/基因子集加载

建议：生产环境把 card.json 预转为关系表或列存（Parquet），只保留「模型 ID × 类型 × ARO × 阈值 × 序列引用」这些查询字段，把序列本体留在磁盘外存储——可显著降低内存占用与加载时间。

4.9 数据字典：核心字段详解

为便于工程接入，这里把 CARD 的关键数据字段逐一说明：

card.json 中的模型对象（每个 model_id 一项）

字段	含义	取值示例
model_id	模型唯一 ID	整数
model_name	模型名	“OXA-48”
model_type_id / model_type	模型类型	“protein homolog model”
ARO_accession	ARO 术语编号	“3001782”
ARO_name	ARO 术语名	“OXA-48”
ARO_category	分类字典（三类）	键含 AMR Gene Family / Drug Class / Resistance Mechanism
model_sequences	参考序列集合	含序列与 accession
model_param	模型参数	同源阈值等
model_sequences 中的 SNP	突变映射（variant 模型）	位点 + 变异

aro_index.tsv 字段

列	含义
ARO Accession	ARO 术语编号（ARO:xxxxxxx）
CARD Short Name	标准短名
AMR Gene Family	所属基因家族
Drug Class	靶向药物类别
Resistance Mechanism	耐药机制
GenBank Accession	对应序列登录号

aro_categories.tsv 字段

列	含义
ARO Category	分类维度（Gene Family / Drug Class / Mechanism）
Category ARO Term	该维度下的具体术语

接入要点：如果只需「基因名 ↔ 分类」映射，aro_index.tsv 一张表就够；若要「模型级」信息（阈值、序列），必须解析 card.json。多数下游应用（如注释报告）只需前者。

4.10 数据规模的应用含义

把规模数字翻译成实际应用含义：

指标	数值	应用含义
6,489 模型	检测覆盖度	可检测的耐药基因/突变种类上限
9,051 术语	语义粒度	分类可细到的层级深度
4,463 SNP	突变覆盖	可判定的点突变耐药范围
414 病原体	物种覆盖	可追溯宿主与流行度的病原范围
279,120 等位基因	变异多样性	等位基因级分辨的流行度分析基础

例如：如果你的任务是「检测碳青霉烯耐药」，你需要确认 CARD 版本中碳青霉烯酶相关模型（KPC、NDM、OXA-48、VIM、IMP 等家族）是否齐全——这取决于版本，v4.0.2 的 “Additional AMM beta-lactamases” 更新即扩充了此类模型。

§5 任务与标注

5.1 数据组织：本体驱动

CARD 与多数耐药基因库最本质的区别在于本体驱动（ontology-driven）。理解它的三层分类至关重要：

ARO 本体骨架
├── 耐药机制（Resistance Mechanism）
│   ├── antibiotic inactivation（抗生素灭活）
│   ├── antibiotic efflux（外排）
│   ├── antibiotic target alteration（靶点改变）
│   ├── antibiotic target replacement（靶点替换）
│   ├── antibiotic target protection（靶点保护）
│   └── reduced permeability to antibiotic（通透性下降）
├── AMR 基因家族（AMR Gene Family）
│   ├── OXA beta-lactamase（OXA β-内酰胺酶家族）
│   ├── NDM beta-lactamase
│   └── …（每个家族是一个 ARO 节点）
└── 靶向药物类别（Drug Class）
    ├── carbapenem（碳青霉烯类）
    ├── fluoroquinolone（氟喹诺酮类）
    └── …

一个具体耐药决定子（如 OXA-48）会同时挂在「β-内酰胺酶家族 → OXA family → OXA-48」的基因树路径上，并关联到「carbapenem drug class」与「antibiotic inactivation mechanism」。这种多轴标注让同一份数据既可按基因家族聚合，又可按药物类别交叉分析——这是做耐药预测模型特征工程时最有用的结构。

5.2 检测模型类型（RGI 输入口径）

CARD 的 AMR 检测模型（detection model）是其可执行的灵魂。模型分为若干类型：

模型类型	含义	典型用途
protein homolog model	蛋白同源模型：不含突变决定子的 AMR 基因序列	BLAST/DIAMOND 宏基因组分析；不含变异筛查
protein variant model	蛋白变异模型：野生型参考序列 + SNP 映射	检测突变型耐药（如 gyrA 点突变）
rRNA gene variant model	rRNA 基因变异模型	检测 rRNA 介导的耐药（如 23S rRNA 甲基化）
protein knockout model	蛋白敲除模型	检测因基因缺失导致的耐药
protein over-expression model	蛋白过表达模型	检测因过表达导致的耐药

关键区别：protein homolog model 用于「基因存在即耐药」的场景；protein variant model 用于「需要看突变位点才能判定耐药」的场景。若用 homolog 模型去检测变异型耐药，会得到假阳性——因为它只看序列是否存在，不筛查突变。官方 README 明确警告：不使用二次变异筛查运行 variant model，会把耐药变异或突变体误报。

5.3 RGI 三档置信度

RGI（Resistance Gene Identifier）是 CARD 配套的预测软件，其输出分三档：

档位	英文	判定标准	可靠性
完美	Perfect	与参考序列 100% 一致	最高
严格	Strict	高置信度同源（超过模型标定阈值）	高
宽松	Loose	远缘同源，含假阳性风险	需人工复核

这一三档制已成为 AMR 基因注释事实上的业界评测口径。下游工具（CZ ID 等）普遍以 Strict 及以上作为「确认耐药基因」的判据。

5.4 CARD Short Names（面向机器学习的命名标准化）

CARD 2023 的一项里程碑式改进是引入标准化短名（CARD Short Names），明确服务于机器学习。规则：

• 若原基因名 ≤15 字符，短名与原名相同；
• 若原基因名 >15 字符，由 CARD 馆员缩写为唯一短名；
• 所有空格替换为下划线；
• 病原体命名约定为「属首字母大写 + 种名前 3 字母小写」（如 Escherichia coli → Ecol）。

这套短名解决了耐药基因命名历史遗留的混乱（同一基因多个别名、不同基因重名），使机器学习模型可以把基因名当作稳定的类别特征。注意：短名是 CARD 专属约定，往往不基于文献原名，不具备本体学意义（官方 README 原文），跨库映射时不可当作权威基因名。

5.5 子库任务说明

子库	任务
CARD-R（Resistomes & Variants）	面向 414 种病原体的预编译抗性组、等位变异、流行度统计；含 15 bp k-mer 用于病原宿主预测
CARD:Epi	用深度学习语言模型从 PubMed 摘要抽取 ARG ↔ 流行病学术语关联（文献跨度 1966–2021）
FungAMR	真菌抗菌耐药突变（Nature Microbiology 2025），整合进行中
TB Mutations	结核分枝杆菌耐药突变（Schmidt et al. 2022），汇编 ReSeqTB、CRyPTIC、WHO 目录
CARD Bait Capture	靶向杂交探针富集平台（CARPDM 方法）
CARD:Live	社区提交的分离株抗性组数据集合（2023 新增）

5.6 ARO 本体深潜

ARO（Antibiotic Resistance Ontology）是 CARD 的语义骨架，其设计参照 OBO Foundry 的本体规范。理解它的几个核心关系，等于拿到了 CARD 数据的「导航图」：

ARO 关系	语义	典型用法
is_a	类属关系（继承）	OXA-48 is_a OXA beta-lactamase
part_of	组成关系	某外排泵复合体 part_of 膜转运系统
regulates	调控关系	调控蛋白 regulates 耐药基因表达
confers_resistance_to	赋予耐药	基因 confers_resistance_to 抗生素
targets	作用靶点	抗生素 targets 靶点蛋白
evolutionary_variant_of	进化变异（2023 新增）	变异体 evolutionarily 衍生自野生型
is_small_molecule_inhibitor	小分子抑制剂（2023 新增）	抑制剂 is_small_molecule_inhibitor 靶点

为什么本体比平铺列表强？ 假设你要回答「所有针对碳青霉烯类、通过外排机制起作用的耐药基因有哪些」——在平铺数据库里，你需要跨多个字段做脆弱的字符串匹配；在 ARO 里，你可以沿着 confers_resistance_to → carbapenem 与 resistance_mechanism → efflux 两条路径做图查询，结果精确且无需硬编码。这是 CARD 面向机器学习友好的结构性原因。

两个新关系（2023）的深意：evolutionary_variant_of 让 CARD 能够表达「基因家族内的进化谱系」，这对预测「新变异体的耐药倾向」极为关键；is_small_molecule_inhibitor 则打开了「耐药抑制剂」（如 β-内酰胺酶抑制剂）的语义建模——从「只描述耐药」走向「描述耐药及其破解」。

5.7 表型与流行病学标注

CARD 不止标注「是什么基因」，还标注「导致什么表型」与「出现在哪」。三层标注：

1. 分子层：基因序列、蛋白产物、SNP 位点、同源阈值；
2. 功能层：耐药机制、靶向药物类别、AMR 基因家族；
3. 表型/流行病学层：抗菌谱（哪些抗生素受影响）、病原体宿主、流行度统计（CARD-R）、文献关联（CARD:Epi）。

CARD:Epi 的加入（2026）是表型层的一次跃迁：它用深度学习语言模型（BioBERT 等）从 PubMed 摘要中抽取「ARG ↔ 规范化流行病学术语」的关联，并对每条关联给出逻辑回归/语言模型置信度。这意味着 CARD 第一次系统性地把「这个耐药基因在流行病学上与什么临床情境相关」变成了可查询的结构化数据——对公共卫生监测与临床决策支持很有价值。已知其文献覆盖范围为 1966–2021 年。

5.8 标注一致性保障

CARD 通过三项机制保障跨条目标注的一致性：

• 受控词表：AMR 基因家族、药物类别、耐药机制均取自 ARO 的定义节点，不允许自由文本；
• 标准短名：所有带检测模型的术语都有唯一 15 字符内短名，消除命名歧义；
• 变更集（card-diff）：每个版本提供与上一版的差异文件（JSON + TXT），任何标注变更可追溯。

对做数据集版本管理的团队，card-diff 是极有价值的资产——它让「CARD 在两次快照之间改了什么」变成可编程比对的问题，而不是靠人肉 diff。

5.9 耐药机制详解（ARO 六大主类）

CARD 的耐药机制（resistance mechanism）是理解数据语义的关键。ARC 收录的机制可归为六大主类：

机制	英文	原理	代表基因
抗生素灭活	antibiotic inactivation	用酶水解或修饰抗生素使其失活	β-内酰胺酶（TEM、CTX-M、NDM）、氨基糖苷修饰酶
抗生素外排	antibiotic efflux	用泵把抗生素排出细胞	外排泵（AcrAB-TolC、MexAB-OprM）
靶点改变	antibiotic target alteration	突变靶点使其不被抗生素结合	gyrA（氟喹诺酮）、rpoB（利福平）
靶点替换	antibiotic target replacement	用替代蛋白绕开被抑制的靶点	PBP2a（MRSA）、vanA（VRE）
靶点保护	antibiotic target protection	用保护蛋白解救被结合的靶点	TetM、Qnr
通透性下降	reduced permeability	减少抗生素进入细胞	孔蛋白突变（OmpK36）

为什么这六类对建模重要？ 不同机制的数据特征不同：灭活型耐药通常对应「基因存在即耐药」，适合 homolog 模型；靶点改变型耐药对应「特定 SNP 才耐药」，必须用 variant 模型。把机制维度纳入特征工程，可以显著提升耐药预测模型的表现。

5.10 药物类别覆盖

CARD 的 drug class 维度覆盖面很广，涵盖几乎所有临床重要抗生素类别：

药物类别	英文	临床地位
β-内酰胺类	beta-lactam	最广泛使用，含青霉素/头孢/碳青霉烯
氨基糖苷类	aminoglycoside	革兰阴性菌重要用药
氟喹诺酮类	fluoroquinolone	广谱，耐药率上升快
大环内酯类	macrolide	呼吸道感染常用
四环素类	tetracycline	广谱，含替加环素
糖肽类	glycopeptide	万古霉素等「最后防线」
多黏菌素类	peptide antibiotic	碳青霉烯耐药菌的最后防线
磺胺类	sulfonamide	经典合成抗菌药
消毒剂/防腐剂	disinfectant / antiseptic	2020 起纳入的类别

消毒剂与防腐剂（disinfectants and antiseptics）类别是 CARD 2020 后的重要扩充——它把「耐药」概念从治疗性抗生素扩展到了消毒剂领域，反映了「消毒剂滥用也可能诱导交叉耐药」的公共卫生关切。

5.11 病原体覆盖与临床谱

CARD-R 覆盖 414 种病原体，重点包括 WHO 优先病原体清单（priority pathogens）中的 ESKAPE 谱系：

缩写	病原体	中文	关注级别
E	Enterococcus faecium	屎肠球菌	万古霉素耐药
S	Staphylococcus aureus	金黄色葡萄球菌	MRSA
K	Klebsiella pneumoniae	肺炎克雷伯菌	碳青霉烯耐药
A	Acinetobacter baumannii	鲍曼不动杆菌	多重耐药
P	Pseudomonas aeruginosa	铜绿假单胞菌	多重耐药
E	Enterobacter spp.	肠杆菌属	ESBL

此外还有结核分枝杆菌（M. tuberculosis，经 TB Mutations 子库）、淋病奈瑟菌、沙门氏菌等。这一覆盖范围与 WHO 抗菌耐药优先病原体清单高度对齐，说明 CARD 的收录策略紧跟临床与公共卫生关切。

§6 获取方式与许可

6.1 获取路径总览

CARD 的全部数据、本体与软件均可从官网免费下载（科研用途）。官方提供自动下载端点：

类别	自动下载端点	归档命名示例
Ontology（ARO + MOBIO + VIRO）	https://card.mcmaster.ca/latest/ontology	ontology-v4.0.2.tar.bz2
CARD Data（核心）	https://card.mcmaster.ca/latest/data	broadstreet-v4.0.2.tar.bz2
CARD:Epi 模型	https://card.mcmaster.ca/latest/epimodels	epi-models-v1.0.0.tar.bz2
CARD:Epi 关系抽取结果	https://card.mcmaster.ca/latest/epiresults	epi-results-v1.0.0.tar.bz2
Resistomes/Variants/Prevalence	https://card.mcmaster.ca/latest/variants	prevalence-v4.0.2.tar.bz2
Software（RGI）	https://card.mcmaster.ca/latest/software	software-v6.0.5.tar.bz2
CARD Bait Capture	https://card.mcmaster.ca/latest/baits	baits-v4.0.2.tar.bz2
Bait Synthesis Protocol	https://card.mcmaster.ca/latest/protocol	—

格式演进：最新版（v4.0.x）统一打包为 .tar.bz2；v3.0.7 及更早为 .tar.gz。数据格式从早期含 OBO/CSV/OWL/XML 逐步收敛为 JSON/TAB/FASTA，本体格式保持 OBO/OWL/TSV/JSON 四选。

RGI 安装：官方文档推荐 Bioconda 通道，例如 conda install --channel bioconda rgi。RGI 亦提供 Galaxy toolshed 封装（toolshed.g2.bx.psu.edu/view/card/rgi/）与 GitHub 源码（github.com/arpcard/rgi）。

6.2 许可：双口径存照（本条目最关键合规事实）

这是使用 CARD 前必须弄清的问题，而它有一个极易被误解的陷阱。

口径 A —— 数据文件（Data）：McMaster 自定义限制条款

CARD 数据文件的官方 README（card.mcmaster.ca/readme/data）原文逐字如下：

“Use or reproduction of these materials, in whole or in part, by any commercial organization whether or not for non-commercial (including research) or commercial purposes is prohibited, except with written permission of McMaster University. Commercial uses are offered only pursuant to a written license and user fee. To obtain permission and begin the licensing process, see http://card.mcmaster.ca/about.”

中文释义：

「任何商业组织，无论其使用目的属于非商业（包括研究）还是商业，对本材料的全部或部分使用或复制均被禁止，除非获得麦克马斯特大学的书面许可。商业用途仅依据**书面许可并支付用户费用（user fee）**方可提供。如需获得许可并启动授权流程，请访问 http://card.mcmaster.ca/about。」

这段话有三个必须逐字读清的点：

1. 限制对象是「商业组织」本身，而非「商业目的」——一家商业公司即使只是拿 CARD 做内部学术研究，也被禁止；
2. 限制覆盖「全部或部分」——哪怕只嵌入一小段序列做衍生分析，也在限制范围内；
3. 唯一的合法路径是「书面许可 + user fee」——没有任何「小额免费额度」或「研究豁免」。

口径 B —— 本体（Ontology）：CC BY 4.0

CARD 下载页对本体的表述是：本体文件（OBO/OWL/TSV/JSON）「免费开放」，采用 Creative Commons CC BY 4.0 许可证。ARO 也已在 OBO Foundry 正式注册。

争议点与更正说明

口径	对象	条款
A	数据文件（card.json、序列、SNP 等）	McMaster 自定义：商业组织一律禁止，须书面许可 + user fee
B	本体文件（ARO，OBO/OWL）	CC BY 4.0

这两个口径不能等同。 常见误解是「CARD 是 CC BY-NC 4.0」——但本条目的一手核验（2026-10-16，检索 readme/data、download、about 三处官方页面）均未发现 “CC BY-NC 4.0” 的逐字官方表述。数据侧实际适用的是上述「商业组织一律禁止 + 书面许可 + user fee」的自定义条款，其限制比 CC BY-NC 更严格：CC BY-NC 允许非商业使用，而 McMaster 条款连商业组织的非商业用途也禁止。

合规建议：企业或任何有商业背景的机构在把 CARD 数据纳入产品、模型训练或对外服务前，务必先走 card.mcmaster.ca/about 的授权流程，不要依据「CC BY-NC」的假设直接使用。学术研究（非商业组织）使用则不受此限，但须正确引用。

6.3 引用要求

CARD 要求使用者引用主论文。当前主引为 CARD 2023：

Alcock BP, Huynh W, Chalil R, Smith KW, Raphenya AR, Wlodarski MA, Edalatmand A, Petkau A, Syed SA, Tsang KK, et al. “CARD 2023: expanded curation, support for machine learning, and resistome prediction at the Comprehensive Antibiotic Resistance Database.” Nucleic Acids Research, 2023, 51(D1):D690-D699. doi:10.1093/nar/gkac920.

若使用了特定功能，还须引用其对应方法论文：k-mer 算法（Wlodarski et al. 2025）、Bait Capture（Hackenberger et al. 2025）、CARD:Epi（Edalatmand & Ta et al. 2026）、CARD*Shark（Edalatmand & McArthur 2023）等。

6.4 版本链与获取建议

CARD 的版本线可用一条时间轴概括：

v1.0.0 ─v1.1.x ─v1.2.x ─v2.x ─v3.0.x ─v3.2.4 ─v3.2.7 ─…─ v4.0.2
 2013     2014    2015   2017   2020    2023    2023-11     2026-08
                                   ↑CARD2023    ↑流行度分析

Pipeline 接入建议：

1. 固定版本号（如 v4.0.2）而非「latest」，保证可复现；
2. 记录下载日期与归档 md5，因 CARD 持续更新；
3. 分别下载 Data、Ontology、Variants 三类，核对各自版本（Prevalence 版本常滞后）；
4. 把 card.json + aro_index.tsv 作为构建本地抗性组注释库的最小集。

6.5 三类使用场景的合规路径

不同身份的 CARD 使用者，其合规操作完全不同：

使用者身份	典型用途	合规路径
学术机构（非商业组织）	论文研究、教学、方法开发	可直接下载使用；须正确引用 CARD 2023 主论文；发表时标注数据版本
商业公司（内部研究）	内部科研、竞品分析	仍被禁止——条款限制对象是「商业组织」而非「商业目的」，须先取得 McMaster 书面许可
商业公司（产品/对外服务）	嵌入产品、云服务、模型训练	必须走正式授权：书面许可 + user fee；联系 card.mcmaster.ca/about
本体开发者	复用 ARO 结构	若仅使用本体文件（OBO/OWL），适用 CC BY 4.0，须署名

一句话：判断合规的依据是「你是谁」和「你用哪部分」——商业组织身份触发限制，本体 vs 数据的区分决定适用哪套条款。

6.6 数据引用与可复现性的工程实践

要让基于 CARD 的分析可复现，建议在项目内固定记录以下元数据（可放进 dataset card 或 methods 附录）：

database: CARD
version: v4.0.2
release_date: 2026-08-11
retrieved: 2026-10-16
endpoints:
  data: https://card.mcmaster.ca/latest/data
  ontology: https://card.mcmaster.ca/latest/ontology
archive_sha256: <下载时计算>
rgi_version: v6.0.5
citation: Alcock et al. 2023, NAR 51(D1):D690-D699, doi:10.1093/nar/gkac920

这样做的好处：当审稿人或合作者质疑结果时，可以精确复现到具体版本；当 CARD 发布新版时，可以用 card-diff 精确说明「新版改了什么、是否影响我的结论」。

6.7 许可决策树

面对 CARD，可用一棵决策树快速定位你的合规路径：

要使用 CARD 吗？
│
├─ 我是学术/非营利机构？
│   └─ 是 ──→ 自由下载使用，正确引用即可 ✅
│
└─ 我是商业组织？
    │
    ├─ 我只用本体（ARO OBO/OWL）？
    │   └─ 是 ──→ 适用 CC BY 4.0，署名即可 ✅
    │
    └─ 我要用数据（序列/模型/SNP）？
        │
        ├─ 用途是商业（产品/服务/训练）？
        │   └─ 是 ──→ 必须取得书面许可 + user fee ✅
        │
        └─ 用途是内部非商业研究？
            └─ 是 ──→ 仍被禁止！须书面许可 ⚠️（最易踩的雷）

最反直觉的一条：商业组织即使做的是「纯研究」，也被禁止使用 CARD 数据。条款针对的是主体身份而非用途性质。这是与 CC BY-NC（只限制用途）最本质的差别。

§7 评估与基准

7.1 RGI 三档置信度作为评测口径

CARD 自带的评测分档（Perfect / Strict / Loose）已成为 AMR 基因注释事实上的业界标准。下游工具（CZ ID、Galaxy RGI 封装、ResFinder 对比研究）普遍采用这套分档报告检测结果。它的价值在于把「同源匹配的可靠性」显式分级，而不是给一个二值的「是/否耐药」。

7.2 配套基准数据集

Raphenya et al. 2022（Scientific Data 9:341）发布了面向细菌宏基因组与全基因组测序的 AMR 基因检测基准数据集。这是 CARD 生态中用于定量评测 RGI（及其他耐药检测工具）的官方标尺，对做耐药基因预测模型 benchmark 的研究者尤为重要。该数据集本身构成本库可考虑收录的独立条目（血缘近邻）。

7.3 与其它工具的横向评测语境

AMR 基因检测领域的主要工具对比通常涉及：

工具	依赖的参考库	特点
RGI	CARD/ARO	本体驱动，三档置信度，模型中心化
ResFinder	自有 + 部分 CARD	侧重临床分离株
AMRFinderPlus	NCBI 自有库	与 NCBI 生态集成
ABRicate	多库聚合	批量筛查多数据库

Rooney et al. 2022（mSystems 7:e0002222）评测了 NGS 检测 E. coli 基因组与宏基因组 AMR 决定子的性能，是常用的横向对比文献。

7.4 过/欠预测的校正研究

CARD 团队 2025 年发表两篇直接针对 RGI 检测精度的工作：

• Wlodarski et al. 2025（k-mer 方法）：用 15 bp k-mer 揭示 AMR 基因的病原宿主与基因组上下文，帮助判定检测到的基因「来自哪里」；
• Mukiri et al. 2025（bioRxiv 2025.12.11.693720）：直接评估并提升 RGI 对 AMR 基因的过预测（overprediction）与欠预测（underprediction）。

这两篇文献是理解 RGI 误差来源的一手依据。

7.5 下游采纳指标

• RCSB PDB：蛋白序列满足「≥80% 覆盖且 ≥95% 一致」匹配到 CARD 参考序列时，打上 ARO 家族标签。这是 CARD 注释在结构生物学中的实际应用口径，也是侧面验证 CARD 参考序列质量的一个大规模实践。
• CZ ID（原 IDseq）：云平台整合 CARD 做病原 + ARG 同步检测（Lu et al. 2025, Genome Medicine 17:46），代表 CARD 在公共卫生监测场景的采纳。

7.6 评测指标体系一览

对做耐药基因预测模型的研究者，CARD 生态中可用的评测维度如下：

评测维度	指标	数据来源
检测灵敏度/特异度	Perfect / Strict / Loose 分档下的检出率	RGI 输出 vs 基准集（Raphenya 2022）
过/欠预测率	overprediction / underprediction	Mukiri et al. 2025
病原宿主溯源准确率	k-mer 预测 vs 已知宿主	Wlodarski et al. 2025
突变耐药判定	SNP 级一致率	protein/rRNA variant model
抗性组丰度	基因相对丰度	CARD-R / Prevalence 数据
注释覆盖度	匹配上的 ARO 家族数 / 总数	aro_categories_index

基准使用的注意事项：

1. 基准集与工具同源：Raphenya 2022 基准集出自 CARD 团队，用它评 CARD/RGI 存在一定的「自评」偏置，做工具横向对比时应补充独立验证集；
2. 分档报告：报告结果时须区分 Perfect/Strict/Loose，混档报「准确率」会掩盖假阳性；
3. 宏基因组特有挑战：reads 模式下，基因片段化、宿主背景噪声会显著拉低 Loose 档精度，建议宏基因组任务只用 Strict 档做定量。

7.7 与 ClinVar/抗菌药物敏感性试验（AST）的关联

CARD 的「基因型 → 耐药表型」链路最终要与临床 AST（抗菌药物敏感性试验）结果对标，才能用于临床决策。需注意：

• CARD 提供的是分子层面的耐药可能性，不等同于临床折点的耐药判定（后者由 CLSI/EUCAST 标准定义）；
• 「检测到耐药基因」≠「临床耐药」——基因可能存在但未表达，也可能低于表型阈值；
• 因此 CARD 在临床场景应作为辅助证据，而非替代 AST。这一边界在把 CARD 用于临床决策支持系统时必须明确。

§8 使用指南与 Pipeline

8.1 最小接入流程

把 CARD 接进一个抗性组分析 Pipeline，最短路径如下：

# 1) 下载（示例：数据 + 本体 + 变异/流行度）
curl -L -o data-v4.0.2.tar.bz2  https://card.mcmaster.ca/latest/data
curl -L -o onto-v4.0.2.tar.bz2  https://card.mcmaster.ca/latest/ontology
curl -L -o prev-v4.0.2.tar.bz2  https://card.mcmaster.ca/latest/variants

# 2) 解压（bzip2 归档）
mkdir -p card && tar -xjf data-v4.0.2.tar.bz2 -C card
tar -xjf onto-v4.0.2.tar.bz2 -C card

# 3) 安装 RGI（Bioconda）
conda install --channel bioconda --channel conda-forge rgi
# 或下载官方 software-v6.0.5.tar.bz2 使用打包版

# 4) 加载本地 CARD 数据
rgi load --card_json card/card.json --local

# 5) 从蛋白序列预测抗性组
rgi main -i proteins.faa -o sample_out -t protein -a DIAMOND --local

8.2 RGI 输入输出解读

维度	说明
输入类型	蛋白序列（protein）、核酸序列（contig）、全基因组组装、宏基因组 reads
比对引擎	BLAST（默认）或 DIAMOND（更快，适合大规模）
输出档位	Perfect / Strict / Loose 三档
输出文件	主表（.txt）、JSON（.json）、可选可视化
病原溯源	结合 RGI 与 k-mer 可预测检测到的基因来自哪种病原

关键参数语义：

• --include_loose：是否输出 Loose 档。默认建议关闭用于自动化判读，仅在探索性分析时开启并人工复核。
• -a DIAMOND：换用 DIAMOND 比对引擎，显著提速，适合宏基因组大队列。

8.3 三种典型分析模式

模式一：单菌基因组抗性组剖面

基因组组装 → Prokka/Prodigal 基因预测 → RGI(protein) → 抗性组谱

适合临床分离株的耐药表型预测。

模式二：宏基因组抗性组筛查

宏基因组 reads → RGI(contig/reads, DIAMOND) → 抗性组丰度

适合环境/肠道微生物组研究。注意此模式假阳性率较高，须设 Strict 门槛。

模式三：耐药突变精细检测

目标基因序列 → RGI(protein variant model) → SNP 级耐药判定

适合结核、氟喹诺酮等「点突变即耐药」的场景，必须用 variant model 而非 homolog model。

8.4 与其它库的联合使用

联合场景	搭配库	说明
耐药基因 ↔ 抗生素药物	DrugBank（rid=89）	把 CARD 的 drug class 映射到具体药物实体
耐药靶点 ↔ 化合物活性	ChEMBL（85）/ PubChem-PCBA（86）	抗菌活性数据交叉印证
耐药基因 ↔ 药物-靶点-疾病	TTD（409）/ DGIdb（419）	构建耐药-药物关联图
抗菌靶点药理学	IUPHAR/BPS（364）	靶点受体/通道药理学参照

8.5 数据加载性能提示

card.json 是 CARD 的「大文件」，包含全部检测模型的序列与参数，体量随版本增长。建议：

• 用流式 JSON 解析（如 Python ijson）而非一次性 json.load，避免内存峰值；
• 若只需索引级信息（基因名、ARO、分类），优先用 aro_index.tsv + aro_categories_index.tsv 这两张小表，不必加载 card.json；
• RGI --local 模式会把 CARD 数据加载进本地数据库，首次加载较慢，后续复用。

8.6 用 Python 解析 card.json 的可运行骨架

以下为构建「AMR 模型索引表」的最小骨架（流式思路，避免一次性载入）：

import json

# 若文件不大可一次性载入；大的话改 ijson 流式
with open("card/card.json", encoding="utf-8") as f:
    card = json.load(f)

rows = []
# card.json 顶层是一个以 model_id 为键的字典
for model_id, model in card.items():
    rows.append({
        "model_id": model_id,
        "model_type": model.get("model_type"),
        "aro_accession": model.get("ARO_accession"),
        "aro_name": model.get("ARO_name"),
        "aro_category": "|".join(model.get("ARO_category", {}).keys()),
    })

# rows 即「模型索引表」，可写入 SQLite/Parquet
print(f"共解析 {len(rows)} 个 AMR 检测模型")

注意：card.json 的具体键名可能随版本微调，生产代码应先打印顶层结构再写死字段名。

8.7 规范化流程建议

把 CARD 接入生产系统，建议遵循以下规范化流程：

1. 版本冻结：在项目启动时固定 CARD 版本，写入实验记录；
2. 结构探查：先用 head/Python 打印 card.json 顶层结构，确认字段名；
3. 索引提取：抽取模型索引表（模型 ID、类型、ARO、分类），作为主查询表；
4. 序列分库：按 model type 拆分 FASTA，分别建 BLAST/DIAMOND 索引；
5. 结果校验：抽样用 RGI 官方的 Perfect/Strict 分档结果反向校验自建管线；
6. 合规记录：记录使用身份与许可依据（学术 vs 商业）。

8.8 部署上线检查清单

把 CARD 用于生产系统前，逐项确认：

• [ ] 许可已核：确认使用身份（学术/商业）与适用条款，商业组织已取得书面许可；
• [ ] 版本已冻结：记录 CARD Data / Ontology / RGI 的具体版本号与下载日期；
• [ ] 归档已校验：下载后计算并保存 sha256，防止传输损坏；
• [ ] 结构已探查：确认 card.json 顶层字段名（跨版本可能变动）；
• [ ] 模型类型已选：按耐药机制选择 homolog / variant，文档化选择理由；
• [ ] 分档门槛已设：自动化流程默认只采信 Perfect + Strict；
• [ ] Prevalence 版本已核：确认流行度数据的实际快照日期，未默认同版；
• [ ] 索引已构建：把大文件预转为 SQLite/Parquet，避免运行时 OOM；
• [ ] 交叉验证已做：用独立工具或 AST 结果抽样验证检测准确性；
• [ ] 引用已备：论文/产品文档中已加入 CARD 2023 主引与相应方法论文。

§9 工程坑点（10 则）

坑点 1：把「CC BY-NC」当成 CARD 数据许可（合规高危）

症状：商业机构依据「CC BY-NC 4.0」假设，直接把 CARD 数据用于产品开发或对外服务，事后发现违规。

根因：CARD 的数据文件并非 CC 许可，而是 McMaster 自定义条款——「任何商业组织，无论用途是否商业，使用或复制均被禁止，除非获书面许可；商业用途须支付 user fee」。只有本体（ARO）是 CC BY 4.0。「CC BY-NC 4.0」的表述在一手官方页面中未获确证。

规避：企业使用前必走 card.mcmaster.ca/about 授权流程；区分「数据」与「本体」两套条款；学术引用不等于商业授权。

坑点 2：混用 CARD 2023 与站内实时两套规模数字

症状：论文引用「CARD contains 6,489 AMR detection models」却标注来源为 CARD 2023 论文，被审稿人质疑。

根因：CARD 2023 论文口径为 5,057 模型（v3.2.4）；站内首页实时为 6,489 模型（2026-10）。两者都对，但时点不同。

规避：引用论文口径写 5,057；引用当前状态写 6,489 并注明抓取月份。所有覆盖度表述必须带口径与日期。

坑点 3：用 protein homolog model 检测变异型耐药 → 假阳性

症状：用 RGI 默认模型检测 gyrA、rpoB 等「点突变耐药」，得到全阴性或严重误判。

根因：protein homolog model 只看「基因是否存在」，不筛查突变位点。对「需要看具体 SNP 才能判定耐药」的基因，必须用 protein variant model。官方 README 明确警告：不运行二次变异筛查而使用 variant model，会把耐药变异体误报。

规避：按耐药机制选择模型类型——基因存在即耐药 → homolog；突变才耐药 → variant；rRNA 介导 → rRNA variant。

坑点 4：默认开启 Loose 档污染自动化判读

症状：宏基因组抗性组分析结果里出现大量可疑的「耐药基因」，人工核查发现多为远缘同源假阳性。

根因：Loose 档允许远缘同源匹配，假阳性率高，设计上就是「需人工复核」的档位。

规避：自动化 Pipeline 默认只用 Perfect + Strict；Loose 仅在探索性分析中开启并逐一复核。报告时明确标注所用档位。

坑点 5：误以为全库同版本，忽略 Prevalence 数据滞后

症状：用「v4.0.2」的流行度统计做 2026 年分析，实则是 2023-11-21 的快照，结论过时。

根因：CARD 下载页的 Prevalence/Variants 虽标为 v4.0.2，但发布日期停留在 2023-11-21，与 Data v4.0.2（2026-08-11）相差近三年。

规避：下载后逐个核对版本与发布日期；流行度分析明确标注快照日期；关注其依赖的 NCBI 快照（2023-05-02）时效。

坑点 6：把 CARD Short Name 当作权威基因名跨库映射

症状：用 CARD Short Name 去其它库（如 NCBI Gene、UniProt）做映射，大量匹配失败或错配。

根因：CARD Short Name 是为「程序化与兼容性」设计的CARD 专属约定，官方明确说明它「往往不基于文献、不具备本体学意义」。原基因名 >15 字符时由馆员人为缩写。

规避：跨库映射用基因的原始名称或 GenBank/UniProt 登录号，不要用 CARD Short Name；仅在 CARD 内部数据处理时使用短名。

坑点 7：aro_categories_index 一登录号多行 → 唯一基因数虚增

症状：统计「CARD 中唯一耐药基因数」时，数字比预期大很多。

根因：aro_categories_index.tsv 是「GenBank 登录号 × 分类维度」的交叉表，一个基因可属多个 AMR 基因家族/药物类别/机制，因此同一登录号会出现多行。

规避：统计唯一基因数时按登录号或 ARO accession 去重；需要多轴分析时保留多行，但不要把它当作「基因计数表」。

坑点 8：一次性 json.load 加载 card.json 导致内存爆掉

症状：在内存受限的容器里加载 card.json，进程被 OOM kill。

根因：card.json 含全部检测模型的参考序列、SNP 映射与参数，体量巨大且随版本增长，一次性载入内存峰值极高。

规避：用流式解析（ijson）或按 model 逐块读取；若只用索引信息，改用 aro_index.tsv + aro_categories.tsv 小表；生产环境预构建 SQLite/Parquet 索引。

坑点 9：把「检测到耐药基因」直接等同于「临床耐药」

症状：基于 CARD/RGI 的输出做出临床用药建议，与实验室 AST 结果不符。

根因：CARD 给出的是分子层面的耐药可能性。基因可能存在但未表达、表达量不足以产生表型耐药，或低于临床折点。临床耐药判定由 CLSI/EUCAST 折点定义，二者不是一回事。

规避：CARD 结果在临床场景只作辅助证据；明确区分「分子耐药标记」与「表型耐药」；建立「基因型—表型」对照验证集。

坑点 10：忽略 card-diff 导致版本升级后结果漂移不可解释

症状：升级 CARD 版本后，同一批样本的抗性组结果发生变化，但无法说明变化来自哪里。

根因：CARD 每次发版都有模型新增、阈值调整、分类重组（如 v4.0.2 重排外排组件与调控蛋白）。若不追踪差异，结果漂移就成了「黑箱」。

规避：升级时下载对应 card-diff-vX-X.json/txt，明确列出新增/删除/修改的模型与 ARO 节点，评估其对分析结论的影响后再定稿；在方法学中记录版本变更。

坑点汇总速查表

#	坑点	严重度	一句话规避
1	误当 CC BY-NC 许可	极高（合规）	商业组织须书面许可 + user fee
2	混用两套规模数字	中（学术）	引用必标口径与时点
3	homolog 模型检测变异耐药	高	按机制选 model type
4	默认开 Loose 档	中	自动化只用 Perfect+Strict
5	忽略 Prevalence 版本滞后	中	核对发布日期而非仅版本号
6	用 Short Name 跨库映射	中	用原名或登录号映射
7	分类交叉表当计数表	中	统计唯一基因须去重
8	json.load 爆内存	中	流式解析或预转索引
9	分子耐药当临床耐药	高（临床）	CARD 仅作辅助证据
10	忽略 card-diff	中	升级追踪差异再定稿

§9.11 坑点背后的通用教训

把这十个坑点抽象一下，它们指向四条通用工程教训：

教训一：许可证要先读后算。 坑点 1 的代价最高，因为它不产生技术错误，只产生法律风险。任何数据接入项目，第一件事应是「确认许可」，而不是「跑通代码」。

教训二：口径即事实的一部分。 坑点 2、5 的本质都是「数字脱离了时点就失去意义」。数据库类资源的所有规模数字都必须绑定版本与日期，否则引用即失真。

教训三：工具的参数语义要读到文档一级。 坑点 3、4、6、7 都源于「想当然」——以为 homolog 能检突变、以为默认参数安全、以为短名是权威名、以为交叉表是计数表。CARD 的官方 README 其实都写了，只是没人读。

教训四：工程边界要显式声明。 坑点 8、9、10 涉及资源约束、学科边界与版本管理，它们不会报错，只会让结果悄悄失准。成熟的 Pipeline 应把这些边界写进文档与检查清单。

对 CARD 的每一条坑点，规避方式都不是「更复杂的代码」，而是「更清醒的理解」。这也是为什么本条目花了大量篇幅讲清口径、机制与许可——在生物医学数据工程里，理解数据比操作数据更重要。

§10 互链、消歧与延伸

10.1 库内建议互链点

目标条目	rid	互链理由
drugbank	89	药物知识库：CARD 的抗生素/药物类别可映射到 DrugBank 药物实体
chembl	85	生物活性库：耐药靶点-化合物活性数据互补
pubchem-pcba	86	化合物生物活性：抗生素小分子活性对接
ttd	409	治疗靶点库：抗菌靶点与药物-靶点关联互补
dgidb	419	药物-基因互作：耐药基因 ↔ 药物关联
iuphar-bps	364	受体/通道药理学：抗菌靶点药理学参照
pharos	354	可成药靶点：抗菌靶点的成药性视角补充

互链纪律（R018）：以上 rid 为写作时库内已核实的在架 record_id；本条目自身 rid 由入库后回填，正文不猜测。

10.2 消歧说明

• cardiac 系列：本库内 cardiac-atlas-project（rid=521）、cardiac-implantable-device-cxr（599）、cardiowave-portable（1005）等条目均含「cardiac/cardio」字样，与 CARD（耐药）无关，仅字符串相近。
• daroct（rid=938）：含「耐药（OCT 域适应）」概念，实为视网膜 OCT 影像条目，与抗菌耐药无业务关系，勿合并。
• Pharos（rid=354）：同为「知识库 + 本体/分类体系」型资源（靶点 TDL 分类），方法学可互鉴，但领域不同（靶点 vs 耐药），勿视为同物。

10.3 延伸阅读

• CARD 官方教程：Canadian Bioinformatics Workshops 2025「Antimicrobial Resistant Gene (AMR) Analysis」（YouTube 系列）。
• RGI 文档：github.com/arpcard/rgi。
• ARO 本体：OBO Foundry（obofoundry.org/ontology/aro.html）可查 ARO 的 OBO/OWL 版本与版本历史。
• 配套基准：Raphenya et al. 2022, Scientific Data 9:341。

10.4 一句话定位

CARD 是抗菌耐药领域「本体驱动 + 可执行检测模型」的参考知识库范式——它的价值不只在数据量，更在把文献知识压成机器可读的语义图；但它的数据许可对商业极度不友好，是接入前必须过的第一道关。

10.5 典型应用场景

CARD 在真实世界中的典型用途可归纳为六类：

场景	说明	关键数据
临床分离株耐药预测	从菌株基因组预测耐药谱，辅助用药	CARD + RGI（Strict 档）
宏基因组抗性组监测	环境/肠道样本的耐药基因丰度谱	CARD-R + Prevalence
公共卫生哨点监测	追踪耐药基因的时空传播	CARD-R + k-mer 溯源
新药研发靶点发现	识别新型耐药机制作为药物靶点	ARO 机制节点
抗菌耐药知识图谱	构建基因-药物-疾病关联图	ARO 关系 + CARD:Epi
机器学习特征工程	耐药基因作为表型预测特征	CARD Short Names + 分类

场景一（临床预测）的完整链路示例：

临床分离株 → 测序 → 组装 → RGI(Strict) → 耐药基因列表
    ↓
映射到 ARO → 提取 drug class → 预测耐药谱
    ↓
对照 CLSI 折点 → 生成用药建议（辅助）

场景四（新药研发）的独特价值：CARD 的 ARO 本体把「耐药机制」显式建模，让研究者可以查询「哪些机制尚无抑制剂」（借 is_small_molecule_inhibitor 关系），从而识别药物空白——这是平铺数据库做不到的。

10.6 与 AI 结合的前沿方向

CARD 在 AI 时代的价值正在被重新发掘，几个前沿方向：

1. 耐药基因语言模型：把基因序列当「文本」训练蛋白语言模型（如 ESM），用 CARD 的 ARO 分类作标签，预测未知序列的耐药功能；
2. 耐药表型预测：用 CARD 基因列表 + 临床 AST 标签训练「基因型→表型」分类器；
3. 知识图谱推理：以 ARO 为骨架，融合 CARD:Epi 的文献关联，做耐药传播路径推理；
4. 宏基因组弱监督学习：用 CARD-R 的流行度统计作弱标签，训练宏基因组耐药检测模型；
5. 抗体/小分子生成：以耐药靶点结构（经 RCSB PDB 的 CARD 注释）为条件生成抑制剂。

CARD 2023 论文标题中的「support for machine learning」正是指向这一趋势——标准化短名、结构化 JSON、明确的 ARO 分类，都是为「让机器学习模型能直接吃进 CARD」做的铺垫。

10.7 使用 CARD 的方法学建议

给准备用 CARD 做研究或产品开发的读者几条经验性建议：

1. 先读许可再读数据——合规是零成本的前置动作，事后补救代价极高；
2. 固定版本并记录——CARD 持续更新，不固定版本的分析不可复现；
3. 分清 model type——homolog vs variant 的选择直接决定检测正确性；
4. 只用 Strict 及以上做自动化判读——Loose 档留给人工；
5. 把 ARO 当图而非表——本体关系的价值在于图查询，不要退化成字符串匹配；
6. 注意数据偏差——CARD 偏重临床病原体与文献热点，补充数据前先明确覆盖缺口；
7. 交叉验证——用独立工具（ResFinder/AMRFinderPlus）或 AST 结果做交叉验证。

10.8 同类资源对比总结

资源	本体	检测模型	许可	最适合
CARD	✅ ARO（OBO Foundry）	✅ 模型中心化	商业须授权	知识图谱、AI 特征、全面研究
ResFinder	❌	✅ 脚本	开放	临床快速检测
AMRFinderPlus	❌	✅ 与 NCBI 集成	开放	NCBI 生态内分析
MEGARes	层级（非 OWL）	✅	开放（CC）	宏基因组专门场景
ARDB	❌	❌	—	历史参考（已过时）

选型建议：若你需要的是「结构化、可编程、带本体的耐药知识」，CARD 无出其右；若你需要的是「临床快速检测且无许可顾虑」，ResFinder/AMRFinderPlus 更轻便。许多团队的做法是「用 CARD 建知识层，用工具做检测层」。

10.9 本条目写作说明与核验方法

为便于读者判断本条目可信度，说明其核验方法：

• 三源互证：核心数字与事实均经三方对照——① CARD 官网首页实时计数；② CARD 2023 NAR 论文（v3.2.4 口径）；③ CARD 官方下载页与数据 README。三者一致处直接采用，冲突处双列存照（见附录 C）。
• 一手来源：所有硬数字来自 CARD 官方页面与论文原文，未采用二手综述转述。
• 许可逐字核验：数据侧许可条款为官方 README 逐字原文引用，并明确指出「CC BY-NC 4.0」一手未获确证。
• 口径纪律：论文口径（5,057 模型）与站内实时口径（6,489 模型）全程分列，任一处出现规模数字均标注口径与时点。
• 遗留疑点：无法在核验预算内完成的项（如 about 页完整条款、归档体积）均列入附录 D，不做臆测。

本条目撰写于 2026-10-16，CARD 数据持续更新，读者使用前请以官方最新页面为准。

DAIMS 数据就绪度评估

DAIMS（Data and Analytics Interoperability Maturity Standard）从 6 个维度评估数据资产的 AI 就绪度，每维 1–4 分。以下为 CARD 的评估：

#	维度	评分	依据
1	数据可发现性（Discoverability）	4/4	官网 + 自动下载端点清晰；OBO Foundry 注册；DOI/PMID 完备；GitHub 有镜像
2	数据可访问性（Accessibility）	3/4	免费下载稳定，但商业访问受限（须书面许可 + user fee），且无正式 API（官网提供 web 分析，批量依赖下载）
3	数据互操作性（Interoperability）	4/4	ARO 为 OBO Foundry 标准本体；GenBank/UniProt 登录号映射；JSON/TAB/FASTA/OWL 多格式
4	数据可复用性（Reusability）	4/4	版本化、变更集（card-diff）、标准化短名、明确引用要求、配套 RGI 软件
5	数据质量与治理（Quality & Governance）	4/4	专家人工审编、同行评议论文支撑、持续更新（2013→2026）、明确的策展规范
6	数据标注完备度（Annotation Completeness）	4/4	本体多层标注（机制 × 家族 × 药物类别）；SNP 映射；表型关联；CARD:Epi 流行病学关联
	综合	23/24	唯一失分在商业访问门槛，属许可策略而非技术缺陷

评估说明：DAIMS 分数反映「作为 AI 训练/推理数据资产的成熟度」。CARD 在技术成熟度上近乎满分，唯一短板（可访问性 3/4）源于其有意的商业许可限制——这不是质量缺陷，而是需在合规层面预先处理的约束。对学术用户，CARD 实为满分级的 AI-Ready 资源；对商业用户，须先取得授权。

附录 A：数据字段与文件速查

文件/字段	含义	取值示例
card.json → model_id	检测模型 ID	唯一整数
card.json → model_type	模型类型	protein homolog / protein variant / rRNA variant / protein knockout / protein over-expression
card.json → ARO_accession	ARO 术语编号	ARO:3000020
card.json → ARO_name	ARO 术语名	OXA-48
aro_categories.tsv	分类术语清单	AMR gene family / drug class / resistance mechanism
aro_categories_index.tsv	登录号 × 分类交叉	一登录号可多行
aro_index.tsv	ARO × GenBank 登录号	ARO 标注索引
snps.txt	模型关联 SNP	突变位点列表
CARD Short Name	15 字符内标准短名	空格→下划线；病原体「属首字母大写+种名 3 字母」

附录 B：核心事实来源清单（一手）

1. CARD 官网首页 — https://card.mcmaster.ca/ （实时数据规模、机构、RGI、子库导航）
2. CARD 下载页 — https://card.mcmaster.ca/download （版本与发布日期、格式、许可流程入口）
3. CARD 数据 README — https://card.mcmaster.ca/readme/data （数据侧许可逐字原文、card.json 结构、短名规则）
4. CARD About 页 — https://card.mcmaster.ca/about （机构、人物、资助、引用清单）
5. CARD 2023 论文摘要（McMaster Experts）— https://experts.mcmaster.ca/display/publication2444485
6. NAR 卷期/DOI/PMID 核验 — https://oamonitor.ireland.openaire.eu/national/search/publication?pid=10.1093%2Fnar%2Fgkac920
7. CARD 镜像 README（GitHub）— https://github.com/DylanRietze/CARD/blob/main/README.md
8. PubMed 条目 — https://pubmed.ncbi.nlm.nih.gov/36263822/

附录 C：双口径存照汇总

项目	口径一	口径二	处置
AMR 检测模型数	5,057（CARD 2023 论文 v3.2.4）	6,489（站内实时 2026-10）	全文双列，标注口径
本体术语数	6,627（论文 v3.2.4）	9,051（站内实时）	全文双列
数据许可	商业组织一律禁止（readme/data 原文）	本体 CC BY 4.0	分列，不合并
CC BY-NC 4.0 表述	用户 brief 转述	一手官方页面未获确证	作更正说明，见 §6.2
Prevalence 版本	v4.0.2（标称）	发布日期 2023-11-21（实际滞后）	存照，提醒勿默认同版

附录 D：遗留疑点

1. 许可条款完整法律文本：readme 指向的 card.mcmaster.ca/about 授权流程页未在本次核验预算内逐字抓取完整条款；已抓取的 readme/data 同段文字为数据侧官方原始表述，作为主要依据。
2. 各 .tar.bz2 归档体积：官方未公布，正文不做臆测。
3. CARD Short Name 完整生成算法：官方仅给出规则概述（>15 字符由馆员缩写），未公布完全确定性算法，跨版本可能微调。
4. 「约 5,000 个耐药基因模型」：与 CARD 2023 论文的 5,057 吻合，属时点口径差异而非错误，已在 §2/§4 注明。

附录 E：常见问答（FAQ）

Q1：CARD 能商用吗？
不能——除非你是非商业组织，或已从 McMaster University 取得书面许可。注意限制对象是「商业组织」而非「商业目的」，商业公司做内部研究也被禁止。本体（ARO）单独为 CC BY 4.0。

Q2：CARD 和 ResFinder/AMRFinderPlus 有什么区别？
CARD 是本体驱动 + 模型中心化的参考库，配套 RGI；ResFinder 侧重临床分离株的快速检测；AMRFinderPlus 深度集成 NCBI 生态。三者可互补使用，横向对比时注意基准集的独立性。

Q3：为什么论文里 CARD 的模型数和官网不一致？
因为口径时点不同。CARD 2023 论文写的是 v3.2.4（5,057 模型），官网显示的是当前实时（6,489 模型）。两个都对，引用时标明口径。

Q4：CARD 数据可以用来训练 AI 模型吗？
可以，但受许可约束——学术机构自由使用；商业机构须先取得授权。此外需注意数据偏差（文献驱动、临床病原体偏重），训练时建议补充环境/动物源数据。

Q5：怎么判断我检测到的是不是真耐药基因？
看 RGI 档位：Perfect/Strict 可信度高，Loose 需人工复核。此外区分 model type——基因存在型耐药用 homolog 模型，突变型耐药必须用 variant 模型。

Q6：CARD 会更新吗？多久一次？
持续更新，几乎每年都有版本发布（v3.2.4 → v4.0.2 间多次迭代）。建议固定版本使用，升级时用 card-diff 追踪变化。

附录 F：术语表（中英对照）

中文	英文	释义
抗微生物耐药	Antimicrobial Resistance (AMR)	微生物对抗微生物药物产生抵抗
耐药基因	Antibiotic Resistance Gene (ARG)	赋予耐药性的基因
抗性组	Resistome	一个样本/基因组中全部耐药决定子的集合
抗菌耐药本体	Antibiotic Resistance Ontology (ARO)	CARD 的语义骨架
耐药基因识别器	Resistance Gene Identifier (RGI)	CARD 配套预测软件
检测模型	Detection Model	CARD 的可执行检测逻辑单元
蛋白同源模型	Protein Homolog Model	基于序列存在的检测模型
蛋白变异模型	Protein Variant Model	基于 SNP 的检测模型
耐药机制	Resistance Mechanism	如灭活、外排、靶点改变
药物类别	Drug Class	如碳青霉烯类、氟喹诺酮类
标准短名	CARD Short Name	CARD 专属的 ≤15 字符基因缩写
β-内酰胺酶	Beta-lactamase	水解 β-内酰胺类抗生素的酶
碳青霉烯酶	Carbapenemase	水解碳青霉烯类的酶（临床要药）
全基因组测序	Whole Genome Sequencing (WGS)	完整基因组测序
宏基因组	Metagenome	环境/宿主样本中全部遗传物质

附录 G：CARD 家族资源导航

资源	定位	入口
CARD 主库	耐药基因 + 本体 + 检测模型	card.mcmaster.ca
RGI	抗性组预测软件	card.mcmaster.ca/analyze；github.com/arpcard/rgi
CARD-R	抗性组与变异预编译	card.mcmaster.ca/prevalence
CARD:Epi	NLP 流行病学关联	card.mcmaster.ca/download
FungAMR	真菌抗性突变	card.mcmaster.ca/fungamrhome
TB Mutations	结核耐药突变	card.mcmaster.ca/tbhome
CARD Bait Capture	靶向富集平台	card.mcmaster.ca/download
ARO 本体	OBO/OWL 本体文件	obofoundry.org/ontology/aro.html
ARP	抗生素耐药研究平台	thewrightlab.com/antibiotic-resistance-platform

---

本条目由千方病案医学编辑部基于一手官方来源（card.mcmaster.ca、NAR 论文、官方 README）核验撰写，所有硬数字均标注口径与时点。许可信息以撰写时（2026-10-16）官方页面为准，使用前建议复核最新条款。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• bv-brc — 共享标签：公共卫生与流行病学 / 基因组学与多组学 / 变异与注释 / 微生物组
• ctd — 共享标签：公共卫生与流行病学 / 基因组学与多组学 / 药物发现与化学 / 知识图谱
• ena — 共享标签：公共卫生与流行病学 / 基因组学与多组学 / 微生物组
• gbif — 共享标签：公共卫生与流行病学 / 基因组学与多组学 / 微生物组
• orphanet-ordo — 共享标签：公共卫生与流行病学 / 变异与注释 / 知识图谱
• ecod — 共享标签：基因组学与多组学 / 变异与注释 / 药物发现与化学 / 知识图谱
• meddra — 共享标签：公共卫生与流行病学 / 药物发现与化学
• disgenet — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱
• open-targets — 共享标签：基因组学与多组学 / 药物发现与化学 / 知识图谱
• phosphositeplus — 共享标签：基因组学与多组学 / 变异与注释 / 药物发现与化学 / 知识图谱

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。