Assessment of Oxford Nanopore whole genome sequencing for large-scale genomic characterisation of Staphylococcus aureus

该研究通过对 836 个金黄色葡萄球菌临床菌株的大规模评估，证实牛津纳米孔（ONT）长读长测序技术在基因分型和临床相关基因检测方面表现优异，可作为 Illumina 短读长测序的有效替代方案用于大规模细菌基因组特征分析。

要点

这篇论文就像是一场**“细菌侦探大赛”，主要比较了两种不同的“超级显微镜”（测序技术），看谁更能看清一种叫金黄色葡萄球菌**（Staphylococcus aureus）的细菌的“真面目”。

这种细菌很危险，经常引起严重的血液感染。为了搞清楚它们为什么致病、为什么耐药，科学家需要给它们做“全基因组测序”，也就是把细菌的整个“生命说明书”（DNA）读出来。

1. 两位参赛选手：短跑选手 vs. 马拉松选手

• 选手 A（Illumina）：短跑冠军（短读长测序）

  • 特点： 它的眼睛非常锐利，看每一个字母（DNA 碱基）都极其精准，几乎不会看错。但是，它只能看很短的一小段（就像只读了一句话）。
  • 缺点： 因为只能看短句，当细菌的说明书里有重复的段落（比如“啦啦啦”重复了十次）或者很长的复杂故事时，它就把这些段落剪碎了，最后拼不回去，导致说明书变得支离破碎，甚至漏掉关键信息。
  • 比喻： 就像让你把一本几百万字的书，剪成无数个只有几个字的碎片，然后让你凭记忆拼回去。虽然每个字都认得准，但很难拼出完整的故事，尤其是那些重复的章节。

• 选手 B（Oxford Nanopore, ONT）：马拉松健将（长读长测序）

  • 特点： 它的眼睛能一次看很长很长的一段（甚至能一口气读完整个章节）。它能轻松跨越那些重复的段落，把整本书的完整结构拼出来。
  • 缺点： 它的视力稍微有点“近视”，偶尔会把一个字母看错（比如把 A 看成 G），或者漏看几个字。
  • 比喻： 就像让你直接读整本书的长段落。虽然偶尔会读错一两个字，但你很清楚这一章讲的是什么，哪段故事接在哪个故事后面，甚至能发现书里有没有缺页。

2. 比赛过程：836 个细菌样本的“大考”

研究人员收集了836 个来自血液感染病人的细菌样本，让这两位选手同时给它们做“体检”（测序）。

• 拼写检查（基因分型）：

  • 在识别细菌的“家族姓氏”（ST 分型）上，两位选手势均力敌，表现都很好。
  • 但在识别细菌的“特殊纹身”（spa 分型，这通常涉及很多重复序列）时，马拉松选手（ONT）完胜。短跑选手（Illumina）因为读不到那么长的重复序列，经常拼不出完整的纹身图案，而 ONT 却能轻松搞定。

• 寻找“坏蛋”（耐药基因和毒力基因）：

  • 这是最关键的部分。科学家想知道这些细菌有没有“武器”（耐药基因）或“毒药”（毒力基因）。
  • 结果令人惊讶： 虽然 ONT 偶尔会读错几个字母，但在发现“坏蛋”的数量上，它比 Illumina 更厉害！
  • 很多 Illumina 漏掉的基因（特别是那些藏在重复区域、或者 DNA 排列很特殊的基因），ONT 都找到了。
  • 为什么 Illumina 会漏掉？ 就像短跑选手因为只读短句，遇到重复的段落就“晕”了，或者因为某些段落颜色太淡（GC 含量低），它根本看不清，直接跳过了。

3. 为什么 ONT 有时候会“看错”？

研究发现，ONT 的“视力”并不是在所有细菌身上都一样。

• 特殊原因： 某些特定家族的细菌（比如 ST25 型），它们的 DNA 上有一些特殊的“化学标记”（甲基化）。这就像在书上盖了个特殊的章，让 ONT 的“眼睛”稍微有点晕，导致读错率变高。
• 好消息： 这种错误率其实很低（每百万个字母只错几个），而且可以通过一种叫“抛光”的技术，用 Illumina 的精准数据稍微修正一下，就能变得非常完美。

4. 结论：谁更适合大部队？

• 以前的观点： 为了追求完美，大家通常觉得必须用 Illumina，或者把 ONT 和 Illumina 混着用（既看长段又纠错）。但这太贵、太慢、太麻烦了。
• 这篇论文的结论： 对于大规模的细菌研究（比如几千个样本），ONT 是更好的选择。
  • 它能拼出完整的基因组，让我们看清细菌的“全家福”结构。
  • 它在发现关键致病基因方面，甚至比精准的短跑选手更敏锐。
  • 虽然它偶尔会读错一两个字，但这对于大规模研究来说，完全可以通过简单的修正解决，而且它带来的结构信息是短跑选手给不了的。

总结比喻

想象你要整理一个巨大的图书馆：

• Illumina 就像一群校对员，他们把书撕成只有几个字的碎片，然后试图拼回去。他们能确保每个字都写对，但面对重复的段落和复杂的结构，他们经常拼错或拼不完整，甚至把整页书弄丢了。
• ONT 就像一群速读员，他们能一口气读完一整章。虽然偶尔会读错一两个字，但他们能完美地还原整本书的结构，甚至发现书里藏着的夹层和秘密。

这篇论文告诉我们： 在需要快速、大规模地研究细菌（比如为了公共卫生安全）时，选择那位能“一口气读完”的速读员（ONT），往往比选择那个“只读几个字”的校对员（Illumina）更能发现真相。

技术摘要

这篇论文对牛津纳米孔技术（Oxford Nanopore Technology, ONT）在大规模金黄色葡萄球菌（Staphylococcus aureus）菌血症分离株基因组特征分析中的性能进行了全面评估，并将其与主流的短读长测序技术（Illumina）进行了对比。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 背景：全基因组测序（WGS）在微生物诊断、监测和研究中日益普及。ONT 作为第三代测序技术，以其超长读长（可跨越重复区域和结构变异）和能够组装完整基因组而闻名，但其碱基识别准确率 historically 低于 Illumina 等第二代测序技术。
• 核心问题：在大规模细菌群体基因组学研究（如全基因组关联分析 GWAS）中，ONT 是否足以替代或与 Illumina 互补？ONT 在基因分型（Genotyping）以及抗微生物耐药性（AMR）和毒力基因检测方面的准确性如何？其特有的错误模式（如受甲基化影响的错误）对大规模研究有何影响？
• 研究缺口：此前缺乏针对超过 800 株临床细菌分离株的大规模 ONT 与 Illumina 直接对比研究。

2. 方法论 (Methodology)

• 样本来源：从挪威 Nord-Trøndelag 医院信托的败血症登记处获取了 836 株金黄色葡萄球菌菌血症分离株（1996-2022 年）。
• 测序策略：
  • ONT：使用 MinION Mk1B 测序仪和 R10.4 流动槽（FLO-MIN114），采用 Rapid Barcoding Kit V14 建库。使用 Dorado 进行碱基识别，Flye 进行组装。
  • Illumina：使用 Nextera XT 建库，在 HiSeq 或 NovaSeq 上测序（2x150 bp）。使用 Shovill 进行组装。
  • 混合组装（Polishing）：部分 ONT 组装体使用 Illumina 数据通过 Pypolca 进行抛光，作为“金标准”参考。
• 生物信息学分析：
  • 分型：使用 Prokka、spaTyper 和 mlst 进行序列型（ST）和 spa 分型。
  • 基因检测：使用 AMRFinderPlus 和 Abricate（结合 VFDB 和 PlasmidFinder 数据库）检测 AMR 基因、毒力基因和质粒复制子。
  • 差异分析：对比 ONT、Illumina 和抛光后 ONT 的基因检出率、拷贝数及序列变异。对不一致的基因进行了 reads 回贴（Mapping）验证。
  • 错误分析：识别高错误率区域，并通过 STREME 进行基序（Motif）富集分析，探究错误与甲基化模式的关系。

3. 主要结果 (Key Results)

A. 组装质量与分型

• 组装完整性：ONT 组装出了 96.5% 的完整染色体（>2.65 Mbp 且环状），中位 Contig 数为 2；而 Illumina 组装的中位 Contig 数为 103，无法获得完整染色体。
• 分型一致性：
  • MLST：两种技术的序列型（ST）分型结果高度一致。
  • spa 分型：ONT 表现显著优于 Illumina。ONT 成功对 95.3% 的分离株进行了 spa 分型，而 Illumina 仅对 76.1% 成功分型。Illumina 在重复序列区域（spa 基因包含大量重复单元）容易发生断裂和错误组装，导致无法分型或分型错误。

B. 碱基错误与甲基化影响

• 错误率：抛光后的 ONT 组装体中位碱基错误率为每 100 万碱基 2.6 个，插入/缺失（Indel）为 3.6 个。
• 非随机错误：错误率在不同序列型（ST）间存在显著差异。ST25 型表现出极高的错误率（碱基错误率高达 51.7/1M bp）。
• 甲基化关联：高错误率区域与特定的 DNA 基序显著相关（如 DWGGWCCWH），该基序被识别为限制性修饰系统甲基转移酶 M.Sau961 的识别位点。这表明菌株特异性的甲基化模式是导致 ONT 碱基识别错误的主要原因，而非随机的测序错误。

C. 基因检测（AMR 与毒力基因）

• 总体检出率：ONT 检出的基因总数略高于 Illumina（平均每株 97.3 vs 94.4 个基因）。
• 不一致性分析：
  • 在 189 个基因/变异中，有 42 个（22.2%）在 5 株或更多分离株中存在检测不一致。
  • ONT 优势：在 39 个不一致的基因中，ONT 的检出率更高。这主要归因于 Illumina 在低 GC 含量区域和重复序列区域的覆盖度偏差（Coverage Bias）及组装困难。
  • 具体案例：
    • 毒力基因：粘附基因（clfA, clfB）和肠毒素基因（如 seu, sen, seo）在 ONT 中检出率显著更高。Illumina 常因重复序列导致基因拷贝数被低估或完全丢失。
    • AMR 基因：
      • blaZ（β-内酰胺酶）：ONT 检出更多，Illumina 可能因质粒丢失或低覆盖度漏检。
      • ermC（大环内酯类耐药）：ONT 漏检了部分携带该质粒基因的菌株，这归因于长读长组装中小质粒丢失的问题。
      • 23S rDNA C2220T 变异：ONT 能检测到该变异（存在于多拷贝基因中的少数拷贝），而 Illumina 可能将其视为测序错误过滤掉。
• 抛光影响：对 ONT 数据进行 Illumina 抛光后，基因检出和分型的改变非常微小，表明对于大规模研究，单独使用 ONT 已足够可靠。

4. 关键贡献 (Key Contributions)

1. 大规模实证数据：提供了迄今为止针对最大规模（836 株）临床金黄色葡萄球菌分离株的 ONT 与 Illumina 对比数据。
2. 揭示系统性偏差：首次详细记录了 ONT 测序错误在特定细菌亚群（如 ST25）中的非随机分布，并将其与甲基化模式联系起来，挑战了“错误是随机分布”的假设。
3. 长读长在重复区域的优势：证实了 ONT 在处理重复序列（如 spa 基因、粘附基因簇）和低 GC 含量区域时，显著优于 Illumina，能更准确地恢复基因拷贝数和完整序列。
4. 实用指南：证明了对于大规模群体基因组学研究，仅使用 ONT（即使不抛光）即可获得高质量的基因分型和基因检测数据，且在某些关键临床特征检测上优于短读长技术。

5. 意义与结论 (Significance & Conclusion)

• 技术选择建议：该研究支持在大规模细菌基因组特征分析中使用 ONT。虽然 ONT 存在特定的错误模式（受甲基化影响），但其长读长优势使其在组装完整基因组、解析重复区域和检测结构变异方面具有不可替代性。
• 临床相关性：ONT 在检测潜在的临床相关基因（特别是毒力因子和某些耐药基因）方面表现更佳，减少了因组装断裂或覆盖度偏差导致的假阴性。
• 未来方向：研究强调，在进行大规模 WGS 研究前，必须深入了解所用技术的优缺点。对于特定菌株（如高甲基化菌株），可能需要调整分析策略或结合短读长数据进行校正，但在大多数情况下，ONT 已具备独立进行大规模流行病学和基因组研究的潜力。

总结：这篇论文有力地证明了 Oxford Nanopore 技术已成为大规模细菌基因组学研究的可行且强大的工具，特别是在需要完整基因组组装和准确检测重复/低 GC 区域基因的应用场景中，其表现甚至优于传统的 Illumina 技术。