宏基因组学测序的实际工作原理
标准的感染检测每次只问一个问题：这是流感病毒吗，这是大肠杆菌吗，这种培养是否产生已知的细菌。宏基因组学次世代测序（mNGS）工作原理相反。它提取血液、脑脊液或组织样本中存在的每一个DNA和RNA片段，对所有片段进行测序，然后将结果与参考数据库进行比对，以识别存在的任何生物体，根据在美国国家生物技术信息中心（NCBI）的PubMed Central平台上发表的技术综述。
因为该检测不需要对病原体的先前假设，它可以在单次运行中标记细菌、病毒、真菌和寄生虫，包括医生未曾考虑的病原体，综述指出。
从COVID-19的发现到取消的移植手术
该技术最清晰的公开演示出现在2019年末，当时调查武汉不明原因肺炎病例的中国病毒学家无法用常规检测方法确定病因。转向宏基因组学测序显示遗传物质与冠状病毒家族相匹配，这一发现由BBC Future报道，加快了对后来被称为COVID-19的诊断和疫苗工作。
BBC Future引用的个别患者病例说明了这一点的重要性。在加州大学旧金山分校，一名患有脑膜炎和肝衰竭的女性即将进行肝移植，但宏基因组学检测反而确认了乙肝E病毒。据该报道引述UCSF教授Charles Chiu的话说："我们给她用了抗病毒药物，她康复了，我们让她免于进行移植手术。"在伦敦一家医院进行的一次独立试点中，同一方法在一名被认为患有肺癌的患者中识别出了结核病，避免了不必要的手术，根据同一报道。
速度更快，但尚不成常规
周期时间一直是主要障碍。新加坡国立大学的Niranjan Nagarajan告诉BBC Future，宏基因组学分析过去需要"数天到一周"的时间；测序机器现在可以在一到两小时内产生DNA结果，人工智能工具加快了模式匹配步骤。
PubMed Central综述提供了更详细的数据：常规诊断流程通常需要24至72小时，而基于纳孔的测序（一种长读长技术）在86%的病例中提供了同日结果，中位周期为6.7小时。综述指出，每样本测序成本根据平台大约为$100至$300，尽管该数据不包括劳动力、计算和存储成本，这些成本增加了进行检测的实际成本。
它优于标准检测的地方——以及仍然困难的地方
同一综述汇编了多项临床研究的结果，比较了mNGS与在多种感染类型中的常规诊断。
mNGS与选定临床环境中的常规检测的比较| 临床环境 | mNGS检测率 | 传统方法结果 |
|---|
| 中枢神经系统感染 | 63%诊断收率 | 常规方法下低于30% |
|---|
| 败血症/ICU患者 | 87.7%检测率 | 血液培养为52.3% |
|---|
| 不明原因发热 | 81.5%敏感性 | 培养为47.3% |
|---|
| 血流感染 | 77.7%检测率 | 培养为47.9% |
|---|
| 假体周围关节感染 | 89–95.5%敏感性 | 培养为72.7% |
|---|
| 呼吸道样本 | 95%病原体识别 | 培养为59% |
|---|
这些优势伴随着综述标记为未解决的技术警告。在血液或脑脊液样本中，超过90%的测序读数可能来自患者自身的细胞而不是病原体，掩盖了弱微生物信号。在最初微生物数量非常少的样本中，实验室试剂污染可能占所报告读数的高达45%。综述还指出，对于称之为阳性结果没有公认的读数阈值，单一的阈值改变可能会将边界样本从阳性翻转为阴性。
监管状况加剧了不确定性：在美国，大多数mNGS检测作为在CLIA下认证的实验室开发检测而非美国食品药物管理局批准的检测运行，该程序没有专门的保险计费代码，根据综述，超过23%的相关保险索赔被拒绝。
使用测序捕捉医院内的疫情爆发
一个相关应用是追踪感染在进入医院后如何传播，而不是诊断单个患者。在内布拉斯加大学医学中心，临床微生物学研究员Shawn Freed根据UNMC新闻室报告，正在使用长读长全基因组测序结合机器学习来比较从患者收集的细菌样本并及早标记潜在的疫情爆发。
Freed的团队对来自内布拉斯加医学中心住院超过两天的患者的40份革兰氏阴性菌分离株和15份耐万古霉素肠球菌样本进行了测序，然后进行系统发育分析以查看菌株之间的亲缘关系。UNMC报告指出，该团队选择长读长测序部分原因是它比短读长替代品更便宜且更能检测质粒——通常携带抗生素耐药基因的移动遗传元素。报告指出，医疗相关感染爆发在美国每年估计花费$45亿，通过延长住院时间和额外的抗生素治疗。
医院病床之外的早期预警
根据BBC Future的报道，Nagarajan在新加坡的实验室已经将相同的测序原理应用于污水和空气样本，以在新出现的病毒引起公认的疫情爆发之前查找它们，研究人员将这一用例描述为未来流行病可能的早期预警系统。
在诊断和监测用途中，受采访的研究人员将宏基因组学测序描述为对现有微生物学的补充工具，而不是全面替代，待进一步标准化阈值、获得监管许可和降低成本。
