Sequencing depth

How to interpret coverage and data sufficiency in Nanopore sequencing

Note

Public This page explains what sequencing depth means, how to estimate it, and how to interpret it in Nanopore workflows.

Definition

Sequencing depth 通常指的是某個 reference sequence 被 reads 覆蓋的程度。
最常見的概念是 coverage，也就是：

平均每個位置被讀到幾次

在最簡化的情況下，可用下列方式估算：

Coverage = Total bases sequenced / Reference size

例如：

  • total bases = 1 Gb
  • reference genome = 5 Mb

則理論平均 coverage 約為：

1,000,000,000 / 5,000,000 = 200×

但在實務上，sequencing depth 並不只是單一數值，還要考慮 coverage 是否均勻、是否集中在少數區域，以及是否真的支持要分析目的。

Why it matters

Sequencing depth 是判斷資料量是否足夠的重要指標之一。

它會影響：

  • pathogen detection sensitivity
  • alignment confidence
  • assembly completeness
  • variant calling reliability
  • 結果判讀的穩定性

如果 depth 太低，可能出現：

  • 目標 reads 太少
  • coverage 斷裂
  • 結果不穩定
  • 重複實驗時不一致

但 depth 很高，也不代表一定能直接得到高品質結論。
因為 depth 反映的是資料量，不是自動保證資料品質或特異性。

Basic concept

Sequencing depth 最常見有兩種理解方式：

1. Average depth

指整體平均覆蓋程度。

這是最常見、也最容易報告的數值，例如：

  • 10×
  • 30×
  • 100×

它適合做整體概念判斷，但無法告訴我們 coverage 是否均勻。

2. Coverage breadth

指 reference 中有多少比例真的被 reads 覆蓋到。

例如：

  • 10× average depth 但只覆蓋 20% genome
  • 10× average depth 且覆蓋 95% genome

這兩種情況的解讀就完全不同。

因此，在 Nanopore 分析中，average depth 與 coverage breadth 最好一起看。

How to interpret

In practice

在 Nanopore workflow 中，sequencing depth 的解讀要依分析目的而定。

For pathogen detection

如果目的是：

樣本中是否存在某個已知目標

那重點通常不是追求很高 depth，而是：

  • 是否有足夠 supporting reads
  • 是否有合理 alignment
  • 是否有一定 coverage support
  • 是否和 control / biological context 一致

這種情況下，低到中等 depth 也可能有意義。

For genome assembly

如果目的是 assembly，depth 通常更重要。

因為需要：

  • 足夠覆蓋整個 genome
  • 跨越複雜區域
  • 降低 gaps
  • 提高 consensus reliability

For variant calling

如果目的是 variant-level analysis，除了 depth 之外，還要特別注意：

  • base quality
  • alignment quality
  • local coverage consistency
  • strand bias / error pattern

What to compare with

Sequencing depth 不應單獨解讀，建議一起比較：

  • read count
  • total bases
  • Q score
  • read length / N50
  • mapping rate
  • coverage breadth
  • target-specific coverage pattern

例如：

  • 高 depth 但只集中在少數區域 → 證據有限
  • 中等 depth 且 coverage 分布合理 → 可能比單純高 depth 更有意義
  • total bases 很高，但多數為 host DNA → target depth 仍可能不足

Typical ranges

不同分析目的對 depth 的需求不同，下表只是通用概念，不是固定標準。

Application General depth concept
Presence / screening 低到中等 depth 也可能有用
Metagenomics highly variable
Reference-guided validation 通常希望有可解讀 coverage
Assembly 通常需要較高 depth
Variant calling 通常需要較高且較穩定的局部 depth

重點不是套用某個固定數字，而是：

資料深度是否足以支撐想回答的問題

Nanopore-specific considerations

Nanopore 的 sequencing depth 解讀和 short-read 不太一樣，因為它有幾個特性：

  • read length 較長
  • coverage 可能不均勻
  • per-read error rate 較高
  • host background 常影響 target depth

因此，在 Nanopore workflow 中，depth interpretation 通常要同時考慮：

  • quality
  • alignment
  • read distribution
  • biological context

也就是說：

同樣是 10×，在不同 Nanopore dataset 裡，意義可能差很多

Common pitfalls

Warning

Sequencing depth 很常被誤當成「越高越好」的單一指標。

  • 把平均 depth 當成完整證據
  • 忽略 coverage breadth
  • 不看 target-specific depth，只看 total bases
  • 把高 depth 直接等同於高可信度
  • 不同分析目的使用同一套 depth 標準
  • 忽略 host DNA 對有效 depth 的影響

Common tools

Sequencing depth 通常需要 reference-based analysis 才能真正計算或視覺化。

常見工具包括：

  • samtools depth
  • mosdepth
  • bedtools genomecov
  • alignment summary tools
  • IGV（視覺化 coverage 時很常用）

Example commands

Using samtools depth

samtools depth aligned_reads.bam > depth.txt

Calculate average depth from depth file

awk '{sum+=$3} END {print sum/NR}' depth.txt

Using mosdepth

mosdepth sample aligned_reads.bam

Practical mindset

Sequencing depth 可以分成三層來看：

Layer 1：有多少資料？

  • total bases
  • mapped reads

Layer 2：有多少 target coverage？

  • average depth
  • breadth of coverage

Layer 3：這些 coverage 有沒有意義？

  • 是否均勻
  • 是否集中在合理區域
  • 是否與 biological context 一致

真正重要的不是單一 coverage 數字，而是：

這些 reads 是否足以支持對目標的解讀

Quick takeaway

Tip

Sequencing depth 是資料量與覆蓋程度的核心指標，但不是品質保證。
在 Nanopore workflow 中，最好把 depth 和 coverage breadth、Q score、read length、alignment quality 與 target context 一起解讀。