4. 文库构建原理与工程化流程

全外显子测序（WES）的文库构建，本质是把基因组DNA转化为一段段长度可控、两端带有已知序列、可被测序仪识别并扩增的DNA分子集合。它决定了后续捕获效率、测序质量与数据可用性的上限。本节围绕片段化、末端修复、加A尾、接头连接、片段选择与PCR扩增六个核心步骤，讲清每一步的分子机制与工程化操作要点。

一、片段化：把基因组DNA切成可捕获的尺寸

WES的捕获探针通常针对150–200 bp的外显子区间设计，因此插入片段（insert）理想长度应落在150–250 bp，加上两端接头后总长度约250–350 bp。片段化方式主要有两类：物理剪切（Covaris聚焦超声、Bioruptor）和酶切片段化（片段化酶、转座酶）。物理剪切通过超声空化作用随机打断磷酸二酯键，片段分布较窄、偏好性低，但需要较高起始量（通常≥100 ng）；酶法片段化起始量可低至1–10 ng，但末端结构更复杂，可能产生缺口或单链区，对后续末端修复要求更高。

工程化操作要点：片段化后应取样用Agilent 2100或片段分析仪确认主峰位置。若主峰偏大（如400 bp），捕获效率会下降；若偏小（如<100 bp），则接头二聚体比例升高。示例参数：Covaris S220，Duty Factor 10%，Peak Incident Power 175 W，Cycles per Burst 200，处理时间根据起始量在30–120 s间优化。片段化完成后立即进入末端修复，避免长时间放置导致单链断裂累积。

二、末端修复与加A尾：为接头连接准备“接口”

超声或酶切产生的DNA末端并不统一：可能为平末端、5′突出或3′突出，且部分带有磷酸基团缺失。末端修复酶混合物通常包含T4 DNA聚合酶、Klenow片段和T4多核苷酸激酶，三者协同完成：T4 DNA聚合酶利用3′→5′外切活性削平3′突出，并以5′→3′聚合活性补齐5′突出；Klenow片段补齐平末端；T4 PNK为5′端添加磷酸基团。修复后所有片段变为平末端且5′端带磷酸。

随后加A尾：Taq或Klenow exo-在平末端3′端添加一个腺嘌呤（A），形成3′-dA突出。这一步是接头连接的关键——接头3′端带有胸腺嘧啶（T）突出，A-T互补配对使连接效率大幅提高，同时减少接头自连。操作要点：加A尾后不可纯化过度，否则可能损失A尾；反应温度通常为72°C保温15–30 min，随后立即进入连接步骤。

三、接头连接与片段选择：赋予可扩增与可测序的“身份”

接头（adapter）包含三部分：与flow cell寡核苷酸互补的序列（P5/P7）、index序列（用于区分样本）和与插入片段连接的T突出端。连接反应由T4 DNA连接酶催化，形成稳定的磷酸二酯键。连接效率受接头浓度、插入片段长度和连接时间影响。接头浓度过高会导致接头二聚体大量产生，过低则连接不完全。示例：插入片段100 ng，接头摩尔比通常设为10:1–50:1，20°C连接15–30 min。

连接后必须进行片段选择，去除未连接的接头、接头二聚体和过长片段。常用方法为磁珠法（如AMPure XP）或凝胶回收。磁珠法通过调节磁珠与DNA的体积比实现大小选择：例如先加0.6×磁珠去除大片段，再取上清加0.2×磁珠回收目标片段。目标片段范围通常为250–350 bp（含接头）。片段选择后应取样进行qPCR或片段分析，确认文库峰形和浓度。

四、PCR扩增：富集与定量的最后关卡

连接和片段选择后的文库中，只有一部分分子两端都成功连接了接头。PCR扩增利用与P5/P7互补的引物，选择性扩增这些“双端带接头”的分子，同时引入完整的index序列。循环数通常控制在8–12个，循环过多会引入重复序列、降低文库复杂度，并增加碱基错误率；循环过少则产量不足。示例：起始500 ng片段化DNA，连接后取10 ng进入PCR，10循环后文库产量约200–500 ng，具体因样本而异。

PCR后需进行最后一次纯化，去除引物二聚体和酶，并用qPCR（如KAPA Library Quantification Kit）准确定量。qPCR使用与P5/P7匹配的引物，只定量两端带接头的完整文库分子，比NanoDrop或Qubit更准确。最终文库应满足：浓度≥2 nM，片段主峰在250–350 bp，无显著接头二聚体峰（<150 bp）。

五、工程化流程中的关键控制点

整个流程中，有几个容易被忽视但影响巨大的控制点。第一，起始DNA质量：降解或含抑制剂的样本会导致片段化不均、连接效率低，建议用Qubit而非NanoDrop评估起始量。第二，磁珠使用：磁珠需室温平衡、充分重悬，比例精确到微升；磁珠比例偏差0.05×即可改变片段选择窗口。第三，纯化损失：每次纯化都会损失部分DNA，连接后尽量不纯化直接进行片段选择，减少步骤。第四，循环数优化：建议先用少量样本做循环梯度测试，确定最低可接受产量对应的循环数。

从片段化到PCR扩增，每一步都在为下一步准备“合格底物”。片段化决定尺寸窗口，末端修复和加A尾决定连接效率，接头连接赋予测序身份，片段选择去除干扰，PCR扩增完成富集与定量。理解每一步的分子机制，才能在出现异常峰形、低产量或高重复率时，快速定位问题环节并调整参数。