AMRFinderPlus 实跑教程｜同一份基因组为何得到 0、5、6 条记录，怎样读懂 Scope 与 Method

同一个细菌基因组，默认运行没有命中，加入 Plus 选项后得到五条记录，换成蛋白输入又变成六条。这是否说明前一次漏掉了六个耐药基因。不能这样判断，因为报告范围、搜索方式和输入证据都可能变化，记录条数并不直接等于耐药基因数量，更不等于耐药程度。

本篇实际运行 AMRFinderPlus 4.2.7，固定数据库为 2026-10-29.1，以未经改造的大肠杆菌 K-12 参考 NC_000913.3 为对象，比较五种调用方式。我们保留原始结果表，逐列解释默认空表、Plus 记录、蛋白家族命中及联合输入的坐标信息，帮助读者把“跑出结果”推进到“正确理解结果”。

先区分遗传元件检测与表型结论

AMRFinderPlus 使用经过整理的参考序列、家族模型及相关规则，识别输入中的目标遗传元件。它能输出命中方式、参考匹配和分类信息，使分析者有机会追溯判断依据。NCBI 的结果解释说明明确区分基因型与表型，不能把检测到某个元件直接写成已经测得对应的药物敏感性。

这里需要防止两个方向的过度推断。命中不自动证明样本具有某种实际耐药表现，未命中也不能证明样本对所有药物都敏感。报告反映的是当前输入、数据库和搜索规则下识别到了什么，不能代替表型实验或完整的生物学评价。

因此，本篇只讨论分析流程和证据解释，不制作临床用药结论。公开参考用于固定实验对象，五种调用之间没有改变核酸序列。所有差异都应先从输入模式和参数设置解释，而不是直接归因于样本发生了生物学变化。

固定软件之外，还要固定数据库

本次使用已经安装的 Bakta 容器环境，其中 AMRFinderPlus 实际版本为 4.2.7。数据库来自该环境中保存的固定日期目录，实际数据库格式版本为 4.2.0。软件版本、数据库发布日期和数据库格式版本是三个不同字段，应分别记录，不能只写一句“使用最新数据库”。

IMAGE=quay.io/biocontainers/bakta:1.12.2--pyhdfd78af_0
docker pull "$IMAGE"
docker run --rm "$IMAGE" amrfinder --version
docker run --rm -v "$(pwd):/work" "$IMAGE" \
  amrfinder -d /work/amr-db/2026-10-29.1 -V

上面的镜像名是运行环境名称，不代表 AMRFinderPlus 的版本号也是 1.12.2。实际执行前查询工具自己的版本，是避免记录错误的一步。尤其在大型流程中，一个环境可能包含多个软件，不能把主流程版本代替所有子工具版本。

数据库更新会改变参考集合和整理规则。比较多个批次时，应优先使用同一个固定快照，或明确标注哪些批次重新分析过。若一部分样本使用旧库、一部分样本使用新库，命中数量的差别就混入了分析条件变化。官方数据库说明提供了数据库范围、目录与字段含义。

输入准备与五种运行条件

核酸采用公开参考的完整染色体，长度为四百六十四万一千六百五十二个碱基。蛋白及 GFF 来自此前实际完成的 Bakta 1.12.2 原始环状序列注释，使用 light 6.0 数据库，保留了四千三百一十条 CDS。这个注释对照侧重蛋白编码特征，相关 RNA 等模块未作为本次蛋白注释输入生成。

第一种只提供核酸，不指定物种组选项。第二种仍只提供核酸，增加 Escherichia 物种组。第三种在第二种基础上开启 Plus。第四种提供蛋白并开启同样的物种组与 Plus。第五种同时提供核酸、蛋白和对应 GFF，指定 Bakta 注释格式。

所有运行使用同一份固定数据库和两个线程，没有降低相似度或覆盖阈值来增加命中。本次变化因此可以与报告范围和搜索方式对应起来。若同时更换数据库、修改阈值并改变输入，就很难解释多出来的记录究竟来自哪一步。

默认结果为空，首先看 Scope

两种未开启 Plus 的核酸运行都只有表头，没有数据行。开启 Plus 后出现五条记录，而且每条 Scope 都是 plus。这说明当前默认报告范围与扩展报告范围不同，不能把两张表直接当作同一套目标的重复检测结果。

Plus 中可以包含与应激、一般外排、毒力等相关的条目，具体分类要继续看 Type 和其他字段。本次五条里有两条标为 STRESS，三条标为 AMR，因此即使开启了扩展范围，也不能把总记录数全部改名为耐药基因数。

Scope 和 Type 是两条不同的分类轴。一条记录可以同时属于 plus 范围、AMR 类型，这并不矛盾。前者说明它处于哪个报告子集，后者说明目标类别。若汇总脚本只看 Type 而忽略 Scope，就可能在不同参数条件下生成表面上同名、实际范围不同的统计量。

批量分析时，建议先按报告范围和类型分层统计，再汇总具体元件。这样可以分别回答“默认范围识别了什么”“扩展范围补充了什么”，避免把所有记录堆成一个数字后再赋予过强的生物学含义。

EXACTP 与 EXACTX 的差别要回到输入方式

本次核酸 Plus 运行的五条记录全部为 EXACTX，蛋白和联合输入中的对应记录为 EXACTP。这并不表示它们属于两套不同的基因，而是标记了命中来自哪类搜索输入。应结合元件标识、参考匹配和位置进行对应，而不是仅凭 Method 字符串把同一目标重复计数。

直接将核酸模式与蛋白模式的结果纵向拼接，再对行数求和，会把重复证据当作多个独立目标。联合模式的价值之一，就是把这些输入放在协调的流程中处理。实际比较时应明确是在比较遗传元件集合，还是在比较同一元件的多种证据。

百分之百一致性也需要和参考覆盖一起读。一个局部片段与参考局部完全相同，不等于覆盖完整目标。本次五条精确命中同时具有完整的参考覆盖，但这个观察不能推广到所有项目。遇到片段、边界截断或其他方法标签时，应按相应字段继续检查。

为什么蛋白模式多出一条 HMM 命中

蛋白 Plus 模式新增了一条 HMM 记录，联合模式也保留了它。该条目在本次结果中属于 VIRULENCE 类型、plus 范围，参考覆盖字段为百分之百，一致性字段为百分之八十八点零三。它并不是新增的一条精确匹配记录。

这说明命中方法不能被一列相似度替代。HMM 使用家族模型及对应规则提供证据，不能把所有记录统一套到一个自行设定的百分之九十相似度门槛上，否则可能把原本按家族模型规则保留的条目删除。是否需要进一步过滤，应有明确研究目的与验证依据，而不是为了让表格看起来整齐。

相反，也不能把 HMM 命中描述为已经确认了完整功能。它提示输入与相应家族模型的关系，后续解释仍需参考覆盖、注释质量、数据库整理信息及其他证据。方法标签说明证据来源，并不会自动替代功能实验。

由于样本始终是同一份公开参考，不能把蛋白模式比核酸模式多一条记录写成“这个样本变得更危险”。这里改变的是可用搜索信息与分析方法。教程的重点是理解这种变化，而不是给公开参考附加超出证据范围的表型判断。

联合输入需要三份文件真正对应

联合模式同时提供核酸、蛋白和 GFF，并指定本次使用的注释格式。核酸参数应指向组装序列，而不是把 CDS 片段拼成的文件。GFF 用于把蛋白记录与核酸上的位置关联，标识对应关系不正确时，联合分析就失去基础。官方运行说明

amrfinder -n sample.fna \
  -d amr-db/2026-10-29.1 \
  -O Escherichia --plus --threads 2 \
  -o nucleotide_plus.tsv

amrfinder -n sample.fna -p sample.faa -g sample.gff3 \
  -a bakta -d amr-db/2026-10-29.1 \
  -O Escherichia --plus --threads 2 \
  -o combined_plus.tsv

本次纯蛋白结果没有 Contig id、Start 和 Stop 这些坐标列，联合结果则包含它们。这不是把缺失坐标统一填成零就能解决的问题，而是输入是否提供了核酸位置关联的区别。若下游需要叠加基因组区域或检查邻近关系，必须使用合适的关联信息。

三份文件应来自同一版本注释。不要拿旧蛋白文件搭配重新编号后的 GFF，也不要在只改动核酸标题后忘记更新注释中的 contig 名称。运行前检查蛋白标识、核酸标识和 GFF 关联，是比事后手工补坐标更可靠的做法。

蛋白模式和核酸模式的坐标边界也未必逐个数字相同，因为报告的定位来源可能不同。需要比较时，应先弄清字段语义与注释边界，而不是看到相差几个碱基就立即判断序列发生了变异。对于关键结论，回到原始注释和匹配信息复核。

物种组选项不能替代物种鉴定

本次将 Escherichia 作为已知参考背景提供给程序，目的在于使用相应的整理规则。这个参数不是让程序自动证明输入属于大肠杆菌。真实样本应先有可靠的物种或分类背景，再选择适用的选项，不能轮流尝试多个物种名后挑记录最多的结果。

同时，指定物种组并不保证一定产生新的记录。本次未开启 Plus 的两个核酸运行都为空，只能说明这份参考在这些条件下没有报告条目，不能据此认为物种组选项没有作用。某些规则只在特定目标或变异出现时才体现差异。

本次没有设计已知耐药突变的阳性对照，也没有测试所有非编码位点的识别能力，因此不能把实验写成完整的突变检出验证。蛋白输入与核酸输入覆盖的信息本来就不同，选择模式时应先明确研究问题，再决定需要哪些文件。

一个实际遇到的表头问题

运行本身完成后，最初的统计脚本因为沿用了较旧的列名而报错。本次版本的实际字段包括 Protein id、Type 和 Subtype，与旧脚本预期的某些名称不同。修复的是结果读取逻辑，没有修改任何命中阈值，也没有重新解释空表为程序失败。

另一个细节是，空表只有表头时，错误的列访问逻辑可能暂时没有触发，直到第一张有记录的表才失败。因此不能只用一个没有命中的样本验证汇总脚本。至少应检查实际表头、非空记录以及不同输入模式下是否存在坐标列。

更稳妥的做法是按字段名称读取，明确哪些列是必需、哪些只在特定模式下出现。缺失必需列应立即报告，而不是悄悄用空字符串代替。对于本来就不提供坐标的纯蛋白模式，则应保留“该模式无此列”的含义，避免伪造可用于下游定位的信息。

怎样整理一份有用的结果汇总

项目结果至少应保留样本名、软件与数据库版本、输入模式、Scope、Type、Method、元件标识、匹配覆盖和一致性。需要基因组定位时，再加入来自可靠关联的坐标信息。若只交付一列基因名，读者将无法判断它来自精确匹配、家族模型还是其他证据。

AMRFinderPlus 的优势是规则和参考来源可追溯，并提供较丰富的证据字段。局限是报告范围受数据库、物种背景和输入质量约束，命中也不直接等于表型。使用它时，与其追求尽可能多的记录，不如让每条记录都能回答“为什么被报告、属于什么范围、还缺哪些证据”。

下载五种模式的实跑脚本与完整结果。复现包说明了参考来源、上游注释和固定数据库，保存原始表头及逐行结果。建议先核对零、五、六条记录的关系，再按 Scope、Type 与 Method 分组，最后检查联合输入补充了哪些位置字段。

当输入对应关系、数据库快照和结果解释规则确定后，如需完成更多样本的批量筛查与复核，可了解云生信生物分析与计算服务。