1. 测序实验全流程概览

测序实验并不是“把样本放进机器、等结果出来”这么简单。它是一条由多个物理与信息环节串联而成的工程链路：样本在湿实验端经历采集、保存、核酸提取、文库构建、质控与上机，在测序仪内部完成簇生成或纳米球加载、边合成边测序、荧光成像与碱基识别，最终在计算端产出 FASTQ 文件。任何一个环节的偏差，都会以质量下降、数据量不足或碱基错误的形式，传递到下游分析中。

从工程化视角看，这条链路有两个关键特征。第一是不可逆性：样本一旦降解、文库一旦扩增偏倚，后续再精细的生信处理也无法还原真实序列。第二是可观测性：每个环节都留有可量化的指标——浓度、片段大小、Q 值、簇密度、Q30 比例——这些指标构成了判断“能否继续往下走”的决策依据。因此，理解全流程的核心不是记住步骤名称，而是理解每一步的输入、输出、关键参数以及失败信号。

湿实验端：从生物样本到可上机的文库

样本采集决定了整条链路的质量上限。以人类基因组 DNA 测序为例，常用外周血 EDTA 抗凝管采集 2–5 mL，或使用唾液采集器、口腔拭子。采集后需在低温下运输，DNA 样本通常 -20 ℃ 短期、-80 ℃ 长期保存。这里的关键判断是样本完整性：DNA 可用琼脂糖凝胶或片段分析仪观察主带是否清晰，RNA 则关注 RIN 值（RNA Integrity Number），一般认为 RIN ≥ 7 才适合建库。

核酸提取后进入文库构建。以 Illumina 平台常见的“打断—末端修复—加 A—接头连接—PCR 扩增”路线为例，输入通常是 100 ng–1 μg 的 gDNA，经超声或酶法打断至 300–500 bp 的目标插入片段。接头连接后必须做纯化，去除未连接的接头二聚体。此时用 Qubit 测浓度、用片段分析仪看插入片段分布，是判断文库是否合格的两个基本动作。

文库质控的典型判断标准可以概括为：浓度足够上机（例如 ≥ 2 nM）、片段主峰落在预期范围、无明显接头二聚体小峰。若浓度偏低，可适当增加 PCR 循环数，但循环数过高会引入重复序列和偏倚，因此需要在“量”和“代表性”之间权衡。

测序仪内部：从文库到碱基信号

上机后，测序仪完成的是“物理分子 → 光学信号 → 碱基序列”的转换。以 Illumina 边合成边测序（SBS）为例，流程包括：文库变性成单链、在 flow cell 上结合并与附近引物桥式扩增形成簇（cluster）、加入带荧光标记的可逆终止核苷酸、单碱基延伸、成像、切除荧光基团与终止基团，再进入下一轮循环。每个循环读取一个碱基，Read 1 完成后进行 Index 读取，必要时再做 Read 2 完成双端测序。

这一阶段最值得关注的参数是簇密度与Q 值。簇密度过低会导致数据量不足，过高则簇之间信号重叠，识别错误率上升。Q 值是碱基识别错误率的对数表达：Q30 表示错误率 1/1000，Q20 表示 1/100。测序报告中 Q30 比例通常要求 ≥ 80%–85%，低于此值需排查试剂、上机浓度或 flow cell 状态。

计算端：从原始信号到 FASTQ

测序仪实时输出的是图像与信号强度文件（如 Illumina 的 BCL、CBCL 或早期 CIF 格式）。仪器内置的 RTA（Real-Time Analysis）软件完成碱基识别与质量打分，随后通过 bcl2fastq 或 bcl-convert 转换为 FASTQ。FASTQ 每条记录包含四行：序列标识、碱基序列、分隔符“+”、以及对应的 ASCII 质量字符。质量字符由 Phred 分数加 33 得到，例如 Q30 对应字符“?”（ASCII 63）。

到这里，“原始数据”才算真正产出。但工程上还要做一次交付前检查：Read 数是否达到目标、Q30 比例是否达标、是否存在接头污染或 GC 异常。这些检查通常用 FastQC 或 fastp 完成，输出的 HTML 报告是判断数据能否进入下游分析的第一道关口。

工程化视角下的三个判断关口

把上述链路压缩成工程语言，可以识别出三个必须做“继续/停止”判断的关口。第一关在样本与提取：如果 RIN 或 DNA 完整性不达标，应重新采样或调整提取方案，而不是硬着头皮建库。第二关在文库质控：浓度和片段分布不合格时，优先排查纯化步骤和接头二聚体，必要时重新建库。第三关在数据交付前：Q30 比例、Read 数、接头污染三项中任何一项异常，都应先定位原因，再决定是否重新上机或进入下游分析。

这三个关口的共同逻辑是：越早发现问题，返工成本越低。样本阶段返工只需重新采集，上机后返工则意味着试剂、机时和样本的重复消耗。因此，工程化测序实验的核心能力，不是把每一步做得“差不多”，而是在每个关口用明确的量化指标做出可追溯的判断。

从链路到数据：一次完整交付的观察点

假设一个人类 gDNA 双端测序项目，目标为 30× 覆盖度。按 3 Gb 基因组估算，约需 90 Gb 有效数据；若读长为 PE150，则约需 3 亿条 Read。上机前文库浓度测得 4 nM，片段主峰 420 bp，Qubit 与片段分析结果一致，可进入上机。测序完成后，bcl-convert 输出 FASTQ，FastQC 显示 Q30 为 91%，无显著接头污染，GC 含量约 41%，与人类基因组预期相符。此时可判断该批数据达到交付标准，进入比对与变异检测环节。

反过来，如果 FastQC 显示 Q30 仅 72%、且前 10 个碱基质量明显偏低，常见原因是上机浓度过高导致簇重叠，或测序试剂过期。处理方式不是直接做 trimming 掩盖问题，而是先回溯上机浓度与试剂批号，确认是否需要重新上机。这正是“工程化视角”与“只跑流程”的区别：前者关注指标背后的物理原因，后者只关注文件是否生成。