《Nature Microbiology》最新評估：總體基因體定序深度多少才夠？權威基準測試出爐！

總體基因體定序能同時提供微生物群落的分類學（Taxonomy）與功能層面（Functional profiling）的豐富資訊，然而，究竟需要多深的定序數據量才能滿足特定的分析需求？目前仍缺乏完整的基準測試 (Benchmarking) 指引。

 

2026年發表於頂尖國際期刊 Nature Microbiology 的最新研究，為此難題提供了明確的解答方向。研究團隊利用多種培養細菌的 DNA 構建出複雜的模擬群落（Mock Community，包含 13 種組合，共 70 或 24 株已知基因體細菌的模擬群落），全面涵蓋均勻豐度、梯度豐度、有無宿主背景 DNA 等關鍵實驗因子。團隊在 11 種定序深度（每個樣本 0.1 / 0.25 / 0.5 / 0.75 / 1 / 1.5 / 2 / 5 / 10 / 20 / 50 Gb）下，深度評估物種組成（依賴參考序列的物種與菌株分類）、菌株層級解析度（MAG 組裝）和功能圖譜（功能路徑分析與蛋白質註釋），並量化了不同分析流程的結果偏差。

實驗設計：

 

 

以下根據不同的分析策略，為研究人員整理定序深度的參考指南

 

 

針對仰賴參考基因體資料庫的低數據量 Shallow Metagenomics 分析，研究指出：

 

菌株層級分類：僅需 0.5–1 Gb 的數據量，即能準確實現菌株層級的物種分類。

 

完整覆蓋度：此策略雖具備高成本效益，卻會大幅限制功能分析的完整性。若欲獲得 > 90% 的完整基因體覆蓋度並提升可靠性，定序深度仍需 > 5 Gb。

 

實驗干擾因子：文庫製備與宿主 DNA 污染是影響 Shallow Metagenomics 準確度的關鍵。數據顯示，提高定序深度能有效彌補低 DNA 建庫起始量或非目標 DNA 存在所帶來的不利影響。

Reference-based taxonomic profiles:
 

 

 

若研究目標是構建總體基因體組裝基因體（Metagenome-Assembled Genomes, MAGs），則面臨更高的數據量門檻與組裝挑戰：

 

數據量門檻：通常需要 > 10 Gb 的深度定序。儘管 MAGs 的數量會隨定序深度增加而持續上升，但研究揭露序列嵌合體仍是不容忽視的品質問題。

高品質 MAGs 的嵌合體（Chimeric MAGs）風險：即使是符合高標準（完整度 > 90% 且污染度 < 5%）的高品質 MAGs，在深度定序下也僅有約 54.5%–81.8% 的序列能完全精準代表原始菌株。這些 MAGs 實際上普遍夾雜了來自多個不同參考基因體的序列片段。

 

錯誤根源驗證：研究進一步使用 MEGAHIT 與 metaSPAdes 評估組裝階段，發現有 6.5%–8.9% 錯誤組裝的 Contigs，正是導致後續產生嵌合 MAGs 的主因。

 

 

在功能分析方面，2Gb 數據量即可支持 mock 群落做可靠的代謝 Pathway 功能分析，其中KEGG Pathway 完整性分析在 5Gb 進入 80% 平原期，但至少要 10Gb 以上才能完成有效的蛋白質體分析 (模擬抽樣證實功能分析具有定序深度依賴性)。在另一個研究指出，至少需要 24 Gb 的定序深度才能完整恢復細菌抗藥性基因家族的全部多樣性。

Functional coverage: 

 

結論：reference-based 至少 5Gb 定序深度， denovo-based 至少 10Gb 定序深度，總體基因體學的定序數據量原則上「多多益善」。在進行高度複雜或高精度要求的菌株層級研究時，除了加深二代短讀長定序外，亦建議評估並導入「二代 + 三代長讀長（Long-reads）」的混合定序策略（Hybrid Sequencing），以有效突破短讀長組裝所帶來的嵌合體困境，全面提升基因體組裝的精準度。

Reference:
Treichel, N.S., Pauvert, C., Séneca, J. et al. Benchmarking of shotgun sequencing depth reveals the potential and limitations of shallow metagenomics and strain-level analysis. Nat Microbiol 11, 1233–1244 (2026). https://doi.org/10.1038/s41564-026-02334-2