マーカー遺伝子アンプリコンのワークフローは共有計算資源上で日常的に実行されているが、割り当てられる計算コア数、メモリ量、ウォールタイムは慣習によって決められており測定に基づいていない。本研究では、それらを測定するための手順を提示し、小児滲出性中耳炎コホート由来の9つの上気道サンプルに適用した。対象はQIIME 2の16S rRNAパイプラインにおける2つの主要段階、DADA2のデノイジングとNaive Bayesによる分類である。これら2つの段階は同じ入力を消費しない。すなわちデノイジングはすべての配列を読むが、分類はデノイジングを通過して生き残ったもののみを扱う。あるライブラリをシーケンス深度の27倍の範囲でサブサンプリングすると、デノイジングのウォールタイムは14.3倍に増加した一方で、分類は1%しか変わらず、最大メモリは変化しなかった（3.11 GiB）。アンプリコン配列バリアント（ASV）の豊富さは当該範囲で2.8倍に増加するため、この振る舞いは豊富さが飽和していることを意味しない。段階は固定の1回呼び出しコストに支配されている。ASVが5から70まで変化する体部位グラディエントにおいて、デノイジングは読取り数に従って増加した（指数0.75）が、分類は追随しなかった。5-ASVのエアフルージョンと70-ASVのアデノイドのコミュニティでは、コストはそれぞれ40.81 sと40.79 sでほぼ同じだった。1 ASVでは36.20 s、218 ASVでは37.27 sとなり、これらは97%が固定コストであった。スレッドレベルの並列化はほとんど有益ではなかった。デノイジングはスレッド数8付近で1.18xに達してから低下したが、分類はジョブ数が1を超える設定では常に遅くなり、CPUを40ジョブで10.5倍消費した。代表配列とその分類割当は、1スレッド、4スレッド、40スレッドで同一であり、したがって割り当てを縮小することが変えるのは解析結果ではなく、解析コストである。クエリ集合を10,000配列へ拡張すると、2つの明確な境界が見つかった。すなわち約5,000クエリまでは8ジョブが1ジョブを初めて上回り、固定コストと1クエリ当たりコストが等しくなるのは15,248である。これらはいずれも、測定した最も豊富な単一サンプルのおよそ2桁上に位置する。実務的には、デノイジングは読取り数でサイズ決定し、分類は使用する参照に対して一度だけ校正し、数千配列未満では分類に1ジョブを要求し、スループットはサンプルレベルの並列化から得るべきである。手順、データ、解析コードはパイプラインとともに公開されている。
https://doi.org/10.64898/2026.09.01.748377