在面对环境压力时,微生物物种的分化和进化是十分普遍的。由此产生的亚种会影响整个群落的功能,特别是环境适应性相关功能,因此亚种识别的解读是微生物组研究中最重要的问题之一。由于同一物种的不同亚种在基因组上的差异极其微小,可能只包含若干单核苷酸多态性(SNP)上的差异,因此基于数据分析方法进行亚种识别,面临着巨大的挑战。尽管目前从微生物数据中检测的SNP在统计分析依然值得怀疑,但亚种识别的准确性在很大程度上仍然取决于对微生物数据的变异识别和分类。基于以上背景,我们开发了一款新的微生物亚种识别方法Strain-GeMS,并在模拟数据和标准数据上验证了其性能,同时将其初步应用到了真实数据的分析中。论文所完成的主要工作有:(1)对现有的微生物群落分类方法,特别是亚种/物种识别方法做了调研。对这些方法的功能模块做了一些比较分析,比较了各方法的优势与不足。(2)基于更好的SNP识别工具和更优的聚类方法,开发了一个新的亚种识别方法Strain-GeMS。在使用Strain-GeMS法进行亚种识别时,首先使用Metaphlan2确定可以做亚种分析的物种,然后使用优化后的MultiGeMS来完成SNP识别,接着对这些SNP做层次聚类并通过SNP-flow来生成所有的亚种模型,最后使用PAM聚类来确定最优的亚种组合模型。在模拟数据和标准数据上的运行结果表明StrainGeMS的亚种识别效果优于其他方法。(3)实现了Strain-GeMS在真实微生物宏基因组数据上的初步应用,发现了不同时间点或者不同环境下亚种情况的差异。随着微生物群落样本数量的迅速增加和亚种鉴定的需要,我们认为StrainGeMS可以成为分析微生物群落亚种间细微差异的重要工具。