Metagenomik: Wie moderne Sequenzierung das Mikrobiom entschlüsselt
Erfahren Sie, wie Metagenomik funktioniert, warum sie besser als 16S-Sequenzierung ist, und warum sie für Probiotika-Forschung unverzichtbar ist.
Von Thomas Wechsler
Pharmakologe ·

Wer von Darmmikrobiom-Forschung spricht, kommt unweigerlich an der Metagenomik vorbei. Lange war die 16S-rRNA-Sequenzierung der Standard – günstig, weit verbreitet, aber begrenzt. Sie zeigt uns, wer im Darm lebt. Metagenomik zeigt uns was diese Organismen können. Das ist ein fundamentaler Unterschied, und er bestimmt, was wir über Probiotika und Dysbiose wirklich verstehen können.
Was ist Metagenomik, und warum unterscheidet sie sich von 16S-Sequenzierung?
Die 16S-rRNA-Methode sequenziert ein einzelnes Markergen – ein Stück DNA, das bei Bakterien konserviert ist. Das funktioniert. Wir sehen Gattungen, manchmal Arten. Aber wir sehen nicht, was dieses Bakterium macht. Ein Bacteroides fragilis kann essentielle Polysaccharide synthetisieren oder eine antibiotische Resistenz tragen. Das wissen wir mit 16S nicht.
Metagenomik sequenziert das ganze Erbgut – alle DNA-Fragmente in einer Stichprobe. Shotgun-Metagenomik zerschießt die DNA buchstäblich zufällig in tausende Bruchstücke und sequenziert sie alle. Dann werden diese Bruchstücke wie ein Puzzle zusammengesetzt. Das Ergebnis: ein Bild der gesamten Funktionalität einer mikrobiellen Gemeinschaft.
Das ist nicht neu – es wird seit den 2000ern gemacht. Aber die Technologie ist reifer geworden. Die Kosten sinken. Und für spezifische Fragen – etwa wie ein probiotisches Präparat eine Dysbiose repariert – ist metagenomik zunehmend unverzichtbar.
Die Methoden: Shotgun, Amplikon, und Third-Generation Sequencing
Shotgun-Metagenomik (mNGS)
Shotgun ist die ungerichtete Methode. Alle DNA wird sequenziert: bakteriell, pilzlich, viral, sogar Fragmente des Wirts-DNA. Keine Vorauswahlbias durch PCR-Primer wie bei 16S.
Der Ablauf:
- Stuhltestprobe wird lysiert (zerstört), DNA extrahiert
- DNA wird fragmentiert (shearing) in ~150-bp-Stücke
- Diese Fragmente werden mit Millionen von anderen in Random-Shot-Mode sequenziert
- Die Sequenzen werden gegen Referenzdatenbanken wie NCBI RefSeq oder Integrated Reference Genomes (IRRG) abgeglichen
Vorteile:
- Keine Primer-Bias (16S zeigt uns nur, was ein universales Primer greift)
- Species- und sogar Strain-level Auflösung
- Funktionale Annotation möglich: HUMAnN-Pipeline erkennt metabolische Pathways, SCFA-Synthese, Antibiotikaresistenzgene
Nachteile:
- Teurer als 16S (Sequenzierungstiefe muss hoch sein, um seltene Spezies zu erfassen)
- Höherer Rechenaufwand
- Wirts-DNA kann >50% der Reads ausmachen – Verschwendung
Targeted NGS (tNGS)
Ein Kompromiss zwischen Ungerichtetheit und Kosten. Multiplex-PCR-Primer greifen hunderte bekannte Spezies, oder Hybridisierungssonden (Capture-basiert) greifen tausende Gene. Weniger Abfall, mehr Tiefe in den Zielregionen.
Für probiotische Stamm-Nachweise in Stuhlproben ist tNGS praktisch: man kann spezifisch nach L. rhamnosus GG, B. longum, oder Akkermansia suchen, mit erheblich höherer Sensibilität als 16S.
Third-Generation Sequencing (TGS): PacBio HiFi und Oxford Nanopore
Das Aufstrebende. Long-read Technologien sequenzieren DNA-Stücke von 10 bis 30+ Kilobasen auf einmal – ohne PCR-Amplifikation vorher. Das heißt weniger Bias, keine Zyklus-Fehler, und man kann ganze Operons in einem Read erfassen.
Oxford Nanopore erreicht mittlerweile >99,9% Genauigkeit und ist günstiger geworden. Das könnte die Metagenomik der nächsten Generation prägen, besonders für komplexe Mischungen wie probiotische Multi-Stamm-Formulierungen, bei denen Read-Länge entscheidend ist.
Die Bioinformatik-Pipeline: Von Reads zu Insights
Ein Metagenom-Datensatz ist nutzlos ohne Analyse. Hier die kritischen Schritte:
1. Qualitätskontrolle und Denoising
Raw-Reads werden gefiltert (Adapter entfernt, niedriger Qualität). DADA2-Algorithmen zerlegen dann weiteste Fehler: jede Sequenzvariante (ASV, Amplicon Sequence Variant) wird korrekt zugeordnet.
2. Taxonomische Klassifikation
Sequenzen werden gegen Datenbanken abgeglichen:
- Kraken2: schnell, viele Genome (GenBank + RefSeq)
- SILVA: bessere Taxonomie, aber größer
3. Funktionale Annotation
- HUMAnN (Human Microbiome Utility Nexus): identifiziert Gene und Metabolite Pathway-Abundanzen
- eggNOG: funktionale Kategorisierung nach COGs (Clusters of Orthologous Groups)
- AMRFinder: Antibiotikaresistenzgene
Hier entsteht das reale Bild: Wieviel Capacity hat die Mikrobiot zum Produzieren von Kurzkettigen Fettsäuren (SCFA)? Welche Stämme können Schleimzucker (Mucopolysaccharide) degradieren – eine Schlüsselfunktion für darmgesundheit?
4. Alpha und Beta Diversity
- Alpha: Vielfalt innerhalb der Probe (Shannon-Index)
- Beta: Unterschiede zwischen Proben (Bray-Curtis, Jaccard)
Die Statistik sagt, ob sich ein Dysbiose-Patientenmikrobiom von einem Kontrollen-Mikrobiom unterscheidet, und wie sehr.
Warum Metagenomik für Probiotika-Forschung kritisch ist
Nehmen Sie Akkermansia muciniphila. Eine 16S-Studie könnte sagen: „Akkermansia war niedriger, dann stieg sie nach probiotischer Intervention.“ Das ist nützlich. Aber mit Metagenomik erkennen wir:
- Welche Stämme von Akkermansia (verschiedene isolate haben unterschiedliche Virulenzfaktoren)
- Ob dieser Stamm die mukozidalen Proteasen hat, um tatsächlich Schleimzucker zu verarbeiten
- Welche anderen Stämme korreliert sind – sind es Butyrat-Produzenten? Das würde den SCFA-Boost erklären
Das ist der Unterschied zwischen Beobachtung und Verständnis.
Ein weiteres Beispiel: Antibiotikaresistenz-Gene (ARGs). Probiotika sollen die Darmflora „reparieren“ nach Antibiotikabehandlung – aber manchmal treten resistente Pathogene auf. Metagenomik zeigt, welche ARG-Pools vorhanden sind und auf welche Taxa verteilt. Das ist Sicherheitsdata, die mit 16S unmöglich zu sammeln sind.
Praktische Grenzen und Fallstricke
Metagenomik ist nicht perfekt:
Host-DNA-Kontamination: Wenn eine Stuhlprobe alte oder lockere Darmepithelzellen enthält, kann Host-DNA 50%+ der Reads sein. Das ist Geldverschwendung.
Sequenzierungstiefe: Seltene Spezies (1% der Mikrobiot) erfordern extrem tiefe Sequenzierung, um zuverlässig zu erfassen. Budget und Frage müssen aufeinander abgestimmt sein.
Referenz-Lücken: Viele Umwelt-Bakterien sind nicht in RefSeq sequenziert. Unbekannte Taxa bleiben „uncharakterisiert“.
Kausalität ist immer noch unsichtbar: Auch Metagenomik zeigt Assoziationen, nicht Kausalität. Ein probiotischer Stamm könnte Akkermansia steigern – aber ist das durch kompetitive Förderung, Metabolitengabe, oder einen dritten Stamm?
Die Zukunft: Integration mit Metabolomik und Transkriptomik
Metagenomik allein zeigt, was vorhanden ist und was es können könnte. Metabolomik zeigt, was tatsächlich produziert wird (Butyrat, propionat, Gallensäure-Metaboliten). Metatranskriptomik zeigt, welche Gene gerade aktiv sind.
Diese „Multi-Omics“-Ansätze sind zunehmend Standard in High-End-Probiotika-Studien, besonders für LBPs (Live Biotherapeutic Products), die regulatorisch strengere Funktionalitäts-Nachweise erfordern.
Führende Institute wie das Karolinska Institut, die Universität Zürich und das Max-Planck-Institut für Evolutionsbiologie kombinieren inzwischen Metagenomik + Metabolomik + In-vitro-Fermentations-Systeme zu einem integrativen Bild probiotischer Wirkmechanismen.
Fazit
Metagenomik ist kein Marketing-Tool und auch keine Universallösung. Sie ist eine Antwort auf eine spezifische Frage: Wie arbeitet diese mikrobielle Gemeinschaft tatsächlich? Für oberflächliche Diverse-Check-ups reicht 16S. Für seriöse Probiotika-Forschung – besonders für Mechanismus-Validierung und Sicherheits-Profiling – ist Metagenomik heute nicht mehr optional. Sie ist das Werkzeug, das zwischen Behauptung und Beweis unterscheidet.
Quellen
Sender R, Fuchs S, Milo R. (2016). Revised Estimates for the Number of Human and Bacteria Cells in the Body. PLOS Biology. https://doi.org/10.1371/journal.pbio.1002533
HMP Consortium. (2012). Structure, Function and Diversity of the Healthy Human Microbiome. Nature. https://doi.org/10.1038/nature11234
Thevaranjan N, Puchta A, Schulz C, et al. (2017). Age-Associated Microbial Dysbiosis Promotes Intestinal Permeability, Systemic Inflammation, and Macrophage Dysfunction. Cell Host & Microbe. https://doi.org/10.1016/j.chom.2017.03.002
Depommier C, Everard A, Druart C, et al. (2019). Supplementation with Akkermansia muciniphila in Overweight and Obese Human Volunteers: A Proof-of-Concept Exploratory Study. Nature Medicine. https://doi.org/10.1038/s41591-019-0495-2
Marotz C, Belda-Ferre P, Ali F, et al. (2023). Integrated Analysis of the Microbiota and Metabolites of Individuals at Different Risk for Prevalent Diseases. Scientific Reports. https://doi.org/10.1038/s41598-023-35966-z
Lynch JB, Alegado RA. (2017). How to Build a Microbiome. Current Biology. https://doi.org/10.1016/j.cub.2017.03.056
Dieser Artikel fasst Wissen allgemein verständlich zusammen und kann eine individuelle Beratung nicht ersetzen.
Weiterführend
Flüssige vs. verkapselte Probiotika: Stabilität zählt
Flüssige vs. verkapselte Probiotika kritisch eingeordnet: Stabilität, GI-Schutz, Freisetzung und regulatorische Qualität für LBP-Entwicklung verstehen.
T-Zellen und Probiotika: Immunzellen-Schulung im Darm
Wie T-Zellen und Probiotika zusammenwirken: Welche Bakterienstämme regulatorische T-Zellen modulieren und warum die meisten Probiotika nicht charakterisiert sind.
Chronische Entzündungen: Probiotika-Wirkung erklärt
Chronische Entzündungen gezielt behandeln: Wie Probiotika immunmodulatorisch wirken. Aktuelle Studienlage, Mechanismen und therapeutische Perspektiven.