Studien-CheckDesiree KaminskiAusgabe 2026
Humanbiomstudien

Reproduzierbarkeit Mikrobiom: Laborbias und Methodenkritik

16S-Sequenzierung zeigt Labor-abhängige Variabilität. Warum die MBQC-Studie enthüllt, dass identische Proben unterschiedliche Ergebnisse liefern können.

Von Desiree Kaminski · · Lesezeit: 6 Minuten

Zwei identische Glaskolben nebeneinander auf einem Labortisch.
Reproduzierbarkeit bleibt eine methodische Herausforderung für Labore. Illustration: KI-generiert

Man sollte diese Frage kennen, und man sollte verstehen, warum Reproduzierbarkeit in der Humanbiom-Forschung kein akademisches Problem ist, sondern ein klinisches.

Wenn zwei Labore die exakt gleiche Stuhlprobe sequenzieren, sollte dieselbe Zusammensetzung herauskommen. Das ist nicht immer der Fall. Diese Inkonsistenz ist nicht ein Kommunikationsproblem zwischen Laboren oder eine Frage unzureichender Standards. Sie ist strukturell.

Die Kernfrage: Was ist Reproduzierbarkeit in der Mikrobiom-Forschung?

Man unterscheidet zwei Konzepte, die oft verwechselt werden: Reproduzierbarkeit betrifft die Fähigkeit eines externen Forschers, die exakte Analyse eines veröffentlichten Datensatzes zu wiederholen und die gleichen Ergebnisse zu erhalten. Das ist meist trivial, wenn der Code verfügbar ist. Replikabilität ist die schwierigere Frage. Liefert ein anderes Labor, das die exakt gleiche Probe mit seinem Protokoll sequenziert, ähnliche Ergebnisse? Oder fallen die Unterschiede so substanziell aus, dass die biologischen Schlüsse wackeln? In der Humanbiom-Forschung ist Replikabilität das zentrale Problem.

Die MBQC-Studie: Das Kernstück der Evidenz

2017 veröffentlichte die Microbiome Quality Control (MBQC) Consortium in Nature Biotechnology ein Experiment mit demolierendem Ergebnis. Sie verteilten 22 identische Proben (davon 18 von menschlichen Spendern, 2 künstliche Mock Communities, 2 aus Bioreaktoren) an 15 Sequenzierungslabore und 9 Bioinformatik-Labs, alle blind bezüglich Probenetikett und Herkunft. Jedes Labor nutzte seine Standard-Protokolle.

Ein einzelnes Labor konnte mit seinem Protokoll konsistent zwischen den Proben unterscheiden: Median 87% Klassifikationsgenauigkeit. Das ist robust. Ein Klassifikator, trainiert auf Daten aus Labor A und angewendet auf die exakt gleichen Proben aus Labor B? Median 55% Genauigkeit – nicht besser als Münzwurf.

Das bedeutet konkret: Die Taxa, die Labor A als charakteristisch für eine Probe erkannte, verschwanden oder änderten ihre Häufigkeit fundamental in den Daten von Labor B, obwohl beide die identische Probe sequenzierten. Diese Studie wurde 2023 republiziert mit raffinierteren statistischen Methoden und bestätigte das Muster. 16S-Sequenzierung liefert keine verlässlichen quantitativen Vergleiche zwischen Laboratorien.

Die Quellen der Variabilität: Nicht zufällig, sondern systematisch

Die Variabilität kommt von mehreren überlagerten Ebenen.

Präanalytische Variabilität

Wie wird die Probe gesammelt? Stuhlprobe oder rektaler Abstrich? Sofortig gefroren oder bei Raumtemperatur gelagert? Wie lange? In welchem Konservierungsmittel? 48 Stunden Lagerung bei Raumtemperatur können zu Blooms aerober Bakterien führen, die in der gefrorenen Referenzprobe nicht vorhanden waren. Diese Taxa sind keine Artefakte im klassischen Sinne, sie waren in der Probe vorhanden, aber ihr Wachstum während der Lagerung verzerrt die Häufigkeitsschätzungen systematisch.

Verschiedene Konservierungsmittel (RNAlater, OMNIgene, Tris-EDTA, FTA-Karten, Ethanol) führen zu systematisch unterschiedlichen Diversitätsmessungen und Taxa-Häufigkeiten, selbst wenn die dahinterliegende Mikrobiota identisch ist.

DNA-Extraktions-Bias

Vier gängige Extraktionsprotokolle, angewendet auf die identische Mock Community, erzeugten messbare systematische Bias-Effektgrößen von 0,135 bis 0,194 in den geschätzten relativen Häufigkeiten. Der übergeordnete Bias-Effekt war p < 10⁻⁴. Das ist statistisch robust und biologisch substantiell. Die Variation zwischen Protokollen war geringer als der globale Bias, was bedeutet: Bias ist überall, nicht isoliert auf einzelne Kits.

Sequenzierungs- und Bioinformatik-Wahlen

Welche 16S-Region wird sequenziert (V1-V3, V3-V4, V4-V5, V6-V8)? Welche Primer? Wie werden Paired-End-Reads fusioniert (durch Overlap-Merging oder direkte Konkatenation)? Welche Datenbank für die Taxonomie (SILVA, RDP, Greengenes2)? Eine aktuelle Studie von 2025 verglich V1-V3-Region mit traditionellem Merging versus direkter Konkatenation an Mockdaten. Die Merging-Methode überestimierte Enterobacteriaceae um 95% relativ zu den erwarteten Häufigkeiten. Die Konkatenation lag näher an der Wahrheit. Aber beide sind immer noch systematisch verzerrt.

Verschiedene 16S-Regionen erkennen unterschiedliche Bakteriengruppen mit unterschiedlicher Genauigkeit. Die V3-V4-Region zeigt hohe Falschpositive für bestimmte Taxa; die V6-V8-Region ist robuster für andere Gruppen. Ein anderes Labor, das die gleiche Probe mit V4-V5 statt V1-V3 sequenziert, erhält ein anderes Ergebnis, nicht weil der Mikrobiologe fehlerhaft arbeitete, sondern weil die Region intrinsisch unterschiedliche Information trägt.

Analytische Flexibilität

In der Hochdimensionalität von Mikrobiom-Daten (Tausende Taxa, Hunderte Samples) gibt es hunderte vernünftige Entscheidungen: Schwellenwerte für Taxa-Filterung? Normalisierungsmethode? Welche Kovariaten ins Modell? Welche statistische Test-Familie? Welche Distanz-Metrik für Beta-Diversity? Wenn man über diese Wahlmöglichkeiten ein wenig flexibel ist (nicht p-hackt, sondern legitim verschiedene Ansätze probiert), kann man unterschiedliche „signifikante“ Assoziationen finden.

Die Reproduzierbarkeitskrise generell dokumentiert, dass etwa 92% der Replikationseffekte kleiner sind als die Original-Effekte. In der Mikrobiom-Forschung, wo diese analytische Flexibilität höher ist, ist dieser Effekt verstärkt.

Die Konsequenzen für Studienvergleiche

Wenn zwei Labore die gleiche klinische Frage untersuchen (sagen wir, Unterschiede in der Mikrobiota zwischen IBD-Patienten und Gesunden), werden sie wahrscheinlich unterschiedliche Lead-Taxa identifizieren, unterschiedliche Effektgrößen schätzen und möglicherweise widersprechende biologische Interpretationen ableiten. Das ist nicht Fehler. Das ist Messvariabilität, die so substanziell ist, dass sie klinische Schlüsse gefährdet.

Meta-Analysen verschärfen das Problem. Sie kombinieren Studien, die unter unterschiedlichen Protokollen laufen. Die resultierende gepoolte Effektgröße ist ein Kompromiss zwischen Labor-Bias-Mustern, möglicherweise näher an der Wahrheit, möglicherweise weiter entfernt.

Lösungsansätze: Standardisierung ohne Illusion

Es gibt keine Magic Bullet. Mehrere Maßnahmen können Schaden reduzieren. Großangelegte Konsortium-Ansätze wie HMP oder MGS-Kohorten mit zentraler Verarbeitung minimieren Labor-Variabilität, indem sie sie überhaupt nicht einführen. Wenn Samples über mehrere Labore oder Zeiträume gehen, sollten Batch-Effekte explizit modelliert werden. Jedes Experiment sollte eine bekannte Kontroll-Gemeinschaft mitführen, um Protokoll-Bias zu quantifizieren; das ist Standard in der Qualitätskontrolle technischer Messungen und sollte Standard in der Mikrobiom-Forschung sein.

Code und Rohdaten sollten geteilt werden, mit Sensitivity-Analysen durchgeführt werden: Wenn die Schlussfolgerung robust über mehrere plausible analytische Pfade ist, hat sie mehr Gewicht. Hypothesen und Analysepläne sollten vorab registriert werden, um analytische Flexibilität zu reduzieren. Und nicht zuletzt: Assoziationen sollten nicht in einem Sample gefunden und veröffentlicht werden. Ein unabhängiges Sample sollte genommen und die Assoziation getestet werden. Das ist Standard in Genetik und sollte Standard in der Mikrobiom-Forschung sein.

Die epistemische Lektion

Reproduzierbarkeit in der Humanbiom-Forschung ist ein klinisches Problem, getarnt als technisches Problem. Es sagt uns: 16S-Sequenzierung ist ein gutes Werkzeug, um relative Unterschiede innerhalb eines Labors zu entdecken. Aber die quantitativen Details (welche Taxa, in welchen Häufigkeiten) sind laborgebunden. Das bedeutet nicht, dass wir keine Mikrobiom-Forschung machen sollten. Es bedeutet, dass wir ehrlicher sein sollten über die Belastungsgrenzen unserer Messungen.

Eine Studie, die einen signifikanten Unterschied zwischen Gruppen findet, hat etwas echtes entdeckt. Aber die biologische Interpretation („Faecalibacterium ist der schützende Faktor“) wird fragil, wenn Lab B die Assoziation nicht repliziert oder sie wesentlich schwächer findet. Die Studien von Sinha et al. und aktuelle Arbeiten zur Konkatenations-Methodik zeigen: Wir können Protokoll-Bias reduzieren, aber nicht eliminieren. Das ist die Realität, mit der wir arbeiten müssen.

Referenzen

Pollock J, Glendinning L, Wisedahl T, Hutchison WM. Identifying biases and their potential solutions in human microbiome studies. Nature Reviews Gastroenterology & Hepatology, 2021. https://doi.org/10.1038/s41575-021-00422-6

Sinha R, Abu-Ali G, Vogtmann E, et al. Assessment of variation in microbial community amplicon sequencing by the Microbiome Quality Control (MBQC) Project Consortium. Nature Biotechnology, 2017. https://doi.org/10.1038/nbt.3981

Quinn TP, Crowley TM, Richardson MF. Benchmarking differential abundance analysis methods: Assessing their applicability to microbiome data. mSystems, 2018. https://doi.org/10.1128/mSystems.00062-18

Gevers D, Huyang F, Su J, et al. Refining microbiome diversity analysis by concatenating and integrating dual 16S rRNA amplicon reads. npj Biofilms and Microbiomes, 2025. https://doi.org/10.1038/s41522-025-00686-x

Dieser Beitrag dient der allgemeinen Information und ersetzt keine ärztliche Untersuchung, Diagnose oder Behandlung.

Weiterführend