A descrição de uma nova espécie bacteriana é um caminho longo e oneroso; ainda assim, continua sendo uma importante aspiração para muitos microbiologistas.

A base do processo depende de uma abordagem polifásica¹, combinando uma série de investigações fenotípicas e genotípicas, realizadas pelo proponente, para apoiar a diversidade do organismo a partir dos táxons mais estreitamente conhecidos. Embora existam regras mínimas para tais identificações, nem todas são seguidas; entretanto, a determinação da sequência do rRNA 16S é praticamente o único requisito que permanece obrigatório. O International Journal of Systematic and Evolutionary Microbiology é o periódico oficial de registro de novos procariontes.

Devido à ausência de uma posição explícita contra a descrição formal de uma nova espécie baseada na identificação de uma única linhagem, o número de tais casos aumenta constantemente. O conceito de espécie, para procariontes em particular, dificilmente é definido, mas pode ser considerado como um 'grupo'. A descrição de uma espécie, baseada em um único isolado, na verdade é apenas uma descrição desse isolado, praticamente sendo excluída a biodiversidade. Isso é indiretamente confirmado pela alta porcentagem desses táxons, relatada na literatura, sem qualquer isolamento posterior. Para a maioria das espécies, as cepas depositadas na World Federation for Culture Collections continuam sendo a única prova de sua existência. Foi calculado que, são necessárias 25 cepas para a descrição precisa de uma espécie, e o limite mais baixo tolerável é 10², mas tais números raramente são alcançados. A espera para encontrar tantas cepas pode ser interminável e frustrante. Uma concessão razoável para a descrição confiável de uma nova espécie não pode ser inferior a dois, desde que cada um seja provado espacial e temporariamente independente.

Outro fator importante para propor uma nova espécie é a certeza de que ela não se sobrepõe a um táxon já aceito. O teste de Hibridização DNA-DNA (DDH)³ é referência para a circunscrição de espécies. Para verificar se duas cepas pertencem a espécies diferentes, a mistura de seus DNAs desnaturados é usada para reassociar moléculas híbridas (heteroduplex) em condições adequadas. O grau de similaridade é analisado comparando os resultados obtidos com os DNAs mistos àqueles com DNA puro (formando apenas homoduplex). O DDH fornece um limite numérico claro e objetivo: valores < 70% garantem a atribuição das duas cepas a espécies diferentes. O teste DDH é difícil e suscetível a erros⁴, portanto, limitando a implementação de poucos casos para a descrição de novas espécies. Atualmente, estão disponíveis algoritmos na bioinformática, validados por vários estudos, que podem ser usados para inferir o DDH a partir de dados genômicos; os mais conhecidos são a Identidade Média de Nucleotídeos (ANI)⁵ e a Genome to Genome Distance (GGD)^6,7. O ANI representa um meio de identidade entre as regiões genômicas homólogas compartilhadas por dois genomas. Duas cepas caracterizadas pelo ANI com valor < 95% pertencem a espécies diferentes, quando o valor é > 96%, elas são membros de uma única espécie; uma atribuição confiável não é possível para valores entre 95% e 96%. O algoritmo do GGD é o equivalente ao DDH in silico e produz valores diretamente conversíveis em DDH%, consequentemente sujeito ao limite de 70% para demarcação de espécies.

Em um estudo recente, investigou-se todo o genoma de 144 das 180 espécies incluídas no gênero Mycobacterium. Nas análises realizadas com ANI e GGD foram detectadas 10 espécies ilegítimas, e criadas: quatro subespécies de M. intracellulare; três de M. farcinogenes e de M. abscessus; e dois de M. austroafricanum, M. marinum e de M. pyrenivorans (Tabela 1).

A necessidade de dados genômicos reunidos tem dificultado, até o momento, a exploração de ANI e GGD na descrição de novas espécies. Nos últimos anos, no entanto, a disponibilidade de dados genômicos confiáveis tornou-se cada vez mais fácil e econômica e, a taxonomia moderna deve seu crescimento à importante contribuição da informação genômica. Portanto, a determinação de todo o genoma, de cada espécie recém-descrita, é um requisito primário. Se ainda não estiver disponível em repositório público, a sequência 16S rRNA, mais próxima em semelhança com a espécie proposta, deve ser determinada. O ANI ou do GGD mais intimamente relacionado ao genoma deve ser calculado para evitar o risco de duplicação de uma espécie já existente. A disponibilidade de uma exaustiva caracterização genômica reduzirá a necessidade de caracterização detalhada das limitadas propriedades informativas, como características fenotípicas. A disponibilidade de genomas da maioria das espécies de Mycobacterium no GenBank poderia estabelecer, potencialmente, uma árvore baseada em genomas inteiros⁸, além das árvores filogenéticas tradicionais, baseadas em rRNA 16S ou em genes de manutenção concatenados.