4. 文库构建原理与流程

全基因组测序的文库构建，本质是把高分子量基因组DNA“改造”成测序仪能够识别、扩增和读取的短片段集合。这一步决定了后续数据的插入片段长度分布、接头方向正确率、重复率以及可用的有效数据量。文库构建不是简单的“切碎—接接头—扩增”，每一步都有明确的分子机制和参数窗口，任何一步偏离都会在最终数据中留下可识别的痕迹。

片段化：把基因组DNA变成可控长度的片段群

片段化的目标不是把DNA切得越碎越好，而是获得一个窄而可控的长度分布。以常见的Illumina短读长平台为例，目标插入片段通常设定在300–500 bp，片段化后的主带应集中在这一区间，过大片段会导致簇生成效率下降，过小片段则容易在后续纯化中丢失并增加接头二聚体风险。

物理片段化以Covaris聚焦超声为代表，通过声波能量在局部产生剪切力打断磷酸二酯键。关键参数包括峰值入射功率（PIP）、占空比（Duty Factor）、每脉冲循环数（Cycles per Burst）和处理时间。例如，将1 μg高分子量DNA稀释至50 μL TE缓冲液，使用Covaris S220、PIP=175 W、Duty Factor=10%、Cycles per Burst=200、处理时间120 s，通常可获得主带约350–400 bp的分布。实际参数需根据DNA起始量和目标长度做小范围优化，不能直接照搬。

酶法片段化则利用非特异性核酸内切酶在Mg²⁺存在下随机切割DNA，反应时间与酶量共同决定片段长度。其优势是操作简单、可与末端修复在同一管内进行，但长度分布通常比超声法更宽，且对模板纯度更敏感。无论哪种方式，片段化后都应通过磁珠纯化或片段筛选去除过小片段，常用比例约为0.8×–1.0×磁珠体积，具体比例需根据目标片段长度调整。

末端修复：把“断裂端”变成可连接的平末端

超声或酶切产生的DNA末端并不整齐，可能带有5′突出、3′突出或磷酸基团缺失。末端修复通过三种酶活性协同完成：T4 DNA聚合酶的3′→5′外切活性削平3′突出端，其5′→3′聚合活性补齐5′突出端；T4多核苷酸激酶（T4 PNK）在5′端添加磷酸基团，为后续连接提供必需的磷酸二酯键供体。反应通常在20–25℃进行20–30 min，随后热失活或直接进入下一步。

关键参数是酶量、缓冲液中的dNTP浓度和反应温度。dNTP浓度过低会导致补齐不完全，过高则可能抑制外切活性。典型反应体系中dNTP终浓度约为0.2–0.25 mM，T4 DNA聚合酶用量约3–5 U/μg DNA。修复完成后，DNA两端均为带5′磷酸的平末端，这是后续加A尾和接头连接的前提。

加A尾：为接头连接制造互补的“粘性端”

平末端连接效率低且容易产生接头串联。加A尾利用Taq或Klenow exo⁻聚合酶在平末端DNA的3′端添加一个腺嘌呤核苷酸，形成3′-dA突出端。与之对应，测序接头的一端设计为3′-dT突出端，两者互补配对后由DNA连接酶封闭缺口，连接效率和方向正确率都显著提高。

加A尾的关键参数是反应温度、时间和酶量。常用条件为72℃反应15–30 min，Taq酶用量约5 U/反应。温度过低会导致加A不完全，过高或时间过长则可能引起非模板依赖的额外加A或片段降解。加A后通常不进行纯化，直接加入接头连接体系，以减少片段损失。

接头连接：给每个片段装上“测序身份证”

接头连接是全基因组文库构建中决定数据可用性的核心步骤。接头不仅提供测序引物结合位点，还包含样本索引（index）和与flow cell表面寡核苷酸互补的序列。连接反应由T4 DNA连接酶催化，在20℃左右反应15–30 min。接头与插入片段的摩尔比是关键参数：接头过量会导致接头二聚体大量形成，接头不足则降低连接效率。通常接头:插入片段摩尔比控制在10:1–100:1之间，具体取决于片段长度和接头浓度。

连接完成后必须进行纯化，去除未连接的接头和接头二聚体。常用磁珠纯化比例为0.8×–1.0×，可有效保留目标片段并去除大部分小片段。若接头二聚体残留过多，会在测序数据中表现为大量短插入片段和低质量碱基，严重时占用大量测序容量。

PCR扩增：富集有效文库并引入测序所需序列

连接后的文库中，只有一部分片段两端都正确连接了接头。PCR扩增利用与接头互补的引物，选择性扩增两端均带接头的片段，同时引入flow cell结合序列和样本索引。扩增循环数需要根据起始DNA量和文库浓度谨慎选择：循环数过低会导致文库产量不足，过高则会增加重复率和偏向性，使低复杂度区域的覆盖均匀性变差。

典型PCR条件为：98℃预变性30 s；98℃ 10 s、60℃ 30 s、72℃ 30 s，循环8–12次；72℃延伸5 min。起始DNA量为100 ng–1 μg时，通常选择8–10个循环；起始量低于50 ng时可适当增加至12–14个循环，但需评估重复率。扩增后再次用磁珠纯化，去除引物二聚体和短片段，最终文库用Qubit或qPCR定量，并用Agilent Bioanalyzer或片段分析仪检查插入片段分布。

从分子状态到可测序文库：如何判断每一步是否成功

片段化后，取1–2 μL用片段分析仪检查，主带应在目标区间内，且没有明显的高分子量残留。若主带偏大，可适当延长超声时间或增加酶量；若出现大量小于150 bp的片段，应提高磁珠比例或缩短片段化时间。

末端修复和加A尾无法直接通过片段大小判断，但可以通过后续连接效率间接评估。若连接后PCR产量极低，且排除接头和连接酶问题，应检查末端修复体系中dNTP是否失效或T4 PNK活性不足。加A尾不充分时，连接产物中会出现较多平末端自连和接头串联，表现为PCR后片段分布异常。

接头连接后，取少量产物进行qPCR或片段分析，可观察插入片段分布是否与片段化后一致。若出现明显的接头二聚体峰（约120–150 bp），说明接头过量或纯化不彻底，应调整接头比例或增加磁珠纯化次数。PCR扩增后，最终文库的片段分布应比片段化后略宽，这是接头和PCR引物引入的额外长度所致，属于正常现象。

整体来看，片段化决定文库的“骨架”，末端修复和加A尾决定“接口”是否可用，接头连接决定“身份”是否正确，PCR扩增决定“产量”是否足够。五步之间不是孤立的，前一步的残留会直接影响后一步的效率。例如，片段化后未去除的小片段会优先连接接头并优先扩增，最终占据大量测序reads。因此，每一步的纯化比例、酶量、温度和时间都需要在统一的目标片段长度下协同调整，而不是单独优化某一个参数。