> ## Content Index
> Fetch the complete content index at: https://blog.biobee.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# mNGS 病原检测：检出微生物之后，如何建立可信证据？
- URL: https://blog.biobee.top/mngs-pathogen-detection-evidence-chain/
- Published: 2026-09-26T02:51:52.000Z
- Updated: 2026-09-28T03:21:32.000Z
- Description: 从序列分类、阴性对照到临床解释：结合五项原始研究，梳理 mNGS 病原检测的证据链、常见误区与生信复核检查表。
- Author: Bee Bee
- Tags: mNGS, 病原检测, 生物信息学

一份 mNGS 报告列出多个微生物，其中某个物种排在第一位：这是否意味着它就是致病原因？

从生信工程的角度，物种名单只是分析的中间产物。真正需要交付的是一条可追溯的证据链：这些序列是否可靠、是否能排除污染和误分类，以及它们能否解释当前样本和患者的临床表现。本文面向生信工程师、检验人员及希望理解检测边界的读者，讨论如何把“检出”推进到“可信解释”。

## 1\. 先分清三个不同的问题

宏基因组二代测序（metagenomic next-generation sequencing，mNGS）对样本中的核酸进行广泛测序，再通过计算分析识别微生物。它减少了对预先指定靶标的依赖，但仍受到核酸提取、DNA/RNA 建库策略、宿主背景和参考数据库的影响。“广泛检测”不等于所有病原体都能被同样灵敏地发现。\[1,2\]

| 层次  | 要回答的问题        | 需要的证据                 |
| --- | ------------- | --------------------- |
| 序列层 | 是否存在可信的微生物序列？ | 测序质量、分类结果、比对位置和特异性    |
| 样本层 | 信号是否真实来自该样本？  | 阴性对照、批次背景、重复或独立验证     |
| 临床层 | 该微生物能否解释疾病？   | 取样部位、宿主状态、临床表现及其他检验结果 |

这张表是本文组织复核工作的框架，不是经过临床验证的评分量表。高置信度的序列分类，也不能单独完成最后一层判断。

## 2\. 看懂研究数字，才能避免夸大检测能力

2024 年发表于 *Nature Medicine* 的一项研究回顾了 UCSF 实验室七年的脑脊液 mNGS 检测。4,828 份样本中，697 份检出微生物，阳性样本比例为 14.4%。进一步分析的临床资料子集包含 1,053 名患者的 1,164 份样本；其中 220 个感染诊断中，48 个仅由 mNGS 识别。\[1\]

这里有两个值得停下来核对的分母：

- **14.4% 是全部送检样本中的阳性比例。** 它不是检测灵敏度，也不是任意医院送检后的预期收益。
- **48/220 是该临床资料子集的感染诊断中，仅由 mNGS 识别的比例。** 它不能改写成全部患者中有相同比例因此获益。

这项研究支持 mNGS 的补充诊断价值，但它是特定实验室、特定流程下的脑脊液研究。作者也指出，患者间常规检查不同、复合诊断中的临床判定可能引入偏倚，而且研究没有正式评估成本效益。肺泡灌洗液、血浆或组织检测，不能直接套用这些结果。\[1\]

## 3\. 从原始 reads 到候选病原体，复核应放在哪里？

一个便于审计的分析流程可以按以下顺序组织：

**样本与对照登记 → 原始数据质控 → 宿主序列处理 → 微生物候选分类 → 重点候选比对复核 → 背景评估 → 报告解释。**

这是工程组织建议，具体参数需要通过本实验室的验证确定。以下几个节点尤其值得留下记录。

**先确认本次检测是否具备足够的检出能力。** 总 reads 数只是起点，还应检查有效数据、宿主背景和内参。Miller 等的脑脊液方法验证显示，过量宿主核酸可降低检测灵敏度，加入的噬菌体内参能够提示灵敏度损失。由此可以理解：一份“没有检出”的结果，必须和本次运行的质量状态一起阅读。\[2\]

**把快速分类视为候选生成步骤。** Kraken 2 利用 minimizer 与分类学信息实现高效分类，适合在大规模数据中筛出候选。工具给出的物种标签，回答的是序列与数据库的匹配关系。对关键候选，本文建议再检查支持序列是否落在多个独立区域、是否仅集中于保守或低复杂度片段，以及是否同样支持近缘物种。\[3\]

**让数据库成为可追踪的分析输入。** 工程记录应包括软件版本、参数、数据库构建日期、参考序列来源和校验值。对无法可靠区分的近缘物种，保留到属或物种复合群层级，比输出未经证据支持的种名更便于复核。分类器的算法依据见文献 \[3\]；版本留档和分级复核是本文给出的工程建议。

## 4\. 为什么不能用一个 reads 阈值解决所有问题？

先看一个纯粹用于说明归一化的例子：同样检出 20 条候选序列，如果分母分别是 200 万条和 2,000 万条质控后 reads，按“每百万 reads”计算，结果分别为 10 RPM 和 1 RPM。

```text
RPM = 候选微生物 reads 数 ÷ 约定的总 reads 数 × 1,000,000

```

**这个例子不是阳性判定标准。** 它只说明，比较数值前必须先确认分母。在实际报告中，应写明分母是原始 reads、质控后 reads，还是去宿主后 reads；不同口径不宜直接比较。这里的 RPM 也不是病原体浓度或每毫升拷贝数。\[2\]

另一方面，背景信号不能靠简单排名解决。Salter 等通过实验发现，提取试剂和实验室试剂中的污染 DNA 会影响测序分析，污染组成还会随试剂盒及批次变化，低微生物量样本尤其容易受影响。这项工作同时涉及 16S 和 shotgun 测序，为“阴性对照需要与样本一起处理和测序”提供了直接实验依据。\[4\]

因此，本文建议对重点候选至少并排展示：样本信号、同批阴性对照信号、历史背景出现情况，以及比对分布。阴性对照中的一次未检出，不能独立证明样本绝无污染；反过来，也不宜仅因某个属曾出现在污染研究中，就在所有样本中机械删除它。需要判断的是当前证据，而不是给物种贴永久标签。

## 5\. 实验室之间的差异，提醒我们复核整个流程

一项发表于 *Clinical Chemistry* 的多中心质量评价，使用人工微生物群落和真实临床样本组成的参考面板，评估了中国 122 家实验室。其加权 F1 分数范围为 0.20–0.97；研究还发现，部分实验室虽然检出了目标微生物，却未能给出正确的病因解释。\[5\]

这不是所有 mNGS 实验室的总体准确率调查，也不是某一种软件的排名。它更直接地说明：从样本处理到结果解释，任一环节的差异都可能影响最终答案。升级分类器或增加测序数据量，应当放在完整的方法验证中评价。\[5\]

下面是一份可以用于内部复核的检查表。它是工程沟通工具，不能替代实验室验证方案或临床诊断标准。

| 复核环节 | 建议保留的信息               | 需要进一步核查的情形        |
| ---- | --------------------- | ----------------- |
| 样本背景 | 样本类型、取样部位、采样时间及相关处理记录 | 报告中的样本信息与临床问题不一致  |
| 检测范围 | DNA/RNA 路线、适用样本和已验证范围 | 用不覆盖相应核酸类型的流程解释阴性 |
| 运行质量 | 有效数据量、宿主背景、内参及对照结果    | 内参异常，仍将阴性写成可靠排除   |
| 序列证据 | 支持序列、比对分布、近缘物种比较      | 信号只集中于少数难以区分的区域   |
| 污染评估 | 同批阴性对照、试剂批次与历史背景      | 样本与背景高度相似，却没有解释   |
| 临床沟通 | 潜在意义、不确定性和进一步验证的方向    | 将物种丰度排名直接写成病原优先级  |

## 6\. 阴性报告也需要交代边界

“未检出”首先描述的是：在本次样本、流程和判定规则下，没有达到报告条件的信号。

它能否帮助排除某种感染，还取决于病原体是否存在于所取样本、核酸含量与取样时机，以及检测流程对该病原体的实际能力。脑脊液研究中的部分漏检，与病原体位于其他组织或需要血清学等间接检测有关；单独依赖脑脊液 mNGS 无法覆盖这些情形。\[1\]

报告可以把结论与限制分别写清楚。例如：“本次检测未发现达到报告标准的目标微生物信号”，随后注明样本、覆盖范围和实际出现的质量问题。只有当确实观察到高宿主背景或内参异常时，才写入相应限制，避免把模板化警告当成真实检测结果。\[2\]

**生信交付的价值，体现在每一个结论都能追溯到具体证据。** 一份有用的 mNGS 报告，应让接收者知道发现了什么、证据有多强、哪些问题尚未解决，以及下一步需要由实验室与临床共同核实什么。

## 参考文献

1. Benoit P, et al. *Seven-year performance of a clinical metagenomic next-generation sequencing test for diagnosis of central nervous system infections*. Nature Medicine, 2024\. [DOI: 10.1038/s41591-024-03275-1](https://doi.org/10.1038/s41591-024-03275-1?ref=blog.biobee.top) · [开放全文](https://europepmc.org/articles/PMC11645279?ref=blog.biobee.top)
2. Miller S, et al. *Laboratory validation of a clinical metagenomic sequencing assay for pathogen detection in cerebrospinal fluid*. Genome Research, 2019\. [DOI: 10.1101/gr.238170.118](https://doi.org/10.1101/gr.238170.118?ref=blog.biobee.top) · [开放全文](https://europepmc.org/articles/PMC6499319?ref=blog.biobee.top)
3. Wood DE, Lu J, Langmead B. *Improved metagenomic analysis with Kraken 2*. Genome Biology, 2019\. [DOI: 10.1186/s13059-019-1891-0](https://doi.org/10.1186/s13059-019-1891-0?ref=blog.biobee.top) · [开放全文](https://europepmc.org/articles/PMC6883579?ref=blog.biobee.top)
4. Salter SJ, et al. *Reagent and laboratory contamination can critically impact sequence-based microbiome analyses*. BMC Biology, 2014\. [DOI: 10.1186/s12915-014-0087-z](https://doi.org/10.1186/s12915-014-0087-z?ref=blog.biobee.top) · [开放全文](https://europepmc.org/articles/PMC4228153?ref=blog.biobee.top)
5. Diao Z, et al. *Assessing the Quality of Metagenomic Next-Generation Sequencing for Pathogen Detection in Lower Respiratory Infections*. Clinical Chemistry, 2023\. [DOI: 10.1093/clinchem/hvad072](https://doi.org/10.1093/clinchem/hvad072?ref=blog.biobee.top) · [原文](https://academic.oup.com/clinchem/article/69/9/1038/7193946?ref=blog.biobee.top)

---

*说明：文中的流程和检查表属于技术建议，示例数字不构成诊断阈值；未使用患者数据，也未开展新增实验。文章用于技术交流，具体病例的解释应结合临床与实验室评估。*