改變了什麼

定序技術 · AI 人工智慧 · 效能評測 · 基因體學 · 比較2023 年 5 月至 2026 年 5 月的模型 · 紀錄至 2026 年 9 月

• 0v6.0.0 世代的 DNA SUP 模型數量——RNA 則有一個
• ~43%sup@v5.2.0 比 hac@v6.0.0 少的讀段錯誤，五個細菌基因體
• 13/13帶 dnd 或 dpd 修飾系統、以 HAC v6 組裝後出錯的菌株，一項 294 株的研究
• ~1 QOxford Nanopore 表示 sup@v5.0.0 高估自身品質分數的幅度
• 2.7–5.7×同一批資料、同一次執行中，SUP 比 HAC 多花的時間倍數

改了什麼，每項改變有多確定 先列確定程度；各列依確定程度分組，不交錯

時序

發生的先後 模型版本依 Dorado 自己的發布說明標日期，量測依發表日期；舊 R9.4.1 孔道用的 v3.x 模型不在本文任何比較之內，也不標日期

1. 2023 年 5 月 18 日Dorado 0.3.0 推出適用於 5 kHz 資料的 v4.2.0 模型。
2. 2023 年 10 月 24 日Ryan Wick 在九個細菌基因體上測試 v4.2.0 的 fast、HAC、SUP 模型，以及一個針對天然細菌 DNA 微調的研究模型；研究模型略勝 SUP。
3. 2023 年 12 月 5 日Dorado 0.5.0 推出 v4.3。12 月 18 日，Wick 測得 SUP 讀段中位數由 Q18.5 升至 Q20.5，九個基因體的組裝錯誤由 173 降到 37；他也轉述，研究模型的細菌訓練資料已併入。
4. 2024 年 5 月 21 日Dorado 0.7.0 推出 v5：SUP 由 LSTM 改為 Transformer，HAC 仍為 LSTM。Oxford Nanopore 在 London Calling 大會宣稱 v5 SUP 達 Q26、99.75%。
5. 2025 年 1 月 21 日Dorado 0.9.1 加快鹼基判讀。某實驗室用 SUP v5.0 重新判讀一次定序資料，時間由 46.3 小時降到 18.7 小時。
6. 2025 年 5 月 21 日Dorado 1.0.0 推出 v5.2：HAC 由五層 LSTM 增為七層；SUP 架構不變，只換權重。R9.4.1、4 kHz 與 RNA002 模型以及 Fast5 輸入一併移除。
7. 2025 年 5 月 27 日Wick：HAC 讀段錯誤少約 15%，組裝錯誤中位數少 65%；SUP 讀段大致不變。
8. 2025 年 6 月 13 日Prior 等人發表於《臨床微生物學期刊》：在 80 株菌株上，SUP v5.0 讓 cgMLST 分型接近 Illumina，而 v4.3 有時仍不足。
9. 2026 年 1 月 27 日至 2 月 26 日一位使用者在 Dorado 的議題追蹤區回報，同一批讀段在 sup@v5.2.0 下分數較低。2 月 16 日 Oxford Nanopore 回覆：v5.0.0 高估分數約 1 個 Q 值。
10. 2026 年 3 月 18 日Oxford Nanopore 部落格說明 Transformer 架構的 SUP，並表示它維持了 LSTM 的推論運算預算。
11. 2026 年 3 月 24 日Biggel 等人發布預印本，以 294 株食源性病原菌測試 SUP v5.2。
12. 2026 年 5 月 20 日Dorado 2.0.0 推出 v6.0：DNA 只有採用自訂遞迴層的 HAC 模型，沒有 SUP。Oxford Nanopore 機器學習副總裁 Mike Vella 在 London Calling 大會上說：「重要的是，這次我們不推出 sup 模型……我們認為這個模型已經夠好，不再需要 sup 等級。」
13. 2026 年 6 月 11 日Wick：hac@v6.0.0 讀段錯誤比 hac@v5.2.0 少約 19%，但 sup@v5.2.0 仍領先約 43%；有一個克雷伯氏菌基因體以 v6 組裝時每次約有 100 個錯誤。
14. 2026 年 6 月 19 日Wick 對組裝結果進行修正：差距縮小但未消除。Vella 向他提出，克雷伯氏菌的錯誤可能來自訓練資料中沒有的硫代磷酸骨架修飾。
15. 2026 年 7 月 6 日預印本第二版加入 HAC v6：帶 dnd 或 dpd DNA 修飾系統的 13 株，每一株的組裝都高度不準確。
16. 2026 年 7 月 8 至 9 日Wick 的甲基化測試發現，沒有任何模型在每項指標都最佳。隔天他把克雷伯氏菌的錯誤歸因於 dpd 系統造成的 7-去氮鳥嘌呤修飾，並引用 Biggel 的預印本。
17. 2026 年 7 月 13 日Dorado 2.1.0 加快 v6.0.0 HAC 在 Blackwell GPU 上的速度，以及 v5.0.0 以後的 SUP 處理短讀段的速度。
18. 2026 年 7 月 15 日Kulkarni 等人發表於《自然通訊》：研究 CpG 甲基化時，較舊的 v4 模型仍是可靠的選擇；其他修飾則是較新的模型較好。

論點

關於同一個模型的兩種主張 Oxford Nanopore 支持 HAC v6，Ryan Wick 反對放棄 SUP；兩者皆已公開發表，這裡都具名呈現

• 主張一

  Oxford Nanopore：HAC v6 讓 SUP 不再必要

  • 自訂遞迴層讓模型大小接近舊 HAC：9,808,240 個參數對 8,790,768 個。
  • 宣稱：修正後的細菌組裝可與 SUP v5.2 相當，修正後組裝高於 Q60。
  • 宣稱：短串聯重複的判讀更好，修飾鹼基判讀是 Oxford Nanopore 歷來最準確的。

• 主張二

  Wick：在細菌上，SUP 仍是較好的模型

  • 讀段準確度中位數：sup@v5.2.0 為 Q20.6，hac@v6.0.0 為 Q18.1。
  • 每次組裝錯誤中位數 4 對 11，修正也無法消除差距。
  • 甲基化：沒有模型在每項指標都最佳；某些 5mC 分析可能以 hac@v5.2.0 為宜。

• 共識

  雙方都不爭執的部分

  • hac@v6.0.0 是至今最準確的 HAC 模型，在 Wick 的執行中也比 hac@v5.2.0 略快。
  • SUP 的運算成本是 HAC 的數倍；HAC 是能跟上滿載 PromethION 的等級。
  • 雙方都沒有說明 DNA 的 SUP v6 是否會推出。

補充

量測結果並列 每一列是單篇文章內的比較；各篇使用的 Dorado 版本與定序深度不同，因此各列不可串接

• 品質分數

  分數較低不等於讀段較差

  同一批 27,751 條讀段，判讀兩次

  • 在 sup@v5.2.0 下，通過 Q20 的讀段比 sup@v5.0.0 少 62.5%，通過 Q15 的少 17.8%；長度與鹼基數幾乎不變。
  • Oxford Nanopore 的回答：v5.0.0 的分數比讀段真實準確度高約 1 個 Q 值，v5.2 修正了校準。
  • 以比對量測，兩版 SUP 的讀段準確度沒有變化，與這個回答相符。

• 特殊修飾

  HAC v6 沒學過的東西

  294 株，十種食源性病原菌

  • 帶 dnd（硫代磷酸化）或 dpd（7-去氮鳥嘌呤）系統的菌株：13 株在 HAC v6 下全數出錯，等位基因不符 24 到 314 個，中位數 78。
  • SUP v5.2 也非完全不受影響：它在四株帶 dnd 系統的沙門氏菌 Kentucky 血清型上出錯，等位基因不符 20 到 68 個。
  • 在公開基因體中，67 種病原菌有 44 種出現 dnd；dpd 在數種克雷伯氏菌、大腸桿菌屬與腸桿菌屬中最高約占 8%。

• 甲基化

  修飾鹼基不照版本順序

  細菌、植物、小鼠與人類資料

  • CpG 甲基化以較舊的 v4 5mCG 模型最可靠；v5.2 的 5mCG 模型會漏掉周圍有其他 CG 的甲基化 CpG。
  • 較新的 v5 模型在 CpG 以外的 5mC、4mC 與 6mA 上明顯較好。
  • CpG 方面 HAC 表現幾乎與 SUP 相同；6mA 與 4mC 則 SUP 一貫較好。

值不值得

哪個模型適合哪種需求 模型比較的結論是適配，不是冠軍：每張卡片說明適合誰、最擅長什麼、代價是什麼

• sup@v5.2.0

  適合細菌組裝與分型，只要 GPU 撐得住

  • 在本文每一項獨立細菌測試中表現最佳：讀段、組裝與修正後組裝。
  • 在 50 倍覆蓋度下，294 株食源性病原菌中有 97.3% 的 cgMLST 圖譜幾乎相同。
  • 代價：判讀時間是 HAC 的 2.7 到 5.7 倍——而且在某些帶 dnd 系統的基因體上仍會出錯。

• hac@v6.0.0

  適合大量、受運算限制與即時的工作

  • 讀段錯誤比 hac@v5.2.0 少約 19%，速度還略快。
  • Oxford Nanopore 建議多數使用者採用的等級，也是能跟上滿載 PromethION 的等級。
  • 代價：在帶 dnd 或 dpd 系統的基因體上會出錯——某項研究中 13 株全數出錯。alpaqa 這類不需參考序列的檢查工具可標出受影響的組裝。

• v4 5mCG 模型

  適合 CpG 甲基化

  • 在一項涵蓋細菌、植物、小鼠與人類的獨立基準測試中，是 CpG 位點最可靠的模型。
  • CpG 方面 HAC 表現幾乎與 SUP 相同，較便宜的等級就夠用。
  • 代價：修飾鹼基模型與其對應的鹼基判讀模型綁定，選擇它就等於讓 CpG 判讀搭配 v4 的鹼基判讀。

• v5 修飾模型

  適合 6mA、4mC 與 CpG 以外的 5mC

  • 在這些修飾上明顯優於 v4 模型。
  • 6mA 與 4mC 方面，SUP 一貫優於 HAC。
  • 代價：在細菌上，沒有任何 v5.2 或 v6 模型在每項指標都最佳；某些 5mC 分析中 hac@v5.2.0 的召回率最好。

• 換模型後，重新檢視任何品質分數篩選。同一批讀段中，sup@v5.2.0 超過 Q20 的讀段比 sup@v5.0.0 少 62.5%——這是重新校準，不是準確度下降。要看比對準確度，而不是分數。
• 換用新模型前，先用自己的資料測試。有一版 SUP 在讀段層級毫無進步，最新的 HAC 則會在一整類基因體上出錯。
• 細菌組裝請用細菌模型修正。在 Wick 的測試中，較舊的堆疊式細菌模型讓 147 個組裝中 6 個變差，兩種讀段層級模型則分別是 22 個與 14 個，而且它改善得最多。
• 比較研究時限於同一種孔道。每個模型只針對一種定序條件訓練，R9.4.1 資料需要 R9.4.1 模型——而 Dorado 0.9.6 是最後一個還提供這些模型的版本。