《Nature Biotechnology》：Troubleshooting common errors in assemblies of long-read metagenomes
编辑推荐：
本研究针对长读长宏基因组组装准确性评估难题，开发了基于读段剪切事件分析的开源工作流，系统评估了HiCanu、hifiasm-meta、metaFlye和metaMDBG四款工具在21个PacBio HiFi数据集上的表现。研究发现组装错误率高达每1亿碱基对46个错误，揭示多域嵌合体、过早环化等关键问题，为第三代测序技术在微生物基因组重建中的可靠性提供重要保障。
随着第二代测序技术的发展，微生物基因组得以直接从环境宏基因组中重建，无需培养即可揭示微生物多样性与功能。然而短读长测序的局限性导致基因组组装高度碎片化且存在污染。第三代测序技术（如PacBio和Oxford Nanopore）通过超长读长突破重复序列限制，为复杂微生物群落研究带来新机遇。但长读长组装算法在复杂环境中的应用准确性仍面临挑战，尤其对于缺乏参考基因组的低丰度微生物。
为系统评估长读长宏基因组组装质量，研究人员在《Nature Biotechnology》发表研究，选取HiCanu、hifiasm-meta、metaFlye和metaMDBG四款主流组装工具，对包含模拟群落、肠道微生物组和海洋样本的21个PacBio HiFi数据集进行基准测试。通过开发开源工具anvi-script-find-misassemblies量化读段剪切事件（即长读段在比对过程中被系统性分割的现象），首次实现组装错误率的精确计量。
关键技术方法包括：使用minimap2进行长读段与contig比对，通过anvi'o平台构建contig数据库并进行基因注释，利用BLAST和k-mer分析验证零覆盖区域，结合pangenome（泛基因组）分析评估嵌合体错误。海洋样本等新型生物群系数据的引入增强了结果的普适性。
组装错误普遍存在于所有长读长组装工具
研究发现所有组装工具均存在高置信度读段剪切事件（100%剪切且覆盖度≥10×）。metaMDBG在海洋样本中产生的剪切事件比hifiasm-meta高三个数量级，错误率最高达每1亿碱基对46个错误。零覆盖区域（>1,000 bp）现象同样普遍，metaMDBG中5.3%的contig存在此类问题。环化contig比例存在显著工具间差异，metaMDBG报告的环化contig中最高77%存在剪切事件。
嵌合体contig
研究揭示多域嵌合体现象，如metaMDBG生成的contig同时包含广古菌门、假单胞菌门、拟杆菌门和蓝藻门序列。即便未触发剪切警报，7.38 Mb的contig通过单拷贝核心基因（SCG）冗余度分析被发现拼接两个拉氏菌科种群。虽然GC含量、覆盖度突变等指标可辅助识别嵌合体，但大规模基因组研究中此类质量控制常被忽视。
过早环化
环化contig报告机制存在严重可靠性问题。hifiasm-meta从厌氧消化池样本中环化的甲烷丝菌属基因组缺失甲烷生成关键代谢模块，断裂点位于转座酶附近。通过设置保守筛选标准（环化contig<500 kb且含≥3个核糖体蛋白），发现metaMDBG的虚假环化率是hifiasm-meta的2倍、metaFlye的4倍。此类错误对质粒/病毒基因组重建产生严重影响。
单倍型错误、虚假重复与幻影序列
研究报道三种单倍型解析错误：保守侧翼区域与变异区错误拼接、次要单倍型序列被采纳为主序列、无读段支持的虚假重复。metaMDBG和metaFlye甚至产生超过5,000 bp的"幻影序列"，其90%的k-mer（k=21）在原始读段中缺失。这些错误会导致开放阅读框（ORF）错误预测。
过度重复
自比对分析显示，metaMDBG单个组装可产生超过30万个重复序列，最高重复长度达225,520 bp。海洋样本中87%的环化contig（<50 kb）主要由重复序列构成，提示重复序列是虚假环化的诱因之一。天然重复与算法错误的区分需结合覆盖度等多项指标。
模拟数据集的局限性
研究指出常用模拟数据集（如Zymo-HiFi D6331）无法反映真实样本复杂性。hifiasm-meta在模拟数据中组装规模异常膨胀（270 Mb vs 预期93 Mb），但在海洋样本中表现优异，证明模拟数据预测力有限。对大肠杆菌菌株混合样本的分析显示，metaMDBG生成的"环化基因组"实为嵌合体，平均核苷酸一致性（ANI）比较会掩盖此类错误。
本研究建立的错误诊断框架已推动算法改进，metaMDBG v1.2和新型工具myloasm通过整合读段剪切分析显著降低错误率。研究人员强调，组装算法应加强基于输入读段的后期纠错，并提供可调节的启发式参数以满足不同精度需求。该工作为长读长宏基因组学时代的基因组重建可靠性树立新标准，对生物技术、生物医学及公共基因组数据库质量保障具有深远意义。
