三亩地 三亩地SAN MU DI · CODE DIARY
交流投稿
ARTICLE DETAIL

日记详情

真实记录编程学习的某一天，欢迎挑你感兴趣的翻一翻。

首页/学习日记/日记详情

高通量测序平台选型指南：从原理到实战应用

发布时间：2026/8/8 1:37:45 三亩地 编程学习日记
高通量测序平台选型指南：从原理到实战应用

1. 项目概述：为什么今天还要聊高通量测序？

如果你在生物信息学、分子生物学或者临床诊断领域工作，那么“高通量测序”这个词对你来说，可能熟悉得像空气一样。它早已不是实验室里需要仰望的“黑科技”，而是变成了日常研究的流水线工具。但正因为如此，很多人可能陷入了一种“会用就行”的误区——知道怎么送样、怎么跑流程、怎么看结果，但对于背后那套精密的“计算机系统”如何运作，以及不同“品牌电脑”（测序平台）之间到底该怎么选，往往一知半解。

这就像你会用电脑打字、上网，但未必清楚CPU、内存、硬盘是如何协同工作，也未必能说清在剪辑视频、玩大型游戏、还是日常办公时，该选Intel还是AMD，该配多大内存。高通量测序技术发展到今天，平台选择早已不是“哪个更先进”的单选题，而是“在什么场景下用哪个更合适”的策略题。一次错误的平台选择，可能导致数据质量不达标、目标区域覆盖不全，或者直接让本就紧张的科研经费打了水漂。

所以，这篇内容的目的不是复述教科书，而是从一个干了十多年湿实验和生信分析的“老司机”视角，帮你把高通量测序这台复杂机器的原理拆解明白，把主流平台的脾性摸清楚，最后落到实实在在的应用选择上。无论你是刚入门的研究生，还是需要优化实验方案的技术负责人，希望这些从实战中踩坑总结的经验，能让你在下次设计测序方案时，心里更有底。

2. 核心原理拆解：从“拍照”到“录像”的范式革命

要理解高通量测序，首先得忘掉Sanger测序那种“一个个读字母”的线性思维。高通量测序的本质是一场并行化和微型化的革命，其核心思想可以概括为：将DNA样本打碎成无数片段，同时让这些片段在一个平面上各自独立地进行合成反应，并通过光学或电化学信号实时监测并记录每一次碱基的添加，最后通过强大的计算机将海量的短序列“拼图”还原成完整的基因组图谱。

2.1 技术基石：边合成边测序

目前绝大多数主流高通量平台（如Illumina, MGI）都基于“边合成边测序”技术。你可以把它想象成一场规模浩大的DNA复制直播。

第一步：文库构建——把书拆成碎片并贴上标签。你的基因组是一本厚重的书。直接读太困难，所以先把它用物理或酶切的方法随机打断成数百万甚至数十亿个碎片（片段化）。然后，在这些碎片的两端加上特定的通用序列接头（Adapter）。这个接头至关重要，它有两个作用：一是让DNA碎片能“粘”到测序芯片（Flow Cell）的特定位置上；二是包含了后续PCR扩增和测序引物结合的位点。这个过程就是“建库”。建库质量直接决定了后续数据的均一性和覆盖度，是经常被新手忽略的关键环节。

实操心得：建库时DNA起始量、片段大小选择（例如，全基因组测序常选350bp，外显子组选200bp）和纯化步骤的严谨性，对数据质量的影响可能比测序仪本身更大。尤其要避免接头二聚体污染，它在电泳图上看起来像100bp左右的亮带，会严重占用测序通量，产出大量无用数据。

第二步：簇生成——让每个碎片独立“开枝散叶”。加了接头的DNA片段被加载到Flow Cell上。Flow Cell表面固定了与接头互补的寡核苷酸。DNA片段通过碱基互补配对被捕获。随后，通过桥式PCR进行固相扩增，每个单独的DNA片段都在其位置上被扩增出成百上千个完全相同的拷贝，形成一个“簇”。这个步骤的目的是将微弱的单个分子信号放大成一个足够强的、能被检测到的信号点。Illumina平台因此被称为“簇生成”技术。

第三步：循环测序——一场按快门直播的化学循环。这是核心的“读”书过程。以Illumina为例，测序仪依次向Flow Cell中流入带有不同荧光标记的A, T, C, G四种dNTP。这些dNTP是“可逆终止”的，每次循环只允许掺入一个碱基。掺入后，洗去未结合的dNTP，然后用激光激发荧光，通过高分辨率相机拍摄每个簇发出的荧光颜色，从而确定该位置掺入的是哪种碱基。拍完照，化学切割掉荧光基团和终止基团，恢复DNA链的延伸能力，进行下一轮循环。如此周而复始，通常进行75bp到300bp不等的循环，就读出了每个簇的序列。

第四步：数据产出与比对——把碎片拼回原书。测序仪记录下每个循环每个簇的荧光信号，通过基础识别软件将其转换为碱基序列文件（FASTQ格式），包含序列信息和对应的质量值。这些短读长序列（Reads）再通过比对软件（如BWA, Bowtie2）像拼图一样，比对到参考基因组上，或者在没有参考基因组时进行从头组装。

2.2 关键性能参数解读

理解原理后，你需要看懂平台的性能指标，这直接关系到实验设计。

  1. 读长：一次测序循环能读出的连续碱基数。Illumina主流是2x150bp双端测序。读长越长，对于跨越重复序列区域、进行基因组组装越有利。
  2. 通量：单次运行能产生的数据总量，通常以Gb或Tb为单位。例如，Illumina NovaSeq 6000单次运行最高可达6Tb。高通量是降低成本的关键。
  3. 准确度：测序结果的正确率，通常用Q值表示（Q30表示错误率为0.1%）。Illumina平台原始碱基准确度可达99.9%以上。
  4. 测序深度与覆盖度：深度指基因组上每个位置平均被测到的次数；覆盖度指基因组有多大比例的区域至少被覆盖一次。例如，30X深度的人类全基因组测序是金标准。深度不够可能导致变异检出率低，覆盖不均可能遗漏重要区域。

3. 主流平台深度对比：Illumina, MGI, PacBio与Oxford Nanopore

市场上不是只有Illumina，不同平台基于不同原理，各有胜负手。选择平台，就是选择不同的“武器”去解决不同的“战斗”。

3.1 Illumina：稳如泰山的“行业标准”

技术原理：如前所述，基于边合成边测序和可逆终止子化学，结合桥式PCR簇生成。核心优势：

  • 超高精度与成熟度：Q30以上占比高，错误率极低且主要是替换错误，技术体系、配套试剂、分析流程最为成熟稳定，是绝大多数科研和临床应用的“默认选择”。
  • 超高通量：NovaSeq系列提供了无与伦比的通量，特别适合需要海量样本的项目，如大型人群队列研究、微生物宏基因组。
  • 应用生态最全：从全基因组、外显子组、转录组到甲基化、ChIP-seq，几乎所有主流高通量测序应用都有针对Illumina平台优化的标准流程和已验证的试剂盒。实践应用场景：
  • 全基因组测序：尤其是人类WGS，需要高精度检测SNV、Indel。
  • 大规模重测序项目：如肿瘤panel筛查、病原微生物监测，追求高性价比和高一致性。
  • RNA-seq：基因表达定量分析的金标准平台。
  • 需要发表高水平论文的研究：其数据认可度最高。注意事项：
  • 读长限制：短读长在解析复杂结构变异、高度重复序列或进行高质量从头组装时能力有限。
  • GC偏好性：对GC含量异常高或低的区域，捕获和扩增效率可能不均一。
  • 成本：相对于国产平台，仪器和试剂成本较高。

3.2 MGI（华大智造）：高性价比的“强力挑战者”

技术原理：同样基于边合成边测序，但采用“联合探针锚定聚合”技术和“滚环扩增”生成DNA纳米球，在规则阵列上测序。核心优势：

  • 成本优势：这是MGI最突出的优势，使得在国内开展大规模测序项目的门槛显著降低。
  • 国产化与数据安全：对于有关注数据安全性和供应链自主可控的单位，这是一个重要考量。
  • 通量灵活：DNBSEQ-T7等机型也能提供很高的通量。实践应用场景：
  • 大规模群体基因组学项目：如农业育种、生态多样性调查，对成本极其敏感。
  • 常规监测与筛查：如无创产前检测、肿瘤早筛的落地应用。
  • 作为Illumina平台的补充或替代：在满足数据质量要求的前提下，优化项目预算。注意事项：
  • 生态系统：虽然发展迅速，但第三方分析工具和数据库的适配性、社区支持度相比Illumina仍有差距，可能需要更多的本地调试。
  • 技术细节差异：其错误模式、重复序列处理等与Illumina存在细微差别，在分析流程上不能完全照搬，需要针对性优化。

3.3 PacBio（SMRT）与Oxford Nanopore：长读长技术的“破局者”

这两者代表了另一条技术路线，核心价值在于超长读长。

PacBio（单分子实时测序）原理：利用零模波导孔将DNA聚合酶和待测模板固定，实时监测单个聚合酶在合成互补链时，不同碱基掺入所产生的独特光信号脉冲。Oxford Nanopore原理：让单链DNA分子穿过一个纳米孔，不同碱基通过时会引起孔内离子电流的 characteristic 变化，通过监测电流变化来推断碱基序列。核心优势：

  • 读长极长：PacBio HiFi读长可达10-25kb，准确率>99.9%；Nanopore读长理论上是无限的，已有超过4Mb读长的记录。这能直接跨越重复区域、完整测通基因，彻底解决短读长拼接的难题。
  • 直接表观检测：Nanopore能直接检测DNA碱基修饰（如5mC），PacBio也能通过动力学信号间接检测。
  • 实时性：Nanopore尤其突出，数据实时产出，可用于现场快速病原体鉴定。实践应用场景：
  • 基因组从头组装：动植物、微生物高质量参考基因组构建的必备工具。
  • 结构变异检测：精准检测大片段的缺失、重复、倒位、易位。
  • 全长转录本测序：直接获取mRNA从5‘帽到3’尾的全长序列，无需拼接，准确分析可变剪切、融合基因。
  • 宏基因组学：长读长有助于将复杂微生物群落中的基因归属到具体的物种基因组上。
  • 快速病原检测与分型：Nanopore设备便携，可用于边境检疫、疫情爆发现场溯源。注意事项：
  • 原始错误率高：Nanopore原始单读长错误率较高（~5%），需通过提高测序深度或特殊算法校正；PacBio的CLR模式错误率也较高，但其HiFi模式通过环形一致性测序已大幅提升精度。
  • 通量与成本：单位数据的成本仍高于短读长测序，高深度测序花费巨大。
  • 数据分析复杂：需要专门的长读长比对、组装和校正工具（如Minimap2, Canu, Flye），计算资源消耗大。

4. 实践应用选型指南：从需求反推技术方案

知道了原理和平台特点，最关键的一步是如何做选择。下面我结合几个典型场景，给出具体的选型思路。

4.1 场景一：人类遗传病研究与临床诊断

  • 核心需求：高精度、高可信度地检测点突变和小片段插入缺失。
  • 首选方案：Illumina短读长测序。
  • 方案解析：
    1. 外显子组测序：对于已知的孟德尔遗传病，WES性价比最高，覆盖了大部分致病区域。建议选择主流厂商的捕获试剂盒（如IDT xGen, Twist），测序深度建议在100X-150X以上，确保变异检出的敏感性。
    2. 全基因组测序：当WES阴性或怀疑非编码区、结构变异致病时，采用WGS。30X深度的标准WGS是趋势。Illumina平台超高的碱基准确度是临床报告可靠性的基石。
    3. 数据分析重点：使用GATK最佳实践流程进行变异检测，并严格遵循ACMG指南进行变异解读。必须配备Sanger测序进行验证。
  • 为什么不首选长读长？虽然长读长能检测结构变异，但当前成本过高，且临床验证体系、解读标准尚未像SNV/Indel那样完善，更适合作为疑难病例的补充手段。

4.2 场景二：动植物基因组从头组装

  • 核心需求：获得连续、完整、准确的染色体级别参考基因组。
  • 首选方案：“长短读长结合”的混合组装策略。
  • 方案解析：
    1. 基础数据层：使用Illumina或MGI平台产生高深度（例如100X）的短读长数据。这部分数据精度高，用于校正长读长的系统性错误，并填充组装后基因组的局部细节。
    2. 骨架构建层：使用PacBio HiFi或Oxford Nanopore Ultra-long读长数据。HiFi数据精度和读长平衡性好，是当前主流选择；Nanopore超长读长则能极大提升 scaffold 的连续性。这部分数据用于构建基因组的一级骨架，跨越重复区域，将 contig 连接成 scaffold。
    3. 染色体挂载：利用Hi-C技术数据，将 scaffold 进一步锚定和排序到染色体上。
    4. 实战流程：常用hifiasm(针对HiFi数据) 或nextDenovo/Flye(针对ONT数据) 进行长读长组装，然后用NextPolish等工具利用短读长数据进行抛光。最后使用Juicer+3D-DNA或ALLHiC进行Hi-C辅助挂载。
  • 避坑指南：DNA提取质量是长读长测序成功的生命线。务必使用高分子量DNA提取试剂盒，并通过脉冲场电泳或Qubit/片段分析仪严格质检，确保DNA长度大于目标读长的10倍以上。

4.3 场景三：肿瘤体细胞突变检测

  • 核心需求：在大量正常细胞背景中，检出低频的体细胞突变（如1%以下），并识别复杂的结构变异。
  • 推荐方案：深度靶向测序 + 低深度全基因组/全外显子组测序，结合转录组测序。
  • 方案解析：
    1. 低频突变检测：对于已知的驱动基因热点突变，使用基于Illumina的深度靶向panel测序（深度可达5000X-10000X），是检测低频突变的金标准。
    2. 探索性发现：对于寻找新的突变基因或分析突变频谱，可采用高深度（100X以上）的WES或中深度（30X-60X）的WGS。WGS能同时检测全基因组范围内的SNV、Indel和SV。
    3. 结构变异与融合基因：短读长WGS可以通过拆分读段等信号间接推断SV，但假阳性较高。长读长测序（PacBio或ONT）能直接、准确地观测到SV断点，是研究复杂基因组重排的有力工具。RNA-seq则是发现基因融合和异常表达的首选。
    4. 数据分析特殊性：需要配对样本（癌与癌旁）对照分析。使用MuTect2、VarScan2等专门设计用于识别体细胞突变的工具。对于ctDNA（液体活检）数据，由于DNA量少、片段化严重，对建库技术和生信分析去噪能力要求极高。

4.4 场景四：微生物宏基因组研究

  • 核心需求：全面解析复杂微生物群落的物种组成和功能基因。
  • 主流方案：Illumina短读长鸟枪法测序为主，长读长为辅。
  • 方案解析：
    1. 物种分类与功能注释：Illumina高通量、低成本的优势，非常适合对大量样本进行深度测序（如每样本10Gb数据），用于进行物种分类（使用Kraken2, MetaPhlAn）和功能注释（基于KEGG, COG等数据库）。
    2. 获取微生物基因组：单纯短读长很难将序列准确归属到具体菌株。此时，结合长读长技术至关重要。策略是：对样本进行深度Illumina测序的同时，对部分代表性样本或混合样本进行PacBio HiFi或ONT测序。利用长读长作为“骨架”，将短读长数据“挂载”上去，从而重建出大量中高质量的单菌基因组草图，这种方法称为“宏基因组组装基因组”（MAG）。
    3. 实战工具：metaSPAdes或MEGAHIT用于短读长宏基因组组装，Canu或Flye用于长读长组装，MetaWRAP等流程用于分箱（Binning）获取MAG。

5. 从样本到数据：全流程实操要点与避坑指南

设计好方案只是第一步，湿实验和数据分析中的细节决定成败。

5.1 湿实验关键控制点

  1. 样本质量是天花板：降解的DNA/RNA不可能产出好数据。DNA用Qubit和片段分析仪双质检，确保浓度足、片段分布符合预期。RNA的RIN值必须大于8（特别是用于RNA-seq）。
  2. 建库：宁严勿松：
    • 定量精准：建库起始量务必按照说明书推荐范围，过多过少都会影响文库复杂度。
    • 纯化彻底：每一步的磁珠纯化或柱纯化都要保证回收效率，彻底去除引物二聚体、接头自连产物。Agilent 2100或Fragment Analyzer的文库质检图谱一定要看，主峰清晰、二聚体峰（~100bp）几乎看不见才算合格。
    • PCR循环数：在保证文库产量的前提下，尽可能减少PCR循环数（通常不超过10个循环），以减少重复序列和偏好性。
  3. 上机前 pooling 均一化：对于多样本混样上机，必须用qPCR等方法对每个完成建库的样本进行精确定量，然后按等摩尔比混合。混合不均会导致部分样本数据量不足，而另一些样本数据过量，浪费通量。

5.2 生物信息分析核心流程与参数选择

以最常用的Illumina双端RNA-seq数据分析为例：

  1. 原始数据质控：使用FastQC检查序列质量、接头污染、GC含量等。重点关注每个循环的碱基质量下降趋势和是否存在接头序列（用Trim Galore!或cutadapt去除）。
  2. 序列比对：使用STAR或HISAT2将质控后的 reads 比对到参考基因组。STAR速度快、灵敏度高，是主流选择。关键参数：--outFilterMultimapNmax（控制多重比对reads的处理，通常设为1或10），--outSAMtype BAM SortedByCoordinate（直接输出排序好的BAM文件）。
  3. 基因定量：使用featureCounts（速度快，资源占用少）或HTSeq统计比对到每个基因上的 reads 数。这里要明确是使用“非链特异性”还是“链特异性”建库方式，参数设置错误会导致定量完全不准。
  4. 差异表达分析：在R环境中使用DESeq2或edgeR。它们都基于负二项分布模型，能很好地处理生物学重复和技术重复间的变异。核心是提供正确的实验设计矩阵。务必设置正确的contrast来提取你关心的组间比较结果。
  5. 功能富集分析：对差异表达基因，使用clusterProfiler进行GO、KEGG富集分析。注意校正p值（如FDR），并不要盲目相信p值最小的通路，要结合生物学意义进行解读。

常见问题排查：如果差异基因数异常少，检查：① 样本分组信息是否在表达矩阵和样本信息表中一致；② 建库是否使用了链特异性方式但分析时未设置；③ 生物学重复是否太少，组内变异是否过大。如果比对率异常低，检查：① 参考基因组版本与注释文件是否匹配；② 测序数据是否存在严重污染（如用FastQ Screen检查）。

6. 未来展望与个人体会

技术仍在快速迭代。PacBio的HiFi读长正在变得更长、更便宜；Oxford Nanopore的准确率在不断提升，其直接RNA测序和实时分析特性独树一帜；而Illumina也推出了长读长技术（如Complete Long Reads），试图补齐短板。同时，单细胞测序、空间转录组等技术与高通量测序的结合，正在打开生命科学研究的新维度。

从我这些年的实战经验来看，没有“最好”的平台，只有“最合适”的方案。一个成功的测序项目，始于一个清晰的科学问题，成于严谨的实验设计、规范的湿实验操作和扎实的生信分析。不要被眼花缭乱的技术参数迷惑，回归研究的本质：你想回答什么问题？你需要什么样的数据来回答？你的预算和周期允许你做什么？

最后分享一个小心得：永远不要完全相信“黑箱”流程。无论是商业化的分析服务还是自动化的流程脚本，一定要对关键步骤的中间结果（如质控报告、比对率、定量分布）进行检查。数据质量的问题发现得越早，补救的成本就越低。养成看日志、看统计图的习惯，这些往往是发现实验或分析潜在问题的第一道防线。测序是工具，而运用工具的人的思考和判断，才是产出可靠科学发现的核心。

编程学习 学习日记 实战经验
← 返回列表