感染病分子診斷中，PCR是公認的首選技術。然而全基因組測序（WGS）可能會超越PCR成為首選。在今年舉行的歐洲臨床微生物學和感染病大會（ECCMID）上，關于該技術的科學研究展示數量迅速增長，正好證明了這一點。
大會上研究人員從多個方面探討了WGS在臨床中的應用，包括幫助預測耐藥性，促進流感疫苗研發并對個體患者的流感嚴重性提出新假說，診斷和建立肺結核耐藥性資料等。
利用WGS預測耐藥性
來自亞特蘭大埃默里大學的Tim Read在報告中談到，他們課題組在研究將WGS作為一種常規臨床工具，用于抗生素耐藥性檢測。
Read表示，分子方法例如核苷酸擴增檢測出現之前，費時費力的細菌培養方法一直是抗生素耐藥性分析的主要技術。分子檢測快速、靈敏，而且適用于培養樣本和臨床樣本，但是也常常存在特異性問題，只能提供有限的信息。
而WGS是無偏差的、全面的且可歸檔的。WGS能夠分析一個生物體99%的基因組成，且容易存儲數據并在需要時回頭查看。一次基因組測序可以替代多種基因檢測，例如毒素檢測、耐藥性檢測和基因分型。WGS還能檢測到一些我們沒有關注的東西。
Read和他在埃默里大學的同事們一直在研究把WGS作為一種常規工具，檢測萬古霉素中介金黃色葡萄球菌（VISA），VISA是復雜的耐藥菌的一個代表，它是由于長期萬古霉素治療引起的細菌進化，包含了多個染色體突變。
具體地說，研究人員一直在嘗試對與基因型匹配的菌株進行測序，并進行全基因組關聯分析（GWAS），以研發VISA的基因組預測軟件。他們假設，因為VISA表型非常罕見，引發這些表型的突變肯定在金黃色葡萄球菌中也是罕見的。
在研究中，他們主要關注候選耐藥性基因，并利用當時可用的公共數據庫中3,277個金黃色葡萄球菌基因組。為了建立分類工具，他們使用了翔實表型中的已知突變和罕見突變，專注于26個候選SNP，然后把分類工具應用到一組含有28個菌株的測試組中，預測VISA的準確率達到89%。
Read說，為了提高檢測的準確度，整個團隊現在需要對足夠多的實驗室分離突變株進行測序，充分覆蓋最常見的非同義突變。他說，“我們真的必須盡可能多的進行測序，而且現在測序也變得更便宜了。”
Read總結說，鑒于有競爭力的技術平臺和監管機構的支持，常規臨床菌株基因組測序有可能成為臨床微生物學的研究主力。他說，“我們將會進行更多研究，例如特殊抗生素耐藥性預測和大型菌株集的分類工具開發。利用基因組數據已經可以高精度地識別多種抗生素耐藥性表型，很多人將全力以赴地創建預測工具。最終我們可能僅利用基于測序的檢測就能夠預測某種抗生素耐藥性的表型。”
然而，Read承認，WGS目前還無法被廣泛地應用到這方面，直到它達到現有分子檢測例如PCR檢測的一系列參數指標。具體來說，它必須便宜（每個基因組測序10美元）、快速（周期不超過一小時）、靈活（一次可運行一個或數百個基因組測序）以及精確（這一點已經被證明）。
到目前為止，測序平臺，例如PacBio RSII、Illumina MiSeq以及Oxford Nanopore MinIon，都展現出了極大的應用前景，但是這些還不夠。Read說，“你可以不同意這種說法，但這些技術目前確實無法滿足臨床實驗室日常使用的需求。”
他補充道，“我們還需要考慮如何管理所有數據。即使普遍的觀點是，我們都要淹沒在海量的數據中了，但在我看來，我們擁有的數據還不夠。”
利用WGS對抗流感
在另一個報告中，英國公共衛生部門（PHE）參考微生物學主任Maria Zambon討論了WGS是如何成為了一種非常有用的工具，除了可以進行流感分子流行病學分析，還可以用來研發流感病毒疫苗。
Zambon說，過去30年她一直在研究流感，病毒檢測工具發生了巨大改變，從低靈敏度的熒光檢測發展為金標準的qPCR，如今又有了WGS分析，金標準的qPCR或將被WGS取代。她表示，這將改變病毒學檢測的工作流程。以前，大多數實驗室都是用實驗室培養的方法，90年代至2005年期間演變成PCR和培養結合的方法；從2005年到2014年，分析方法演變成了先進行PCR檢測，部分再進行WGS分析；2014年以后，WGS分析開始應用于所有PCR陽性樣本檢測，然后再挑選變異株進行培養。
她預測，大部分實驗室最終將會把WGS分析作為首選，從測序中檢測差異性足夠大的變異，培養這些病毒。
她在PHE的實驗室已經采用基于Sanger的WGS分析技術好幾年了，并且證明了這種方法在一些典型的流感爆發中非常有用。首先，在2003年和2004年出現了一波致死的兒童流感病例，PHE用WGS技術對這些病例進行分析，發現了一些驚人的信息。例如，病毒分布在所有的遺傳譜系中，致死病例與輕微的對照病例的基因相似，而且沒有基因變異與致死結果完全相關。
PHE還利用WGS對英國分別發生在2009年和2010年的兩次流行性感冒進行分析，發現這兩次的流感致死病例并沒有任何遺傳差異。
這兩個結果和其他類似的WGS研究使她們得出下列結論，患者特異的遺傳因素決定了疾病的易感性，這個發現也成為了未來研究中的一個重要領域。
Zambon說，她的實驗室目前正在由基于Sanger的WGS向NGS技術轉變。“使用Sanger測序，基因組的覆蓋率相對較低，而NGS測序的覆蓋度高，但去同步化是錯誤的主要來源。在很多方面，NGS流程的搭建與Sanger并沒有太大不同。”
Zambon還談論了市場上用于WGS的所有主要NGS平臺，她認為，不同的測序平臺會有不同的系統誤差，這些誤差來源于使用的化學試劑。“我們期望有一種具有長讀長和低錯誤率的測序系統。一旦達到這些要求后，就沒有更好和更差技術之分。我們需要更加關注一些特殊的應用。”
目前她的實驗室正在使用WGS數據為疫苗推薦提供相關信息，因為她們注意到，除了典型的抗原分析，它還可以提供另一種有用信息。她說，“如果想快速地進行血凝素測序分析或全基因組測序分析，需要創建有效的工作流程，并且確保能夠得到信息構建完整的數據庫。”
Zambon說，對于這種應用，WGS已經開始體現它的價值了，但是同時也存在著一些挑戰。例如，在2014/2015年的流感季，抗原分析表明，當季的疫苗與流感病株非常匹配，但結果證明這些疫苗的有效性非常低。WGS顯示，表型和基因數據間存在錯配情況。
她認為，“利用WGS，我們可以得到更加全面的信息，事實上我們也開始把關注的焦點由單個基因片段轉向全基因組，但是要實現這種模式的轉變仍然存在一些挑戰，其中一點就是，我們必須將表型和基因組數據關聯起來。我們已經開始采用一種無偏差的分析方法，但是數據仍然是一個瓶頸。”