3. 测序技术基础：WGS、WES、靶向测序的原理与选择
说到体细胞突变分析，第一个绕不开的问题就是：你拿什么数据来做？
我见过不少刚入行的朋友，一上来就问“能不能做WGS”，好像全基因组就是万能的。其实不是这么回事。今天咱们就聊聊三种主流测序技术——WGS、WES、靶向测序，它们各自的原理、优缺点，以及在实际项目中怎么选。
3.1 全基因组测序（WGS）
WGS，说白了就是把你基因组里30亿个碱基对从头到尾读一遍。不分区域，不挑基因，所有染色体全覆盖。
核心原理： 把基因组DNA打断成小片段，加接头，上机测序。然后通过比对，把reads贴回参考基因组上。理论上，你能看到整个基因组的变异——SNV、Indel、SV、CNV，一个不落。
关键参数：
- 测序深度：体细胞突变通常建议30-60x（肿瘤-正常配对）
- 覆盖度：>99%的基因组区域可被覆盖
- 数据量：单个人类样本约90-120Gb（30x）
我在项目中遇到过最典型的场景：一个肺癌样本，用WES怎么都找不到驱动突变，后来做了WGS，发现是个大片段重排。你想想看，如果只盯着外显子那2%，这条线索就丢了。
个人经验： WGS的数据分析，计算资源消耗非常大。我建议至少准备1TB的存储空间和32核以上的服务器。我第一次跑WGS时，等比对等了整整两天，后来才知道可以用Sentieon或DRAGEN加速。
3.2 全外显子组测序（WES）
WES只关注编码区——也就是外显子。这部分虽然只占基因组的1-2%，但85%以上的已知致病突变都在这里。
捕获流程： 先用探针把外显子区域的DNA片段“钓”出来，富集后再测序。由于目标区域小，同样的测序成本下，WES能获得远高于WGS的深度。
| 对比维度 | WGS | WES |
|---|---|---|
| 目标区域 | 全基因组（~3Gb） | 外显子（~30-50Mb） |
| 测序深度 | 30-60x | 100-200x |
| 检测变异类型 | SNV/Indel/SV/CNV | SNV/Indel（部分CNV） |
| 单样本成本 | 高（~$1000-2000） | 中（~$300-500） |
| 数据量 | ~100Gb | ~5-10Gb |
为什么WES在体细胞突变分析中这么火？
说白了就是性价比。我个人习惯是，如果研究目标明确——比如找已知癌症基因的突变，WES基本够用了。而且100x以上的深度，让低频突变的检测灵敏度大大提升。
注意： WES有个天生的坑——捕获效率不均。有些GC含量高的区域，探针结合效率低，覆盖深度会掉下来。我曾经有个样本，TP53的外显子4深度只有20x，而其他外显子都在200x以上。如果不做质控检查，这里很可能漏掉关键突变。
3.3 靶向测序（Targeted Sequencing）
靶向测序，就是只测你感兴趣的那几个基因，或者一个基因panel。比如肺癌的常见驱动基因panel，可能就几十个基因。
原理： 和WES类似，也是用探针捕获，但探针设计只覆盖目标区域。区域越小，能实现的测序深度就越高。
典型参数：
Panel大小：0.1Mb - 5Mb
测序深度：500x - 2000x
数据量：0.1 - 1Gb/样本
检测下限：可低至1-5% VAF靶向测序最大的优势是速度快、成本低。我做过一个项目，48小时内从样本接收到出报告——就是靠一个500基因的panel，2000x深度。如果是WGS，光测序就得跑一周。
避坑指南： 我曾经踩过一个坑——panel设计时忽略了同源基因区域。结果某个位点的reads，大部分比对到了假基因上，真正的突变信号被淹没。设计panel时一定要做in silico验证，看看探针的特异性。
3.4 三种技术的选择策略
你肯定会问：那到底选哪个？
我的建议是，看你的科学问题来定。不是为了测序而测序。
- 预算充足，想全面探索：选WGS。尤其是当你怀疑样本中有复杂的结构变异，或者想研究非编码区。
- 预算有限，但需要覆盖主流驱动基因：选WES。配合100x以上的深度，体细胞突变检测效果很可靠。
- 临床诊断，需要快速出结果：选靶向测序。2000x深度让低频突变无处遁形，而且生信分析流程跑得飞快。
- ctDNA液体活检：只能选靶向测序，而且深度要拉到5000-10000x。WGS和WES在这个场景下，灵敏度完全不够。
我曾经的一个教训：有个临床项目，我们为了省钱，用WES做ctDNA检测。结果血液中ctDNA含量不到1%，WES的100x深度根本检不出来。最后补做靶向测序，多花了一倍的时间。所以选技术时，一定要提前评估样本的肿瘤纯度或ctDNA占比。
3.5 数据分析流程的差异
选定了技术平台，分析流程也有区别。我简单对比一下核心步骤：
| 步骤 | WGS | WES | 靶向测序 |
|---|---|---|---|
| 比对 | 资源开销大，建议加速工具 | 标准流程即可 | 极快，几小时完成 |
| 去重 | 必须做 | 必须做 | 必须做（注意PCR重复率高） |
| BQSR | 推荐 | 推荐 | 可选（高深度下影响小） |
| 变异检测 | GATK HaplotypeCaller / Mutect2 | 同上 | VarDict / LoFreq（高深度优化） |
| 过滤 | 关注RPA、MapQ | 关注捕获区域边界 | 关注链偏好、同源区域 |
举个例子，wxs的比对命令，和wgs类似，但参数可以稍微调整：
bwa mem -t 8 -M -R '@RG\tID:WXS01\tSM:Sample1\tLB:Lib1\tPL:ILLUMINA' \
reference.fasta \
Sample1_R1.fastq.gz \
Sample1_R2.fastq.gz | \
samtools sort -@ 4 -o Sample1.sorted.bam -而靶向测序，由于高深度冗余，我一般会加一个额外的过滤步骤：
# 去除深度超过3000x的区域，避免PCR偏好影响
samtools view -h Sample1.sorted.bam | \
awk 'NR==FNR{exclude[$1]=1; next} \
! ($1 in exclude)' high_depth_regions.bed - | \
samtools view -b -o Sample1.filtered.bam -我的习惯：不管用什么平台，我都会先跑一个质控报告。用MultiQC看比对率、覆盖深度分布、duplicate ratio。如果捕获效率低于60%，或者mean depth明显偏离预期，我会直接叫停，排查实验问题。不然后面分析做得再漂亮，也是垃圾进垃圾出。
3.6 小结一下
三种技术没有绝对的优劣。WGS全面但贵；WES平衡性价比；靶向测序精而快。选哪个，取决于你的科学问题、预算和样本特点。
我个人这些年做过不少项目，最深的体会是：别为了技术而技术。搞清楚你要回答什么问题，再回过头来选平台。这样才能做出靠谱的体细胞突变分析。