实验设计与测序策略：样本采集、DNA提取、文库构建、测序平台选择
咱们今天就聊聊宏基因组分析的第一步，也是最容易出岔子的一步——实验设计与测序策略。说白了，你这实验设计搞不好，后面再怎么调参数、跑流程，结果都可能是个笑话。我在早期一个项目中就吃过这个亏，样本采集不规范，结果排查了俩月才发现问题出在源头上。嗯，咱们一步步拆开来看。
样本采集：从源头把控质量
样本采集这事儿，看着简单，其实坑最多。你想想看，你要分析的是微生物群落的DNA，可样本里不光有菌，还有宿主细胞、环境杂质、甚至你手上的皮屑。我习惯把采集环节分成三类来对待：
| 样本类型 | 关键点 | 常用保存方式 |
|---|---|---|
| 粪便/肠道 | 无菌容器、避免尿液污染、4℃短时运输 | RNAlater 或 -80℃ 冻存 |
| 土壤/环境 | 多点混合取样、过筛去除大颗粒、注意均一性 | 无菌自封袋 + 硅胶干燥 |
| 口腔/皮肤拭子 | 拭子材质要选好、旋转采样15秒以上 | 保存液或立即提取 |
| 水体 | 滤膜孔径0.2μm、足量过滤体积 | 滤膜在液氮中速冻 |
我记得有一回做土壤宏基因组，样品里泥沙太多，DNA得率直接拉跨。后来我学乖了，每次采集都带上元数据记录表，把样本编号、采集时间、GPS坐标、环境参数全部记下来。这些东西不仅方便追溯，论文审稿的时候也能扛得住质疑。
采集后需要记录的元数据模板，我一般这样写：
# 样本元数据模板
sample_id: S001
sample_type: fecal
collection_date: 2024-03-15 09:30
GPS_lat: 31.2304
GPS_lon: 121.4737
host: human
host_age: 35
diet: mixed
storage: RNAlater, -80°C
notes: 采集后30分钟内完成保存DNA提取：方法决定你的视野
DNA提取这一步，我的经验就是——没有万能方法。不同的微生物细胞壁结构差太远，革兰氏阳性菌、真菌孢子、产甲烷古菌，裂解难度完全不在一个量级上。我建议你要么用商业化试剂盒，要么选经过验证的实验室方案。
| 方法 | 裂解方式 | 优势 | 潜在问题 |
|---|---|---|---|
| 物理+化学裂解 | 珠磨 + SDS/蛋白酶K | 产量高、偏向性低 | DNA片段可能破碎 |
| 酶法裂解 | 溶菌酶 + 蛋白酶K | 温和、大片断效果好 | 革兰氏阳性菌裂解不完全 |
| 商业化试剂盒 | 结合珠磨/热/化学 | 标准化、重复性好 | 成本高、某些组分可能被排除 |
我自己在做环境样本时，强烈推荐物理+化学组合法。用0.1mm和0.5mm的锆珠混合，在珠磨机里打3次，每次30秒，中间间隔1分钟让样品冷却。这样既能碎掉芽孢，又不会让DNA断裂得太厉害。提取完别忘了跑个琼脂糖电泳看看条带，我习惯用Qubit定量替代Nanodrop，因为后者会把单链和RNA都算进去，给你虚高的浓度。
这里给出一份我常用的提取参数记录方式：
# 提取记录示例
样本ID: S001
提取方法: 珠磨+SDS/蛋白酶K
珠磨参数: 0.1mm ZrO₂ 0.3g + 0.5mm ZrO₂ 0.2g
裂解温度: 65°C, 30min
纯化: 酚氯仿抽提 ×1 + 异丙醇沉淀
终体积: 50μL TE buffer
浓度: 85.6 ng/μL (Qubit)
260/280: 1.86
260/230: 2.12
保存: -20°C文库构建：PCR是你的朋友，也是你的敌人
文库构建这一块，如果是扩增子测序，PCR扩增引物选择就是灵魂。16S rRNA基因V3-V4区是当前金标准，覆盖率和分类分辨率都够用；但你要是重点搞真菌，就得用ITS区。我手头有几个项目用引物序列是这样的：
# 16S V3-V4 引物
正引物 (341F): CCTACGGGNGGCWGCAG
反引物 (805R): GACTACHVGGGTATCTAATCC
# ITS 引物
正引物 (ITS1F): CTTGGTCATTTAGAGGAAGTAA
反引物 (ITS2): GCTGCGTTCTTCATCGATGCPCR循环数要控制好，我一般用25~30个循环。太多了会出现嵌合体，少了信号不够。有个小技巧：用高保真聚合酶，可以减少碱基错误；但反应体系里镁离子浓度要优化，2.0~2.5 mM是最常见的区间。
对于鸟枪法宏基因组（不需要靶向扩增），文库构建的关键在DNA片段化。用酶切或超声把DNA打断到350~550 bp，然后用末端修复、加A尾、连接接头，最后做PCR富集。整个过程建议用磁珠做尺寸选择，去掉过短（<150 bp）或过长（>700 bp）的片段，这样测序质量会比较稳定。
我记录下常用的文库构建参数，供参考：
# 鸟枪法文库构建参数
样本起始量: 100 ng DNA
片段化: Covaris M220, 峰值功率 50W, 5min
末端修复: NEBNext Ultra II, 30°C, 30min
连接接头: NEB adapters, 20°C, 15min
PCR富集: 10个循环, 98°C 10s → 65°C 30s → 72°C 30s
片段选择: 0.45× + 0.15× Ampure XP 双轮磁珠筛选
目标插入长度: 350~550 bp测序平台选择：你的预算和需求说了算
选平台这事儿，说白了就是性价比博弈。我把自己这些年用的几个主流平台列了个对比表，你看着选。
| 平台 | 读长 | 产出/run | 错误率 | 适用场景 |
|---|---|---|---|---|
| Illumina NovaSeq 6000 | 2×150 bp | ~1000 Gb | <1% | 大规模鸟枪法、深度扩增子 |
| Illumina MiSeq v3 | 2×300 bp | ~15 Gb | <1% | 扩增子、小基因组、验证实验 |
| PacBio Sequel II | 10~20 kb | ~400 Gb | ~1% (CCS校正后<0.1%) | 结构变异、长读长组装、重复区域 |
| Nanopore PromethION | 50~100 kb+ | ~150 Gb | ~5% (需纠错) | 实时测序、超长读长、宏基因组组装 |
我个人建议：别只用一种平台。Illumina给深度，长读长平台给连续性。做个混合组装，先用Nanopore或PacBio把骨架搭起来，再用Illumina短读填坑、纠错——这样成本合理，结果也好。
我最近一个土壤宏基因组项目里，纯用Illumina组出来的N50只有25 kb，加入10× Nanopore后直接跳到350 kb。配合长读长还能直接拿到完整的rRNA操纵子和抗生素抗性基因簇，这在短读数据里基本不可能。
另外说下测序深度。对于复杂群落（如土壤），我一般要求鸟类宏基因组至少20 Gb/sample，扩增子则2~5万reads/sample就够了。但如果是想检测低丰度物种（<0.1%），深度得翻倍。预算有限时，可以适当降低单样本深度，通过增加生物学重复来弥补统计功效。
质控与权衡：在理想与现实之间
整个实验设计就是一个不断做权衡的过程。你要精度，花更多钱买长读长；你要广度，把钱砸在更多样本上。我列出几个你一定会遇到的决策点：
- 样本数 vs 测序深度：我建议每个条件至少3个生物学重复，宁可每个样测少一点，也别只测1~2个样。统计上，重复比深度更能提升检出能力。
- 平台选择与文库类型：你目的是物种组成分析，16S扩增子+Illumina就够用；但你想搞功能注释或组装新基因组，咬咬牙上鸟枪法。
- 抗污染：每一步都要设阴性对照。我吃过一次教训，抽提空白和建库空白都附带做，只要它们在测序数据里出现污染read，就能直接定位到问题环节。
好，理论说完了，我画一张全流程框架图，帮你把每个环节的走向和关键点串起来。