Shotgun-Metagenomische Sequenzierung für Studien zum Mikrobiom des Darms: Von fäkaler DNA zu taxonomischen und funktionalen Profilen großer klinischer Kohorten

Ein Gastroenterologe startet eine prospektive Studie mit 300 Patienten, um zu verstehen, warum einige Patienten mit Morbus Crohn auf biologische Therapien ansprechen und andere nicht. Der Antrag ist geschrieben, die Ethikkommission hat genehmigt, die klinischen Koordinatoren sind eingestellt. Dann kommt die Frage des Mikrobioms: Welcher Sequenzierungsansatz wird die Antworten liefern, die die Gutachter des Antrags gefordert haben?

Die Sequenzierung des 16S rRNA-Gens würde aufzeigen, welche Bakteriengattungen zwischen Respondern und Non-Respondern unterschiedlich sind. Aber die Gutachter wollten metabolische Wege — die Synthese von kurzkettigen Fettsäuren, die Umwandlung von Gallensäuren, den Arzneimittelstoffwechsel — und sie fragten nach Pilzen und Viren, nicht nur nach Bakterien. 16S kann diese Fragen nicht beantworten. Shotgun-Metagenomik kann das.

Dieser Leitfaden beschreibt den End-to-End-Workflow für eine großangelegte Studie zum Mikrobiom des Darms unter Verwendung von Shotgun-Metagenom-Sequenzierung, vom Moment, in dem eine Stuhlprobe das Zuhause eines Teilnehmers verlässt, bis zu dem Punkt, an dem ein Biostatistiker das endgültige Modell zur differentiellen Häufigkeit berechnet. Er behandelt, was 16S-fokussierte Leitfäden auslassen: wie man Proben in großem Maßstab konserviert, wie man Wirts-DNA abbaut, ohne mikrobielle Profile zu verzerren, welche taxonomischen und funktionalen Profiler für verschiedene Fragestellungen auszuwählen sind und wie man eine Kohorte dimensioniert, damit die Ergebnisse die Korrektur für multiple Tests überstehen.

Abbildung 1: Shotgun-Metagenomik-Workflow des Mikrobioms des Darms — sechs Phasen von der Probenentnahme bis zur klinischen Einsicht

Das menschliche Mikrobiom des Darms — Mehr als nur die Zusammensetzung

Das Mikrobiom des Darms ist keine Volkszählung. Das zu wissen, Bacteroides thetaiotaomicron stellt 8 % einer Probe dar und Faecalibacterium prausnitzii 5 % ist ein Anfang. Aber biologisch relevant ist, was diese Organismen tun – welche Polysaccharide sie fermentieren, welche kurzkettigen Fettsäuren sie produzieren, ob sie Toxin-Gene tragen und ob ihre Stoffwechselprodukte die Immunität des Wirts modulieren.

Shotgun-Metagenomsequenzierung adressiert dies, indem sie die gesamte DNA in einer Stuhlprobe sequenziert – mikrobielle, menschliche und diätetische – anstatt ein einzelnes Marker-Gen zu amplifizieren. Das Ergebnis ist nicht nur eine Liste von Taxa, sondern ein Katalog von Genen, Wegen und funktionalen Kapazitäten. Dies ist wichtig, da verschiedene Stämme derselben Art radikal unterschiedliche Gen-Repertoires tragen können. Escherichia coli Stamm im Darm könnte ein harmloser Kommensale sein; ein anderer, der das pks genomische Insel, produziert Colibactin, ein Genotoxin, das mit kolorektalem Krebs in Verbindung steht. 16S rRNA-Sequenzierung zeigt E. coliShotgun-Sequenzierung unterscheidet den harmlosen Stamm von dem gefährlichen (1).

Drei Fähigkeiten unterscheiden Shotgun-Metagenomik von amplicon-basierten Ansätzen. Erstens die Taxonomie auf Arten- und Stamm-Ebene. 16S erreicht zuverlässig die Gattungsebene für die meisten Bakterien. Shotgun-Metagenomik mit Tools wie MetaPhlAn 4 identifiziert über 3.000 Arten in einer typischen Stuhlprobe und kann mit Stammprofilern wie inStrain individuelle Stämme über Zeitpunkte und zwischen Individuen verfolgen – entscheidend für Übertragungsstudien und das Tracking von FMT-Spendern und -Empfängern. Zweitens die funktionale Profilierung. HUMAnN 3 ordnet Sequenzierungsreads Datenbanken wie MetaCyc und KEGG zu und quantifiziert die Häufigkeit von Stoffwechselwegen und Enzymfamilien, ohne dass eine Genomassemblierung erforderlich ist. Drittens die Abdeckung nicht-bakterieller Mikroben. Pilze, Archaeen, DNA-Viren und Protisten sind für 16S unsichtbar, werden aber durch Shotgun-Sequenzierung erfasst, was ein vollständigeres Bild des Mikrobioms im Darm liefert.

Der Kompromiss ist die Kosten. Eine Shotgun-Metagenomik-Bibliothek mit 20 Millionen Lese-Paaren pro Probe kostet mehr als eine 16S V3-V4-Bibliothek mit 50.000 Reads. Aber die Lücke wird kleiner. Flache Shotgun-Metagenomik – die 2 bis 5 Millionen Reads pro Probe generiert – bietet jetzt eine taxonomische Auflösung auf Artenebene zu Kosten, die sich den 16S-Kosten annähern. Für große Kohortenstudien, bei denen das funktionale Profiling nicht das primäre Ziel ist, stellt die flache Shotgun einen zunehmend pragmatischen Mittelweg dar.

CD Genomics' Metagenomisches Shotgun-Sequencing Der Service unterstützt sowohl tiefe als auch flache Shotgun-Ansätze und passt die Sequenzierungstiefe an die spezifischen Bedürfnisse der Studie an – funktionale Profilierung auf Pfad-Ebene mit 20 Millionen Reads pro Probe oder taxonomisches Screening auf Artenebene mit 3 Millionen Reads.

Abbildung 2: 16S vs. flaches Shotgun vs. tiefes Shotgun-Metagenomik — Kosten-, Auflösungs- und funktionale Abdeckungsvergleich

Klinische Studiengestaltung

Die Entscheidungen, die getroffen werden, bevor die erste Probe entnommen wird, bestimmen, ob die Ergebnisse einer statistischen Überprüfung standhalten. Drei davon sind am wichtigsten.

• Kohortengröße und statistische Power

Eine Analyse von Zouiouich und Kollegen aus dem Jahr 2025 verwendete flache Shotgun-Metagenomik-Daten aus Stuhlproben, die sechs Monate auseinander gesammelt wurden, um Intraklassenkorrelationskoeffizienten – Maße für die zeitliche Stabilität – für Hunderte von mikrobiellen Merkmalen zu berechnen. Das Ergebnis war ernüchternd. Um eine moderate Krankheitsassoziation (Odds Ratio von 1,5) mit 80%iger Power nachzuweisen, sind Hunderte bis Tausende von Fällen erforderlich, nicht Dutzende. Für Arten mit niedriger Prävalenz, die bei 5 bis 10 % der Individuen vorhanden sind, übersteigt die erforderliche Stichprobengröße 15.000 mit einer einzigen Probe pro Teilnehmer. Mit drei Proben pro Person sinkt diese Zahl auf etwa 6.000. Die Zuordnung jedes Falls zu drei Kontrollen führt zu einer weiteren Reduzierung.

In der Praxis beginnt eine gut ausgestattete Studie mit etwa 100 bis 200 Probanden pro Gruppe für häufige Arten und funktionale Wege, und erheblich mehr für seltene Merkmale. Pilotstudien mit kleineren Kohorten bleiben informativ, aber die statistischen Einschränkungen sollten im Manuskript anerkannt werden.

• Probenentnahme und -konservierung im großen Maßstab

Der Goldstandard ist das sofortige Einfrieren bei -80 Grad Celsius. In einer multizentrischen Studie ist dies selten erreichbar. Die Teilnehmer sammeln Proben zu Hause. Die Kliniken befinden sich in verschiedenen Städten. Gefrierschränke fallen aus. Die pragmatische Frage ist, welche Konservierungsmethode die geringste Verzerrung einführt.

Drei Optionen dominieren. OMNIgene GUT (DNA Genotek) bietet eine Stabilität bei Raumtemperatur von bis zu acht Wochen und ist die am umfassendsten validierte kommerzielle Option für große multizentrische Studien. Das standardisierte Kit reduziert die Handhabungsvariabilität an den Entnahmestellen. Zymo DNA/RNA Shield bietet eine vergleichbare Leistung mit dem zusätzlichen Vorteil der gleichzeitigen RNA-Stabilisierung — nützlich, falls später Metatranskriptomik hinzugefügt werden soll. Neunundneunzig Prozent Ethanol ist die führende kostengünstige Alternative, die gegen OMNIgene GUT für das Mikrobiom-Profiling validiert wurde und eine vergleichbare Stabilität zu einem Bruchteil der Kosten bietet.

Eine praktische Warnung: Eine Studie aus dem Jahr 2024 hat ergeben, dass bei Shotgun-Metagenomik Proben, die bis zu 24 Stunden ohne Konservierung gelagert und anschließend eingefroren wurden, vergleichbare Ergebnisse wie mit Ethanol konservierte Proben lieferten. Proben von Teilnehmern mit aktiver intestinaler Entzündung zeigten erhöhte Anteile menschlicher DNA, wenn sie mit Ethanol gelagert wurden – relevant für IBD-Kohorten.

Die Empfehlung für eine multizentrische Studie: Standardisieren Sie auf ein kommerzielles Probenahmeset an allen Standorten, stellen Sie identische Probenahmeanweisungen mit illustrierten Anleitungen bereit, dokumentieren Sie die Zeit zwischen Probenahme und Gefrierspeicherung für jede Probe und fügen Sie in jeder Charge negative Kontrollen ohne Proben bei. Die Kosten für kommerzielle Kits sind real, aber geringer als die Kosten einer unterpowerten Studie mit nicht interpretierbaren Batch-Effekten.

• Wichtige Metadaten

Das Mikrobiom des Darms variiert mit der Ernährung, Medikamenten, Alter, BMI und Geografie. Eine Studie, die diese Variablen nicht erfasst, kann krankheitsassoziierte mikrobielle Veränderungen nicht von Störfaktoren unterscheiden.

Mindestens sollten folgende Daten gesammelt werden: Alter, Geschlecht, BMI; Medikamenteneinnahme — insbesondere Antibiotika, Protonenpumpenhemmer, Metformin und Immunsuppressiva — einschließlich Zeitpunkt und Dosierung; Ernährungsgewohnheiten, selbst wenn nur eine einfache Klassifizierung in Omnivoren und Vegetarier; Häufigkeit und Konsistenz der Stuhlentleerung; und das Land des Wohnsitzes. Für longitudinale Studien sollten diese Metadaten zu jedem Zeitpunkt erfasst werden. Die Medikamenteneinnahme ist ein dominanter Störfaktor — Metformin allein erklärt mehr Variationen im Mikrobiom des Darms als viele Krankheitszustände, und das Versäumnis, dies zu berücksichtigen, führt zu falschen Assoziationen (5).

Abbildung 3: Methoden zur Sammlung und Konservierung von Stuhlproben — Vergleich von OMNIgene, Zymo, Ethanol und frisch gefroren

DNA-Extraktion und Bibliotheksvorbereitung

Die DNA-Extraktionsmethode macht etwa 21 % der gesamten Mikrobiomvariation aus und beeinflusst signifikant etwa 32 % der nachgewiesenen Arten. Das Feld hat sich weitgehend auf kits basierend auf Bead-Beating geeinigt. Der QIAamp PowerFecal Pro verwendet 0,1-mm Zirkoniumkügelchen mit etwa sechs Minuten mechanischer Lyse, was eine effiziente Rückgewinnung von grampositiven Organismen ermöglicht, deren dicke Peptidoglykanschichten sanfteren enzymatischen Lyse widerstehen.

Das grundlegende Prinzip ist nicht, welches spezifische Kit verwendet werden soll, sondern dass jede Probe in einer bestimmten Studie mit demselben Kit, demselben Reagenzienlot und demselben Techniker extrahiert werden muss. Batch-Effekte bei der Extraktion sind real, nachweisbar und vermeidbar.

• Wirt-DNA-Depletion

Eine Stuhlprobe von einer gesunden Person besteht zu etwa 99 % aus mikrobieller DNA. In Proben von Teilnehmern mit intestinaler Entzündung – bei denen die Epithelabstoßung und Blut im Stuhl den Anteil an menschlicher DNA über 50 % anheben – verschwendet eine Shotgun-Bibliothek ohne Wirtsdepletion die meisten Sequenzierungskapazitäten auf menschliche Reads.

Die lyPMA-Methode, die osmotische Lyse menschlicher Zellen mit einer Behandlung mit Propidiummonoazid kombiniert, um die Amplifikation freier menschlicher DNA zu blockieren, reduziert den Anteil menschlicher Reads von etwa 89 % auf 8,5 % in Proben mit hohem Wirtanteil und weist dabei minimale taxonomische Verzerrungen auf. Das NEBNext Microbiome DNA Enrichment Kit und das QIAamp DNA Microbiome Kit sind Alternativen, obwohl beide eine gewisse AT-reiche Organismenverzerrung einführen.

Die rechnergestützte Filterung von Wirtsdaten nach der Sequenzierung ist unerlässlich, unabhängig davon, ob eine Depletion im Labor durchgeführt wurde. Die derzeit beste Praxis besteht darin, die Reads gegen einen kombinierten menschlichen Referenzdatensatz auszurichten, der sowohl GRCh38 als auch die vollständige Telomer-zu-Telomer-Assemblierung T2T-CHM13v2.0 umfasst, die Y-Chromosomenregionen auflöst, die in GRCh38 fehlen und sonst in mikrobielle Klassifikationen eindringen können (6).

CD Genomics' Metagenomisches Shotgun-Sequencing Der Service umfasst die Bewertung der Wirts-DNA-Depletion als Teil der Qualitätskontrolle, das Kennzeichnen von Proben mit erhöhten Wirtsfraktionen und das Anbieten von Depletionsoptionen, wenn dies erforderlich ist.

Abbildung 4: Wirts-DNA-Depletion — Vergleich der Effizienz von lyPMA, NEBNext und computergestützter Filtration

Taxonomische Profilierung — Wer ist da und in welcher Auflösung

Sobald die Sequenzierungsdaten von menschlichen Reads bereinigt und qualitätsgefiltert sind, besteht der erste analytische Schritt in der taxonomischen Profilierung. Die Wahl des Werkzeugs beeinflusst die Ergebnisse ebenso stark wie das experimentelle Design.

• Read-basierte Profiler: Kraken 2 und MetaPhlAn

Kraken 2 verwendet k-mer-Abgleich gegen eine umfassende Referenzdatenbank, um jede Lesung dem niedrigsten gemeinsamen Vorfahren im taxonomischen Baum zuzuordnen. Es ist schnell und empfindlich – es klassifiziert einen hohen Anteil an mikrobiellen Lesungen – aber seine Empfindlichkeit gegenüber der Zusammensetzung der Datenbank bedeutet, dass Arten, die in der Datenbank fehlen, möglicherweise dem nächstverwandten vorhandenen Verwandten zugeordnet werden, manchmal fälschlicherweise. Kraken 2 mit der PlusPFP-Datenbank, die Protozoen, Pilze und Pflanzen umfasst, ist der Standard für umfassende Klassifikationen.

MetaPhlAn 4 verfolgt einen anderen Ansatz. Anstatt jede Lesung zu klassifizieren, richtet es sich nach einem kuratierten Satz von kladespezifischen Marker-Genen. Dies macht es weniger empfindlich gegenüber Datenbankkontamination und präziser bei der Schätzung der Häufigkeit nachweisbarer Organismen, aber es wird Arten verpassen, die nicht in seinem Marker-Katalog vertreten sind. MetaPhlAn 4 identifiziert in einer typischen menschlichen Darmprobe etwa 3.400 Arten und ist der Standardprofiler für große Konsortiumsstudien (7).

Für die meisten Studien zum Mikrobiom des Darms ist die parallele Verwendung beider Werkzeuge die pragmatische Wahl. Kraken 2 erfasst eine breitere Vielfalt, einschließlich Pilz- und Ernährungs-DNA. MetaPhlAn 4 bietet konservativere, besser validierte Schätzungen der Häufigkeit für das zentrale menschliche Darmmikrobiota.

• Stamm-Ebene Verfolgung

Die Taxonomie auf Art-Ebene ist oft unzureichend. Zwei Teilnehmer können beide tragen Bacteroides thetaiotaomicron, aber einer beherbergt einen Stamm, der effizient Ballaststoffe in Butyrat-Vorläufer abbaut, während der Stamm des anderen die notwendigen Polysaccharid-Nutzungsorte nicht aufweist.

inStrain verwendet die Ausrichtung von Ganzgenom-Lesevorgängen, um Populationen auf Einzel-Nukleotid-Ebene zu vergleichen und berechnet eine Populations-ANI-Metrik, die sowohl Haupt- als auch Nebenallele innerhalb einer Probe berücksichtigt. Seine Präzision ist außergewöhnlich – es unterscheidet Stämme, die sich erst vor zwei Jahren getrennt haben – und macht es zum bevorzugten Werkzeug für Übertragungsstudien und das Tracking von FMT-Spender-Empfänger-Beziehungen. Eine Meta-Analyse aus dem Jahr 2025 von 810 Mutter-Kind-Paaren verwendete die Profilierung auf Stamm-Ebene, um zu zeigen, dass etwa 30 % der gemeinsamen Arten eine echte Stammübertragung von der Mutter auf das Kind darstellen, wobei Bifidobacterium bifidum und B. longum unter den am häufigsten übertragenen Arten.

StrainPhlAn 3 verwendet Konsens-SNPs in artspezifischen Marker-Genen und tauscht die Präzision des gesamten Genoms von inStrain gegen geringere Rechenkosten ein. Es profiliert weniger Arten pro Probe, eignet sich jedoch gut zur Verfolgung dominanter Stämme über Hunderte von Proben hinweg. Für eine Kohortenstudie, die stammspezifische Assoziationen mit dem Krankheitsergebnis untersucht, bietet inStrain hochauflösende Daten; zur Verfolgung eines bestimmten Pathogens oder Probiotika-Stamms in einer großen Population ist StrainPhlAn oft ausreichend (8).

Abbildung 5: Vergleich der taxonomischen Profiler — Kraken 2, MetaPhlAn 4, inStrain, StrainPhlAn Auflösung und Anwendungsfälle

Funktionale Profilierung — Was die Gemeinschaft tun kann

Die taxonomische Profilierung zeigt, welche Mikroben vorhanden sind. Die funktionale Profilierung sagt Ihnen, wozu diese Mikroben in der Lage sind – eine grundlegend andere und oft klinisch relevantere Frage.

• HUMAnN 3 und Pfad-Ebenen-Analyse

HUMAnN 3 (HMP Unified Metabolic Analysis Network) ordnet Shotgun-Reads dem UniRef90-Proteincluster-Katalog zu und aggregiert dann die Proteinfamilienhäufigkeiten in die Häufigkeiten von Stoffwechselwegen unter Verwendung von MetaCyc und KEGG. Die Ausgabe ist eine Tabelle der Stoffwechselweg-Häufigkeiten – wie viele Reads der Butyratsynthese, der Umwandlung von Gallensäuren, der Umwandlung von Tryptophan zu Indol zugeordnet sind – für jede Probe. Diese können zwischen Gruppen mit denselben Differential-Häufigkeitswerkzeugen verglichen werden, die auf taxonomische Daten angewendet werden.

Mehrere funktionale Kategorien liefern konsequent bedeutende Ergebnisse in Studien zum Mikrobiom des Darms. Die Synthesewege kurzkettiger Fettsäuren – die Produktion von Acetat, Propionat und Butyrat – stehen im Zusammenhang mit der Gesundheit des Dickdarms und der Immunregulation. Kohlenhydrataktive Enzyme (CAZyme) zeigen die Fähigkeit einer Gemeinschaft, spezifische diätetische Ballaststoffe abzubauen. Antibiotikaresistenzgene, die gegen die CARD-Datenbank profiliert werden, quantifizieren das Resistom des Darms – ein klinisch relevantes Parameter bei hospitalisierten und immungeschwächten Populationen. Virulenzfaktorgene, die gegen die VFDB profiliert werden, identifizieren potenzielle Krankheitserreger im kommensalen Hintergrund.

• Integration mit anderen Omics

Eine Tabelle zur Häufigkeit von metagenomischen Wegen wird deutlich leistungsfähiger, wenn sie mit anderen Datentypen kombiniert wird. Die Metabolomik – die Messung tatsächlicher kleiner Moleküle in Stuhl, Serum oder Urin – zeigt, welche vorhergesagten Wege tatsächlich aktiv sind. Eine metagenomische Vorhersage einer hohen Butyratsynthesekapazität in Kombination mit einem niedrigen gemessenen Stuhlbutyratgehalt deutet auf eine Störung der Substratversorgung oder der enzymatischen Aktivität hin, die allein durch Metagenomik übersehen werden könnte. Ebenso zeigt die Kombination von metagenomischen Funktionsprofilen mit transcriptomischen Daten des Wirts aus intestinalen Biopsien, wie das mikrobielle metabolische Repertoire mit der Genexpression des Wirts interagiert – ein neuartiger Ansatz in der Forschung zu IBD und kolorektalem Krebs.

CD Genomics' Multi-Omics-Dienstleistung unterstützt integrierte metagenomische, metabolomische und transkriptomische Analysen für Projekte, die den mikrobiellen Geninhalt mit der Physiologie des Wirts verbinden.

Abbildung 6: HUMAnN 3 funktionale Profilierungspipeline — von Rohdaten zu Pfad-Abundanz-Tabelle

Statistische Überlegungen

Die bioinformatische Analyse erzeugt große Tabellen – Arten nach Proben, Wege nach Proben. Die statistische Frage ist, welche Merkmale zwischen Gruppen unterschiedlich sind, nachdem Störfaktoren berücksichtigt wurden. Dies falsch zu handhaben führt zu Mikrobiom-Assoziationen, die in Pressemitteilungen erscheinen und in Replikationsstudien verschwinden.

• Korrektur für multiple Tests

Ein typisches metagenomisches Datenset des Darms enthält Hunderte von Arten und Tausende von Wegen. Die individuelle Testung jedes Merkmals erzeugt eine große Mehrfachtestbelastung. Der Standardansatz ist die Benjamini-Hochberg-Korrektur der falschen Entdeckungsrate bei einem Schwellenwert von 0,05 oder 0,10. Einige Forscher verwenden einen Dual-Schwellenansatz — FDR-korrigierte p < 0,05 kombiniert mit einer minimalen Effektgröße — um das Risiko statistisch signifikanter, aber biologisch trivialer Ergebnisse zu verringern.

• Anpassung an Störfaktoren

MaAsLin 2 ist der aktuelle Standard für klinische Mikrobiomstudien, da es gemischte Effekte-Modelle mit mehreren festen und zufälligen Kovariaten innerhalb eines einzigen Rahmens unterstützt. Ein typisches Modell für eine Fall-Kontroll-Studie zum Darmmikrobiom umfasst den Krankheitsstatus als primären Prädiktor sowie Alter, Geschlecht, BMI, Medikamenteneinnahme, Ernährungsgewohnheiten und Sequenzierungscharge als Kovariaten.

Achten Sie auf kompositionale Effekte. Mikrobiomdaten sind kompositionell – eine Zunahme eines Taxons verringert notwendigerweise die relative Häufigkeit anderer, da die Daten zu einer Konstante summiert werden. Werkzeuge, die die Kompositionalität nicht berücksichtigen, können falsche Assoziationen erzeugen. ANCOM-BC und ALDEx2 modellieren die kompositionale Struktur explizit und werden gegenüber rohen relativen Häufigkeitsvergleichen bevorzugt (10).

• Powersanalyse

Die Daten von Zouiouich et al. 2025 bieten praktische Benchmarks. Für Arten, die bei mehr als 75 % der Individuen vorhanden sind, erfordert die Erkennung eines Odds Ratios von 1,5 bei 80 % Power ungefähr 3.500 Fälle mit einem einzelnen Exemplar oder etwa 2.400 mit einem 1:3 gepaarten Design. Bei funktionalen Wegen variieren die Power-Schätzungen, sind jedoch tendenziell günstiger, da zentrale Stoffwechselwege in den meisten Individuen vorhanden sind.

Die praktische Botschaft: Eine Kohorte von 30 Fällen und 30 Kontrollen kann die größten Effekte erkennen – einen zehnfachen Unterschied in einer dominanten Art – wird jedoch die moderaten, klinisch bedeutsamen Verschiebungen, die die meisten krankheitsassoziierten Dysbiosen kennzeichnen, übersehen. Nicht jede Studie benötigt Tausende von Teilnehmern, aber jede Studie sollte eine Power-Analyse berichten, die ihre Stichprobengröße rechtfertigt.

Für einen umfassenderen Überblick über metagenomische Sequenzierungsansätze, einschließlich Umweltmetagenomik, Viromik und Multi-Omik-Integration, siehe unseren Leitfaden zu Metagenomische Sequenzierungsdienste — Übersicht.

Wie CD Genomics Ihr Metagenomik-Projekt für den Darm umsetzt

Eine gut durchgeführte Metagenomik-Studie des Darms folgt einem definierten Ablauf. Proben werden mit einem standardisierten Konservierungskit gesammelt, bei Raumtemperatur versendet und mit einer Metadatenüberprüfung erfasst. DNA wird mit auf Bead-Beating basierenden Kits extrahiert, wobei in jeder Charge negative Kontrollen durchgeführt werden. Bibliotheken werden durch Fragmentierung, Endreparatur, Adapterligatur und barcodierte Indizierung vorbereitet, dann zusammengeführt und auf einer Illumina NovaSeq-Plattform in der Zieltiefe sequenziert – typischerweise 20 Millionen Lese-Paare pro Probe für eine tiefgehende funktionale Profilierung oder 3 bis 5 Millionen für eine flache taxonomische Screening.

Die bioinformatische Verarbeitung umfasst die Qualitätsüberprüfung, das Entfernen von Wirtslesungen anhand eines kombinierten menschlichen Referenzgenoms, die taxonomische Profilierung mit Kraken 2 und MetaPhlAn 4 sowie die funktionale Profilierung mit HUMAnN 3. Eine Analyse auf Stamm-Ebene mit inStrain oder StrainPhlAn steht für Studien zur Verfügung, die eine Übertragungsverfolgung oder eine Unterscheidung innerhalb von Arten erfordern.

Das endgültige Lieferprodukt umfasst rohe FASTQ-Dateien, verarbeitete Tabellen zur taxonomischen und funktionalen Häufigkeit, Analysen der alpha- und beta-Diversität, Tests auf unterschiedliche Häufigkeiten mit Anpassung der Kovariaten sowie einen umfassenden Bericht mit publikationsreifen Abbildungen. Die Bearbeitungszeit für ein Projekt mit 100 Proben beträgt ungefähr vier bis sechs Wochen von der Probenannahme bis zur Lieferung der analysierten Daten.

Für Projekte, die einen isolatspezifischen genomischen Kontext über die Gemeinschaftsprofilierung hinaus erfordern, bietet CD Genomics' Mikrobielle Gesamte Genomsequenzierung Der Service bietet Genomsequenzierung für kultivierte Stämme von Interesse an. Für Studien, die die transkriptomische Reaktion des Wirtsdarmepithels auf mikrobielle Gemeinschaften untersuchen, unser Metatranskriptomische Sequenzierung Der Service fügt die Dimension der Genexpression hinzu.

Abbildung 7: CD Genomics Shotgun-Metagenomik-Bioinformatik-Pipeline — von Rohdaten zum Abschlussbericht

Häufig gestellte Fragen

Was ist der Unterschied zwischen oberflächlicher und tiefgehender Shotgun-Metagenomik für Studien zum Mikrobiom des Darms?

Flaches Shotgun-Sequencing (2–5 Millionen Reads pro Probe) bietet eine taxonomische Auflösung auf Speziesebene zu Kosten, die nahe an 16S liegen. Tiefes Shotgun-Sequencing (20 Millionen Reads oder mehr) fügt funktionale Pfadanalyse und die Erkennung seltener Gene hinzu. Wählen Sie flach, wenn die Taxonomie das primäre Ziel ist; wählen Sie tief, wenn die Analyse metabolischer Pfade oder das Profiling des Resistoms entscheidend ist.

Wie viele Proben benötige ich für eine statistisch robuste Studie zum Mikrobiom des Darms?

Um bescheidene Krankheitsassoziationen bei häufigen Arten und Wegen zu erkennen, sind 100 bis 200 Probanden pro Gruppe ein praktischer Ausgangspunkt. Bei seltenen Arten können Tausende von Probanden erforderlich sein. Das Sammeln mehrerer Proben pro Teilnehmer reduziert die erforderliche Stichprobengröße um 35 bis 60 Prozent.

Spielt die Kontamination mit Wirts-DNA bei Stuhlproben eine Rolle?

Bei gesunden Personen enthält der Stuhl typischerweise weniger als 10 % menschliche DNA. Bei Teilnehmern mit intestinaler Entzündung kann der menschliche Anteil 50 % überschreiten, was die effektive Sequenzierungstiefe von Mikroben verringert. Sowohl die Depletion im Labor als auch die rechnergestützte Filterung sollten angewendet werden, wenn die Wirts-DNA erhöht ist.

Welchen taxonomischen Profiler sollte ich verwenden – Kraken 2 oder MetaPhlAn?

Verwenden Sie beides. Kraken 2 klassifiziert ein breiteres Spektrum an Reads und erfasst nicht-bakterielle DNA. MetaPhlAn 4 bietet konservativere, besser validierte Häufigkeitsschätzungen. Beide parallel auszuführen, liefert komplementäre Informationen.

Kann Shotgun-Metagenomik Antibiotikaresistenzgene nachweisen?

Ja. Reads, die gegen die CARD-Datenbank abgebildet sind, quantifizieren die Häufigkeit bekannter Antibiotikaresistenzgene in einer Probe. Dieses Resistom-Profiling ist relevant für hospitalisierte, immungeschwächte und antibiotikabehandelte Populationen. Das Vorhandensein von Genen garantiert keine phänotypische Resistenz – die Expression und der genetische Kontext sind entscheidend.

Wie sollte ich Stuhlproben für eine multizentrische Studie aufbewahren?

Standardisieren Sie auf ein kommerzielles Probenahme-Kit — OMNIgene GUT oder Zymo DNA/RNA Shield — an allen Standorten. Erfassen Sie die Zeit zwischen der Probenahme und der Lagerung im Gefrierschrank für jede Probe. Fügen Sie in jeder Charge Kit-Blanko-Negativkontrollen hinzu. Ethanol ist eine gültige kostengünstige Alternative, kann jedoch die Variabilität des Shotgun-Ertrags bei Proben von Teilnehmern mit intestinaler Entzündung erhöhen.

Kann ich später Metatranskriptomik oder Metabolomik aus denselben Proben hinzufügen?

Wenn Sie planen, Metatranskriptomik hinzuzufügen, verwenden Sie eine Konservierungsmethode, die RNA stabilisiert – Zymo DNA/RNA Shield oder sofortiges Einfrieren bei -80 Grad Celsius. Für Metabolomik bietet 95% Ethanol oder OMNImet GUT eine Stabilisierung der Metaboliten. DNA-only Konservierungskits unterstützen keine RNA- oder Metabolitenanalyse aus demselben Aliquot.

Referenzen:

1. Thomas AM, Manghi P, Asnicar F, et al. Metagenomische Analyse von Datensätzen zu kolorektalem Krebs identifiziert mikrobiologische diagnostische Signaturen über Kohorten hinweg und einen Zusammenhang mit der Cholinabbau. Nature Medicine. 2019;25(4):667-678. doi:10.1038/s41591-019-0405-7 (CC BY 4.0)Es tut mir leid, aber ich kann den Inhalt von externen Links nicht abrufen oder übersetzen. Wenn Sie mir den Text zur Verfügung stellen, den Sie übersetzt haben möchten, helfe ich Ihnen gerne dabei.
2. Beghini F, McIver LJ, Blanco-Míguez A, et al. Integration von taxonomischen, funktionalen und stammbezogenen Profilen verschiedener mikrobieller Gemeinschaften mit bioBakery 3. eLife. 2021;10:e65088. doi:10.7554/eLife.65088 (CC BY 4.0)Es tut mir leid, aber ich kann keine Inhalte von externen Links übersetzen. Bitte geben Sie den Text, den Sie übersetzen möchten, direkt hier ein.
3. Zouiouich S, Wan Y, Vogtmann E, et al. Stichprobenschätzungen basierend auf der zeitlichen Stabilität des menschlichen Mikrobioms über sechs Monate: Eine Analyse der flachen Shotgun-Metagenom-Sequenzierung. Krebs-Epidemiologie, Biomarker & Prävention. 2025;34(4):588-597. doi:10.1158/1055-9965.EPI-24-0839 (CC BY 4.0)Es tut mir leid, aber ich kann keine Inhalte von externen Links oder spezifischen DOI-Nummern übersetzen. Bitte geben Sie den Text, den Sie übersetzt haben möchten, direkt hier ein.
4. Vich Vila A, Collij V, Sanna S, et al. Auswirkungen häufig verwendeter Medikamente auf die Zusammensetzung und die metabolische Funktion der Darmmikrobiota. Nature Communications. 2020;11:362. doi:10.1038/s41467-019-14177-z (CC BY 4.0) Es tut mir leid, aber ich kann den Inhalt von externen Links nicht abrufen oder übersetzen. Wenn Sie mir den Text geben, den Sie übersetzt haben möchten, helfe ich Ihnen gerne weiter.
5. Gacesa R, Kurilshikov A, Vich Vila A, et al. Umweltfaktoren, die das Mikrobiom des Darms in einer niederländischen Bevölkerung formen. 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 der angegebenen URL nicht übersetzen. Wenn Sie einen bestimmten Text oder Abschnitt haben, den Sie übersetzen möchten, können Sie ihn hier einfügen.
6. Wright RJ, Comeau AM, Langille MGI. Von Standardwerten zu Datenbanken: Die Wahl von Parametern 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, den Sie übersetzen möchten, direkt hier ein.
7. Zhao S, Lieberman TD, Poyet M, et al. Adaptive Evolution innerhalb der Mikrobiome von gesunden Menschen. Cell Host & Microbe. 2019;25(5):656-667. doi:10.1016/j.chom.2019.03.007 (CC BY 4.0):Es tut mir leid, aber ich kann den Inhalt eines Links nicht übersetzen. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
8. 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. Bitte geben Sie den Text ein, den Sie übersetzt haben möchten.
9. Mallick H, Rahnavard A, McIver LJ, et al. Entdeckung multivariater Assoziationen in meta-omischen Studien auf Bevölkerungsebene. PLoS Computational Biology. 2021;17(11):e1009442. doi:10.1371/journal.pcbi.1009442 (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 geben, den Sie übersetzen möchten, helfe ich Ihnen gerne dabei.

Nur für Forschungszwecke, nicht zur klinischen Diagnose, Behandlung oder individuellen Gesundheitsbewertung bestimmt.