1. 长读长测序技术选型与数据特性

串联重复与复杂结构变异的分析，第一步不是打开软件，而是判断手里的数据能不能支撑结论。短读长在重复区段会因比对歧义而丢失长度信息，长读长则把"跨过重复"变成可能。但长读长并非单一技术，PacBio HiFi、ONT simplex、ONT duplex 与 Ultra-long 在读长分布、错误模式、覆盖度需求上差异显著，选错平台往往在分析后期才暴露问题。本章围绕"读长—错误—覆盖度"三个维度，给出面向串联重复与复杂变异的平台适配策略。

一、四类数据的本质差异

PacBio HiFi 基于环形一致性测序（CCS），同一分子多次绕环后取一致性，典型读长 10–20 kb，准确率可达 99.9% 以上，错误以随机替换为主、几乎无系统插入缺失。它的优势是"读得准且足够长"，能直接跨越多数 STR 位点与中等规模结构变异，变异检测的假阳性低，适合作为复杂变异的"判读基准"。

ONT simplex 单链读取，读长可达数十至上百 kb，但原始错误率约 3%–8%，且以缺失为主，在均聚物（homopolymer）区段尤其明显。它的价值在于长跨度：能一次覆盖整个重复扩增区及其侧翼，但需要更高的覆盖度与更谨慎的变异过滤。

ONT duplex 要求同一双链分子的两条链都被测到并配对，准确率可提升至 99% 以上，接近 HiFi 水平，但产出比例受文库与测序条件限制，有效数据量通常低于 simplex。它适合在关键位点做"高置信复核"。

Ultra-long 指长度超过 100 kb 的读段，通常来自 ONT 特定文库与运行策略。它不追求单读准确率，而是解决"跨度"问题：当重复区段本身超过 50 kb，或需要把远端侧翼与重复区连成一条读段时，只有 Ultra-long 能提供物理连续性。

二、错误模式决定分析策略

错误模式比错误率更关键。HiFi 的错误近似随机分布，因此基于比对深度的变异调用（如 DeepVariant）表现稳定，串联重复的长度估计可直接由读段跨度推断。ONT simplex 的缺失偏向会在均聚物和短串联重复中造成系统性长度偏差：例如一个 (AAG)n 重复，simplex 读段可能因缺失而低估 n 值，若直接用原始比对结果分型，会得到偏短的等位基因。应对方式有两种：一是提高覆盖度让一致性校正发挥作用；二是使用针对 ONT 训练的重复分型工具（如 Straglr、TRGT 的 ONT 模式），它们对缺失错误有专门建模。

Ultra-long 的错误率更高，但它的用途不是精确分型，而是"搭骨架"：先用 Ultra-long 确定重复区段与侧翼的物理连接关系，再用 HiFi 或 duplex 在骨架内做精确长度判读。这种"跨度 + 精度"的分工，是复杂变异分析中最常见的组合策略。

三、覆盖度需求与平台适配

覆盖度需求取决于变异类型与杂合/纯合状态。对于常规 STR 分型，HiFi 通常 10–15× 即可稳定检出两个等位基因；若目标重复长度超过读长，则需要能跨越整个重复的读段，此时有效覆盖度应按"跨重复读段数"而非总深度计算。经验上，一个 30 kb 的重复区，若平均读长 15 kb，则需约 20–30× 总覆盖才能保证每条染色体有足够跨区读段。

ONT simplex 因单读错误高，建议 30–50× 起步，复杂区段可提升至 60× 以上，以便一致性校正与等位基因分离。duplex 数据量有限，通常只对已知关键位点做 5–10× 的靶向补充。Ultra-long 不追求全基因组深度，而是保证目标区段有 5–10 条超长读段即可。

四、平台适配的决策逻辑

实际项目中，选型应回答三个问题：目标重复有多长？需要多高的长度精度？样本量有多大？若重复长度在 20 kb 以内且要求精确分型，HiFi 单平台即可闭环。若重复超过 50 kb 或存在多个重复串联，建议 HiFi + Ultra-long 组合：HiFi 提供精度，Ultra-long 提供跨度。若样本量大、预算受限，可用 ONT simplex 做初筛，再对阳性样本用 HiFi 或 duplex 复核。

综上，长读长选型的核心不是"哪个平台更好"，而是"哪个平台的数据特性匹配目标变异的长度与精度需求"。HiFi 是精度锚点，simplex 是跨度主力，duplex 是关键位点的复核手段，Ultra-long 是超长重复的物理桥梁。理解四者的读长分布与错误模式，才能在后续的比对、分型与变异判读中做出正确取舍。