Eines der letzten Puzzleteile des Zelltodentzündungssignalwegs ist entschlüsselt

Bei akut lebensbedrohlichen Infektionen ist die zügige Metagenom-Charakterisierung mikrobieller Spezies kritisch für Diagnostik und Therapie. Bioinformatische Werkzeuge – sogenannte taxonomische Profiler – vergleichen dafür die NGS-Metagenomdaten der Probe mit mikrobiellen Referenzgenomen. In der Praxis limitiert die unzureichende Spezifität bestehender Bilanzen jedoch oft die klinische Validität. Ein Forschungsteam des Helmholtz-Zentrums für Infektionsforschung (HZI) hat mit „Metax“ nun einen Profiler entwickelt, der über die Analyse der Reads-Verteilung entlang der Referenzgenome reale mikrobielle Signale präziser von Artefakten unterscheidet und sowohl Artenspektrum als auch relative Abundanzen exakter bestimmt.

Potenzial des taxonomischen Profilings in Klinik und Analytik

„In klinischen Proben kann taxonomisches Profiling beispielsweise wichtige Informationen über Mikroorganismen liefern, die für eine Infektion von Bedeutung sein könnten“, erklärt Prof. Alice McHardy. „Taxonomische Profiler können die gängigen Diagnoseverfahren ergänzen und so dabei helfen, potenzielle Krankheitserreger genauer zu untersuchen. Zudem ist ihre Anwendung auch über den klinischen Bereich hinaus von Bedeutung, etwa in der Erforschung des menschlichen Mikrobioms oder in der Umweltforschung.“

Fehlerquellen und Artefakte in der Metagenomanalyse

Der bioinformatische Abgleich mit öffentlichen Genomdatenbanken birgt systematische Rauschquellen, die zu falsch-positiven Identifikationen führen. Konservierte Sequenzmotive verschiedener Spezies, Anmerkungsfehler in Referenzdatenbanken sowie Kontaminationen durch Reagenzien- und Labor-DNA (das sogenannte „Kitome“) täuschen häufig das Vorhandensein nicht vorhandener Taxa vor.

„Für ein verlässliches Ergebnis ist es wichtig zu wissen, an welchen Stellen des Genoms Übereinstimmungen ermittelt wurden“, sagt Dr. Zhi-Luo Deng. „Wenn ein Mikroorganismus tatsächlich in der Probe enthalten ist, sollte es über das Genom verteilt an mehreren Stellen Übereinstimmungen geben. Falsch-positive Signale sind im Gegensatz dazu häufig nur auf einen oder wenige Bereiche beschränkt.“

Der Metax-Algorithmus: Abdeckungsmuster als Selektionskriterium

Auf dieser Hypothese basiert der Algorithmus von Metax. Durch die mathematische Miteinbeziehung der räumlichen Abdeckungs- und Kartierungsdichte (Coverage-Verteilung) über das gesamte Referenzgenom hinweg evaluiert Metax die Bimodulierung von Signalen signifikant treffsicherer als bisherige Tools. So gelingt die qualitative Identifikation und quantitative Abundanzschätzung auch in komplexen Taxa-Gemischen mit hoher Präzision.

Validierung und Performance bei geringer DNA-Einsatzmenge

Das AnalysemSpektrum umfasst Bakterien, Archaeen, Pilze, eukaryotische Mikroorganismen sowie Viren. In Benchmark-Tests mit bekannten Datensätzen und im Vergleich mit etablierten Profilern zeigte das Tool eine überlegene Datengüte. „Die Analyse mit Metax war tatsächlich überraschend genau und treffsicher. Unser Profiler lieferte aussagekräftigere Ergebnisse als andere Profiler“, sagt McHardy. „Selbst bei kleinen Proben, die nur wenig genetisches Material enthalten, liefert Metax ausgezeichnete Analyseergebnisse – qualitativ wie auch quantitativ. Mit Metax kann also besser die mikrobielle Nadel im Heuhaufen gefunden werden.“

Anwendungsfelder von der Mikrobiomforschung bis zur Abwasseranalytik

Die hochauflösende Profilierung ermöglicht tiefere Einblicke in Mikrobiom-Wirt-Interaktionen, die Aufdeckung von Biomarkern sowie die epidemiologische Surveillance via Abwassermonitoring zur Frühwarnung vor Ausbrüchen. Auch in der Umweltmikrobiologie lassen sich funktionelle Gemeinschaftsstrukturen präziser auflösen. Im klinischen Labor bietet Metax insbesondere bei paucibakteriellen Proben mit geringer DNA-Ausbeute einen klaren diagnostischen Mehrwert.

In Folgestudien plant das Team um McHardy eine methodische Feinjustierung sowie die umfassende Evaluation von Metax in der klinischen Praxis und Mikrobiomanalytik.

Quelle

Universität zu Köln (09/2026)