1. 宏基因组测序实验工程导论
宏基因组测序实验工程，是把一份环境或宿主相关样本，转化为可解释、可复现、可交付的微生物群落与功能数据资产的完整工程过程。它不同于只关注“测序仪跑出多少数据”的单一实验，而是覆盖样本采集、核酸提取、文库构建、上机测序、数据质控、组装注释、统计分析与报告交付的全链路。课程定位可以概括为三句话：以样本真实性为起点，以数据可追溯为主线，以生物学结论可复现为终点。
理解这门课，首先要建立“实验工程”而非“单点实验”的视角。一次宏基因组项目通常包含六个阶段：方案与样本设计、样本接收与前处理、核酸提取与质检、文库构建与定量、上机测序与运行监控、生信分析与交付。每个阶段都有输入、输出和放行标准，前一阶段的偏差会沿链路放大。例如，采样时未低温保存会导致部分菌群裂解或降解，提取时核酸得率虽正常，但群落组成已发生偏移；建库时接头污染或 index 错配，会在分析阶段表现为样本间交叉污染。因此，实验工程的核心不是“把每一步做完”，而是让每一步的结果可判断、可记录、可回溯。
核心交付物与质量目标
- 样本与元数据：样本编号、采样时间、地点、环境类型、保存条件、运输温度、临床或生态背景信息。目标是样本身份唯一、元数据完整、与实验记录一一对应。
- 核酸与文库：DNA 浓度、纯度（A260/A280、A260/A230）、片段分布、文库浓度与插入片段大小。目标是满足建库投入量，且无抑制物、无严重降解、无接头二聚体富集。
- 测序数据：原始 reads、Q30 比例、有效数据量、rRNA 占比、宿主污染比例、样本间 index 拆分正确率。目标是数据量满足分析深度，质量满足组装或分类需求，污染可控。
- 分析结果：物种分类表、功能注释表、多样性指标、差异物种或功能、图表与报告。目标是结果可复现、参数可追溯、结论有统计支持。
质量目标需要量化，不能停留在“合格”二字。以常见环境宏基因组为例，若目标是开展物种组成与功能基因分析，单样本有效数据量可设定为 6–10 Gb；若目标是中高深度组装，常需 20 Gb 以上。Q30 一般要求 ≥85%，rRNA 占比建议控制在 10% 以内，宿主污染比例根据样本类型设定阈值，例如宿主相关样本可要求 ≤5% 或更低。这些数值不是绝对标准，而是项目启动前必须与实验、生信和需求方共同确认的验收线。
把流程与质量门控放在一起看，会发现宏基因组实验工程真正要解决的是“偏差控制”问题。样本层面的偏差来自采集部位、保存温度和时间；提取层面的偏差来自裂解效率、抑制剂残留和宿主 DNA 占比；建库层面的偏差来自片段化条件、接头连接效率和 PCR 循环数；测序层面的偏差来自 index 错配、低质量碱基和 lane 效应；分析层面的偏差来自数据库版本、比对参数和统计模型。一个成熟的项目，不是没有偏差，而是每个偏差都有记录、有阈值、有应对策略。
以土壤宏基因组为例，一个可执行的项目启动清单可以这样设计：采样时每份样本取 2–5 g，液氮速冻后 -80℃ 保存，记录采样深度、植被类型和经纬度；提取采用 PowerSoil 类方法，DNA 浓度用 Qubit 定量，A260/A280 控制在 1.8–2.0；建库投入 100–500 ng DNA，片段化目标 400 bp，PCR 循环数不超过 12；测序目标 10 Gb clean data，Q30 ≥85%，rRNA ≤10%；分析时保留原始数据、trim 后数据和最终 OTU/ASV 表，记录数据库版本和软件参数。这样一套记录，才能让半年后的复现或审稿人质询有据可查。
学习建议：本章不要求记住所有参数，而是先建立“阶段—输入—输出—放行标准—回溯路径”的工程思维。后续章节会逐一展开每个阶段的具体操作、常见故障和判断依据。遇到任何一步，先问三个问题：这一步的输入是什么？输出如何判断合格？如果异常，应该回到哪一步排查？
最后需要明确课程边界：宏基因组测序实验工程不替代微生物学、生态学和统计学本身，而是把这些学科的问题转化为可执行的实验与数据流程。你最终交付的不是一份“测序报告”，而是一条从样本到结论的可信证据链。质量目标也不是越高越好，而是与科学问题匹配：做群落组成，6–10 Gb 可能足够；做低丰度功能基因挖掘，可能需要更深的数据和更严格的宿主去除。理解这一点，才算真正进入宏基因组实验工程的门。