华大智造DNBSEQT7助力高复杂度宏基因组样本超深度测序

得益于高通量测序技术，鸟枪法宏基因组方法成为可能，并有效地改变了微生物学。如今，短读长和长读长技术的进步正在克服以前影响宏基因组分析的许多挑战，尤其是高度复杂的样本和环境。

法国国家农业、食品和环境研究所 (INRAE) 的研究人员检查了七个短读长和长读长测序平台在分析高复杂性宏基因组样本时的性能。该研究发表在 Nature Portfolio 期刊Scientific Data上，在 2018 年至 2019 年间在当时的各种主流测序仪上运行模拟样本，包括 MGI 的 DNBSEQ-T7* 和 DNBSEQ-G400*。

在经过广泛测试的测序技术中，DNBSEQ-T7* 因其超高通量和出色的准确性而获得认可。“我们对 T7 的性能*感到惊讶，”资深作者、INRAE 研究员 Mathieu Almeida 说。“与其他平台相比，它在单次运行中提供超深度测序，错误率相似，使其成为我们研究时最实惠的宏基因组测序技术之一。”

在这项研究中，构建了三个不均匀的合成微生物群落，每个群落由多达 87 个基因组微生物菌株 DNA 组成，跨越 29 个细菌和古细菌门。它们代表了一些用于测序技术比较的最复杂和多样化的社区。使用所有平台对mock1(71株)进行测序，对mock2(64株)进行额外测序以估计各种微生物丰富度的影响，而MGI的平台没有在mock3上进行。

为了评估测序深度的影响，该团队进行了子采样分析，并比较了从 10,000 到 100 万个读数的多个深度样本中观察到的和理论的基因组丰度。总体而言，当映射至少 100,000 条读数时，所有平台的 Spearman 等级相关性都高达 0.9 以上。其中，T7* 和 G400* 的相关性在 mock1 中最好，在 mock2 中保持优秀。

此外，在 mock1 中进行了观察到的和例外的物种丰度之间的差异分析。结果表明，大多数基因组的丰度估计过高或过低与测序平台、读取长度、分类学、GC 含量、基因组大小和基因组完整性几乎没有关系，即使在 500,000 次读取的低深度也是如此。事实上，大多数基因组在所有测序仪上都得到了准确估计，观察到的 T7* 图表生成的标准化丰度非常接近例外值。

基于不同测序仪的性能分析，该研究形成了微生物宏基因组测序基准数据库，为研究人员和科学家选择测序平台提供了全面而真实的参考。特别是，这些发现证明了 MGI 的 DNBSEQ-T7* 在宏基因组测序中的潜在价值。

T7* 拥有数据所示的高稳定性和准确性，结合出色的通量，为高度复杂的微生物群落中的物种和功能基因鉴定提供了一个强大的平台。其升级后的生化、流体和光学系统不仅使测序更加高效和多产，而且还在继续支持对微生物群落结构和多样性的研究。