PacBio HiFi vs Nanopore vs Illumina : Comment choisir la bonne plateforme de séquençage

Si vous avez déjà investi des centaines de gigabases dans un projet et que vous vous êtes retrouvé avec un assemblage fragmenté, des variants ambigus ou une pile de contigs dont vous n'êtes pas tout à fait sûr, vous n'êtes pas seul. Dans de nombreuses études de génomique et de métagénomique, le goulot d'étranglement n'est pas "plus de données" - c'est le choix du type de données qui correspond à la question biologique.

Ce guide compare PacBio HiFi, Oxford Nanopore (ONT) et Illumina de manière axée sur la décision. Au lieu de commencer par une longue histoire technique, nous nous concentrerons sur ce qui change réellement les résultats : les compromis entre la longueur des lectures et la précision, ce que montrent les études comparatives lorsque le même échantillon est séquencé sur différentes plateformes, et quelle plateforme (ou hybride) tend à l'emporter pour l'assemblage de métagénomes (MAGs), les variants structurels (SVs) et la transcriptomique.

01 Pourquoi le choix de la plateforme modifie vos résultats

Les plateformes de séquençage ne sont pas interchangeables. La plateforme influence :

• Dans quelle mesure les répétitions sont-elles résolues (et si les assemblages se rompent aux mêmes endroits tenaces).
• Quelle confiance pouvez-vous avoir dans les petites variantes (SNVs/indels) par rapport aux réarrangements plus importants (SVs) ?
• Que vous puissiez séparer des souches étroitement apparentées dans des métagénomes au lieu de les regrouper en un consensus.
• Que les isoformes soient reconstruites ou déduites indirectement.

Une bonne façon de cadrer le choix de la plateforme est de demander : Quelle erreur puis-je accepter ?

• Si vous avez principalement besoin d'appels de base très précis à grande échelle, Illumina semble souvent sans effort.
• Si vous avez besoin d'une continuité à long terme à travers des répétitions ou des régions complexes, les longues lectures sont importantes.
• Si vous avez besoin de longues lectures et de précision (par exemple, la métagénomique au niveau des souches, des assemblages de haute confiance, certaines applications de SV), HiFi a tendance à changer ce qui est possible.

Flux de décision pour choisir Illumina, ONT ou PacBio HiFi.

02 Illumina, ONT et HiFi : Trois plateformes, trois « personnalités »

Un modèle mental simple (et oui, c'est un peu métaphorique, mais c'est utile) :

• Illumina est comme un microscope: extrêmement précis, mais il voit le monde en petits carreaux.
• ONT est comme un drone: il peut voler à travers d'immenses paysages génomiques, mais les premières versions étaient "floues", et même aujourd'hui, la précision dépend fortement de la chimie et de l'appel de bases.
• PacBio HiFi est comme un architecte prudent: moins de pièces, mais plus longues que celles d'Illumina, et les pièces sont suffisamment précises pour s'emboîter correctement.

Tableau 1. Comparaison pratique (ce qui compte généralement dans les projets réels)

Les valeurs ci-dessous sont des plages typiques et varient en fonction de l'instrument, de la chimie, de la qualité de la bibliothèque et de la configuration de l'exécution. Utilisez-les comme orientation, et non comme spécifications fixes.

Si vous souhaitez un aperçu rapide des technologies de base, ces ressources de CD Genomics sont pratiques :

• Notions de base sur Illumina : Principes et flux de travail NGS d'Illumina
• Aperçu de PacBio : Séquençage SMRT de PacBio
• Aperçu des nanopores : Services et aperçu de séquençage par nanopores

03 Ce que montrent les études comparatives (même échantillon, résultats différents)

Les fiches techniques ne peuvent pas vous dire ce qui se passe lorsque les génomes sont désordonnés, que les communautés sont mélangées et que les répétitions sont omniprésentes. C'est pourquoi les études comparatives sont précieuses : elles montrent comment les caractéristiques des plateformes se traduisent en continuité, en exactitude et en interprétabilité des assemblages.

Différences de résultats à un niveau élevé lorsque le même échantillon est séquencé sur trois plateformes.

Une récente comparaison en métagénomique rend les compromis très concrets.

Dans une étude de 2025 axée sur les génomes assemblés à partir de métagénomes (MAGs), les auteurs ont comparé les assemblages produits à partir des mêmes échantillons en utilisant Illumina, ONT et PacBio HiFi, puis ont évalué la fidélité en utilisant des génomes isolés comme références (Deng et al.). L'idée principale n'est pas que "une plateforme gagne toujours" - c'est que chaque plateforme échoue. différemment:

• Illumina récupère souvent plus de MAGs, mais les assemblages peuvent être plus fragmentés, en particulier dans les répétitions et les régions partagées.
• ONT tend à améliorer la contiguïté par rapport aux lectures courtes, mais les erreurs au niveau des bases (selon la chimie/le séquençage/la correction) peuvent apparaître dans des loci conservés et compliquer les comparaisons détaillées.
• HiFi peut produire des MAGs à haute contiguïté et haute précision, y compris des cas approchant des génomes fermés/circulaires dans des situations favorables—car les longues lectures réduisent l'ambiguïté, et la haute précision réduit les "fausses différences".

Une façon utile d'interpréter cela est : Illumina excelle à collecter de nombreux fragments précis, ONT est excellent pour couvrir de longues distances, et HiFi est particulièrement bon pour faire les deux en même temps, avec un compromis entre coût et débit.

Pourquoi "court et parfait" peut encore s'assembler moins bien que "long et précis".

Il est tentant de supposer qu'Illumina devrait assembler le mieux parce que sa précision par base est si élevée. Mais dans les métagénomes ou les génomes riches en répétitions, la longueur des lectures devient le facteur décisif pour la justesse. Les courtes lectures ne peuvent souvent pas relier de manière univoque les répétitions ou attribuer des variantes étroitement liées à la souche/haplotype correct. Les longues lectures fournissent le contexte manquant, et la haute précision de HiFi aide à placer les variantes sans introduire de confusion due au bruit d'erreur.

Si la métagénomique est votre principal cas d'utilisation, une revue récente sur le rôle de HiFi dans la métagénomique offre une vue d'ensemble plus large des domaines où HiFi tend à améliorer la résolution (Han et al.).

04 Choisir par objectif de recherche (Métagénome, SV, Transcriptome)

Cette section est le "cœur de décision." Choisissez l'objectif qui correspond à votre projet et utilisez-le comme point de départ.

Ajustement de la plateforme par des objectifs de recherche communs en génomique et en métagénomique.

4.1 Métagénomique et assemblage de MAG (le "problème de fragmentation")

Si votre objectif est une large enquête—composition de la communauté, catalogues de gènes, profilage fonctionnel—Illumina est souvent la base la plus efficace. Vous obtenez un haut débit et une quantification fiable à grande échelle.

Mais si votre objectif évolue vers des MAGs de haute qualité, une résolution au niveau des souches ou des assemblages proches de la référence, les lectures courtes commencent à montrer leurs limites. C'est là que les lectures longues deviennent plus qu'un "atout appréciable".

Quand Illumina est souvent suffisant

• Un grand nombre d'échantillons
• Profilage communautaire, abondance différentielle, catalogues de gènes
• Études sensibles au budget où la contiguïté n'est pas le résultat principal.

Quand l'ONT brille

• Vous avez besoin de très longues étendues pour relier des répétitions ou des éléments mobiles.
• Vous souhaitez de la flexibilité et une itération rapide (et vous pouvez investir dans une stratégie de perfectionnement/de couverture).
• Vous explorez de nouveaux environnements et souhaitez obtenir rapidement un contexte à long terme.

Quand HiFi est le pari le plus sûr

• Vous vous souciez de la justesse de l'assemblage et de la continuité en même temps.
• Vous voulez des MAGs de haute confiance (moins de réassemblages, placement plus solide des variants).
• Vous souhaitez une meilleure récupération des gènes conservés et une génomique comparative plus claire.

Des stratégies hybrides qui fonctionnent souvent bien

• Illumina + HiFi : les lectures courtes soutiennent l'étendue et la quantification ; HiFi soutient une continuité précise.
• Illumina + ONT : lectures courtes pour le polissage/quantification ; ONT pour le scaffolding à longue portée et la structure.

En pratique, les conceptions hybrides concernent moins le "quel est le meilleur" et plus le "sur quoi voulez-vous dépenser votre budget : couverture, continuité ou exactitude ?"

4.2 Variants structurels (SV) et régions génomiques complexes

Les projets SV sont là où les différences de plateforme se manifestent rapidement, car les SV se trouvent souvent dans des répétitions, des duplications segmentaires ou des loci complexes que les lectures courtes ne peuvent pas traverser proprement.

Illumina est fort pour :

• Grandes cohortes où vous souhaitez un dépistage évolutif et rentable.
• Petites variantes et statistiques à l'échelle de la population
• Certains types de SV avec des algorithmes appropriés et une profondeur, mais avec des limitations dans des contextes répétitifs.

Les longues lectures (ONT/HiFi) sont particulièrement efficaces pour :

• Insertions, réarrangements complexes, événements médiés par des répétitions
• Interprétation des SV résolus par haplotype (phasage)
• Résolution plus directe des points d'arrêt et de la structure

Choisir entre ONT et HiFi pour un travail riche en SV.

• Si vous avez besoin de portées ultra-longues pour traverser des répétitions massives ou pour construire des assemblages extrêmement continus, ONT peut être convaincant.
• Si vous avez besoin d'appels à haute confiance avec moins d'ambiguïtés de base, HiFi simplifie souvent l'interprétation car il réduit le bruit induit par les erreurs dans les alignements et les signatures de variantes.

Si la découverte de SV est un objectif central de votre projet, le séquençage de l'ADN entier est souvent la voie la plus directe—voir Services de séquençage du génome entier.

4.3 Transcriptomique (isoformes vs quantification)

La transcriptomique est un domaine où le "choix de la plateforme" peut en réalité signifier "deux questions différentes".

• Si votre principal résultat est la quantification de l'expression génique à travers de nombreux échantillons, l'RNA-seq Illumina reste le cheval de bataille par défaut.
• Si votre sortie principale est la structure des isoformes, les motifs d'épissage, les transcrits complets ou l'architecture complexe des transcrits, les longues lectures deviennent beaucoup plus précieuses.

Illumina est généralement le meilleur pour :

• Expression différentielle à grande échelle
• Nombre élevé d'échantillons
• Quantification rentable et puissance statistique robuste

Les longs articles sont généralement les meilleurs pour :

• Isoformes de pleine longueur (réduisant la dépendance à l'inférence)
• Découverte de la structure des transcrits (nouveaux isoformes, épissage complexe)
• Certain questions de fusion ou d'ARN long où la continuité est importante.

Une approche très courante du "meilleur des deux mondes"
Utilisez Illumina pour la quantification et ajoutez une couche de lecture longue pour la structure des transcrits.PacBio Iso-Seq flux de travail de style ou séquençage d'ARN par nanopore).

05 Contraintes Pratiques Qui Décident Souvent Pour Vous

Parfois, la "meilleure" plateforme sur le papier n'est pas la meilleure plateforme pour votre échantillon ou la logistique de votre projetCes contraintes décident souvent du résultat plus que les fiches techniques.

Facteurs pratiques qui influencent couramment le choix de la plateforme.

Qualité de l'échantillon et de la molécule (en particulier pour les longues lectures)

Le succès des lectures longues dépend fortement de l'ADN de haute masse moléculaire (HMW) ou de l'ARN intact (pour certains flux de travail). Si votre ADN est déjà fragmenté, les objectifs de lectures ultra-longues peuvent s'effondrer rapidement. À l'inverse, un ADN HMW bien préparé peut rendre les stratégies ultra-longues ONT réalistes et améliorer également les performances des bibliothèques HiFi.

Conseils pratiques :

• Si vos échantillons sont limités, dégradés ou riches en inhibiteurs, les stratégies de séquençage à court terme peuvent être plus robustes.
• Si la continuité est essentielle, investissez tôt dans l'extraction/contrôle qualité et considérez cela comme faisant partie de la conception du séquençage, et non comme une "étape de préparation".

Échelle du projet et débit

Illumina est gagnant lorsque vous avez besoin de débit pour de nombreux échantillons. Les longues lectures peuvent également être évolutives, mais vous planifierez généralement différemment : moins d'échantillons avec une densité d'information plus élevée, ou un design hybride.

Demander :

• Avez-vous besoin de nombreux échantillons ou de la résolution maximale par échantillon ?
• Optimisez-vous pour la découverte (structure, assemblage) ou pour les statistiques (quantité à travers les cohortes) ?

Complexité de la bioinformatique (et combien vous souhaitez en gérer)

Toutes les plateformes nécessitent bioinformatiquemais les points de douleur diffèrent.

• Les pipelines Illumina sont matures et standardisés pour de nombreuses tâches.
• Les longues lectures introduisent souvent plus de choix : modèles de basecalling, stratégies de polissage, appelants de SV adaptés au type de lecture, paramètres d'assemblage et métriques de QC qui diffèrent.

Cela ne signifie pas que les lectures longues sont "difficiles" - cela signifie que vous devez prévoir du temps et de l'expertise pour la conception de l'analyse, pas seulement pour le séquençage.

Réalités budgétaires et temporelles

Les coûts et les délais dépendent des détails du projet, mais le schéma de décision tend à être stable :

• Illumina est généralement la plus rentable par base en termes de couverture.
• Le HiFi a tendance à coûter plus cher par base, mais peut réduire l'ambiguïté en aval et le retravail lorsque la précision et la continuité sont toutes deux requises.
• ONT peut être flexible et rapide à itérer, mais les meilleurs résultats nécessitent souvent une planification réfléchie pour garantir précision et finition.

06 Résumé : Une méthode simple pour décider

Si vous voulez une règle de décision courte qui fonctionne réellement :

1. Commencez par le résultat biologique qui vous tient le plus à cœur.
   Continuité d'assemblage ? Structure variant ? Architecture des isoformes ? Quantification à grande échelle ?
2. Décidez quelle erreur est inacceptable.
   Pouvez-vous tolérer la fragmentation ? Pouvez-vous tolérer le bruit de base ? Ou avez-vous besoin à la fois de continuité et de précision ?
3. Choisissez une seule plateforme si cela convient ; optez pour un hybride lorsque ce n'est pas le cas.
   L'hybride n'est pas excessif, c'est souvent la manière la plus propre d'obtenir à la fois une large portée et une résolution.

Un résumé en langage simple

• Illumina est la référence pour les lectures courtes à haut débit et haute précision, excellentes pour les grandes études et la quantification.
• ONT est l'option de lecture longue flexible, idéale pour couvrir de grandes structures et des besoins ultra-longs, avec une précision dépendant de la chimie, de l'appel de base et de la stratégie de polissage.
• PacBio HiFi est l'option de lecture longue qui met l'accent sur la précision—souvent le moyen le plus simple d'obtenir un contexte à longue portée sans en payer le prix en bruit d'erreur.

Si vous planifiez un projet et souhaitez une solution complète, CD Genomics peut prendre en charge le séquençage Illumina à lecture courte, PacBio SMRT/HiFi et Oxford Nanopore—ainsi que la bioinformatique pour l'assemblage, l'analyse des SV et transcriptomique (voir Séquençage SMRT de PacBio et Services de séquençage Oxford Nanopore).

07 FAQ

Qu'est-ce que le séquençage HiFi de PacBio ?
Le séquençage PacBio HiFi (haute fidélité) génère de longues lectures avec une très grande précision en lisant plusieurs fois la même molécule d'ADN et en construisant un consensus. Il est souvent choisi lorsque vous avez besoin d'un contexte à longue portée sans échanger cela contre des appels de bases bruyants.

Lequel est meilleur : PacBio HiFi ou Oxford Nanopore (ONT) ?
Aucun n'est universellement "meilleur"—cela dépend de ce dont vous avez le plus besoin. HiFi est un choix solide lorsque l'exactitude et des assemblages propres sont importants, tandis qu'ONT est attrayant lorsque des portées ultra-longues, la flexibilité ou des exécutions en temps réel sont des priorités.

Illumina est-elle toujours le meilleur choix pour la plupart des projets ?
Pour des études à grande échelle axées sur la quantification de l'expression, le dépistage de variants ou une couverture économique sur de nombreux échantillons, Illumina reste une référence pratique. La principale limitation se manifeste lorsque votre question clé dépend de la couverture des répétitions, de la résolution de structures complexes ou de la construction d'assemblages très contigus.

La séquençage Nanopore peut-il être aussi précis que celui d'Illumina ?
Dans de nombreux flux de travail, la précision de l'ONT peut être considérablement améliorée grâce à des chimies mises à jour, à un appel de bases et à un polissage, en particulier avec une couverture suffisante. La décision revient généralement à savoir si votre projet peut tolérer des motifs d'erreur spécifiques à la plateforme et les étapes supplémentaires nécessaires pour atteindre votre objectif de précision.

Ai-je besoin de longues lectures pour la métagénomique et l'assemblage de MAG ?
Si votre objectif est principalement le profilage de la communauté ou les catalogues de gènes à grande échelle, les lectures courtes sont souvent suffisantes. Les longues lectures deviennent beaucoup plus précieuses lorsque vous souhaitez des MAGs à plus haute continuité, une séparation plus claire des souches, ou une meilleure résolution à travers les répétitions et les éléments mobiles.

Quelle plateforme est la meilleure pour la détection des variants structurels (SV) ?
Les longues lectures rendent généralement la détection des SV plus directe car elles peuvent couvrir les points de rupture et les régions répétitives. HiFi est souvent privilégié lorsque vous souhaitez des alignements plus clairs et des appels de plus haute confiance, tandis que ONT peut être utile lorsque de très longues étendues sont le facteur décisif.

Ai-je besoin de séquençage à longues lectures pour la transcriptomique ?
Pas toujours. Si votre objectif principal est l'expression différentielle à travers de nombreux échantillons, le séquençage d'ARN à lecture courte est généralement l'approche la plus efficace ; si vous vous souciez des isoformes de pleine longueur, du splicing complexe ou de la découverte de la structure des transcrits, l'ajout de lectures longues peut être une meilleure option.

Devrais-je utiliser une stratégie hybride (Illumina + longues lectures) ?
Les conceptions hybrides sont souvent le moyen le plus simple d'obtenir à la fois une large portée et une résolution—des lectures courtes pour l'échelle et la quantification, des lectures longues pour la continuité et la structure. Cette approche est courante lorsque les assemblages, les variations structurelles (SV) ou les structures d'isoformes sont importantes, mais que les budgets doivent rester efficaces.

Combien d'ADN ai-je besoin pour le séquençage à long-reads ?
Les exigences d'entrée dépendent fortement du type de bibliothèque, de l'organisme et de si vous visez des lectures ultra-longues. En règle générale, le succès des lectures longues bénéficie d'ADN de haute masse moléculaire et d'un contrôle qualité rigoureux, il est donc judicieux de planifier l'extraction et la manipulation dans le cadre de la conception du séquençage.

Où puis-je commencer si je sais déjà que j'ai besoin de PacBio ou de Nanopore ?
Vous pouvez utiliser ces pages comme points d'entrée : Séquençage SMRT de PacBio et Services de séquençage Oxford Nanopore.

Références :

1. Deng, Feilong, et al. "La stratégie d'assemblage métagénomique basée sur HiFi offre une précision proche de la résolution du génome isolé dans l'assemblage de MAG." iMetaOmics, vol. 2, 2025, e70041.
2. Han, Yanhua, et al. "Déverrouiller le potentiel de la métagénomique avec la technologie de séquençage haute fidélité de PacBio." Micro-organismes, vol. 12, no. 12, 2024, p. 2482.
3. Logsdon, Glennis A., Mark Vollger, et Evan E. Eichler. "Séquençage du génome humain en lecture longue et ses applications." Nature Reviews Génétique, vol. 21, 2020, pp. 597–614.
4. Amarasinghe, Shanika L., et al. "Opportunités et défis dans l'analyse des données de séquençage à longues lectures." Biologie Génomique, vol. 21, 2020, article 30.
5. Cheng, Haoyu, et al. "Assemblage de novo résolu par haplotype utilisant des graphes d'assemblage phasés avec hifiasm." Méthodes de la Nature, vol. 18, 2021, pp. 170–175.
6. Feng, Xiaowen, et al. "Assemblage de métagénomes à partir de longues lectures de haute fidélité avec hifiasm-meta." Méthodes de la nature, vol. 19, 2022, pp. 671–674.
7. Kolmogorov, Mikhail, et al. "metaFlye : Assemblage de métagénomes à lecture longue évolutif utilisant des graphes de répétition." Méthodes de la nature, vol. 17, 2020, pp. 1103–1110.
8. Monzó, C., J. Liu et A. Conesa. "La transcriptomique à l'ère du séquençage à lecture longue." Nature Reviews Génétique, vol. 26, 2025, pp. 341–362.
9. Mousse, Erin L., et al. "Génomes bactériens complets et fermés à partir de microbiomes utilisant le séquençage Nanopore." Biotechnologie de la Nature, vol. 38, 2020, pp. 701–707.
10. Nurk, Sergey, et al. "Assemblage de chromosomes diploïdes de télomère à télomère avec Verkko." Biotechnologie de la nature, vol. 41, 2023, pp. 1474–1482.
11. Rang, Franka J., Wigard P. Kloosterman, et Jeroen de Ridder. "De la courbe à la paire de bases : Approches computationnelles pour améliorer la précision des lectures de séquençage par nanopore." Biologie Génomique, vol. 19, 2018, article 90.
12. Wenger, Adam M., et al. "Le séquençage long à consensus circulaire précis améliore la détection des variants et l'assemblage d'un génome humain." Biotechnologie de la nature, vol. 37, 2019, pp. 1155–1162.
13. Workman, Rachel E., et al. "Séquençage d'ARN natif par nanopore d'un transcriptome poly(A) humain." Méthodes de la nature, vol. 16, 2019, pp. 1297–1305.
14. Jain, Miten, et al. "Séquençage par nanopores et assemblage d'un génome humain avec des lectures ultra-longues." Biotechnologie de la nature, vol. 36, 2018, pp. 338–345.