2. 靶标序列获取与序列比对

多重PCR体系能否同时、稳定地检出多个靶标，第一步并不在引物设计，而在于“拿到正确的序列，并看清这些序列之间的关系”。如果靶标序列本身选错、版本混乱、区域不保守，后续无论怎样优化退火温度或调整引物浓度，都难以获得可靠结果。本节围绕四个动作展开：从公共数据库获取靶标序列、做同源比对、识别保守区与变异区、对序列质量进行控制。

一、靶标序列从哪里来

常用公共数据库包括 NCBI Nucleotide/GenBank、RefSeq、Ensembl、UCSC Genome Browser，以及针对病原体的 NCBI Virus、GISAID 等。不同数据库的定位不同：GenBank 收录范围广但冗余高，同一基因可能存在大量重复、片段化或注释不一致的条目；RefSeq 经过整理，一个物种或基因通常对应一条参考序列，更适合作为设计基准；Ensembl/UCSC 则更适合需要基因组坐标、外显子结构和转录本信息的场景。

检索时建议使用“基因名/靶标名 + 物种 + 关键词”的组合，例如 SARS-CoV-2 ORF1ab complete genome、Escherichia coli uidA gene。检索到结果后，不要直接下载第一条，而应关注以下字段：

• 序列长度与完整性：是否为全基因组、完整 CDS，还是仅部分片段；片段过短可能无法覆盖设计区域。
• 注释信息：CDS、gene、mRNA、保守结构域等注释是否齐全，决定后续能否按功能区选靶。
• 版本号：如 NC_045512.2，版本号变化意味着序列被修订，必须记录并固定使用版本。
• 来源与提交时间：临床分离株、环境样本、参考株，其代表性不同。

实际操作中，建议同时下载两类序列：一条高质量参考序列作为设计骨架，以及一组来自不同地区、不同时间、不同宿主或亚型的同源序列作为比对集。参考序列用于定位坐标，比对集用于判断保守性。若只拿一条序列设计引物，很容易在真实样本中因变异而脱靶。

二、同源比对：把“一条序列”变成“一组关系”

同源比对的核心目的，是回答“这段序列在不同样本中是否一致、哪里一致、哪里变化”。常用工具包括 BLAST（快速找同源）、Clustal Omega / MUSCLE / MAFFT（多序列比对）、以及 MEGA 等可视化与进化分析工具。对于多重PCR，推荐流程是：先用 BLAST 确认目标序列与近缘序列的相似性，再用 MAFFT 或 MUSCLE 对一组同源序列做多序列比对，最后用 MEGA 或 Jalview 查看比对结果。

比对时要注意几个参数与判断点。第一，比对区域应覆盖你计划设计的靶区域，而不是只看全序列相似度；第二，关注 gap（空位）分布，连续 gap 往往提示插入/缺失变异，可能破坏引物结合；第三，关注比对末端，末端不齐的区域不适合作为引物或探针结合位点；第四，若序列数量较多，可先去除高度冗余序列，避免比对结果被重复序列主导。

一个合理的教学示例是：假设我们要为某病原体设计三重PCR，分别靶向基因 A、B、C。从数据库获取 1 条参考序列和 20 条同源序列后，用 MAFFT 比对。若基因 A 的某 200 bp 区域在 20 条序列中完全一致，则该区域为高度保守区；若基因 B 的某区域在第 8、第 15 条序列中出现 3 个碱基替换，则该区域为变异区；若基因 C 的某区域存在 12 bp 缺失，则该区域不适合作为通用引物位点。这里的“20 条”“200 bp”“3 个碱基”均为示例参数，用于说明判断逻辑，不代表真实实验数据。

三、保守区与变异区的识别

保守区是指在比对集中碱基高度一致、插入缺失极少的区域，通常对应功能重要、选择压力大的片段，适合作为多重PCR的通用引物或探针结合位点。变异区则是碱基替换、插入、缺失或重组频繁的区域，可能用于分型、耐药检测或株系鉴别，但不适合作为通用检测靶标。

识别时不能只看“看起来一样”，而应结合定量指标。常用指标包括：

• 一致性百分比：某列碱基在比对集中所占比例，通常 >95% 可视为较保守，>98% 更稳妥。
• 熵值：衡量位点变异程度，熵值越低越保守。
• gap 比例：某列出现空位的比例，比例高说明该位点不稳定。
• 覆盖深度：该区域在比对集中有多少条序列真正覆盖，避免因序列片段化造成“假保守”。

在多重PCR中，保守区用于设计共同引物，变异区则用于设计特异性探针或分型引物。若一个靶标需要同时检测多个亚型，应优先选择“各亚型间保守、与非靶标差异明显”的区域，而不是只在一个亚型内保守的区域。

四、序列质量控制：避免“垃圾进、垃圾出”

序列质量控制贯穿获取与比对全过程。常见问题包括：序列方向错误、测序低质量区、污染序列、载体序列残留、注释错误、版本混用、片段化严重等。若不做质控，比对结果会出现大量假变异或假保守，直接误导引物设计。

建议按以下顺序检查：

1. 长度与完整性：目标区域是否被完整覆盖，是否存在 N 碱基过多或末端截断。
2. 方向一致性：部分数据库序列可能以反向互补形式提交，比对前应统一方向。
3. 去冗余：同一序列多次提交会造成比对权重失衡，可用 CD-HIT 等工具聚类去冗余。
4. 去污染与载体：用 VecScreen 或 BLAST 比对载体库，剔除载体、接头和宿主污染片段。
5. 版本固定：记录每条序列的 accession 与 version，例如 NC_045512.2，避免后续无法复现。
6. 覆盖度评估：统计目标区域在比对集中被多少条序列覆盖，覆盖不足的区域不能判定为保守区。

五、从比对结果到设计决策

完成比对与质控后，应形成一份可追溯的“靶区域评估表”，至少包含：靶标名称、参考序列 accession/version、比对序列数量、候选区域坐标、一致性百分比、gap 比例、覆盖深度、是否保守、是否适合作为引物/探针位点。这样在后续设计引物时，才能明确每个靶标的可用区域与风险区域。

例如，若基因 A 的 120–320 bp 区域一致性 99%、gap 0%、覆盖 20/20，可优先作为通用引物区；基因 B 的 400–520 bp 区域一致性 88%、存在 3 处替换，可作为分型探针区；基因 C 的 600–700 bp 区域仅 12/20 条序列覆盖，则暂不采用。这里的坐标与数值均为示例，用于说明如何把比对结果转化为设计决策。

总之，靶标序列获取与比对不是“下载—比对—看一眼”的简单动作，而是多重PCR设计的第一道质量关口。只有把序列来源、版本、比对参数、保守区与变异区判断、质控结果都记录清楚，后续的引物设计、体系优化和结果判读才有可靠基础。