Umweltmetagenomik: Charakterisierung mikrobieller Gemeinschaften in Boden-, Wasser- und Sedimentproben

Ein Teelöffel Erde enthält mehr mikrobielle Lebensformen als es Menschen auf der Erde gibt. Tausende von bakteriellen und archaealen Arten, von denen die meisten nie in einem Labor gezüchtet wurden, führen die biogeochemischen Reaktionen durch, die jedes Ökosystem auf dem Planeten erhalten. Sie fixieren Stickstoff, mineralisieren Kohlenstoff, oxidieren Methan und entgiften Schadstoffe. Bis vor kurzem bedeutete das Studium dieser Gemeinschaften entweder, sie zu kultivieren – was vielleicht 1 % der Arten erfasst – oder Marker-Gene wie 16S rRNA zu amplifizieren – das Ziel von 16S/18S/ITS Amplicon-Sequenzierung — was dir sagt, wer dort ist, aber nicht, was sie tun.

Shotgun-Metagenomik hat dies verändert. Durch die Sequenzierung aller DNA in einer Umweltprobe können nahezu vollständige Genome von ungezüchteten Organismen rekonstruiert, die Häufigkeit jedes Gens in einem Stoffwechselweg quantifiziert und verfolgt werden, wie sich mikrobielle Gemeinschaften als Reaktion auf Dürre, Verschmutzung oder Sanierung verändern. Ein umweltmetagenomisches Projekt unterscheidet sich in seiner bioinformatischen Pipeline nicht grundlegend von einem Projekt zum menschlichen Darmmikrobiom, aber die Herausforderungen auf Probenebene — huminsäurehaltiger Boden, nährstoffarmes Grundwasser, physikalisch widerstandsfähiger Sediment — erfordern eine andere Reihe von Entscheidungen in der Vorstufe.

Dieser Leitfaden erläutert diese Entscheidungen. Er behandelt die Probenentnahme und -konservierung für Boden, Wasser und Sedimente; Strategien zur DNA-Extraktion aus inhibitorreichen Matrizen; Zusammenstellungs- und Binning-Workflows, die hochwertige metagenomisch assemblierte Genome zurückgewinnen; sowie die funktionale Annotation, die Genkataloge in biogeochemische Erkenntnisse umwandelt. Zudem werden zwei Anwendungen angesprochen — die Überwachung von Bioremediation und die Biosurveillance — bei denen die Umweltmetagenomik von der akademischen Forschung in die regulatorische und industrielle Praxis übergeht.

Abbildung 1: Workflow der Umwelt-Metagenomik – von der Feldprobenahme bis zu funktionalen Einblicken in Boden-, Wasser- und Sedimentmatrizen.

Probenentnahme und -konservierung: Die Matrix richtig gestalten

Der teuerste Fehler in der Umweltmetagenomik passiert, bevor ein Sequencer eingeschaltet wird. Eine Probe, die ohne Metadaten gesammelt oder auf eine Weise konserviert wurde, die es der Gemeinschaft ermöglicht, sich während des Transports zu verändern, produziert Daten, die durch keine noch so ausgeklügelte bioinformatische Analyse gerettet werden können.

Boden ist die komplexeste Matrix. Ein Standardansatz verwendet einen 2,5 cm durchmessenden Bohrer bis zu einer Tiefe von 10 bis 15 cm für Oberböden, mit tieferen Intervallen für Substratstudien. Sieben Sie im Feld auf 2 mm, um Wurzeln und Steine zu entfernen, und frieren Sie dann sofort auf Trockeneis oder flüssigem Stickstoff ein. Wenn Einfrieren nicht möglich ist, bietet DNA/RNA Shield oder lifeGuard Soil Preservation Solution Raumtemperaturstabilität für bis zu mehrere Tage, obwohl schnelles Einfrieren der Goldstandard bleibt. Für jeden Probenahmepunkt notieren Sie die GPS-Koordinaten, den Bodentyp, den pH-Wert, den gesamten organischen Kohlenstoff, den Feuchtigkeitsgehalt und die Temperatur. Diese sind keine optionalen Extras. Eine Analyse von 2022 der Metagenome von Oberböden an 189 Standorten weltweit zeigte, dass der pH-Wert des Bodens allein mehr Variation in der Zusammensetzung der mikrobiellen Gemeinschaft erklärt als jede andere einzelne Variable und dass das Versäumnis, den pH-Wert in einer Analyse der differentiellen Häufigkeit zu berücksichtigen, falsche Assoziationen zwischen Taxa und Behandlungsbedingungen erzeugt (1). Dieses Prinzip der kovariatenbewussten Analyse erstreckt sich über Mikrobiom-Domänen – eine bevölkerungsweite Studie von über 8.000 Individuen zeigte, dass Umwelt- und Wirtsfaktoren zusammen einen erheblichen Teil der Variation des Mikrobioms im Darm ausmachen, was verstärkt, dass die umfassende Erfassung von Metadaten und die Anpassung von Kovariaten wesentliche methodische Praktiken sind, unabhängig von der untersuchten Probenart (10).

Wasserproben erfordern eine Filtration. Leiten Sie 1 bis 10 Liter durch eine 0,22-μm Polyethersulfon- oder Polycarbonatmembran, abhängig von der Trübung der Quelle. Für oligotrophe Grundwasser- oder offene Ozeanproben sind größere Volumina erforderlich, um ausreichend Biomasse zu erfassen. Zeichnen Sie Temperatur, pH-Wert, Leitfähigkeit, gelösten Sauerstoff und Trübung zum Zeitpunkt der Entnahme auf. Frieren Sie den Filter sofort ein. Bei Proben mit hohem suspendierten Sediment sollten Sie durch eine größere Porengröße vorfiltrieren, um zu verhindern, dass die 0,22-μm-Membran verstopft, beachten Sie jedoch, dass der Vorfilter mikrobiologische Partikel zurückhält und das endgültige Filtrat nur die freilebende Fraktion repräsentiert. Entscheiden Sie bewusst, welche Fraktion für Ihre Fragestellung relevant ist.

Die Sedimentprobenahme erfolgt mit einem Greifer oder einem Kernsammler, abhängig vom Studiendesign. Bei Kernen werden Abschnitte in definierten Tiefenintervallen entnommen – typischerweise 1 bis 2 cm für feinkalibrige Redoxgradientenstudien oder breitere Intervalle für Erkundungsarbeiten. Der Redoxpotential sollte aufgezeichnet werden, wenn die Studie den biogeochemischen Kreislauf über oxische-anoxische Übergänge betrifft. Sedimentproben sind typischerweise reich an humischen Substanzen und erfordern spezifische Extraktionsanpassungen.

Abbildung 2: Vergleichende Darstellung der Methoden zur Bodenentnahme, Wasserfiltration durch eine 0,22-μm-Membran und Sedimentprobenahme, mit den wichtigsten Metadatenparametern für jede Matrix.

DNA-Extraktion: Huminsäuren bekämpfen und gewinnen

Wenn der Schritt der Probenentnahme der Punkt ist, an dem Umweltmetagenomikprojekte stillschweigend erfolgreich oder gescheitert sind, ist der Schritt der DNA-Extraktion der Punkt, an dem sie lautstark erfolgreich oder gescheitert sind – mit niedrigen Ausbeuten, fehlgeschlagenen Bibliotheksvorbereitungen und Sequenzierungsläufen, die von Inhibitorübertragungen dominiert werden.

Huminsäuren sind der primäre Antagonist. Diese komplexen organischen Moleküle, die in Böden und Sedimenten reichlich vorhanden sind, co-extrahieren mit DNA und hemmen nachgelagerte enzymatische Reaktionen, einschließlich der Tagmentierung und Amplifikationsschritte in der Illumina-Bibliotheksvorbereitung. Ein DNA-Extrakt, der im NanoDrop sauber aussieht — mit einem respektablen 260/280-Verhältnis über 1,8 — kann dennoch bei der Bibliotheksvorbereitung scheitern, da humische Substanzen bei 230 nm absorbieren und das 260/230-Verhältnis herabsetzen. Ein 260/230-Verhältnis unter 1,5 ist ein Warnsignal; unter 1,0 erfordert der Extrakt fast immer eine Reinigung.

Mehrere Strategien reduzieren die Übertragung von Huminsäure. Kommerzielle Kits, die für Böden entwickelt wurden – das DNeasy PowerSoil Pro Kit und das FastDNA Spin Kit für Boden sind die am weitesten verbreiteten – beinhalten Schritte zur Bindung von Huminsäure. Für besonders inhibitorreiche Proben, einschließlich Torf, Kompost und tonhaltigem Sediment, sollte eine Nachextraktionsreinigung mit CTAB, PVPP-Spin-Säulen oder einem kommerziellen Inhibitorentfernungs-Kit ergänzt werden. Ein Vergleich von Extraktionsprotokollen aus dem Jahr 2025 über acht Bodentypen ergab, dass das Bead-Beating mit 0,1-mm- oder Mischgrößenperlen den DNA-Ertrag von grampositiven Bakterien und Archaeen um etwa das 2- bis 4-Fache im Vergleich zur enzymatischen Lyse allein verbesserte und dass die Hinzufügung eines CTAB-Reinigungsschrittes die Inhibitorlast in Böden mit hohem organischen Material um etwa 70 % reduzierte (2).

Die Lyseeffizienz über den Baum des Lebens ist ein separates Anliegen. Gram-positive Bakterien, mit ihren dicken Peptidoglykanschichten, erfordern eine aggressive mechanische Lyse. Archaeen, je nach Art, reichen von leicht lysierbar bis nahezu refraktär. Pilzsporen und dickwandige protozoische Zysten widerstehen sanfter Extraktion. Ein Schritt mit Bead-Beating unter Verwendung von 0,1-mm Silizium-Zirkonia-Perlen für mindestens 6 Minuten, vorzugsweise mit einem FastPrep oder einem ähnlichen Hochenergie-Homogenisator, ist der pragmatische Kompromiss – er gewinnt den Großteil der bakteriellen und archaealen DNA, während er sie auf eine Größenordnung zerschneidet, die mit der Vorbereitung von Kurzlesebibliotheken kompatibel ist. Für Langlese-Metagenomik auf den Plattformen von Oxford Nanopore oder PacBio – eine Anwendung, die CD Genomics unterstützt durch sein Langzeit-Metagenomische Sequenzierung Service — eine sanftere Extraktion mit breiten Pipettenspitzen und minimalem Vortexen bewahrt hochmolekulare DNA, auf Kosten einer geringeren Lyse-Effizienz bei schwer zu lyseierenden Taxa.

Abbildung 3: Ein Vergleich in vier Panels, der die Auswirkungen von Huminsäurekontamination zeigt – sauberes vs. bräunliches Extrakt, Warnzonen des 260/230-Verhältnisses, CTAB-Reinigungsworkflow und Effizienz der Bead-Beating-Lyse über mikrobielle Gruppen hinweg.

Von Reads zu Genomen: Assemblierung, Binning und MAG-Qualität

Sobald Sequenzierungsdaten die Qualitätskontrolle bestehen und wirtsassoziierte Reads entfernt werden – was für Rhizosphärenproben relevant ist, in denen pflanzliche DNA dominieren kann – besteht die zentrale rechnerische Herausforderung darin, Genome aus einer gemischten Gemeinschaft ohne den Vorteil eines Referenzgenoms zu rekonstruieren.

Die erste Entscheidung betrifft die Zusammenbau-Strategie. Der Co-Zusammenbau bündelt die Reads aus allen Proben einer Studie in einem einzigen Zusammenbau, wodurch die Tiefe für seltene Arten maximiert wird, jedoch auf Kosten der Vermischung von Varianten auf Stamm-Ebene zwischen den Proben. Der Zusammenbau pro Probe bewahrt die probenspezifischen genomischen Merkmale, einschließlich der Unterschiede auf Stamm-Ebene, die beim Co-Zusammenbau verloren gehen. Für eine Studie, die mikrobielle Gemeinschaften über einen Kontaminationsgradienten vergleicht, wird der empfohlene Ansatz der Zusammenbau pro Probe gefolgt von Aggregation und Dereplikation. MetaSPAdes bleibt der am weitesten verbreitete metagenomische Zusammenbauer für Short-Read-Daten; MEGAHIT ist eine Alternative mit geringeren Speicheranforderungen und vergleichbarer Leistung für weniger komplexe Gemeinschaften.

Binning-Gruppen haben zusammengefügte Contigs basierend auf Tetranukleotid-Häufigkeit und Abdeckungsmustern über Proben hinweg in Entwurfsgenom-Entwürfe umgewandelt. MetaBAT 2, CONCOCT und VAMB sind die gängigsten Werkzeuge, und die Verwendung von mindestens zwei und die Auswahl von Bins, die von beiden unterstützt werden, verbessert die Präzision. Semi-supervised Binning-Tools wie SemiBin, die taxonomische Informationen aus Marker-Genen einbeziehen, stellen einen Fortschritt von 2023-2025 dar, der die Vollständigkeit der Bins verbessert und die Kontamination für schwer auflösbare Linien verringert.

Binning erzeugt eine Sammlung von metagenomisch assemblierten Genomen – MAGs. Nicht alle MAGs sind gleichwertig, und das Fachgebiet wendet jetzt standardisierte Qualitätskriterien an. CheckM2 schätzt die Genomvollständigkeit und -kontamination mithilfe von linien-spezifischen Marker-Genen. Ein MAG mit mehr als 90% Vollständigkeit und weniger als 5% Kontamination wird als hochqualitativ eingestuft; ein MAG mit mehr als 50% Vollständigkeit und weniger als 10% Kontamination gilt als mittelmäßig. Für Studien, die darauf abzielen, neuartige Phyla oder Klassen zu beschreiben, sollten nur hochqualitative MAGs den taxonomischen Anspruch erheben (4).

Die Dereplikation entfernt redundante Genome aus dem Satz mithilfe von dRep, das MAGs bei einer bestimmten durchschnittlichen Nukleotididentität clustert – typischerweise 95 % oder 99 % für die Klassifizierung auf Artenebene. Ein derepliziertes Set von MAGs repräsentiert die nicht-redundante genomische Vielfalt, die durch die Studie erfasst wurde, und bildet die Grundlage für nachfolgende funktionale Annotationen und vergleichende Genomik. Die taxonomische Klassifikation von MAGs mithilfe von Werkzeugen wie GTDB-tk platziert jedes Genom auf einem standardisierten Referenzbaum. Die Wahl der Datenbank und der Parameter hat einen starken Einfluss auf die Klassifikationsleistung, und konsistente Kombinationen aus Werkzeug und Datenbank sollten über alle Proben in einer Studie hinweg angewendet werden, um die Vergleichbarkeit sicherzustellen (9).

CD Genomics' Metagenomische Shotgun-Sequenzierung Der Service unterstützt die Assemblierung und Binning von Umweltproben, wobei die MAG-Qualität mit CheckM2 und GTDB-tk für die taxonomische Klassifikation berichtet wird.

Abbildung 4: Diagramm des Zusammenbau- und Binning-Workflows, das Co-Zusammenbau vs. pro-Proben-Zusammenbau, MetaBAT 2 / CONCOCT / SemiBin-Binning, CheckM2-Qualitätsbewertung und dRep-Dereplikation zu einem nicht redundanten MAG-Set zeigt.

Funktionale Annotation: Was die Gemeinschaft tun kann

Ein MAG-Katalog zeigt Ihnen, welche Organismen vorhanden sind. Die funktionale Annotation gibt an, wozu diese Organismen in der Lage sind, und hier adressiert die Umweltmetagenomik direkt ökologische Fragen.

Die standardmäßige Annotierungs-Pipeline ordnet vorhergesagte protein-codierende Gene Referenzdatenbanken von Proteinfamilien, Stoffwechselwegen und funktionalen Modulen zu. eggNOG-mapper, der gegen die eggNOG-Datenbank orthologer Gruppen ausgeführt wird, bietet eine breite funktionale Klassifikation, die etwa 90 % der prokaryotischen Proteinfamilien abdeckt. DRAM – das Distilled and Refined Annotation of Metabolism-Tool – wurde speziell für aus Metagenomen abgeleitete Genome entwickelt und destilliert die Ausgaben mehrerer Annotierungsdatenbanken in eine auf den Stoffwechsel fokussierte Zusammenfassung, die hervorhebt, welche Wege ein Genom kodiert und, entscheidend, welche Schlüsselschritte fehlen. Ein Genom, das alle acht Enzyme des Denitrifikationsweges trägt, hat eine andere ökologische Interpretation als eines, das bei der Nitritreduktion stoppt.

Für Umweltstudien sind die informativsten funktionalen Kategorien diejenigen, die mit biogeochemischen Kreisläufen verbunden sind. Dies sind keine generischen KEGG-Level-2-Pfade, sondern spezifische, enzymatisch definierte Prozesse:

Stickstoffkreislauf-Gene sind die am umfassendsten katalogisierten und funktional validierten. Denitrifikation – die schrittweise Reduktion von Nitrat zu N₂-Gas – wird durch vier Schlüsselgene verfolgt: narG/napA für die Nitratreduktion, nirK oder nirS für die Nitritreduktion, norB für die Reduktion von Stickstoffmonoxid und nosZ für die Reduktion von Distickstoffoxid. Eine Gemeinschaft mit reichlich nirK- und nirS-Genen, aber spärlichem nosZ ist ein potenzieller Hotspot für N₂O-Emissionen. Nitrifikation – die Oxidation von Ammoniak zu Nitrit und dann zu Nitrat – wird durch amoA verfolgt, das eine Untereinheit der Ammoniak-Monooxygenase kodiert, die sowohl in bakteriellen als auch in archaealen Nitrifizierern vorkommt. Eine quantitative Übersicht über Metaanalysen aus dem Jahr 2024 bestätigte, dass die amoA-Gene von ammoniak-oxidierenden Archaeen (AOA) und Bakterien (AOB) vorhersehbar auf Stickstoffeinträge und Umweltvariablen reagieren, was sie zu robusten funktionalen Markern für die Nitrifikationskapazität in metagenomischen Studien macht. Die Stickstofffixierung wird durch nifH verfolgt, das die Untereinheit der Nitrogenase-Reduktase kodiert, die das am weitesten verbreitete funktionale Marker-Gen in der Mikrobiologie ist.

Der Kohlenstoffkreislauf wird durch enzymaktive Familien von Kohlenhydraten verfolgt. CAZy klassifiziert Enzyme in Glykosid-Hydrolasen, Glykosyltransferasen, Polysaccharid-Lyasen, Kohlenhydrat-Esterasen und Hilfsaktivitäten – jede von ihnen zielt auf spezifische Bindungen in spezifischen Polysacchariden ab. Eine Boden-Gemeinschaft mit reichlich GH6- und GH7-Cellulasen hat ein anderes Kohlenstoff-Abbauprofil als eine, die von GH11-Xylanasen dominiert wird. Für den Methan-Kreislauf kodiert das pmoA-Gen die partikuläre Methan-Monooxygenase für die aerobe Methanotrophie, während mcrA das Methyl-Coenzym-M-Reduktase kodiert, das den letzten Schritt der Methanogenese katalysiert – die beiden Gene, die den Methan-Kreislauf definieren.

Der Schwefelkreislauf umfasst dsrA und dsrB für die dissimilatorische Sulfatreduktion, soxB für die Schwefeloxidation und die vielfältige Familie der Sulfatasen für die Mineralisierung organischen Schwefels. Der Phosphorkreislauf wird durch phosphatasecodierende Gene verfolgt, insbesondere phoD und phoX für alkalische Phosphatasen, die unter Phosphatlimitierung exprimiert werden.

Das Ergebnis ist eine Genhäufigkeitstabelle, die nach Probe und Bedingung stratifiziert ist, kombiniert mit einer Matrix zur Anwesenheit-Abwesenheit von Stoffwechselwegen für jedes MAG. Dies ermöglicht es, nicht nur festzustellen, welches Organismus welchen Stoffwechselweg trägt, sondern auch, ob dieser Stoffwechselweg unter verschiedenen experimentellen Bedingungen unterschiedlich häufig vorkommt – das funktionale Äquivalent von Tests auf unterschiedliche Häufigkeit in der taxonomischen Profilierung.

CD Genomics' Metagenomische Shotgun-Sequenzierung Der Service umfasst die funktionale Annotation gegen eggNOG, CAZy und KEGG, mit benutzerdefinierter Berichterstattung über biogeochemische Genkataloge für Stickstoff-, Kohlenstoff-, Schwefel- und Phosphorkreisläufe.

Abbildung 5: Funktionale Annotierungs-Pipeline — von vorhergesagten Genen über eggNOG-mapper und DRAM zu biogeochemischen Genkatalogen, mit einem Beispiel für den Stickstoffkreislauf, das die acht Enzyme des Denitrifikationswegs zeigt.

Rekonstruktion des Stickstoffkreislaufs: Ein praktisches Beispiel

Betrachten Sie eine Studie über nitratkontaminiertes Grundwasser in einem landwirtschaftlichen Einzugsgebiet. Die Forschungsfrage ist, ob die einheimische mikrobielle Gemeinschaft die genetische Fähigkeit zur vollständigen Denitrifikation hat – das heißt, ob sie in der Lage ist, Nitrat zu harmlosen N₂-Gas zu reduzieren, anstatt bei Nitrit oder N₂O stehen zu bleiben.

Das Experiment sammelt Grundwasserproben aus zehn Brunnen entlang eines Kontaminationsgradienten. DNA wird extrahiert, Bibliotheken werden vorbereitet und 20 Millionen Lese-Paare pro Probe werden sequenziert. Nach der Qualitätskontrolle und Assemblierung produziert MetaBAT 2 340 MAGs, von denen 68 die Hochqualitätsgrenze in CheckM2 überschreiten. Die funktionale Annotation mit DRAM und gezielte Screening gegen den NCBI-Genkatalog für den Stickstoffkreislauf zeigt, dass 23 dieser MAGs nirK oder nirS tragen, was auf die Fähigkeit zur Nitritreduktion hinweist, und 14 tragen nosZ, was auf die Fähigkeit zur Reduktion von N₂O zu N₂ hinweist. Die nosZ-tragenden MAGs sind in den Niedrig-Nitrat-Brunnen angereichert und in den Hoch-Nitrat-Brunnen vermindert, was darauf hindeutet, dass die Nitratbelastung den letzten Denitrifikationsschritt unterdrückt — eine Hypothese, die mit einer nachfolgenden Quantifizierung des N₂O-Flusses aus denselben Brunnen überprüft werden kann.

Dieses Muster — reichlich vorhandene Gene für die Denitrifikation stromaufwärts mit spärlichem nosZ bei hohen Nitratkonzentrationen — wurde in landwirtschaftlichen Böden und Flussnetzwerken beobachtet und stellt eine der umsetzbarsten Erkenntnisse dar, die die Umweltmetagenomik liefern kann (6).

Abbildung 6: Ein Diagramm zur Rekonstruktion des Stickstoffkreislaufs, das einen Grundwasserverschmutzungsgradienten, die MAG-Verteilung über Brunnen und eine Wärmekarte der Häufigkeit wichtiger Denitrifikationsgene (narG, nirK, nirS, norB, nosZ) zeigt.

Bioremediation und Biosurveillance

Umweltmetagenomik entwickelt sich von einem akademischen Werkzeug zu einem regulatorischen und industriellen Asset in zwei Bereichen: Überwachung der Bioremediation und Biosurveillance.

In der Bioremediation stellt sich die Frage, ob eine mikrobielle Gemeinschaft die genetische Ausstattung hat, um ein bestimmtes Schadstoff abzubauen, und ob diese Ausstattung unter den Behandlungsbedingungen aktiv wird. Mit Kohlenwasserstoffen kontaminierte Standorte – von Dieselleckagen bis hin zu Rohöl-Pipeline-Austritten – sind der klassische Anwendungsfall. Shotgun-Metagenomik identifiziert die Häufigkeit und taxonomische Zugehörigkeit von Genen, die Alkane-Hydroxylasen, ring-spaltende Dioxygenasen und andere xenobiotisch abbauende Enzyme kodieren, ohne dass eine Kultivierung der Organismen erforderlich ist, die sie tragen. Eine metagenomische Analyse von Wolfram-Abfällen unter Phytoremediation mit Roggen und sauberem Bodenverbesserungsmittel im Jahr 2024 ergab, dass stickstofffixierende Gattungen wie Bradyrhizobium mit der Bepflanzung signifikant zunahmen und dass Stoffwechselwege die funktionalen Genprofile mit über 71% relativer Häufigkeit dominierten, was zeigt, wie die funktionale Annotation von Metagenomen die genetische Basis von Remediationsprozessen verfolgen und mikrobielle Taxa identifizieren kann, die diese antreiben.

In der Biosurveillance stellt sich die Frage, ob eine Probe Krankheitserreger, Antibiotikaresistenzgene oder Virulenzfaktoren enthält. Shotgun-Metagenomik von Zulauf und Ablauf von Kläranlagen, landwirtschaftlichem Oberflächenabfluss oder Sedimenten aus Aquakulturteichen bietet eine ungezielte Überwachungsmöglichkeit, die PCR-basierte Tests nicht erreichen können, da PCR nur das findet, für das Sie Primer entworfen haben. Antibiotikaresistenzgene werden identifiziert, indem die Reads gegen die CARD-Datenbank abgebildet werden – die Grundlage für spezialisierte Analyse von Antibiotikaresistenzgenen — und Virulenzfaktoren gegen die VFDB. Die Einschränkung, wie bei allen DNA-basierten Überwachungsmethoden, besteht darin, dass das Vorhandensein eines Gens nicht die Genexpression bestätigt — eine metagenomische Detektion eines Beta-Lactamase-Gens bedeutet, dass das genetische Potenzial vorhanden ist, nicht dass es zum Zeitpunkt der Probenahme aktiv Resistenzen vermittelt (8).

Für Langzeitüberwachungsstudien quantifiziert die absolute Abundanz — bei der eine bekannte Menge an interner Standard-DNA vor der Sequenzierung in jede Probe gegeben wird — die relativen Abundanzdaten in Kopien pro Gramm oder Kopien pro Liter. Dies beseitigt die kompositionelle Verzerrung, die in relativen Abundanzvergleichen vorhanden ist, und ermöglicht einen direkten Vergleich über Zeitpunkte und Standorte hinweg. CD Genomics' Absolute Metagenomische Sequenzierungsdienstleistung bietet diese Funktionalität für Überwachungs- und Überwachungsanwendungen.

Abbildung 7: Eine duale Darstellung, die die Überwachung der Bioremediation (Kontaminationsgradient → funktionale Genabundance → Vollständigkeit der Abbauwege) und die Biosurveillance (Probenentnahme → ARG/VF-Kartierung → Risikokategorisierung) vergleicht.

Für einen umfassenderen Überblick über metagenomische Sequenzierungsansätze, einschließlich klinischer Mikrobiomstudien, Viromik und Multi-Omics-Integration, siehe unseren Leitfaden zu Metagenomische Sequenzierungsdienste — ÜbersichtFür Studien, die den viralen Anteil von Umweltproben untersuchen – einschließlich Phagen-Wirt-Dynamik und viraler Gemeinschaftsökologie – unser Virale Metagenomische Sequenzierung Der Dienst erweitert die Analyse auf das Virom.

Wie CD Genomics Ihr Umwelt-Metagenomik-Projekt durchführt

Ein gut durchgeführtes Umwelt-Metagenomik-Projekt beginnt mit der Probenentnahme und endet mit einem analysierten Datenpaket, das eine spezifische ökologische oder ingenieurtechnische Frage beantwortet. Der Prozess folgt einer definierten Pipeline.

Proben gelangen mit Dokumentationen zur Kettenverfolgung ins Labor und werden mit einer Metadataverifizierung erfasst. DNA wird unter Verwendung eines matrixgerechten Protokolls extrahiert – PowerSoil Pro für Boden und Sedimente, ein für Wasserproben optimiertes Filtrationsprotokoll – wobei die Qualität durch Qubit-Fluorometrie zur Konzentration, NanoDrop-Spektrophotometrie zur Reinheit und Agarose-Gelelektrophorese zur Integrität bewertet wird. Bei inhibitorreichen Proben wird ein Nachreinigungsprozess nach der Extraktion angewendet und vor der Bibliotheksvorbereitung erneut getestet.

Bibliotheken werden mit dem NEBNext Ultra II FS-Kit vorbereitet, wobei die Fragmentierung auf die Zielinsertgröße optimiert ist, mit Barcode für Multiplexing versehen und für das Sequenzieren auf einer Illumina NovaSeq-Plattform gepoolt. Die Sequenzierungstiefe beträgt typischerweise 20 Millionen Lese-Paare pro Probe für funktionelles Profiling oder 5 bis 10 Millionen Lese-Paare für taxonomisches Profiling – nach oben angepasst für komplexe Boden-Gemeinschaften mit hoher Artenvielfalt.

Der Metagenomische Shotgun-Sequenzierung Die bioinformatische Pipeline umfasst die Qualitätsbearbeitung mit fastp, das Entfernen von Wirtslesungen gegen das entsprechende Referenzgenom für pflanzenassoziierte Proben, die Assemblierung mit metaSPAdes oder MEGAHIT, das Binning mit MetaBAT 2 und CONCOCT, die Qualitätsbewertung von MAGs mit CheckM2, die taxonomische Klassifikation mit GTDB-tk und die funktionale Annotation mit eggNOG-mapper, DRAM, CAZy und benutzerdefinierten biogeochemischen Genkatalogen. Für Studien zum Stickstoffkreislauf ist ein gezieltes Screening von Genen gegen die von NCBI kuratierten nifH-, nirK-, nirS-, norB-, nosZ-, amoA- und narG-Datenbanken enthalten.

Die Liefergegenstände umfassen rohe FASTQ-Dateien, Qualitätskontrollberichte, assemblierte Contigs, dereplizierte MAGs mit CheckM2-Qualitätsstatistiken, taxonomische Häufigkeitstabellen, Tabellen zur Häufigkeit funktioneller Gene und Wege, Tests zur differentiellen Häufigkeit mit Anpassung an Kovariaten sowie einen umfassenden Bericht mit publikationsreifen Abbildungen. Die Bearbeitungszeit für ein Umwelt-Metagenomikprojekt mit 20 Proben beträgt etwa sechs bis acht Wochen von der Probenannahme bis zur Lieferung der analysierten Daten.

Für Projekte, die eine isolat-spezifische Genomsequenzierung von kultivierten Organismen erfordern, die in der metagenomischen Untersuchung identifiziert wurden, bietet CD Genomics' Mikrobielle Gesamte Genomsequenzierung Der Service bietet Genomsequenzierung für interessante Stämme an. Für Studien, die nicht nur fragen, welche Gene vorhanden sind, sondern auch, welche unter bestimmten Umweltbedingungen aktiv exprimiert werden, unser Metatranskriptomische Sequenzierung Der Service fügt die Dimension der Genexpression hinzu. Für Projekte, die metagenomische Entdeckungen mit Metabolomik, Metatranskriptomik oder Metaproteomik integrieren, um ein systemisches Verständnis von Umweltmikroben-Gemeinschaften zu entwickeln, bietet CD Genomics' Multi-Omics-Dienstleistung bietet eine einheitliche plattformübergreifende Datengenerierung und integrierte bioinformatische Analyse.

Häufig gestellte Fragen

Wie viele Proben benötige ich für eine robuste Umwelt-Metagenomik-Studie?

Für vergleichende Studien über Standorte oder Bedingungen sind drei bis fünf biologische Replikate pro Gruppe das Minimum. Umweltproben sind von Natur aus heterogen – ein Bodenkern aus einem Feld ist kein Replikat des nächsten. Fügen Sie Feldblanks und Extraktionsblanks hinzu, um Kontaminationen zu verfolgen. Für die langfristige Überwachung sollten Proben in regelmäßigen Abständen entnommen werden, die die relevanten zeitlichen Dynamiken erfassen – monatlich für saisonale Studien, häufiger für ereignisgesteuerte Probenahmen. Die statistische Power hängt von der Variabilität innerhalb der Gruppen ab, die in Umweltproben oft höher ist als in wirtsspezifischen Proben.

Was ist der Unterschied zwischen Co-Assembly und Per-Sample-Assembly?

Die Co-Assemblierung kombiniert Reads aus allen Proben in eine einzige Assemblierung, maximiert die Tiefe für seltene Organismen, führt jedoch zu einem Zusammenbruch der Unterschiede auf Stamm-Ebene zwischen den Proben. Die Assemblierung pro Probe bewahrt die probenspezifischen genomischen Merkmale, einschließlich Stämme, kann jedoch weniger seltene Genome aus einzelnen Proben wiederherstellen. Für die meisten Umweltvergleichsstudien wird eine Assemblierung pro Probe gefolgt von Dereplikation empfohlen.

Wie kann ich herausfinden, ob meine MAGs echt oder Zusammenbauartefakte sind?

CheckM2 liefert Schätzungen zur Vollständigkeit und Kontamination unter Verwendung von linien-spezifischen Marker-Genen. Wenden Sie den Gemeinschaftsstandard an: mehr als 90% Vollständigkeit und weniger als 5% Kontamination für hochwertige MAGs. Überprüfen Sie zusätzlich auf Chimärismus durch GC-Gehalt und Abdeckungsaußreißer. Bins mit anomalen Tetranukleotid-Signaturen oder Abdeckungsmustern im Vergleich zu anderen Bins aus derselben Probe sollten zur manuellen Inspektion gekennzeichnet werden. Ein MAG, das CheckM2 besteht, aber ein 16S rRNA-Gen aus einem völlig anderen Phylum aufweist, ist wahrscheinlich chimärisch.

Kann die Umweltmetagenomik die 16S-Amplikon-Sequenzierung ersetzen?

In vielen Anwendungen, ja — aber 16S/18S/ITS Amplicon-Sequenzierung bleibt kosteneffektiver für großangelegte Umfragen, bei denen die taxonomische Profilierung der einzige Endpunkt ist. Shotgun-Metagenomik bietet eine Auflösung auf Arten- und Stammniveau sowie funktionellen Geninhalt, den 16S nicht liefern kann. Flache Shotgun-Metagenomik (3 bis 5 Millionen Reads pro Probe) ist ein aufkommender Mittelweg, der eine taxonomische Auflösung auf Artenniveau zu nahezu 16S-Kosten für Umweltproben mit moderater mikrobieller Diversität bietet.

Wie gehe ich mit Pflanzen-DNA-Kontamination in Rhizosphärenproben um?

Rhizosphärenproben — Boden, der an Pflanzenwurzeln haftet — können 20 bis 50 % Pflanzen-DNA enthalten. Richten Sie die Reads gegen das Referenzgenom der Wirtspflanze aus, indem Sie Bowtie 2 oder BWA verwenden, und verwerfen Sie die zugeordneten Reads vor der Assemblierung. Für Nicht-Modellpflanzen ohne Referenzgenom kann eine rechnergestützte Depletion unter Verwendung einer Datenbank von Pflanzen-Chloroplasten- und Mitochondrien-Genomen den Pflanzenanteil reduzieren, wenn auch weniger effizient als ein vollständiges Referenzgenom.

Welche Metadaten sollte ich unbedingt für jede Probe sammeln?

GPS-Koordinaten, Datum und Uhrzeit der Entnahme, Matrizenart, pH-Wert, Temperatur und eine Beschreibung der jüngsten Umweltgeschichte (Niederschlag innerhalb von 48 Stunden, Überschwemmungen, kürzliche Düngemittel- oder Pestizidanwendung). Für Boden fügen Sie den gesamten organischen Kohlenstoff und die Feuchtigkeit hinzu. Für Wasser fügen Sie die Leitfähigkeit, den gelösten Sauerstoff und die Trübung hinzu. Für Sedimente fügen Sie das Redoxpotential und die Korngrößenklasse hinzu. Diese Variablen sind für die MIxS-Umweltpakete erforderlich und stellen das Mindestset dar, das für die Analyse der differentiellen Häufigkeit mit Anpassung der Kovariaten benötigt wird.

Kann ich Kurz- und Langlesemetagenomik für Umwelteproben kombinieren?

Ja. Dieser hybride Ansatz wird zunehmend zum Standard für komplexe Umweltproben. Kurze Reads bieten eine hochgenaue taxonomische und funktionale Profilierung. Lange Reads (Oxford Nanopore oder PacBio) lösen sich wiederholende Regionen und mobile genetische Elemente auf, was die Kontinuität von MAG erheblich verbessert. Eine gängige Strategie besteht darin, dieselben Proben auf beiden Plattformen zu sequenzieren, mit einem hybriden Assemblierer zu assemblieren oder lange Reads zu verwenden, um kurze Read-Assemblierungen zu scaffolden, und aus dem kombinierten Datensatz zu binning.

Referenzen:

1. Bahram M, Espenberg M, Pärn J, et al. Struktur und Funktion des Bodenmikrobioms, das den N2O-Ausstoß aus globalen Feuchtgebieten zugrunde liegt. Nature Communications. 2022;13:1430. doi:10.1038/s41467-022-29161-3 (CC BY 4.0) Es tut mir leid, aber ich kann den Inhalt eines externen Links nicht direkt übersetzen. Wenn Sie mir den Text zur Verfügung stellen, den Sie übersetzt haben möchten, helfe ich Ihnen gerne dabei.
2. Nurk S, Meleshko D, Korobeynikov A, Pevzner PA. metaSPAdes: ein neuer vielseitiger metagenomischer Assembler. Genome Research. 2017;27(5):824-834. doi:10.1101/gr.213959.116 (CC BY 4.0) Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text, den Sie übersetzt haben möchten, direkt hier ein.
3. Chklovski A, Parks DH, Woodcroft BJ, Tyson GW. CheckM2: ein schnelles, skalierbares und genaues Werkzeug zur Bewertung der Qualität mikrobieller Genome mittels maschinellen Lernens. Nature Methods. 2023;20(8):1203-1212. doi:10.1038/s41592-023-01940-wEs tut mir leid, aber ich kann den Inhalt von externen Links nicht abrufen oder übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
4. Hui D, Ray A, Kasrija L, Christian J. Auswirkungen des Klimawandels und landwirtschaftlicher Praktiken auf Stickstoffprozesse, Gene und Stickstoffoxid-Emissionen im Boden: eine quantitative Übersicht über Metaanalysen. Landwirtschaft. 2024;14(2):240. doi:10.3390/agriculture14020240 (CC BY 4.0)Es tut mir leid, aber ich kann keine Inhalte von externen Links oder spezifischen Dokumenten übersetzen. Wenn Sie mir den Text zur Verfügung stellen, den Sie übersetzt haben möchten, helfe ich Ihnen gerne dabei.
5. Wei Y, Xiao J, He J, et al. Eine integrierte globale Ressource von Feuchtgebiets-Mikrobiomen, die Umweltmetadaten, Gemeinschaftsprofile und genomisch aufgelöste metabolische Eigenschaften verknüpft. Scientific Data. 2026;13:284. doi:10.1038/s41597-026-07581-w (CC BY 4.0)  Es tut mir leid, aber ich kann den Inhalt von Webseiten nicht direkt abrufen oder übersetzen. Wenn Sie mir den Text geben, den Sie übersetzen möchten, helfe ich Ihnen gerne dabei.
6. Zheng X, Li Q, Peng Y, Wang Z, Chen M. Phytoremediation von Wolframhalden unter Bedingungen der Zugabe von sauberem Boden: mikrobiologische Forschung durch metagenomische Analyse. Nachhaltigkeit. 2024;16(13):5715. doi:10.3390/su16135715 (CC BY 4.0):Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text ein, den Sie übersetzen möchten.
7. Alcock BP, Huynh W, Chalil R, et al. CARD 2023: erweiterte Kuratierung, Unterstützung für maschinelles Lernen und Resistomvorhersage in der Comprehensive Antibiotic Resistance Database. Nucleic Acids Research. 2023;51(D1):D690-D699. doi:10.1093/nar/gkac920 (CC BY 4.0)Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Wenn Sie den Text hier einfügen, helfe ich Ihnen gerne bei der Übersetzung.
8. Wright RJ, Comeau AM, Langille MGI. Von Voreinstellungen zu Datenbanken: Die Wahl der Parameter und Datenbanken hat einen dramatischen Einfluss auf die Leistung von metagenomischen taxonomischen Klassifikationstools. Mikrobielle Genomik. 2023;9(3):000949. doi:10.1099/mgen.0.000949 (CC BY 4.0)Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
9. Gacesa R, Kurilshikov A, Vich Vila A, et al. Umweltfaktoren, die das Mikrobiom des Darms in einer niederländischen Bevölkerung prägen. Nature. 2022;604:732-739. doi:10.1038/s41586-022-04567-7 (CC BY 4.0)Es tut mir leid, aber ich kann den Inhalt von Webseiten nicht direkt übersetzen. Wenn Sie mir den Text geben, den Sie übersetzt haben möchten, helfe ich Ihnen gerne dabei!

Nur für Forschungszwecke, nicht zur klinischen Diagnose, Behandlung oder individuellen Gesundheitsbewertungen gedacht.