纳米孔自适应测序通过Read Until功能能够在DNA分子穿过纳米孔时实时判断并选择性保留或排出目标分子，从而实现病原体富集或宿主背景去除。然而，现有的基于序列比对的方法计算量大、内存消耗高，难以在便携设备上运行；而基于深度学习的监督模型则需要使用特定物种的标注信号数据进行训练，一旦遇到未知病原体或测序芯片版本更新，模型就必须重新训练，极大限制了其泛化能力和实用性。因此，开发一种不依赖实验训练数据、能够仅凭参考基因组即可工作的通用分类方法，成为推动自适应测序技术广泛应用的关键。
为了解决这些问题，2026年6月3日，东北师范大学任子林，军事医学科学院倪铭合作在《自然·通讯》上发表了一项题为“Genome-guided generative adversarial learning enables nanopore adaptive sequencing”的研究。研究团队开发了一种名为GANBase的基因组引导无监督生成对抗学习框架，该框架完全不依赖真实的测序信号数据，仅使用参考基因组序列即可训练出高效的实时分类器，从而在多种场景下实现目标富集和宿主去除。
在本研究中，作者提出了GANBase的无监督学习框架。它的核心思路是只依赖参考基因组序列来训练，完全不需要真实的测序信号数据。这个框架包含一个生成器和一个判别器。生成器用LSTM网络模拟产生目标物种的DNA序列，判别器用Transformer编码器来判断输入的序列是来自真实参考基因组还是生成器伪造的。通过这种对抗训练，判别器学会了目标序列的分布特征。但这里有个难点，DNA序列是离散的，传统的GAN无法直接对离散输出做梯度回传。作者引入了基于蒙特卡洛树搜索的Rollout策略，让生成器在生成每个碱基时，通过模拟后续可能路径来估算奖励值，从而实现了对离散序列的有效训练。在实际使用中，用户只需要下载目标物种的参考基因组，就可以训练出对应的分类器。测序时，实时读取的电信号通过ONT官方的Basecaller（比如Bonito）转换成碱基序列，然后送入GANBase的判别器判断是否为目标。如果判断是宿主或非目标分子，就触发Read Until机制将其排出。
接下来看实验结果。作者首先在八种微生物组成的Zymo模拟菌群数据上验证了GANBase的富集能力。对每个物种单独训练一个二分类器，结果显示GANBase的ROC-AUC中位数超过0.7，召回率在82%到93%之间，与Minimap2没有显著差异，但速度快了大约30倍，每读仅需0.47毫秒。在人类宿主去除任务中，作者将GANBase与NanoDeep、SquiggleNet、DeepSelectNet三种监督学习模型进行了比较。用人类参考基因组训练的GANBase在准确率、精确率、特异性、速度和模拟富集比上全面优于其他方法。而且当把人类个体换成不同的来源（NA12878和NA24385），或者把病原体换成SARS-CoV-1、埃博拉病毒、噬菌体时，GANBase的ROC-AUC依然保持在88.9%以上，富集比接近理论最大值2。这说明它对个体差异和不同病原体都有很好的泛化能力。
作者还测试了非人类宿主，比如蚊子、小鼠、蜱虫、果蝇，分别针对寨卡病毒、鼠疫耶尔森菌、克里米亚-刚果出血热病毒等组合。虽然蜱虫数据集的分类AUC稍低，但特异性高达99.92%，富集比仍然达到1.56到1.96，说明能有效去除宿主背景。为了解释模型学到了什么，作者做了t-SNE可视化，发现目标和非目标序列在嵌入空间中被明显区分开。进一步的k-mer基序分析显示，被分类为人类的序列A/T比例约为59.9%，与实际人类基因组一致；而被分类为非人类的序列A/T比例约49.9%，也符合微生物基因组的特征，表明模型学到了有生物学意义的序列模式。
最关键的验证是真实的自适应测序实验。作者用混合了人类DNA和Zymo微生物DNA的样本，分别在R9.4.1和R10.4.1两种流控芯片上运行。在R9芯片上，先运行SquiggleNet三小时，然后同一张芯片上再运行GANBase三小时。尽管此时活性纳米孔已经减少了41%，GANBase仍然在所有三个混合比例下都取得了比SquiggleNet更高的富集比、召回率和精确率。在R10芯片上，差距进一步拉大：GANBase的富集比达到1.98到6.97倍，而SquiggleNet的富集比反而跌到1以下，即完全失效。这是因为SquiggleNet只在R9数据上训练过，无法适应R10的信号特征。而GANBase依靠参考基因组训练，并且使用了支持新芯片的Bonito basecaller，因此不受芯片版本限制。
READING
BioPeers
热门跟贴