信息速览
SILVA 把散落在公共核酸归档里的核糖体 RNA 序列捞出来，重新比对、重新打分、重新分类，做成一套可以直接拿来当参照的序列集。它的价值不在于「收了多少条」，而在于「同一条读段放进去，能落在树上哪个位置、归到哪一级分类」。做 16S 扩增子的人几乎都会碰到它，但多数人只把它当一个可下载的 FASTA，忽略了它真正提供的是一套带坐标、带质量分、带谱系的参照系。
它由德国莱布尼茨研究所 DSMZ 的 SILVA 团队维护，与 ARB 软件项目长期协作。2007 年首版，最初在马克斯·普朗克海洋微生物研究所起步，2023 年随 DSMZ 数字多样性联盟整合，现在是 ELIXIR 核心数据资源与全球核心生物数据资源之一。许可为 CC BY 4.0，学术与商业用途均可，条件是署名并附许可链接。
现行发布物分两个亚基：小亚基 SSU 覆盖 16S 与 18S，大亚基 LSU 覆盖 23S 与 28S，细菌、古菌、真核三个域都在内。两个亚基的版本节奏不同步，SSU 已到 144 版，LSU 还停在 138.2 版，这是接入时最容易踩空的一处。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全称 | SILVA ribosomal RNA database（SILVA 源自拉丁语 silva，森林） |
| 维护机构 | 德国莱布尼茨研究所 DSMZ，SILVA 团队；与 ARB 项目协作 |
| 起源 | 2007 年首版，最初由马克斯·普朗克海洋微生物研究所与 ARB 项目发起 |
| 现行覆盖 | 小亚基 SSU（16S/18S）与大亚基 LSU（23S/28S），含细菌、古菌、真核三域 |
| 最小记录单位 | 一段 rRNA 区域，键为登录号加起止坐标 |
| SSU 最新版本 | 144，2026 年 8 月 26 日发布 |
| SSU Parc 规模 | 15,439,037 条已比对序列 |
| SSU Ref NR99 规模 | 905,628 条非冗余参考序列 |
| LSU 最新版本 | 138.2，2024 年 7 月 11 日发布 |
| LSU 规模 | 比对序列 1,312,521 条，非冗余参考 95,279 条 |
| 分类层级 | 原核七级（域、界、门、纲、目、科、属），真核沿用旧口径 |
| 替代分类 | ENA、GTDB r226、LPSN、LTP 四套并行视图 |
| 导出格式 | FASTA（去比对/全比对）、taxonomy 文本、ARB 数据库、QIIME2/DADA2/Kraken2 分类器 |
| 许可 | CC BY 4.0，署名即可商用 |
| 官方入口 | https://www.arb-silva.de/ |
§1 它要解决的具体麻烦
1.1 比对与分类是两件事，SILVA 同时把它们做完了
一段 16S 读段要变成「某个属」，中间要过两步：第一步把它和一堆已知序列排到同一套坐标上，这叫比对；第二步看它落在树上的哪个枝，这叫分类。这两步各自都能做，难的是两步共用同一套参照——比对用的坐标和分类用的树如果不是同一批序列、同一套版本，结论就会打架。
SILVA 的做法是把两件事焊在一起：所有序列都带比对列坐标，比对坐标又来自同一棵人工校订的指导树，树上的节点就是分类路径的锚点。所以你拿到的不只是一条序列，而是「这条序列在哪个比对列、属于哪个枝、这个枝叫什么名字」三样东西捆在一起。ARB 格式把这三样存进同一个数据库文件，FASTA 格式则把分类压进序列名那一行。
这个设计决定了它的用法：它是给读段找位置的参照系，不是给你做丰度统计的表达矩阵。你要算某个属在样本里占多少，那是你的实验设计和你自己的计数问题，SILVA 只回答「这条序列是什么」。
1.2 三条常见的错误期待
第一条是把 SILVA 当成物种鉴定标准。它给出的是分类路径，多数环境类群只到属甚至只到科，路径里还常有「未定名」的占位节点。拿到一条序列的路径末尾写着某属，不等于这段序列就是这个属的某个种，更不等于有生化或临床证据支持。
第二条是把它当成完整的 rRNA 目录。它只收 SSU 与 LSU 两类分子，5S 与 5.8S 在现行发布物里没有对应数据集；它也不收原始测序读段，只收已经归档的、能被判为 rRNA 的区域。指望它覆盖某个样本里的全部核酸，方向就错了。
第三条是把它当成版本稳定的静态资源。SSU 与 LSU 版本号不同步，同一亚基相邻版本之间分类路径会大幅改写——144 版对原核部分做了整体重注释，从六级改成七级，新增「界」这一层，老流程里写死的路径字符串会整批失配。
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 把 16S 读段比对到统一坐标 | SINA 比对服务与预比对好的参考集，全部带列坐标 | 够，且是它最强的一项 |
| 把读段归到属 | 七级分类路径，含未定名与暂定名节点 | 多数够，环境类群常止于科 |
| 挑一批高质量全长序列建树 | Ref NR99，99% 去冗余、培养株全保留 | 够，建树首选这一层 |
| 训练 QIIME2 或 DADA2 分类器 | 官方预训练分类器，按区段切好 | 够，省掉自己训练的时间 |
| 做绝对丰度或差异分析 | 无 | 不够，它不含样本与计数 |
| 查找 5S 或 5.8S 序列 | 无 | 不够，现行发布物不含这两类分子 |
| 拿到物种级确定鉴定 | 部分培养株有，环境序列基本没有 | 视场景，临床鉴定不能只靠它 |
| 复现三年前某篇论文的分类结果 | 历史版本归档可下 | 够，但必须锁版本号 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 手上有一批 V3–V4 双端读段，要出属水平物种表 | 提供预训练分类器与带坐标的参考集 | 锁死版本号，用官方分类器，别混用不同版本的参考 |
| 要从零搭一套 16S 分析流程 | 提供比对、分类、建树三段的参照与工具链 | 先跑通 Ref NR99 的最小闭环，再考虑扩到全量 |
| 做临床疑难分离株鉴定，Sanger 测得 16S 全长 | 给出最近的参考序列与谱系位置 | 把结果当候选线索，用生化或全基因组复核 |
| 研究深海、热泉这类环境类群 | Parc 层保留了大量低质量但稀有的序列 | 用 Parc 检索，接受质量分参差，人工复核 |
| 要做真核 18S 多样性 | 收录真核 SSU，但 144 版真核分类尚未重校订 | 分类结论要降级使用，必要时换专用真核库 |
| 需要 23S 做病原分型 | LSU 有 131 万条比对序列 | 注意 LSU 停在 138.2 版，比 SSU 落后两个发布周期 |
| 只是想知道某条序列归哪个属 | 网页检索与在线比对都免费开放 | 直接用网页或 SINA 服务，不必下载整库 |
| 要把参照集塞进便携设备做离线鉴定 | Ref NR99 去比对版约三百余 MB | 可行，但需自行裁剪到目标类群 |
1.5 一句话判断
如果你的问题是「这条序列是什么、和谁像」，SILVA 是首选参照；如果你的问题是「这个样本里各有多少」，它一条都答不了。
1.6 不适合谁：四条边界
第一类不适合的是把参照系当样本库的人。SILVA 里一条记录的身份证是登录号加坐标，不是样本编号，也不带批次、时间、临床分组。用它做队列分析，第一步就会卡在找不到样本。
第二类不适合的是要求物种级定论的临床场景。它给的是谱系位置和最近邻，不是鉴定报告。血培养、无菌体液这类要求到种的判断，需要生化、质谱或全基因组，SILVA 只能提供候选范围。
第三类不适合的是真核多样性研究里追求精细分类的人。144 版把真核序列纳入了，但官方明确说真核部分的分类尚未重新校订，这一块实际上是旧口径沿用到新版本，精细到科属的结论不可靠。
第四类不适合的是需要 5S、5.8S 或非 rRNA 分子的工作流。它的边界划得很清楚：只做两个亚基的核糖体 RNA，其余一概不碰。
§2 数据构成与规格
2.1 四层产品：从全量到代表集
同一个版本号下面其实有四层东西，很多人只认得最后一层。区分它们的关键是「入层条件」：每往上一层，序列更少、更长、质量更高、冗余更低。
| 层级 | 入层条件（SSU） | 144 版规模 | 典型用途 |
|---|---|---|---|
| Parc | 比对同一性不低于 50、比对质量不低于 40、碱基或序列质量不低于 30，长度不少于 300 | 15,439,037 | 稀有类群打捞、探针特异性核查 |
| Ref | 在 Parc 基础上，细菌与真核去掉了短于 1200 碱基的，古菌去掉短于 900 碱基的，比对同一性低于 70 或比对质量低于 50 的也去掉 | 9,183,096 | 需要较高质量但仍要广度 |
| Ref NR99 | 在 Ref 基础上做 99% 同一性聚类去冗余，培养株全部保留 | 905,628 | 建树、分类器训练、探针设计 |
| 分类器 | 由 Ref NR99 按区段裁剪、去比对后训练 | 按区段分若干包 | 直接给 QIIME2、DADA2、Kraken2 用 |
四层的关系是嵌套的，但嵌套不是严格的集合包含——Ref NR99 的代表序列可能来自 Ref 里任意一条，被代表掉的那些并不出现在 NR99 里。这一点在 144 版尤其要留意：官方明确说，由于基因组序列数量激增，现在按 99% 聚类，个别具体序列不保证被收录。老流程里「我提交的那条序列一定在 NR99 里」的假设，从这里开始不成立了。
LSU 的四层结构与 SSU 同构，但阈值不同：Parc 的比对同一性门槛降到 40，Ref 去掉短于 1900 碱基或比对同一性低于 60 的。LSU 的 SEED 参考比对只有四千五百余条，官方自己提示不保证每个类群都有比对良好的近亲，做深度系统发育重建前要人工复核。
2.2 字段与元数据的完整字典
SILVA 的元数据分两处存放：ARB 数据库文件里是字段，导出目录里是一批按主题切分的文本表。两边字段名不完全一致，下表按导出目录与 ARB 字段对照整理。
| 字段 | 含义 | 取值示例 | 来源 |
|---|---|---|---|
| accession | ENA 登录号 | AB123456 | ENA 归档 |
| start / stop | rRNA 区域在源记录中的起止坐标 | 1024 / 2560 | RNAmmer 预测或注释 |
| name | 序列显示名，含分类路径与登录号 | 见 §2.3 | 库内生成 |
| tax_slv | SILVA 自身分类路径 | Bacteria;…;Escherichia | 人工校订指导树 |
| tax_embl_ebi_ena | ENA 原始分类路径 | 同上格式 | ENA |
| tax_gtdb | GTDB r226 分类 | d__Bacteria;p__… | GTDB |
| tax_lpsn | LPSN 命名法视图 | 门纲目科属 | LPSN 2025-06-03 |
| tax_ltp | 活树项目分类 | 仅覆盖部分类群 | LTP 2024_10 |
| seq_length | 序列长度（碱基） | 1483 | 计算 |
| align_ident | 与最近参考的比对同一性 | 92.4 | SINA |
| align_quality | 比对质量，归一到 0–100 | 87 | SINA |
| seq_quality | 序列质量，歧义碱基、同聚物、载体污染综合 | 95 | 计算 |
| strain | 培养株与模式株标记 | [T]、[C]、s[C]、n[G]、w[G] | LPSN、StrainInfo、LTP、NCBI |
| cluster | 99% 聚类簇编号 | 见集群导出表 | vsearch |
| rnac | RNAcentral 交叉引用 | URS0000… | RNAcentral |
| organelle | 细胞器来源 | chloroplast、mitochondria | ENA |
| specific_host | 宿主 | Homo sapiens、Bos taurus | ENA |
| country / collection_date | 采集地与时间 | 原样继承 | ENA |
| ann_src | 区域判定来源 | RNAmmer、外部注释 | 库内 |
上表里最容易被忽略的是 strain 字段。它把「这条序列来自培养物还是环境克隆」这件事变成了可查询的标记：[T] 是模式株，s[C] 是培养株，n[G] 与 w[G] 表示来自基因组或全基因组鸟枪项目，p[T] 是 LPSN 口径的模式序列，l[T] 是活树项目人工校订的模式株。144 版把 LPSN 加进来做模式材料的来源之一，模式株标记总数也随之变化。
另一处要留意的是 ann_src。同一条序列的 rRNA 区域可能来自两种判定：ENA 提交者自己注释的，或 SILVA 用 RNAmmer 隐马尔可夫模型预测的。144 版的已知问题里写着，部分 RNAmmer 预测区域互相重叠，本应只保留一个，实际没有过滤干净。这类记录数量不大，但做精细统计时会显形。
2.3 一条记录的完整解剖
SILVA 的 FASTA 头一行把「标识、分类、登录号、起止、质量」全塞进去了，格式在近十年有过一次调整（旧版用点号分隔，新版用空格与分类路径）。下面是 144 版去比对文件里的典型形态。
>AB123456.1.1500 Bacteria;Pseudomonadota;Gammaproteobacteria;Enterobacterales;Enterobacteriaceae;Escherichia;Escherichia coli; strain=DSM 30083 [T]; 16S ribosomal RNA
ACGGAGAGTTTGATCCTGGCTCAGATTGAACGCTGGCGGCAGGCCTAACACATGCAAGTCGAACGGTAACAGGAAGAAGCTTGCTTCTTTGCTGACGAGTGGCGGACGGGTGAGTAATGTCTGGGAAACTGCCTGATGGAGGGGGATAACTACTGGAAACGGTAGCTAATACCGCATAACGTCGCAAGACCAAAGAGGGGGACCTTCGGGCCTCTTGCCATCGGATGTGCCCAGATGGGATTAGCTAGTAGGTGGGGTAACGGCTCACCTAGGCGACGATCCCTAGCTGGTCTGAGAGGATGACCAGCCACACTGGAACTGAGACACGGTCCAGACTCCTACGGGAGGCAGCAGTGGGGAATATTGCACAATGGGCGCAAGCCTGATGCAGCCATGCCGCGTGTATGAAGAAGGCCTTCGGGTTGTAAAGTACTTTCAGCGGGGAGGAAGGGAGTAAAGTTAATACCTTTGCTCATTGACGTTACCCGCAGAAGAAGCACCGGCTAACTCCGTGCCAGCAGCCGCGGTAATACGGAGGGTGCAAGCGTTAATCGGAATTACTGGGCGTAAAGCGCACGCAGGCGGTTTGTTAAGTCAGATGTGAAATCCCCGGGCTCAACCTGGGAACTGCATCTGATACTGGCAAGCTTGAGTCTCGTAGAGGGGGGTAGAATTCCAGGTGTAGCGGTGAAATGCGTAGAGATCTGGAGGAATACCGGTGGCGAAGGCGGCCCCCTGGACGAAGACTGACGCTCAGGTGCGAAAGCGTGGGGAGCAAACAGGATTAGATACCCTGGTAGTCCACGCCGTAAACGATGTCGACTTGGAGGTTGTGCCCTTGAGGCGTGGCTTCCGGAGCTAACGCGTTAAGTCGACCGCCTGGGGAGTACGGCCGCAAGGTTAAAACTCAAATGAATTGACGGGGGCCCGCACAAGCGGTGGAGCATGTGGTTTAATTCGATGCAACGCGAAGAACCTTACCTGGTCTTGACATCCACGGAAGTTTTCAGAGATGAGAATGTGCCTTCGGGAACCGTGAGACAGGTGCTGCATGGCTGTCGTCAGCTCGTGTTGTGAAATGTTGGGTTAAGTCCCGCAACGAGCGCAACCCTTATCCTTTGTTGCCAGCGGTCCGGCCGGGAACTCAAAGGAGACTGCCAGTGATAAACTGGAGGAAGGTGGGGATGACGTCAAGTCATCATGGCCCTTACGACCAGGGCTACACACGTGCTACAATGGCATATACAAAGAGAAGCGACCTCGCGAGAGCAAGCGGACCTCATAAAGTATGTCGTAGTCCGGATTGGAGTCTGCAACTCGACTCCATGAAGTCGGAATCGCTAGTAATCGTGGATCAGAATGCCACGGTGAATACGTTCCCGGGCCTTGTACACACCGCCCGTCACACCATGGGAGTGGGTTGCAAAAGAAGTAGGTAGCTTAACCTTCGGGAGGGCGCTTACCACTTTGTGATTCATGACTGGGGTGAAGTCGTAACAAGGTA
这条头一行拆开来是五段：标识与坐标（AB123456.1.1500）、七级分类路径、属名与种名、株号与模式株标记、分子类型。生产环境解析这行的正则必须容错，因为分类层级数在 144 版从六变七，老正则卡死层数就会漏掉一批。
接下来是一张拆解表。
| 片段 | 例值 | 需要提防的地方 |
|---|---|---|
| 登录号.起.止 | AB123456.1.1500 | 点分形式是新版；旧版用下划线加坐标，两种都要兼容 |
| 分类路径 | Bacteria;…;Escherichia | 层数 144 版为七级，138 系列为六级 |
| 属名;种名 | Escherichia;Escherichia coli | 环境序列常无种名，段数会少一段 |
| 株号与标记 | DSM 30083 [T] | [T]/[C] 是 SILVA 加的，不是 ENA 原字段 |
| 分子类型 | 16S ribosomal RNA | LSU 会写 23S，真核写 18S/28S |
序列本身默认是 DNA 的 T 表示，若原始提交为 RNA 会保留 U，混用时需要统一。全比对版本里序列含大量短横线占位，长度不再是真实碱基数，这一点在算长度分布时会直接算错。
2.4 三个域的规模分布
144 版把三个域的数字都公开了，这是判断「够不够用」最直接的一组。
| 域 | Ref 序列 | Ref NR99 序列 | 占比特征 |
|---|---|---|---|
| 细菌 | 6,143,152 | 607,252 | 主体，占比约三分之二 |
| 古菌 | 171,777 | 32,179 | 数量小但去冗余压缩比高 |
| 真核 | 2,868,167 | 266,197 | 数量大，但 144 版分类未重校订 |
| 合计 | 9,183,096 | 九十万余 | 去冗余后约为 Ref 的十分之一 |
古菌那一行的压缩比值得单独看一眼：从十七万压到三万出头，压缩率远高于细菌。原因不复杂，古菌的已测序列集中在少数培养株和少数几个门，重复度高。做古菌相关工作时，这个数字提醒你 NR99 里古菌的代表性可能不如细菌均匀。
培养株与模式株的单列数字也在官方统计里：144 版 Ref 中有四万余条来自培养物，三万二千余条带模式株标记。这两个数字在 138.2 版分别是三万九千余与两万四千余，模式株标记的增长主要来自 LPSN 并入作为来源。
LSU 的分布形状与 SSU 明显不同。
| 域 | LSU Ref | LSU Ref NR99 | 说明 |
|---|---|---|---|
| 细菌 | 197,150 | 78,161 | 大亚基测序量远小于小亚基 |
| 古菌 | 1,516 | 991 | 极少，建树时几乎必然缺近亲 |
| 真核 | 28,652 | 16,127 | 以 28S 为主 |
| 合计 | 227,318 | 95,279 | 约为 SSU 的六分之一 |
LSU 的绝对量只有 SSU 的零头，这不是维护不力，而是研究惯例：16S 扩增子是微生物组的事实标准，23S 的公开数据本就少。需要 23S 做分型或做双靶标验证时，要有「近亲不全」的心理准备。
2.5 与同类资源的字段差异
| 资源（主键） | 分类层级 | 是否带比对坐标 | 是否带质量分 | 与 SILVA 的字段差异 |
|---|---|---|---|---|
| SILVA（登录号加坐标） | 七级（原核） | 带，且是核心卖点 | 带三重分值 | 字段最全，含替代分类视图 |
| GTDB（基因组或序列编号） | 七级，基因组导向 | 不提供 rRNA 比对 | 无 | 分类口径不同，可与 SILVA 对照 |
| RDP（登录号） | 六级 | 提供比对 | 有置信度 | 已停止更新，被 SILVA 移除替代视图 |
| Greengenes（编号） | 六级，较旧 | 提供比对 | 无 | 分类更新滞后，适合复现老流程 |
| RNAcentral（URS 统一编号） | 跟随来源库 | 不提供 | 无 | 只做汇总与去重，不带比对与质量 |
SILVA 在这张表里的独特点只有两个：比对坐标与质量分值。其他库要么给你分类不给坐标，要么给你序列不给质量。真正把它们凑齐的只有 SILVA 和它的直接竞品，这也是它在十五年里换了两家机构仍然没被替代的原因。
§3 核心层 A：它的身份是参照系，不是样本集
3.1 一条序列在 SILVA 里的三层身份
第一条身份是序列本身：一段 A、C、G、T 组成的字符串，带长度、歧义碱基比例、同聚物比例。这是最表层的东西，任何库都有。
第二条身份是它在比对中的坐标：从第几列到第几列，哪些位置是插入、哪些是缺口。这套坐标是所有下游分析的基础——你把它和别的序列放一起比较，比较的其实是坐标对齐后的列。
第三条身份是它在树上的位置：落在哪个枝，这个枝叫什么名字，名字来自哪套命名法。第三条身份最容易被忽略，因为它不像前两条那样可以直接看见，但恰恰是它让 SILVA 成为「分类参照」而不是「序列集合」。
三层身份的关系是单向的：坐标依赖比对，比对依赖树，树依赖人工校订。所以版本更新时，改的往往不是序列本身，而是树和树上的名字。144 版就是这样一次更新——序列增加了很多，但真正的结构性变化发生在分类层。
3.2 七级分类：144 版的一道分水岭
138 系列用的是六级：域、门、纲、目、科、属。144 版改成七级，在域和门之间插入了「界」。这不是简单加一层，而是按《国际原核生物命名法规》重新组织了整个原核部分。
| 层级 | 138 系列 | 144 版 | 变化要点 |
|---|---|---|---|
| 域 | 有 | 有 | 不变 |
| 界 | 无 | 新增 | 依 ICNP 引入，原核首次有界这一层 |
| 门 | 有 | 有 | 采用有效发表名称，旧名保留在分类文件中 |
| 纲 | 有 | 有 | 与 LPSN 同步 |
| 目 | 有 | 有 | 与 LPSN 同步 |
| 科 | 有 | 有 | 与 LPSN 同步 |
| 属 | 有 | 有 | 以模式种序列为锚点 |
| 未定名标记 | uncultured | Incertae Sedis 加 --other 后缀 | 术语整体换掉 |
「uncultured」这个词在 144 版被弃用，改用「Incertae Sedis」表示未定名 taxa；同时引入「–other」后缀，标记那些不含该分类单元模式序列、但序列被认为属于该单元的枝。这个后缀的含义很具体：它告诉你这一枝的名字是「借」来的，不含模式，可信度要打折。
层级变化对工程的影响是实打实的。任何按「分号切分取第 n 段」的解析代码，在 144 版上都会错位；任何把路径字符串当主键缓存的系统，升级时都会全量失配。稳妥做法是把路径当有序列表而不是定长元组，并且同时存版本号。
3.3 树、比对与 SEED 的三角关系
SILVA 的比对不是从零算的，是从一套人工校订的参考比对出发的，这套参考比对叫 SEED。SSU 的 SEED 含六万七千余条序列，LSU 的 SEED 只有四千五百余条。所有新序列用 SINA 比对到 SEED 上，得到列坐标，再通过增量方式加进指导树。
三者构成一个闭环：SEED 决定坐标，坐标决定树的计算输入，树决定分类注释的锚点，分类注释又反过来影响下一版 SEED 的挑选。这个闭环的好处是内部一致，坏处是一旦某一环有偏差，整套都会带着走。
这个闭环由四个部件支撑。SEED 参考比对提供列坐标基准，靠人工逐版增量校订；SINA 是比对器本身，属于软件而非数据集，独立发版且可以本地部署；指导树提供分类锚点与可视化，每版重算后人工校订；位置变异过滤器按细菌、古菌、真核各一套，建树时屏蔽高变列，随树一起发布。四者的更新节奏并不一致——SINA 可以随时更新，SEED 与树必须绑定在版本里，过滤器则跟着树走。
指导树只在 Ref NR99 这一层提供，这一点从 115 版起对 SSU 生效，从 138.1 版起对 LSU 生效。Parc 与 Ref 不带树，这不是遗漏，而是刻意的：树的计算成本高，且低质量序列会把树拉长，官方把带树的版本限定在质量最好的一层。
3.4 与命名法资源的关系：SILVA 不是命名权威
SILVA 的分类是二手整合，一手权威在别处。原核部分以 LPSN 为主要来源，LPSN 又以《国际系统与进化微生物学杂志》的有效发表为准；真核部分以 UniEuk 与 NCBI 为主，真菌跟 NCBI。
它做的事是「把命名法资源里的名字，按自家系统发育树的拓扑分配上去」。分配过程中会出现两种冲突：命名法说 A 和 B 是异名，但树上 A 和 B 分在两个枝；命名法还没给名字，但树上明显是一个独立枝。前一种情况 SILVA 会用树的拓扑覆盖命名，后一种情况会保留文献里通用的环境枝名。
| 冲突类型 | 处理方式 | 如何识别 |
|---|---|---|
| 命名法与拓扑不一致 | 拓扑优先，名字被覆盖 | 路径与 LPSN 查询结果不同 |
| 命名法缺名 | 保留通用环境枝名或标 Incertae Sedis | 路径中出现未定名节点 |
| 枝不含模式序列 | 加 --other 后缀 | 名字末尾带 --other |
| 命名法已改属 | 采用新名，旧名留在分类文件里 | 分类文件里同名多路径 |
最后一行的坑值得单独说：138.2 版的已知问题里明确写着，网站浏览器与归档里的分类文件同时包含有效发表的细菌门名和它们的旧名，而序列只映射到有效名。也就是说，你在分类文件里 grep 一个旧门名，能 grep 到，但按这个名字去查序列会查不到。144 版虽然重做了分类，但这类「文件里有两个口径」的现象仍然存在。
3.5 替代分类视图：一个库，五套路径
SILVA 随库发布的不只是自家分类，还有四套替代视图。这在同类资源里不常见，多数库只给自己的口径。
| 视图 | 版本 | 字段名 | 覆盖范围 |
|---|---|---|---|
| SILVA | 144 | tax_slv | 全量 |
| ENA/EMBL | 随源记录 | tax_embl_ebi_ena | 全量 |
| GTDB | r226 | tax_gtdb | 子集，未映射标 unclassified |
| LPSN | 2025-06-03 | tax_lpsn | 子集 |
| LTP | 2024_10 | tax_ltp | 子集 |
四套视图并存的实际意义是：同一条序列可以同时看到「按命名法怎么叫」和「按基因组亲缘怎么分」。做跨库比对时，这个对照能省掉大量人工映射。代价是字段变多，存储和分析时容易混用——把 tax_gtdb 当 tax_slv 用，结论会静默出错，因为两者对同一个枝可能给出完全不同的门名。
RDP 在 144 版被移出替代视图，官方给的理由是该库已停止维护、分类过旧。这一条对复现老论文有影响：如果你的流程依赖 SILVA 里的 RDP 视图，升级到 144 版后这个字段就没了。
§4 核心层 B：质量怎么来的，边界在哪
4.1 五道质控闸门
SILVA 的序列不是「能捞到就收」，而是过五道闸门。144 版的闸门数据是公开的，这是判断它质量取向最硬的证据。
| 闸门 | 剔除条件 | 144 版剔除量 | 说明 |
|---|---|---|---|
| 长度 | 短于 300 碱基 | 4,001,492 | 短片段无法可靠比对 |
| 歧义碱基 | 超过 2% | 62,631 | N 太多说明测序质量差 |
| 同聚物 | 超过 2% | 224,299 | 连续同碱基是测序错误的典型信号 |
| 载体污染 | 超过 2% | 2,424 | 克隆载体残留 |
| 比对同一性 | 低于阈值 | 981,731 | 比对不上说明可能不是 rRNA |
| 合计 | — | 5,634,367 | 占候选总数的四分之一强 |
候选总数是两千一百万条出头，经 RNAmmer 判定为一千一百万条，最后过闸门的落在 Parc 层。这个漏斗里有一处容易误读：RNAmmer 判定数与候选数之间的差额，大部分不是被剔除，而是「根本没被判为 rRNA 区域」，两者性质不同。
官方对「比对同一性过低」这一类有过说明：被判低同一性的序列，人工抽查后多数确认不是核糖体 RNA。这句话的意思是，这道闸门同时在做「质量筛选」和「分子类型纠错」两件事。
4.2 Ref NR99 的 99% 是怎么算的
去冗余听起来简单，做起来有三个决策点：按什么顺序挑代表、培养株怎么处理、用什么工具。
顺序上，官方给的是两级排序：先看是否在上一版的 NR99 里，在的优先；再按长度（权重两倍）与质量综合排序。质量的构成是歧义碱基占五成、整体比对质量占四成半、同聚物占半成。这个权重设计明显偏向「少 N、比对得整齐」，而不是「序列长」。
培养株的处理是全保留。这一条决定了 NR99 不是纯粹的 99% 代表集：即使某条培养株序列与另一条相似度超过 99%，它也会被留下，因为它是命名的实物锚点。
工具上，138 系列之前用 UCLUST 1.0.50，之后换成 VSEARCH 2.13。换工具的直接后果是 NR99 规模骤降——同一批数据、同样的 99% 阈值，两个工具对「同一性」的定义不同，聚类数差出一大截。官方用 CD-HIT 做了交叉验证，结论是 VSEARCH 与 CD-HIT 接近，老版 UCLUST 的簇数明显偏多。
| 决策点 | 官方做法 | 对使用者的影响 |
|---|---|---|
| 代表挑选顺序 | 上版 NR99 优先，其次长度与质量 | 版本间代表序列较稳定，但新序列不易进 |
| 质量权重 | 歧义五成、比对质量四成半、同聚物半成 | 偏好整齐而非长，短而干净会赢过长而杂 |
| 培养株 | 全部保留 | NR99 里培养株占比高于其自然占比 |
| 聚类工具 | VSEARCH 2.13 | 与老版 UCLUST 结果不可直接比 |
| 单条序列保证 | 144 版起不保证 | 依赖「我提交的序列在库里」的流程要改 |
最后一行是 144 版最实质的变化之一。官方原话是：由于基因组序列数量激增，现在按 99% 聚类，个别序列不保证被收录；把全部序列都放进去会大幅增大体积而不增加有意义的多样性。这个取舍合理，但对做「按登录号回查」的流程是个破坏性变更。
4.3 案例：一段 428 bp 的 V3–V4 读段如何被定到属
拿一段真实的 V3–V4 双端拼接读段走一遍，能看清 SILVA 在每个环节给了什么、没给什么。
这段读段长 428 碱基，来自一份粪便样本，QIIME2 的 DADA2 去噪后作为一条扩增子序列变体存在。第一步是比对：用 SINA 或分类器内置的比对，把它排到 Ref NR99 的坐标上。428 碱基只覆盖 V3–V4 区，落在全长比对坐标的三分之一区间内，其余位置全部是缺口。这一步 SILVA 给的是「它对应全长的哪几列」。
第二步是分类：用官方预训练的 V3–V4 分类器，取最高置信度的路径。假设返回的是 Bacteria;Pseudomonadota;Gammaproteobacteria;Enterobacterales;Enterobacteriaceae;Escherichia;，到属为止，没有种。这不是分类器偷懒，而是 428 碱基在 V3–V4 区能分辨的信息就到属，种间差异多落在它覆盖不到的区段。
第三步是边界判定：如果这段读段与 NR99 里最近邻的相似度低于 94.2%，144 版会自动把它标成未分类。这个阈值来自官方引用的方法学建议，理由是低于这个相似度基本不属于同一个属。也就是说，同一段读段，用 138 版可能给出一个属名，用 144 版会给「unclassified」——不是算法退步，而是把「不确定」显式化了。
这个案例在后面的取数（§5.3）、偏差（§7.3）和使用路径（§9.1）里还会再用到，因为它同时暴露了三件事：区段决定分辨率、版本决定阈值、显式的不确定比隐式的猜测更有用。
4.4 质量分值：三个数字各自的含义
每条序列带三个 0–100 的分值，含义完全不同，混用会得出相反的结论。
| 分值 | 衡量什么 | 高分的含义 | 低分该怎么办 |
|---|---|---|---|
| align_ident | 与最近参考的同一性 | 与已知序列接近 | 可能是新类群，也可能是错序列 |
| align_quality | 比对得整齐不整齐 | 坐标可靠 | 该段坐标不可用于建树 |
| seq_quality | 测序质量（歧义、同聚物、载体） | 原始数据干净 | 检查是否该剔除 |
这三个分值的组合能区分出四类记录：三项都高的是理想参考；同一性高但比对质量低的是「像但排不齐」，多半是区段不完整；同一性低但质量高的是潜在新类群；三项都低的基本是垃圾，该删。
138 系列还有第四个分值 Pintail，衡量序列是否为嵌合体。144 版把 Pintail 停用了，这是需要留意的变化：如果你的流程里用 Pintail 分值做嵌合过滤，升级到 144 版后这个字段不存在，代码会静默取空值。138.2 版本身也有已知问题——Parc 里有二十万余条序列没有 Pintail 值。
4.5 质量评估的四个已知缺口
第一个缺口是真核分类。144 版把真核 SSU 序列纳入了，但官方明说这部分尚未重新校订，计划在未来版本补上。所以真核部分的七级分类实际上是「旧口径套新框架」，门以上的名字可信，科属层面要谨慎。
第二个缺口是 LSU 的整体滞后。LSU 停在 138.2 版，分类还是六级，替代视图只有 ENA 与 SILVA 两套（RDP 与 LTP 的 LSU 视图当年就没有全量）。把 SSU 与 LSU 放在一起做联合分析时，两套分类框架不一致。
第三个缺口是元数据继承。国家、宿主、采集时间这些字段是从 ENA 原样继承的，SILVA 不做清洗。原提交者写错，库里就错；原提交者没写，库里就空。138.2 版的已知问题里有一条就是四个元数据字段在原始导出中缺失，修复版直到 2024 年 12 月才补进归档。
第四个缺口是少量记录的空字段。144 版有二十七条记录的物种名为空（Ref 二十四条、NR99 两条），原因是原始数据里就没有。数量极小，但做「按物种名统计」时会冒出来。
§5 核心层 C：怎么把它取下来、接进流程
5.1 下载目录的结构
官方下载区分「当前版本」与「归档」两棵树，当前版本下按用途分成七个子目录。
| 子目录 | 内容 | 典型用途 |
|---|---|---|
| Exports | FASTA 与各类文本导出 | 最常用，脚本直接拉 |
| ARB_files | ARB 数据库文件 | 需要树、需要交互式浏览 |
| QIIME2 | 预训练分类器（按年份版本命名） | 直接给 QIIME2 用 |
| DADA2 | 预训练分类器与训练集 | 给 DADA2 的 assignTaxonomy 用 |
| Kraken2 | 预训练数据库 | 给 Kraken2 做快速分类 |
| Fields_description | 字段说明表 | 解析 ARB 字段时对照 |
| user | 用户自建子集 | 网页购物车导出的落点 |
根目录另有四个小文件：CITATION、LICENSE、README、VERSION。VERSION 只有四个字节，就是版本号本身，适合脚本做版本探测。每个大文件旁边配一个 .md5 与一个 .doi，后者是该文件的数字对象标识，官方从 2026 年起给每次发布分配 DOI，这一点对需要长期引用的项目很有用。
5.2 下载与校验的最小脚本
以 SSU 144 的 Ref NR99 去比对版为例，完整流程是下载、校验、解压、数条数四步。
#-- 建工作目录并进入
mkdir -p silva144 && cd silva144
#-- 下载去比对版 FASTA 与配套的 md5、doi
BASE="https://www.arb-silva.de/fileadmin/silva_databases/current/Exports"
curl -fLO "${BASE}/SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz"
curl -fLO "${BASE}/SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz.md5"
#-- 校验完整性，md5 文件里的路径与本机不同，只取哈希值比对
EXPECT=$(cut -d' ' -f1 SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz.md5)
ACTUAL=$(md5sum SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz | cut -d' ' -f1)
[ "$EXPECT" = "$ACTUAL" ] && echo "checksum ok" || echo "checksum mismatch"
#-- 解压并数序列条数
gunzip -k SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz
grep -c '^>' SILVA_144_SSURef_NR99_tax_silva_trunc.fasta
最后一行数出来的条数应当与官方公布的 NR99 规模一致。如果差得多，多半是下到了别的版本或下到了全比对文件——全比对文件的序列里含大量缺口字符，条数一样但长度不可比。
5.3 解析 FASTA 头：把分类路径变成表
把头部那行结构化的信息拆成表，是所有下游分析的第一步。下面这段按 144 版的七级路径写，兼容六级的旧版。
import gzip, re, csv
PATH_PREFIX = ("Bacteria", "Archaea", "Eukaryota")
RANKS = ["domain", "kingdom", "phylum", "class", "order", "family", "genus"]
def parse_header(line):
#-- 去掉 '>' 并按分号切，末段之后是株号与分子类型
body = line[1:].strip()
head, _, tail = body.partition(" ")
tax_part = tail.split(";")
tax = [t.strip() for t in tax_part if t.strip()]
#-- 最后一段常混着种名与 strain 信息，按分号已切开，这里只取纯名字
if tax and " " in tax[-1] and "strain=" in tax[-1]:
tax[-1] = tax[-1].split(" strain=")[0].strip()
#-- 七级补齐：少则补空，多则截断（144 版为七级，138 系列为六级）
if len(tax) >= 7:
k, p, c, o, f, g = tax[1], tax[2], tax[3], tax[4], tax[5], tax[6]
else:
k, p, c, o, f, g = "", tax[1], tax[2], tax[3], tax[4], tax[5]
return {
"seq_id": head,
"domain": tax[0],
"kingdom": k,
"phylum": p,
"class": c,
"order": o,
"family": f,
"genus": g,
}
rows = []
with gzip.open("SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz", "rt") as fh:
for line in fh:
if line.startswith(">"):
rows.append(parse_header(line))
with open("silva_taxonomy.tsv", "w", newline="") as out:
w = csv.DictWriter(out, fieldnames=list(rows[0].keys()), delimiter="\t")
w.writeheader()
w.writerows(rows)
print(len(rows), "records parsed")
这段代码里最容易写错的是「层数判断」。144 版的路径是七段，138 系列是六段，如果只用一套切法，另一套必然错位一段，把门名当界名、把纲名当门名，错误不会报，只会静默传下去。
5.4 用 taxonomy 导出表做交叉核对
除了 FASTA 头，官方还单独导出一套按主题切分的文本表，位于 Exports 下的多个子目录。做核对时用这套比解析 FASTA 头更稳，因为它字段是分开的。
九个子目录各管一段。taxonomy 给序列标识与分类路径，是建分类树与画流向图的基础；accession 给登录号与坐标映射，用于回查 ENA 原始记录；quality 给三个质量分值，用来设过滤阈值；cluster 给 99% 簇编号，用来看冗余结构、挑代表；full_metadata 把全字段合并在一张表里，图省事时直接下这个；geographic_location 与 country_locality 给国家、经纬度与地点，粒度一粗一细，但都是原样继承、本库不做分层；rast 与 rnac 分别是功能注释关联与 RNAcentral 交叉引用，用于跨库跳转。
#-- 列出当前版本所有导出文件（含大小），确认要下哪一个
curl -s "https://www.arb-silva.de/archive/current/Exports/" \
| grep -oE 'SILVA_[0-9]+_[A-Za-z0-9_]+\.(fasta|tsv|txt)\.gz' \
| sort -u
#-- 只取分类表并统计门一级的记录数（列序以官方 README 为准）
#-- 该命令假设已下载 taxonomy 包并解压出 taxmap 风格的两列表
awk -F'\t' '{n=split($2,a,";"); print a[3]}' silva_taxonomy.tsv \
| sort | uniq -c | sort -rn | head -20
上面第二条命令里的列号只是示例，实际列序要以官方 README 为准——这一点不能想当然，几个版本的导出列序改过。
5.5 分类器：三条现成的路
如果目标只是「把读段分类」，不必碰 FASTA 与 ARB，直接用官方预训练分类器。三条路的适用场景不同。
| 分类器 | 输入 | 速度与适用场景 | 注意 |
|---|---|---|---|
| QIIME2 | 特征表或代表序列 | 中等速度，标准扩增子流程 | 按年份版本发布，需与 QIIME2 版本匹配 |
| DADA2 | 去噪后的 ASV | 慢但更准，需要逐级置信度 | assignTaxonomy 需要训练集格式 |
| Kraken2 | 原始读段 | 最快，宏基因组快速筛查 | 内存占用大，假阳性需阈值控制 |
三者都基于同一份 Ref NR99，但裁剪的区段不同。选错区段是常见错误：用全长分类器去分 V4 单区读段，置信度会普遍偏低，因为全长分类器里的诊断位点在短读段上根本没测到。§4.3 的案例里那段 428 碱基读段之所以只能到属，一半原因就在区段覆盖，一半在阈值。
以 Kraken2 为例，本地跑一遍只需要三行命令。
#-- 建库：把官方预训练数据库解压到固定路径
kraken2-build --download-taxonomy --db ./silva_kraken
tar -xzf silva-144-ssu-kraken2.tar.gz -C ./silva_kraken
#-- 分类：--confidence 0.1 是常用下限，低于此值的结果当噪声处理
kraken2 --db ./silva_kraken --threads 8 \
--confidence 0.1 --report report.tsv \
--output reads.kraken reads.fq.gz
第二行的压缩包名随发布批次变化，务必按目录页实际文件名替换；第三行的置信度阈值要按样本复杂度调，环境样本杂讯多时应调高。
官方把这些分类器作为 2026 年的新增能力写进了论文摘要，与 DOI 分配、网站改版并列。这个信号说明 SILVA 的角色正在从「给下载的库」转向「给服务的库」。
5.6 在线三件套：比对、分类、探针评估
不下载也能用，官方提供三个在线服务。
| 服务 | 入口 | 输入 | 输出 |
|---|---|---|---|
| SINA 比对 | 主站 aligner | 少量序列 | 比对后的序列与坐标 |
| SILVA NGS | ngs 子站 | 测序读段 | 分类结果与置信度 |
| TestPrime / TestProbe | 主站文档区 | 引物或探针序列 | 覆盖度与特异性评估 |
TestPrime 这一类工具在引物设计里用得很多：给定一对引物，它告诉你这对引物在 SILVA 里能覆盖多少类群、漏掉多少。这个能力建立在全量库上，自己搭一套成本很高。
§6 与库内词条的关系
6.1 关系图谱：它是参照系，不是目录
库内的微生物与核酸类词条已经不少，但它们和 SILVA 不在同一个抽象层上。最典型的混淆是把 SILVA 和 UHGG 当成同类——两个都能下、都是微生物、都带分类，但一个是「序列分类参照数据库」，一个是「基因组目录」。
区别的具体形态是这样：UHGG 里的一条记录是一个基因组（或一个物种级簇的代表基因组），有组装、有编码基因、有蛋白序列；SILVA 里的一条记录是一段 rRNA 区域，没有组装、没有基因、只有那一小段序列和它在树上的位置。UHGG 回答「这个物种的基因组长什么样」，SILVA 回答「这段序列属于谁」。做宏基因组物种注释时，UHGG 提供的是「比对靶标基因组」，SILVA 提供的是「比对靶标基因片段」。
| 库内词条 | 它是什么 | 与 SILVA 的分工 | 什么时候该换用它 |
|---|---|---|---|
| UHGG | 人体肠道原核基因组目录，二十八万余基因组聚成六千余物种簇 | SILVA 给序列定位，UHGG 给基因组内容 | 需要基因、蛋白、代谢通路时 |
| RNAcentral | 非编码 RNA 汇总库，六千万条，SILVA 是其专家库之一 | RNAcentral 做跨库去重与统一编号，SILVA 提供 rRNA 的比对与分类 | 需要 tRNA、lncRNA 等非 rRNA 分子时 |
| MGnify | EMBL-EBI 微生物组分析平台 | MGnify 出分析结果，SILVA 是其分类环节的参考之一 | 需要端到端流水线与现成分析结果时 |
| curatedMetagenomicData | 人体宏基因组整合库，带统一临床元数据 | SILVA 无样本层，该库有样本与表型 | 需要做队列或表型关联时 |
| American Gut Project | 公民科学微生物组项目 | SILVA 是它分类时用的参照之一 | 需要真实人群样本与问卷时 |
| CAMI II | 宏基因组算法评测基准 | SILVA 是被评测流程常用的参照，CAMI 是考题 | 要比较流程优劣时 |
| BV-BRC | 病原基因组与注释资源 | SILVA 做 rRNA 分类，BV-BRC 做基因组与耐药注释 | 需要病原分型、耐药基因时 |
| dbCAN-HGM | 肠道菌糖苷酶基因簇库 | 两者互补，一个管 rRNA 身份，一个管功能基因 | 需要 CAZyme 功能时 |
| CARD | 抗生素耐药基因库 | 与 SILVA 无重叠，仅同属核酸参照类 | 需要耐药基因注释时 |
| ckm-gut-metagenome | 单队列粪便 16S 扩增子数据 | SILVA 是这类数据分类时的参照 | 需要具体样本的 ASV 表时 |
这张表里最该记住的是第一行与第二行。第一行是「目录 vs 参照」的区别，第二行是「汇总 vs 专家库」的区别——RNAcentral 里的 rRNA 有相当一部分本来就从 SILVA 来，两者不是竞争关系，是上下游关系。
同一层里还有一处容易被忽略的重叠：SILVA 与 GTDB 都做分类，但 GTDB 在库内没有独立词条，而是作为 SILVA 的替代视图存在。这意味着在库内检索「GTDB 分类」，最直接的落点其实是 SILVA 的 tax_gtdb 字段。
6.2 检索路径：从一个问题走到正确的库
| 你想问的问题 | 该去的库 | 在 SILVA 里对应的入口 |
|---|---|---|
| 这段 16S 读段是什么属 | SILVA | 在线分类或本地分类器 |
| 这个属的基因组有哪些基因 | UHGG、BV-BRC | 无对应，SILVA 不含基因 |
| 这个 RNA 分子在几个库里被收录 | RNAcentral | rnac 字段可跳转 |
| 这批样本的物种组成差异 | curatedMetagenomicData、MGnify | 无对应，SILVA 不含样本 |
| 我的引物能覆盖多少类群 | SILVA | TestPrime |
| 我的流程比别人的准多少 | CAMI II | 无对应 |
| 这个菌株是不是新模式株 | SILVA（strain 字段）加 LPSN | strain 字段含 [T]/p[T]/l[T] |
检索路径的设计原则是「先定层，再定库」：先问自己要的是序列身份、基因组内容、样本表型还是流程评测，四类问题对应四个不同的库族。跳过这一步直接搜关键词，最容易落进「都是微生物、都能下」的错觉里。
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
评 SILVA 的质量，最容易犯的错位是把「参照库的准确率」当成「分类结果的准确率」来评。参照库能保证的是「我给出去的坐标和名字自洽」，保证不了「你的读段用这套参照一定能分对」。后者取决于你的区段、读长、测序错误率和分类器阈值，这些都不在 SILVA 的责任范围内。
第二个常见的误判是把「规模大」当成「覆盖全」。一千五百万条序列听着很多，但分布极不均匀：临床常见的肠杆菌、葡萄球菌、链球菌被反复测序，某些门只有几十条环境克隆。规模数字回答的是总量，不回答你关心的那个类群够不够。
第三个误判是把版本号当成连续演进。SSU 从 138.2 跳到 144，中间跨了五个小版本，中间还有一次聚类工具更换导致 NR99 规模骤降的历史。把它当成「一直稳步增长」会误判可比性。
7.1 五维评分
| 维度 | 评分 | 依据 | 扣分原因 |
|---|---|---|---|
| 结构规范性 | 5 | 四层产品定义清晰，阈值全部公开，文件命名稳定 | 无 |
| 注释深度 | 4 | 七级分类加四套替代视图，字段覆盖广 | 真核未重校订，LSU 滞后 |
| 可复现性 | 4 | 版本归档完整，每版有 DOI 与校验和 | 版本间口径变化大，复现需锁版本 |
| 许可清晰度 | 5 | CC BY 4.0，商用无附加限制，另附 DSI 提示 | 无 |
| 版本可追溯性 | 4 | 发布说明详尽到剔除数量与已知缺陷 | 亚基版本不同步，易误引 |
五维里最低的是注释深度与可复现性，两项都是四分。注释深度的扣分点很具体：真核部分在 144 版是「纳入未校订」，这一句话就足以让真核研究把结论降级。可复现性的扣分不是文档问题，而是口径问题——同一段序列在 138 与 144 上可能得到不同的属名，而两次都对。
按 DAIMS 的框架看，这套资源的元数据完备度和可访问性都做得好，短板在「跨版本语义稳定性」。这不是 SILVA 独有的问题，任何持续演进的分类资源都有，但它在这里更突出，因为它的核心价值恰恰是分类路径。
7.2 三条结构性局限
第一条是分类与拓扑的绑定。SILVA 的分类是挂在树上的，树变则名字变。这带来一个副作用：当一个类群在树上的位置有争议时，名字也会跟着摇摆，而使用者往往看不到这次摇摆的原因是拓扑调整还是命名法更新。
第二条是「代表集」与「个体」的取舍。NR99 为了控制体积，牺牲了单条序列的可得性。对做元分析的流程没影响，对做「某条特定序列是否在参考库里」的核查有实质影响。
第三条是亚基不同步。SSU 与 LSU 各自独立发版，这在工程上合理，在使用上麻烦：任何同时用两个亚基的流程，都要处理两套分类框架、两套版本号、两套替代视图。
7.3 已知的、可枚举的偏差
| 偏差 | 表现 | 影响面 | 缓解方式 |
|---|---|---|---|
| 类群覆盖不均 | 临床常见菌序列极多，稀有门极少 | 稀有类群分类置信度低 | 用 Parc 检索，接受低质量 |
| 培养株过采 | NR99 里培养株占比高于自然占比 | 难培养类群被低估 | 结合环境克隆专项库 |
| 长度偏好 | Ref 层砍掉短序列，短读段参考不足 | 短读长平台受影响 | 直接用区段分类器 |
| 地理与宿主继承 | 元数据原样继承 ENA，不做清洗 | 地理分析不可靠 | 回查 ENA 原始记录 |
| 真核分类滞后 | 144 版真核未重校订 | 18S 研究 | 降级使用或换库 |
| 版本断层 | 聚类工具更换导致 NR99 规模跳变 | 跨版本比较 | 锁版本，不跨版比规模 |
| 阈值显式化 | 144 版引入 94.2% 未分类阈值 | 与旧版结果不可直接比 | 重跑基线，不混用 |
第五行与第七行要放在一起看。真核滞后是老问题，阈值显式化是新变化，两者叠加的结果是：用 144 版做真核 18S，既得不到精细分类，又会因为新阈值多出一批未分类。这不是不能做，而是要知道自己在做什么。§4.3 的案例里那一段读段在旧版能拿到一个属名、在新版落到未分类，正是这条阈值在起作用。
7.4 外部验证矩阵
| 验证角度 | 外部证据 | 结论 |
|---|---|---|
| 学术认可 | 2026 年核酸研究数据库专刊论文，卷 54 期 D1 | 持续被领域顶刊收录 |
| 基础设施认定 | ELIXIR 核心数据资源、全球核心生物数据资源 | 通过两家机构的准入评审 |
| 机构背书 | 2023 年并入 DSMZ 数字多样性联盟 | 长期维护有保障 |
| 跨库采用 | 作为专家库接入 RNAcentral | 数据被下游汇总库采信 |
| 流程采用 | QIIME2、DADA2、Kraken2 生态普遍以其为默认参照 | 事实标准地位 |
| 方法学可核查 | 阈值、剔除数量、已知缺陷全部公开 | 可被第三方复算 |
这张矩阵里最有力的一条是最后一行。多数数据库只公布「收了多少」，SILVA 连「扔了多少、为什么扔、哪里还有 bug」都写在发布说明里。这让它的质量可以被外部复算，而不是只能相信。
7.5 它为何能持续：把校订成本分摊给命名法社区
SILVA 的维护成本主要不在服务器，而在分类校订——把几百万条序列挂到树上、给几万个节点起名字，这是人力密集的活。它能持续十六年，靠的是把这份成本外部化：命名法由 LPSN 与《国际系统与进化微生物学杂志》承担，基因组分类由 GTDB 承担，真核分类由 UniEuk 承担，SILVA 自己做的是「整合与挂树」这一层。
这个分工让它的边际成本随外部资源增长而下降：外部越规范，它越省力。代价是它的更新节奏受制于外部资源的发布周期，这也是 SSU 与 LSU 版本不同步、真核迟迟未重校订的深层原因。
§8 生态位与历史
8.1 历史沿革
| 时间 | 事件 | 意义 |
|---|---|---|
| 2007 | SILVA 首版发布，版本 89 于同年 2 月上线 | 从 ARB 项目的比对衍生为独立资源 |
| 2012 | SINA 比对器论文发表 | 把比对从手工变成可批量 |
| 2013 | 核酸研究数据库专刊论文 | 进入主流引用体系 |
| 2014 | 分类体系大改， eukaryotic 分类改进启动 | 从序列库转向分类库 |
| 2019 | 132 版，与 GTDB 分类对齐 | 分类口径向基因组学靠拢 |
| 2022 | 138 版，六級分类与 GTDB 深度整合 | 影响面最大的一次改名 |
| 2023 | 并入 DSMZ 数字多样性联盟 | 机构归属从马普所转到 DSMZ |
| 2024 | 138.2 版，LSU 最后一次独立发布 | LSU 此后停更 |
| 2026 | 144 版，七级分类、DOI 分配、分类器发布 | 角色从「给库」转向「给服务」 |
这张表里有两次转折值得注意。2019 到 2022 那一轮是与 GTDB 对齐，直接导致一批熟悉的门名消失——变形菌门被拆、厚壁菌门重组、软壁菌门并入芽孢杆菌纲。2026 年这一轮是七级化，影响的是解析代码而不是名字本身。
8.2 版本节奏与它的现实约束
SSU 的版本间隔不固定：138 到 138.1 隔了几个月，138.2 到 144 隔了两年多。间隔拉长的原因官方说得很直白——144 版对原核部分做了从零开始的重注释，先自动注释再人工校订，这个流程耗时以年计。
把这条曲线拆到版本上看：132 版 NR99 六十万余条，138 版降到五十一万余条，138.1 与 138.2 维持同一量级，144 版回升到九十余万条。132 到 138 那一步对应与 GTDB 初步对齐；138 这一版的下降对应聚类工具更换；138.2 只是微调，同期 LSU 做完最后一次独立发布；144 版的回升则来自重注释与基因组数据的爆发。
138 系列那次规模下降曾引起不少误解，以为是数据丢了。实际原因是 UCLUST 换 VSEARCH，同一性定义不同导致簇数变少。144 版回升到九十余万，主要来自基因组测序的爆发式增长，而不是工具回退。
8.3 生态位：四个参照库的分工
| 资源 | 定位与更新状态 | 分类依据 | 与 SILVA 的关系 |
|---|---|---|---|
| SILVA | 全物种 rRNA 参照，带比对与树，维护活跃 | LPSN 为主，GTDB 为辅 | 本体 |
| GTDB | 基因组导向的分类框架，维护活跃 | 基因组亲缘性 | 被 SILVA 采为替代视图 |
| Greengenes | 老牌 16S 参照，基本停滞 | 手工加自动 | 功能重叠，口径更旧 |
| RDP | 老牌 16S 参照与分类器，已停滞 | 手工 | 144 版已移除其替代视图 |
SILVA 的生态位是「唯一同时提供比对坐标、质量分、七级分类与多套替代视图的 rRNA 参照」。Greengenes 与 RDP 都曾占据过类似位置，但都因为维护停滞而退场。这个位置的门槛不在数据量，而在持续校订的人力。
8.4 从马普所到 DSMZ：一次安静的搬迁
SILVA 最初是马克斯·普朗克海洋微生物研究所与 ARB 项目的合作产物，团队在不来梅。2023 年并入 DSMZ 数字多样性联盟，与 LPSN、StrainInfo、BacDive 成为同一体系下的兄弟资源。
这次搬迁对使用者的直接影响有三个：一是分类来源更贴近 LPSN，因为两家现在同属一个联盟，同步成本降低；二是网站改版，界面按 DSMZ 视觉规范重做；三是开始给每次发布分配 DOI，这是联盟对 FAIR 原则的落地要求。间接影响是分类校订的流程更规范，144 版那套「自动注释加人工校订」的双阶段流程就是搬迁后的产物。
§9 使用指引
9.1 三种角色的路径
| 角色 | 主要任务 | 最短路径 | 常见坑 |
|---|---|---|---|
| 做扩增子分析的人 | 把 ASV 分到属 | 官方 QIIME2 或 DADA2 分类器 | 分类器区段与读长不匹配 |
| 做系统发育的人 | 建树、算距离 | Ref NR99 全比对版加指导树 | 用去比对版建树，坐标全丢 |
| 做临床鉴定的人 | 给定分离株找最近亲 | 在线 SINA 比对加网页检索 | 把最近邻当鉴定结论 |
第一类人最容易忽略的是区段。§4.3 的案例已经说明，428 碱基的 V3–V4 读段在属一级就到顶，再往下要种级结论必须换区段或换方法。第二类人最容易忽略的是版本，全比对文件的坐标是版本相关的，跨版本拼数据会错列。第三类人最容易忽略的是边界，最近邻相似度 99% 也不等于同一个种，能定案的证据在表型与基因组。
9.2 一条最短的可用流程
从零到「拿到一张带分类的序列表」，最短的闭环是四步：下参考、下分类器、跑分类、并表。
#-- 1) 取 SSU 144 的 Ref NR99 与官方 QIIME2 分类器目录页
BASE="https://www.arb-silva.de/fileadmin/silva_databases/current"
curl -fLO "${BASE}/Exports/SILVA_144_SSURef_NR99_tax_silva_trunc.fasta.gz"
curl -s "${BASE}/QIIME2/" | grep -oE 'href="[^"]+"' | head -20
#-- 2) 用 QIIME2 导入自己的代表序列并做分类
qiime tools import \
--type 'FeatureData[Sequence]' \
--input-path asv_rep_seqs.fasta \
--output-path rep_seqs.qza
qiime feature-classifier classify-sklearn \
--i-classifier silva-144-99-v3v4-classifier.qza \
--i-reads rep_seqs.qza \
--o-classification taxonomy.qza
#-- 3) 导出为文本表
qiime tools export --input-path taxonomy.qza --output-path taxonomy_out
第 2 步里分类器文件名只是一个示例名，实际文件名随年份版本变化，必须按目录页里列出的名字替换。这一步写死文件名是常见事故来源。
import pandas as pd
#-- 4) 读入导出结果，拆出七级路径，统计属水平
tax = pd.read_csv("taxonomy_out/taxonomy.tsv", sep="\t")
ranks = ["domain", "kingdom", "phylum", "class", "order", "family", "genus"]
split = tax["Taxon"].str.split(";", expand=True)
for i, r in enumerate(ranks):
split[i] = split[i].str.strip() if i < split.shape[1] else ""
split.columns = ranks[:split.shape[1]]
split["feature_id"] = tax.iloc[:, 0]
split["confidence"] = tax["Confidence"]
#-- 低于 0.7 置信度的统一记为未分类，避免下游把猜测当结论
split.loc[split["confidence"] < 0.7, "genus"] = "unclassified"
print(split.groupby("genus").size().sort_values(ascending=False).head(15))
这段代码里的 0.7 是 QIIME2 的常用阈值，不是 SILVA 的官方阈值。两个阈值要分清：SILVA 的 94.2% 是序列相似度门槛，决定「这条序列在库里算不算同属」；QIIME2 的置信度是分类器对自己判断的信心，两者不是一回事。
9.3 引用方式
引用分四层，写法各不相同。引数据库本身用 2026 年核酸研究那篇，卷 54 期 D1 的 D334 至 D341；引比对工具用 SINA 那篇，生物信息学 2012 年 28 卷 1823 至 1829 页；引具体版本用下载目录里每个文件旁的 DOI 文件，那是这一版这一文件专属的标识；引分类体系则要把版本号与论文并列，例如「SILVA 144 分类，见 Chuvochina 等 2026」。
引用里最常见的疏漏是不写版本号。SILVA 的分类在版本间变化很大，只写「SILVA 数据库」等于没写清楚用的是哪一套口径。规范做法是「SILVA SSU 144」这样的形式，亚基与版本都带上。
§10 AI 使用声明
| 项目 | 说明 |
|---|---|
| 内容生成方式 | 由语言模型依据官方发布说明、许可页、分类文档与论文摘要撰写 |
| 数字来源 | 除标注为推算者外，全部取自官方 144 版与 138.2 版发布页 |
| 未核实项 | 未下载全量文件复算条数，规模数字以官方公布为准 |
| 分类学判断 | 不替代分类学专家意见，命名争议以 LPSN 与 SILVA 官方文档为准 |
| 临床适用性 | 不构成鉴定结论，不可用于诊断 |
| 时效性 | 截至 2026 年 10 月 29 日；SSU 与 LSU 版本不同步，引用前请复核 |
| 修订机制 | 新版本发布后应重核 §2 的规模表与 §7 的局限项 |
| 责任边界 | 使用本词条造成的分析偏差，由使用者自行承担 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| SILVA 是一个基因组目录 | 它是 rRNA 序列参照库，记录单位是序列片段 | 官方背景页只列 SSU 与 LSU 两套数据 |
| 最新版就是 144 | 只有 SSU 是 144，LSU 停在 138.2 | 首页版本表分列两个亚基与两个日期 |
| 下载最大的包最保险 | Parc 含大量低质量序列，建树会被拉长 | 官方建议建树用 Ref NR99 并带指导树 |
| SILVA 有 5S 数据 | 现行发布物只有 SSU 与 LSU | 下载目录与分类器命名均无 5S |
| Ref NR99 是 99% 相似就去重 | 培养株全部保留，不是纯代表集 | 发布说明写明培养株在所有情况下保留 |
| 分类到属就等于鉴定到种 | 多数环境序列止于属，种名常缺 | 144 版路径普遍无种级节点 |
| 版本升级只是加数据 | 144 版把六级改成七级，路径全变 | 分类文档写明新增界一级 |
| 分类和 GTDB 冲突就是错的 | 两套口径并存，冲突本身是信息 | 官方把 GTDB r226 作为替代视图发布 |
| 库里的序列一定能查到 | 144 版起单条序列不保证进 NR99 | 发布说明明确写了这一点 |
| 可以随便商用但要申请 | 无需申请，署名即可 | 许可页写明 CC BY 4.0 且含商业用途 |
FAQ
Q1：SILVA 和 UHGG 到底差在哪？
UHGG 收的是基因组，每条记录有组装、有基因、有蛋白；SILVA 收的是 rRNA 序列片段，每条记录只有那段序列和它在树上的位置。前者回答「这个物种的基因组长什么样」，后者回答「这段序列属于谁」。做物种注释时两者常一起用，但不能互相替代。
Q2：为什么我下载的文件条数和官网写的不一样？
两种可能。一是下错了层级，Parc、Ref、Ref NR99 三个数字差一个数量级；二是按登录号而不是按记录数。SILVA 的最小单位是 rRNA 区域，一份记录含多个操纵子会拆成多条记录，官网数字是记录数。
Q3：SSU 和 LSU 能放在一起做联合分析吗？
技术上可以，分类框架上要小心。两者版本不同步，SSU 是七级分类，LSU 还是六级，替代视图的覆盖也不同。联合分析前要先把两套路径对齐到同一层级，否则会静默错位。
Q4：我需要 5S 序列，这里能取到吗？
不能。现行发布物只有 SSU 与 LSU，下载目录、ARB 文件、分类器命名全部围绕这两项。5S 要从 ENA 原始记录或其他 rRNA 资源取。
Q5：为什么同一段序列在 138 和 144 上分到不同的属？
因为 144 版重做了原核分类，引入界一级、改用 LPSN 为命名来源，并新增了 94.2% 相似度的未分类阈值。三种变化都会改变结果，且都是有意为之。跨版本比较必须重跑基线。
Q6：Pintail 分值去哪了？
144 版停用了。138.2 版还有，但 Parc 里有二十万余条本来就没有该值。依赖它做嵌合过滤的流程，升级后要换方法。
Q7：Ref NR99 里为什么有那么多看起来重复的序列？
因为培养株全部保留。两条相似度超过 99% 的序列，只要有一条来自培养物，它就不会被代表掉。这是为了保住命名的实物锚点。
Q8：分类器该选哪个区段？
按你的读长与区段选。V3–V4 双端拼接选对应区段分类器，V4 单区选 V4，全长选全长。用全长分类器分短读段，置信度会普遍偏低。
Q9：可以用它做临床鉴定吗？
只能做候选线索。它给的是谱系位置与最近邻，不是鉴定报告。无菌部位标本的种级判断需要生化、质谱或全基因组支持。
Q10：怎么引用才规范？
数据库本身引 2026 年核酸研究论文，具体版本引下载目录里的 DOI，用了比对器再补引 SINA 论文。三条都要写清版本号，笼统写「SILVA 数据库」不算规范。
Q11：官网说真核分类还没校订，那我还能用 18S 吗？
能用，但要降级。门以上的名字相对可信，科属层面要人工复核，且 144 版新增的未分类阈值会让一批序列落到未分类。
Q12：ARB 格式还有必要学吗？
如果需要指导树、需要交互式浏览比对、需要按质量分挑选子集，ARB 仍然是最顺手的。只做批量分类的话，FASTA 加分类器就够了。
术语表
| 术语 | 含义 |
|---|---|
| SSU | 小亚基，细菌与古菌为 16S，真核为 18S |
| LSU | 大亚基，细菌与古菌为 23S，真核为 28S |
| Parc | 全量层，通过基础质控的全部比对序列 |
| Ref | 参考层，Parc 中长度与质量达标的子集 |
| Ref NR99 | 在 Ref 上做 99% 同一性去冗余的代表集 |
| SEED | 人工校订的参考比对，所有新序列比对到它上面 |
| SINA | SILVA 增量比对器，把新序列排到 SEED 坐标上 |
| 指导树 | 仅 Ref NR99 附带的系统发育树，分类注释的锚点 |
| 比对同一性 | 序列与最近参考在比对后的相同位点比例 |
| 比对质量 | 归一到 0–100 的比对可靠性分值 |
| 序列质量 | 由歧义碱基、同聚物、载体污染综合出的分值 |
| 歧义碱基 | 测序无法确定的位点，通常记为 N |
| 同聚物 | 连续相同的碱基串，是测序错误的典型信号 |
| 嵌合体 | 两条不同序列拼接而成的假序列 |
| Pintail | 曾用于评估嵌合与异常的算法，144 版停用 |
| 模式株 | 命名所依据的实物菌株，标记为 [T] |
| 培养株 | 可培养的菌株，标记为 [C] 或 s[C] |
| Incertae Sedis | 未定名分类单元，144 版取代旧称 uncultured |
| –other 后缀 | 标记不含模式序列但被认为属于该单元的枝 |
| LPSN | 原核生物命名法名录，SILVA 的主要命名来源 |
| GTDB | 基因组分类数据库，SILVA 的替代视图之一 |
| LTP | 活树项目，提供人工校订的模式株分类 |
| UniEuk | 真核分类框架，SILVA 真核部分的依据 |
| ENA | 欧洲核酸归档，SILVA 的源数据来源 |
| RNAmmer | 基于隐马尔可夫模型的 rRNA 区域预测工具 |
| VSEARCH | 去冗余聚类工具，138 系列起替代 UCLUST |
| 扩增子 | 用引物扩增出的特定区段，如 V3–V4 |
| ASV | 扩增子序列变体，去噪后的最小分类单位 |
| taxmap | 序列标识到分类路径的映射表 |
| DAIMS | 数据资产管理与信息服务框架，用于评估元数据完备度 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| SSU 版本 | 144 | 首页版本表 | 官方页面 |
| SSU 发布日期 | 2026 年 8 月 26 日 | 144 版发布说明 | 官方页面 |
| SSU Parc | 15,439,037 | 144 版发布说明 | 官方页面 |
| SSU Ref | 918 万余 | 144 版统计表 | 官方页面 |
| SSU Ref NR99 | 905,628 | 144 版统计表 | 官方页面 |
| 细菌 Ref / NR99 | 614 万余 / 60 万余 | 144 版统计表 | 官方页面 |
| 古菌 Ref / NR99 | 17 万余 / 3 万余 | 144 版统计表 | 官方页面 |
| 真核 Ref / NR99 | 286 万余 / 26 万余 | 144 版统计表 | 官方页面 |
| 培养株 / 模式株 | 4 万余 / 3 万余 | 144 版统计表 | 官方页面 |
| 候选序列 | 2107 万余 | 144 版处理流程表 | 官方页面 |
| 质控剔除合计 | 563 万余 | 144 版处理流程表 | 官方页面 |
| LSU 版本与日期 | 138.2，2024 年 7 月 11 日 | 138.2 版发布说明 | 官方页面 |
| LSU Parc / Ref / NR99 | 131 万余 / 22 万余 / 9.5 万余 | 138.2 版统计表 | 官方页面 |
| 分类层级 | 七级（原核） | 分类文档 | 官方页面 |
| 未分类阈值 | 94.2% 相似度 | 144 版发布说明 | 官方页面 |
| 许可 | CC BY 4.0 | 许可页 | 官方页面 |
| 论文 | 核酸研究 54 卷 D1，D334–D341 | 144 版引用块 | 官方页面 |
附录 B：数字的来源分层
| 层级 | 内容 | 采信方式 |
|---|---|---|
| 官方页面 | 版本号、发布日期、四层规模、三域分布、质控剔除量、分类层级、许可 | 直接采用 |
| 论文摘要 | 机构沿革、分类器发布、DOI 分配、网站改版、联盟整合 | 作为背景与佐证 |
| 未核实 | 具体文件的字节数、单条序列的字段完整性、实际下载后的条数 | 标注为未核实，不写成结论 |
本词条刻意没有写任何「下载全量后逐条统计」的数字。原因不是取不到，而是那类分布统计属于拿到数据后自己该做的一步，写在这里不增加判断力。唯一涉及文件体积的描述（去比对版约三百余 MB）取自下载目录的列表页，属于官方可见信息。
附录 C：完整参考文献
- Chuvochina M, Gerken J, Frentrup M, 等. SILVA in 2026: a global core biodata resource for rRNA within the DSMZ digital diversity. Nucleic Acids Research, 2026, 54(D1): D334–D341. doi:10.1093/nar/gkaf1247
- Pruesse E, Peplies J, Glöckner FO. SINA: accurate high-throughput multiple sequence alignment of ribosomal RNA genes. Bioinformatics, 2012, 28(14): 1823–1829.
- SILVA 官方发布说明：Release 144（2026 年 8 月 26 日），https://www.arb-silva.de/documentation/release-144/
- SILVA 官方发布说明：Release 138.2（2024 年 7 月 11 日），https://www.arb-silva.de/documentation/release-1382/
- SILVA 分类文档：The SILVA taxonomy（144 系列，2026 年 8 月 26 日更新）
- SILVA 许可与使用条款：https://www.arb-silva.de/silva-license-information/
- SILVA 背景页：https://www.arb-silva.de/documentation/background/
- SILVA 常见问题：https://www.arb-silva.de/documentation/faqs/
- SILVA 当前版本下载归档：https://www.arb-silva.de/archive/current/
- SILVA Ref NR 说明页：https://www.arb-silva.de/overview/ssu-ref-nr
附录 D：版本核对代码
import re, urllib.request
BASES = [
"https://www.arb-silva.de/",
"https://www.arb-silva.de/documentation/release-144/",
"https://www.arb-silva.de/documentation/release-1382/",
]
PAT = re.compile(r"(\d{1,2}\.\d{1,2}\.\d{2})|(\d{1,3}(?:,\d{3}){2,})")
def fetch(url):
req = urllib.request.Request(url, headers={"User-Agent": "version-check/1.0"})
with urllib.request.urlopen(req, timeout=30) as r:
return r.read().decode("utf-8", "ignore")
for u in BASES:
try:
html = fetch(u)
except Exception as e:
print(u, "fetch failed", e)
continue
hits = [m.group(0) for m in PAT.finditer(html)]
#-- 只打印疑似日期与七位以上规模数字，人工对照官方表
print(u, len(hits), hits[:12])
这段脚本的用途是快速看出官网数字有没有变，不负责判断对错。数字是否可信仍以发布说明的表格为准。
附录 E：如果只记五件事
| 序号 | 要记住的事 |
|---|---|
| 1 | SILVA 是 rRNA 序列的分类参照系，回答「这条序列是谁」，不回答「有多少」 |
| 2 | 四层产品里建树、训练分类器用 Ref NR99，不要图省事下 Parc |
| 3 | 亚基版本不同步：SSU 144（2026 年 8 月），LSU 138.2（2024 年 7 月） |
| 4 | 144 版把原核分类从六级改成七级，解析代码必须按版本切换 |
| 5 | 它与 UHGG 的区别是「参照序列」对「基因组目录」，两者互补不可替代 |
编辑说明
本词条的事实基础以 SILVA 官方 144 版与 138.2 版发布说明为主，辅以 2026 年核酸研究论文摘要与分类文档。核验时间为 2026 年 10 月 29 日。未覆盖的内容包括：各类导出文件的逐字段完整性、单条序列的实际字段取值、按类群细分的序列分布。官方页面存在两处口径差异：SSU 144 的发布日期在首页写 8 月 14 日、在发布说明写 8 月 26 日，本词条采用发布说明的日期并在此说明另一口径；LSU 的分类层级仍为六级，与 SSU 的七级并存，官方未说明何时统一。分类学命名争议以 LPSN 与 SILVA 官方文档为准，本词条不做独立判断。
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：
- uhgg — 共享标签：基因组学与多组学 / 微生物组 / 测序数据 / 变异与注释
- greengenes2 — 共享标签：基因组学与多组学 / 微生物组 / 测序数据 / 变异与注释
- gtdb — 共享标签：基因组学与多组学 / 微生物组 / 测序数据 / 变异与注释
- hmp — 共享标签：基因组学与多组学 / 微生物组 / 测序数据
- dbsnp — 共享标签：基因组学与多组学 / 测序数据 / 变异与注释
- ensembl — 共享标签：基因组学与多组学 / 测序数据 / 变异与注释
- mgnify — 共享标签：基因组学与多组学 / 微生物组 / 测序数据
- curatedmetagenomicdata — 共享标签：基因组学与多组学 / 微生物组 / 测序数据
- biosamples — 共享标签：基因组学与多组学 / 测序数据 / 变异与注释
- dgva — 共享标签：基因组学与多组学 / 测序数据 / 变异与注释
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。
