Cell | 邓志罗/Alice McHardy团队开发高精度跨域宏基因组物种解析新方法Metax

2026年9月11日，德国亥姆霍兹感染研究中心（Helmholtz Centre for Infection Research，HZI）计算生物学研究团队的邓志罗和Alice McHardy在Cell杂志上发表了题为Metax enables accurate cross-domain taxonomic profiling of metagenomes的研究论文。该研究开发了跨域宏基因组物种分类与丰度预测方法Metax（https://github.com/hzi-bifo/Metax），通过整合序列比对、概率化读段（reads）分配和全基因组覆盖统计，实现对细菌、古菌、病毒及微型真核生物的高精度鉴定和丰度估计。

该研究系统性地评估了超过600个来自人体微生物组、低生物量临床样本、海洋、土壤和污水等不同场景的数据集。Metax在最大限度保留真实微生物信号的同时，还可识别由参考基因组污染、试剂污染及局部序列相似性等因素造成的可疑信号，从而提高了物种鉴定和丰度预测的准确性。与其它代表性方法相比，Metax的物种检出F1-score平均提高了55%，丰度预测误差Bray–Curtis丰度差异度平均降低了45%。

为什么宏基因组物种解析仍然困难？

宏基因组物种鉴定的核心任务是将样本中海量的测序读段比对注释到对应的微生物类群，并据此定量各物种的相对丰度。然而，这一过程远非单纯的“序列匹配”。近缘物种之间存在大量同源序列，不同微生物之间也可能共享质粒、噬菌体等移动遗传元件；同时，参考基因组错误组装、外源DNA污染以及试剂本底污染（kitome），都可能导致测序读段错误匹配到实际上并不存在于样本中的微生物。这一问题在脑脊液、腹水以及血浆游离DNA等低生物量或宿主DNA占主导的样本中尤为突出，由于真实微生物DNA含量很低，少量技术噪声也可能被放大为看似可信的微生物信号。

图1 Metax方法框架。 Metax整合序列比对、概率化读段分配和全基因组覆盖统计，对候选微生物进行鉴定和丰度估计，并利用实际覆盖与预期覆盖之间的差异识别可疑的局部假阳性信号。

此前，由宏基因组方法评测项目（CAMI）开展的系统性基准测试已经凸显了该领域的多项关键瓶颈。CAMI II研究结果显示，尽管现有宏基因组物种解析方法近年来取得了明显进展，但在物种水平的精确解析、病毒和古菌等非细菌类群的识别，以及临床样本中的稳定检测方面仍存在明显不足。因此，如何在复杂背景下有效减少错误匹配和假阳性，同时兼顾对真阳性微生物的高灵敏度检测，仍是当前宏基因组物种解析面临的核心瓶颈之一。

Metax：从“序列匹配”到“全基因组覆盖度模型”

针对上述核心瓶颈，Metax应运而生并在此背景下不断迭代优化。Metax的最初构想形成于2020年，首个可运行原型于2021年完成。此后，该方法应用于团队内部的临床宏基因组项目，并逐渐发展为完整的跨域宏基因组物种解析框架。Metax核心思想在于：判断样本中某一微生物是否真实存在，不能仅依赖于比对到该参考基因组的测序读段数量，还应进一步检验这些读段在全基因组范围内的空间分布特征是否符合理论预期。真实存在的微生物通常会在参考基因组上呈现出相对广泛而均匀的读段覆盖；相比之下，由试剂污染、同源保守序列或组装缺陷引发的假阳性信号，往往高度富集于基因组的少数局部区域。Metax正是利用测序读段在基因组上的“均匀覆盖”与“局部匹配”之间的差异，对微生物信号的可信度进行评估。

算法层面上，Metax先将测序读段比对到微生物参考基因组数据库，并计算基因组覆盖深度和覆盖广度。针对同时匹配多个物种的读段，Metax引入期望最大化算法（Expectation-Maximization，EM）进行概率化分配，从而更准确地估计不同物种的丰度。此外，Metax根据匹配到每个物种的覆盖深度计算其理论上应达到的预期覆盖广度：若这些测序读段来自一个完整的微生物基因组，那么随着读段数量增加，应该有越来越多的基因组区域被覆盖。在此基础上，Metax将实际得到的覆盖广度与该理论预期进行比较；若实际覆盖显著低于预期，说明大量读段可能异常集中于有限区域，该微生物信号因而缺乏充分的全基因组覆盖。通过将全基因组覆盖信息与概率化读段分配相结合，Metax在保持对真实存在微生物较高检测灵敏度的同时，有效减少了由局部序列相似性、污染和参考基因组问题造成的假阳性。

Metax在不同微生物组场景中的性能表现

针对涵盖细菌、古菌、真菌和病毒的复杂人体肠道宏基因组基准数据集，研究系统比较了Metax与MetaPhlAn4、mOTUs3、Sylph、Phanta和Centrifuge等主流工具。Metax在物种鉴定和丰度定量方面表现出较高准确性，同时在运行速度和资源消耗方面保持良好的竞争力。

低生物量临床样本进一步检验了Metax在困难场景下的分析能力。在不同测序深度的模拟数据中，即使有效微生物读段仅约1000条，Metax仍能保持准确的物种识别和丰度定量。在真实下呼吸道感染Nanopore宏基因组数据中，Metax识别出全部阳性样本中经培养和/或PCR确认的病原体，并在7个阴性样本中未报告假阳性；所有检出的病原体均位居预测丰度前列，其中90%排名第一，显示出良好的病原体检测能力和临床应用潜力。

为进一步评估方法的泛化能力，研究还分析了CAMI II海洋宏基因组以及真实污水宏基因组和宏转录组数据。Metax在不同生态环境以及短读长和长读长测序数据中均保持良好性能，并成功检测到污水样本中几乎所有经qPCR验证的病毒信号。这些结果表明，Metax的应用范围并不限于人体微生物组，也能够适用于多种复杂环境微生物组数据。

全基因组覆盖还能发现什么？

除常规物种分类和丰度解析外，Metax还可利用全基因组覆盖模式识别潜在的参考基因组污染和试剂污染DNA片段。在临床测序数据中，Metax检测到弓形虫（Toxoplasma gondii）匹配，但读段几乎全部集中于参考基因组的一个短片段；类似信号随后也出现在理论上仅含人类DNA的Genome in a Bottle数据中，提示该假阳性可能源于微生物参考基因组中错误混入的人源序列。将这一框架应用于低生物量肿瘤微生物组数据后，也发现部分微生物信号呈现异常覆盖模式，与外源污染或技术伪影相符。需要注意的是，Metax判断的是序列覆盖是否符合真实微生物存在的预期，而不能单独确定其生物学来源，因此极低生物量样本中的微生物信号仍需结合严格实验对照和独立验证。

从方法评测到生物学发现

Metax还被应用于一个口腔宏基因组队列数据，以探索其在实际生物学问题研究中的应用价值。分析不仅重现了多种经典的牙周疾病相关细菌，还进一步发现Redondoviridae等病毒与疾病状态相关，并揭示了病毒与微型真核生物、TM7细菌与其潜在宿主之间的跨类群关联。这些结果表明，Metax不仅能够准确描述微生物群落组成，还可用于发现不同微生物之间潜在的生态互作，并识别与疾病相关、具有潜在生物标志物价值的微生物特征。

Metax 2：更低资源消耗，更快分析

针对大数据分析中参考数据库规模大、计算资源消耗高的问题，Metax采用了两种独立的优化策略。一方面，fractional index模式通过对参考序列进行均匀抽样，显著缩小索引规模，从而降低数据库存储和运行内存需求。另一方面，新版本Metax 2引入了自主开发的轻量级序列比对算法Metam（基于Randstrobe），从底层提升数据库构建和样本分析效率。即使不使用fractional index，Metax 2仍可在约1小时内完成90 Gb参考数据库的构建，运行内存降低约4倍（约25GB），分析速度提升超过4倍，40核CPU条件下分析单个5 Gb样本仅需约4分钟。Metax可通过Conda直接安装：conda install -c zldeng metax。

总结

综上所述，Metax通过将概率化读段分配与全基因组覆盖统计相结合，将传统宏基因组物种解析从“序列能否匹配某个物种”，进一步推进到“该物种是否获得符合理论预期的全基因组序列覆盖”。这一设计使Metax能够在尽可能保留真实微生物信号的同时识别可疑假阳性，并在临床、人体微生物组和环境数据中实现稳定的跨域物种鉴定和丰度估计。

文章第一作者邓志罗博士现为德国亥姆霍兹感染研究中心研究人员，长期从事微生物组学与生物信息学方法研究，主要关注复杂微生物群落的精准解析、临床宏基因组分析及多组学数据整合，并致力于结合计算与人工智能方法研究微生物及其功能与人体健康和复杂疾病之间的关系。相关研究成果以第一作者或通讯作者（含共同）发表于Cell、Nucleic Acids Research、Microbiome、Nature Communications、Genome Biology、Gastroenterology等期刊。

制版人： 十一

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

推荐直播

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

点击主页推荐活动

关注更多最新活动！