1. 全基因组测序实验工程导论

全基因组测序（Whole Genome Sequencing，WGS）是对生物体完整基因组序列进行测定的技术体系。它不只是“把DNA读一遍”这么简单，而是从样本采集、文库构建、上机测序到数据质控、比对、变异检测与结果解读的一整套工程化流程。理解WGS，需要同时把握两条线索：一是技术本身的发展脉络，二是把技术转化为可重复、可交付结果的实验工程方法。

一、WGS技术发展脉络

WGS的技术演进大致经历了三个阶段。第一代Sanger测序基于双脱氧链终止法，读长长、准确率高，但通量低、成本高，人类基因组计划早期主要依赖它完成，耗时十余年、花费约30亿美元。第二代测序（NGS）以Illumina的边合成边测序为代表，通过桥式PCR在芯片上形成克隆簇，边合成边采集荧光信号，实现大规模并行测序。其单读长通常为150 bp（双端2×150 bp），单次运行可产出数百Gb数据，把单个人类基因组的测序成本压到千美元量级。第三代测序（如PacBio、Oxford Nanopore）以单分子实时测序为特征，读长可达10 kb以上甚至超长，能跨越重复序列、检测大片段结构变异，但原始错误率相对较高，需要配合高深度短读长数据进行校正。

这三代技术并非简单替代关系，而是形成了互补格局：短读长擅长高准确度的单碱基变异检测，长读长擅长结构变异和复杂区域组装。现代WGS项目常采用“短读长为主、长读长补充”的混合策略。

二、什么是“实验工程”

把WGS称为“实验工程”，是因为它具备工程系统的典型特征：有明确的输入（样本与DNA）、有标准化的处理流程（建库、测序、分析）、有可量化的中间指标（文库浓度、Q30、比对率、覆盖度）、有可判定的输出（变异列表与解读报告），并且每一步的偏差都会向下游传递和放大。工程化的核心是可控、可重复、可追溯：同样的样本、同样的流程、同样的参数，应当得到统计上一致的结果。

与单纯“做实验”不同，实验工程强调把经验转化为规范。例如，DNA投入量、片段化时间、PCR循环数、测序深度这些参数不是凭感觉设定，而是根据样本类型、目标变异类型和预期检出灵敏度反推出来的。一个典型的判断依据是：若目标是检测频率约5%的低频变异，在双端测序条件下通常需要不低于500×的有效覆盖度，并配合UMI（唯一分子标识）去除PCR重复，才能把假阳性控制在可接受范围。

三、课程目标与整体实验流程

本课程的目标是让学习者能够独立完成从样本到结果的WGS实验设计与执行，并具备排障能力。具体包括：理解各环节的物理化学原理；能根据样本类型选择合适的建库方案；能读懂并判断质控指标；能配置比对、变异检测等分析参数；能对异常结果定位原因。

整体实验流程可概括为六个环节：样本采集与保存、核酸提取与质检、文库构建、上机测序、数据质控与预处理、比对与变异检测。下图展示了这一流程中样本与数据的流转关系，以及每个环节的关键质控节点。

以人类血液样本为例，一个典型的WGS实验参数如下：采集EDTA抗凝全血2 mL，使用磁珠法提取基因组DNA，要求A260/280在1.8–2.0之间、DIN值不低于7.0；取500 ng DNA进行超声片段化，目标片段主峰约350 bp；经末端修复、加A尾、连接接头后进行少量PCR扩增（通常6–8个循环）；文库经Qubit定量和Agilent 2100片段分析合格后，在Illumina平台上以2×150 bp双端模式测序，目标覆盖度30×（若检测低频变异则提升至500×以上）。下机数据先经fastp去除接头和低质量碱基，再用BWA-MEM比对到参考基因组（如GRCh38），最后用GATK HaplotypeCaller进行SNV和InDel检测，得到VCF文件。

需要特别强调的是，WGS实验工程不是一条单向流水线。当最终变异检测结果异常（如杂合位点比例偏离、覆盖度不均、假阳性升高）时，往往需要回溯到上游环节寻找原因。例如，若发现某区域覆盖度骤降，可能是文库片段化偏好或GC含量异常所致；若杂合位点大量丢失，则要怀疑样本污染或比对参数不当。这种“结果—回溯—修正”的闭环思维，正是实验工程区别于机械操作的关键所在。