MLPA vs ddPCR vs qPCR vs NGS für CNV (RUO): Technischer Vergleich und Entscheidungsrahmen

Copy-Number-Variationen (CNV) Projekte geraten oft aus der Bahn, weil Teams Plattformen vergleichen, bevor sie die technische Fragestellung definieren. In Forschungsanwendungen (RUO) ist die beste Methode selten diejenige mit dem größten Plattformfußabdruck. Es ist die Methode, die zur Zielanzahl, Ausgabetyp, Probenbeschränkungen, Analyseaufwand und der Art und Weise, wie Ergebnisse zwischen Wet-Lab, Bioinformatik und Projektmanagement übertragen werden, passt. Die grundlegende Unterscheidung ist einfach: MLPA ist für die multiplexe relative Kopienzahl-Screening über viele vordefinierte Loci konzipiert, qPCR passt in der Regel besser für einen oder wenige Loci, ddPCR ist am stärksten, wenn der Fokus auf der absoluten Kopienzahl liegt, und NGS wird attraktiv, wenn ein breiterer Kontext oder Entdeckung Teil des Umfangs ist.

TL;DR — Wählen Sie Ihre CNV-Methode in 60 Sekunden

Wählen qPCR Wenn die Frage eng gefasst ist, ist die Ziel-Liste klein und eine relative Dosierungsantwort ausreichend ist, bleibt qPCR nützlich für fokussierte CNV-Prüfungen. Ihre Reproduzierbarkeit hängt jedoch stark vom Assay-Design, der Wahl des Referenzwerts und der transparenten Berichterstattung ab.

Wählen ddPCR wenn das Projekt sich auf konzentriert absolute Kopienzahl und bei der Unterscheidung nahegelegener Kopienzahlzustände mit stärkerer statistischer Trennung. Partition-basierte digitale PCR wurde zur absoluten Quantifizierung der DNA-Kopienzahl entwickelt und wird häufig verwendet, wenn Präzision wichtiger ist als die Breite der Multiplexung.

Wählen MLPA wenn du brauchst viele vordefinierte Loci parallel, insbesondere Exon- oder Regionsscreening ohne die Notwendigkeit eines breiten Sequenzkontexts. Das ursprüngliche MLPA-Papier zeigte die relative Quantifizierung von bis zu 40 Sequenzen in einer Reaktion, weshalb MLPA nach wie vor gut zu vielen-lokus-targetierten CNV-Workflows passt.

Wählen Sie aus NGS Wenn CNV nur eine Schicht einer umfassenderen Sequenzierungsfrage ist oder wenn das Projekt zusätzlichen Sequenzkontext benötigt. Jüngste große Benchmarks zeigen, dass die CNV-Erkennung auf Basis von NGS aus gezielten Panels sehr informativ sein kann, aber die Leistung weiterhin von den Datenkontexten, der Wahl des Anrufers und der Parametrisierung abhängt.

Wenn Sie vor dem Vergleich eine Auffrischung der Grundlagen benötigen, beginnen Sie mit Was ist MLPA (Bedeutung/Definition/Prinzip).

Vier-Methoden-Vergleich auf einen Blick

Diese Tabelle ist die kürzeste brauchbare Zusammenfassung der Entscheidungslogik, die im restlichen Artikel verwendet wird: Zielanzahl, absoluter Bedarf, Sequenzkontext und Analyseaufwand sollten definiert werden, bevor eine Methode in die engere Auswahl kommt.

Definieren Sie zuerst die technischen Anforderungen.

Bevor Sie Plattformen vergleichen, definieren Sie das Projekt in vier praktischen Dimensionen.

1) Wie viele Loci sind im Geltungsbereich?

Dies ist der erste echte Bereich. qPCR ist für eine kleine Anzahl von Loci handhabbar, aber jedes hinzugefügte Ziel erhöht die Design- und Kontrollbelastung. MLPA wurde entwickelt, um viele vordefinierte Loci in einem einzigen Test praktikabel zu machen. NGS kann viel mehr Bereiche abdecken, aber dieser Gewinn an Breite bringt mehr Aufwand für Bibliotheken, Analyse und Überprüfung mit sich.

In Outsourcing-Begriffen ist ein Projekt mit zwei Loci über Hunderte von Proben nicht dasselbe wie ein Projekt mit 30 bis 40 Regionen über dieselbe Kohorte. Teams, die bewerten CNV-Sequenzierungsdienste Sollten die Zielraumkomplexität definieren, bevor sie den Zeitplan oder die Liefergegenstände besprechen.

Brauchen Sie relative Dosierung oder absolute Kopien?

MLPA und die meisten qPCR CNV-Workflows sind von Natur aus relativ. ddPCR ist attraktiv, wenn der Fokus auf absoluten Kopiezuständen wichtig ist, da die digitale Partitionierung die Abhängigkeit von der Interpretation der Amplifikationskurve verringert. Dieser Unterschied ist oft wichtiger als allgemeine Aussagen über "Genauigkeit".

3) Benötigen Sie einen breiteren Sequenzkontext?

Wenn das Projekt nur Informationen zur Kopienzahl an bekannten Loci benötigt, können gezielte Methoden operativ sauberer sein. Wenn es auch einen breiteren umgebenden Kontext, Entdeckung oder Integration mit umfassenderen Sequenzierungsergebnissen benötigt, rückt NGS weiter nach oben auf die Liste. Jüngste Benchmarking-Studien zu Panel-Daten zeigen auch deutlich, dass die rechnergestützte CNV-Erkennung nicht kontextfrei ist; die Leistung variiert je nach Werkzeugen, Datensätzen und Parametern.

4) Wie viel Analyseaufwand kann das Team bewältigen?

qPCR kann einfach erscheinen, kann jedoch aufgrund schlechter Assay-Designs oder instabiler Referenzen scheitern. MLPA ist auf Assay-Ebene effizient, hängt jedoch stark von der Peak-Qualität und der Normalisierungsdisziplin ab. NGS bietet den umfassendsten Kontext, stellt jedoch die größten Anforderungen an die Auswahl der Pipeline, das Referenz-Matching und die technische Überprüfung. Transparente Berichtsguidelines wie MIQE und MIQE 2.0 sind relevant, da die Reproduzierbarkeit von den experimentellen Details abhängt, nicht nur von der Wahl der Plattform.

Abbildung 1. CNV-Methodenauswahlkarte: Definieren Sie die Zielanzahl, den absoluten Kopiebedarf, den Sequenzkontextbedarf und die Analysebelastung, bevor Sie eine Methode auswählen.

MLPA vs qPCR für CNV

MLPA und qPCR werden oft verglichen, da beide gezielte CNV-Fragen beantworten können, sich jedoch unterschiedlich skalieren.

Multiplexing und Entwurfsbelastung

Der Hauptvorteil von MLPA liegt im Multiplexing über viele vordefinierte Loci in einem Test. qPCR bleibt für eine sehr kleine Anzahl von Loci praktisch, aber jeder zusätzliche Locus erfordert zusätzliche Arbeit bei der Primer-/Sondenentwicklung, mehr Abhängigkeit von Kontrollen und mehr Möglichkeiten für Effizienzverluste. Deshalb ist die Frage nicht, ob qPCR eine CNV erkennen kann, sondern ob es der beste Workflow bleibt, sobald das Design über einige wenige Loci hinausgeht.

Wenn das Projekt in Richtung vieler vordefinierter Exons oder Regionen abdriftet, Genpanel-Sequenzierungsdienst kann eine natürlichere benachbarte Option für Teams werden, die ebenfalls eine breitere Zielarchitektur im selben Programm anstreben.

Normalisierungsabhängigkeit und Ausfallmodi

qPCR hängt stark von der Stabilität der Referenz, der Effizienz des Assays und der Qualität der Proben ab. Die MIQE-Literatur existiert, weil diese Details die Reproduzierbarkeit erheblich beeinflussen. Zwei besonders relevante Fallen bei qPCR für CNV sind die Probenzerstörung und Varianten innerhalb der Bindungsregionen des Referenz-Assays, die beide die scheinbare Kopienzahl verzerren können.

MLPA hat ein anderes Risikoprofil. Sobald das Assay-Design zum Zielbereich passt, verschieben sich die Hauptanfälligkeiten in Richtung Ligationverhalten, Fragmenttrennung, Peak-Qualität und Normalisierung. In der Praxis neigt qPCR dazu, das Risiko im Verhalten von Assay/Referenz zu konzentrieren, während MLPA das Risiko in der Signalqualität und der Überprüfung der Normalisierung konzentriert.

Praktische Entscheidungsregel

Benutzen qPCR wenn Sie nur sehr wenige Ziele haben, eine schnelle relative Auslese benötigen und das Assay-Design sowie die Referenzen genau steuern können. Verwenden Sie MLPA wenn Sie viele vordefinierte Regionen haben und eine effiziente parallele Überprüfung mit einem disziplinierten QC-Workflow benötigen. Für Teams, die einen formalen MLPA-Workflow planen, MLPA-Test- und Analyseablauf: Probenanforderungen + Ergebnisse ist die nützlichste nächste Lektüre.

Abbildung 2. Technischer Vergleichsrahmen von MLPA und qPCR, der Multiplexing, Designaufwand, Normalisierungsabhängigkeit, Durchsatz und Interpretationsstil abdeckt.

MLPA vs ddPCR für CNV

Dies ist normalerweise der wichtigste Vergleich, wenn das Team mehr Vertrauen als bei qPCR möchte, sich aber unsicher ist, ob das Projekt eine Multiplex-Breite oder einen Fokus auf absolute Kopien benötigt.

Relative Multiplex-Screening vs. absolute Quantifizierung

MLPA ist eine multiplex-relative Methode. ddPCR ist eine absolut-kopiorientierte Methode, die auf Partitionierung basiert. Wenn die Unsicherheit über viele vordefinierte Exons oder Regionen verteilt ist, ist MLPA oft die bessere Wahl. Wenn die Unsicherheit in einem oder wenigen Loci konzentriert ist und eine genaue Trennung des Kopiezustands wichtig ist, wird ddPCR zur stärkeren Option.

Durchsatz und Skalierung

ddPCR ist hervorragend für Präzision, löst jedoch die Multi-Locus-Skalierung nicht auf die gleiche Weise wie MLPA. Einige hochpriorisierte Loci über viele Proben hinweg passen möglicherweise gut zu ddPCR. Ein breites Exon-Level-Screening über viele Proben hinweg lässt sich normalerweise natürlicher auf MLPA abbilden. Deshalb wird die Wahl oft von der Komplexität der Loci bestimmt und nicht von abstrakten Behauptungen, dass eine Technologie "genauer" sei.

Nachverfolgungs-Workflows

Viele RUO-Programme sollten nicht darauf bestehen, dass eine einzige Methode jede Frage beantwortet. Ein praktisches Muster besteht darin, zunächst eine breite gezielte Screening-Phase durchzuführen und dann eine zusätzliche technische Charakterisierung an einer kleineren Teilmenge von Loci vorzunehmen. Eine andere Möglichkeit ist, zuerst NGS durchzuführen und dann gezielte locus-spezifische Nachverfolgung, sobald das breite Sequenzbild klarer ist. Diese gestaffelte Logik ist oft robuster, als zu erwarten, dass eine Plattform sowohl Breite als auch Genauigkeit gleichzeitig liefert. Für die Planung gezielter Nachverfolgungen, Gezielte Regionen-Sequenzierung ist oft die relevanteste angrenzende Serviceseite.

Für die spezifische Studienplanung und Überprüfung der Ergebnisse zu CNV siehe MLPA für CNV: Studiendesign & Interpretation.

MLPA vs NGS für CNV

Dies ist der Vergleich, der am häufigsten übertrieben wird. NGS ist kein automatisches Upgrade gegenüber MLPA. Es beantwortet eine breitere Klasse von Fragen.

Wann NGS die bessere Wahl ist

NGS wird attraktiv, wenn CNV nur eine Schicht eines größeren Sequenzierungs-Workflows ist oder wenn der Sequenzkontext ausreichend wichtig ist, um eine intensivere nachgelagerte Analyse zu rechtfertigen. Aktuelle großangelegte Benchmarking-Studien zeigen, dass die CNV-Erkennung aus Panels gut funktionieren kann, aber das Verhalten der Tools variiert weiterhin, insbesondere bei kleineren Ereignissen und parameterempfindlichen Einstellungen.

Wann MLPA die bessere Wahl bleibt

Wenn das Projekt bereits die Interessensloci kennt und die Hauptaufgabe ein effizientes Screening der Kopienzahl auf Regionalebene ist, kann MLPA die technisch sauberere Wahl bleiben. Das gilt insbesondere, wenn der Sequenzkontext nicht das zentrale Ergebnis ist und wenn die Teams eine engere Überprüfungsfläche gegenüber einer breiteren Rechenpipeline bevorzugen. Teams, die sich auf eine breitere Entdeckung konzentrieren, können evaluieren Whole Exome Sequenzierung als den relevanteren Dienstweg.

Wo "MLPA-Analyse" Vertrauen aufbauen oder zerstören kann

MLPA ist auf der Assay-Ebene effizient, aber es ist unnachgiebig gegenüber schwacher Überdisziplin. Hier bleiben viele Vergleichsartikel zu allgemein.

Gutes MLPA-Vertrauen hängt von stabilen Peak-Profilen, geeigneten Referenzen, konsistenter Normalisierung und einer expliziten Handhabung von Grenzwerten ab. Der Test kann der richtige sein, dennoch kann das Projekt scheitern, wenn die QC-Kriterien vage oder die Berichtlogik inkonsistent ist. Deshalb sollte die Bewertung des MLPA-Anbieters beinhalten, wie Rohsignale überprüft werden, wie Wiederholungen ausgelöst werden und wie Grenzregionen kategorisiert werden.

Ein praktischer Fehlerbehebungsrahmen ist nützlich:

• Geräuschvolle oder instabile Spitzenmuster weisen normalerweise auf Variabilität der Eingangsqualität, Inkonsistenzen bei der Ligation oder Probleme bei der Normalisierung hin.
• Isolierte Regionsverschiebungen häufig eine Überprüfung der Rohdaten erfordern, bevor sie als aussagekräftig betrachtet werden.
• Kreuzmethodenabweichungen oft verschiedene Ausgabetypen vergleichen, als wären sie gleichwertig, anstatt eine einfache "richtig gegen falsch"-Situation darzustellen.

Für eine tiefere QC- und Berichtstruktur siehe MLPA-Analyse QC + Normalisierung + Bericht-Checkliste.

Abschlussentscheidungsrahmen

Verwenden Sie diese Checkliste in Kickoff-Meetings, Anbieterüberprüfungen oder bei der Planung von Musterübermittlungen.

• Messen wir einen/wenige Loci oder viele vordefinierte Loci?
• 2. Benötigen wir relative Dosierungen oder absolute Kopien?
• 3. Brauchen wir einen breiteren Sequenzkontext?
• 4. Handelt es sich um einen breiten Bildschirm oder um einen engen Workflow für hochgradig vertrauenswürdige Nachverfolgungen?
• 5. Wie variabel sind die DNA-Menge oder -Integrität?
• 6. Kann das Team die Iteration des Assay-Designs unterstützen?
• 7. Kann das Team die Belastung durch sequenzierungsbasierte Analysen unterstützen?
• 8. Ist die Breite des Multiplexes wichtiger als die absolute Kopiepräzision?
• 9. Welche Wiederholungsrate ist betrieblich akzeptabel?
• Wird ein gestufter Workflow effizienter sein als ein Workflow auf einer Plattform?

Ordne die Antworten wie folgt zu:

• MLPA passt zu vielen vordefinierten Loci und ermöglicht ein effizientes paralleles Screening.
• qPCR passt zu einem oder mehreren Loci mit einer einfachen relativen Auslesung.
• ddPCR passt zu absoluten kopierfokussierten Projekten mit niedriger Zielanzahl.
• NGS passt in einen breiteren Kontext oder entdeckungsorientierte Projekte.

Abbildung 3. Vier-Wege-CNV-Entscheidungsbaum, der qPCR, ddPCR, MLPA und NGS abdeckt, ausgerichtet auf Zielanzahl, absolute Kopiebedarf, Sequenzkontextbedarf und Analyseaufwand.

Häufig gestellte Fragen

Ist MLPA besser geeignet als qPCR für das Screening von CNVs auf Exon-Ebene?

In der Regel ja, wenn viele vordefinierte Regionen parallel bewertet werden müssen, da MLPA für die multiplexe relative Quantifizierung über viele Loci entwickelt wurde. qPCR bleibt natürlicher, wenn das Projekt auf einen oder wenige Loci beschränkt ist.

Wann lohnt sich der zusätzliche Aufwand für ddPCR?

Wenn das Projekt speziell einen absoluten Fokus auf den Kopiezustand oder eine stärkere Unterscheidung zwischen nahegelegenen Kopiezuständen erfordert. Das ist der Kontext, in dem digitale Partitionierung den größten Wert bietet.

Kann NGS MLPA ersetzen?

Manchmal, aber nicht standardmäßig. Wenn das Projekt bereits einen breiteren Sequenzierungskontext benötigt, könnte NGS der effizientere übergeordnete Workflow sein. Wenn nur ein vordefiniertes Screening auf CNV auf Regionenebene erforderlich ist, könnte MLPA dennoch die sauberere Wahl sein.

Was ist das verborgene Risiko bei der qPCR CNV-Arbeit?

Referenzabhängigkeit. Eine schlechte Referenzauswahl, degradierte DNA oder Variationen innerhalb eines Referenzassays können die scheinbare Kopienzahl verzerren.

Was ist das verborgene Risiko bei MLPA-Arbeiten?

Die Behandlung von Normalisierung und Spitzenüberprüfung als Routine. Das Vertrauen in MLPA hängt stark von der QC-Disziplin und konsistenten Interpretationsregeln ab.

Was sollten Outsourcing-Teams einen Anbieter fragen, bevor sie eine CNV-Methode wählen?

Fragen Sie, wie der Anbieter die Qualitätskontrolle von Proben, die Wiederholkriterien, die Normalisierungslogik, Grenzwertentscheidungen und gestaffelte Nachverfolgungsabläufe handhabt, wenn eine Methode nicht ausreicht. Diese Antworten sind oft wichtiger als nur die Liste der Plattformen.

Referenzen:

1. Schouten JP, McElgunn CJ, Waaijer R, Zwijnenburg D, Diepvens F, Pals G. Relative Quantifizierung von 40 Nukleinsäuresequenzen durch multiplexe ligationsabhängige Sondenamplifikation. Nukleinsäurenforschung. 2002;30(12):e57. DOI:10.1093/nar/gnf056
2. Bustin SA, Benes V, Garson JA, et al. Die MIQE-Richtlinien: Mindestinformationen für die Veröffentlichung von quantitativen Echtzeit-PCR-Experimenten. Klinische Chemie. 2009;55(4):611-622. DOI:10.1373/clinchem.2008.112797
3. Bustin SA, Huggett JF, Vandesompele J, Wittwer CT, et al. MIQE 2.0: Überarbeitung der Mindestinformationen zur Veröffentlichung von quantitativen Real-Time-PCR-Experimenten Richtlinien. Klinische Chemie. 2025;71(6):634-651. DOI:10.1093/clinchem/hvaf043
4. Hindson BJ, Ness KD, Masquelier DA, et al. Hochdurchsatz-Droplet-Digital-PCR-System zur absoluten Quantifizierung der DNA-Kopienzahl. Analytische Chemie. 2011;83(22):8604-8610. DOI:10.1021/ac202028g
5. Cukier HN, Pericak-Vance MA, Gilbert JR, Hedges DJ. Beprobungsdegradation führt zu falsch-positiven Aufrufen von Kopienzahlvariationen in multiplexen Echtzeit-Polymerase-Kettenreaktion-Assays. Analytische Biochemie. 2009;386(2):288-290. DOI:10.1016/j.ab.2008.11.040
6. Sicko RJ, Romitti PA, Browne ML, Brody LC, Stevens CF, Mills JL, Caggana M, Kay DM. Seltene Varianten in den Bindungsstellen des RPPH1 Real-Time Quantitative PCR Kontrollassays führen zu falschen Kopienzahlbestimmungen. Das Journal für Molekulare Diagnostik. 2022;24(1):33-40. DOI:10.1016/j.jmoldx.2021.09.007
7. Munté E, Roca C, del Valle J, et al. Erkennung von Keimbahn-CNVs aus Genpanel-Daten: Benchmarking des aktuellen Stands der Technik. Briefings in Bioinformatik. 2025;26(1):bbae645. DOI:10.1093/bib/bbae645