1. 长读长测序实验平台工程导论
长读长测序（Long-Read Sequencing）是指单次读取长度可达数千至数万碱基的测序技术，目前主流平台包括 PacBio 的 HiFi（单分子实时测序，读长约 10–20 kb，准确率可达 99.9% 以上）与 Oxford Nanopore 的 ONT（纳米孔测序，读长可达 100 kb 以上，原始准确率约 95%–99%，配合 duplex 或高精度模式可进一步提升）。与二代短读长测序相比，长读长的核心价值在于跨越重复序列、检测大型结构变异（SV）、解析等位基因相位（phasing）、直接读取甲基化信息，以及完成端粒到端粒（T2T）级别的基因组组装。
但长读长测序并不是"把测序仪买回来就能跑"的技术。它涉及样本前处理（高分子量 DNA 提取、片段长度选择）、文库构建（末端修复、接头连接、barcode 标记）、上机测序、碱基识别（basecalling）、数据质控与下游分析等多个环节，每个环节都对样本质量、试剂批次、仪器状态和计算资源高度敏感。把这些环节组织成一套可重复、可追溯、可扩展的实验与数据体系，就是长读长测序实验平台工程要解决的问题。
平台工程的定义与边界
平台工程（Platform Engineering）在这里不是指"买设备、装软件"，而是指把湿实验（wet lab）流程、仪器控制、数据流、质控标准与人员操作规范整合为一个稳定交付的系统。它的边界通常包括四层：
- 样本层：从样本接收、HMW-DNA 提取到片段长度与纯度评估（如用脉冲场电泳或 Femto Pulse 检测）。
- 文库层：末端修复、接头连接、片段选择、文库定量与 pooling，决定上机数据的读长分布与产出。
- 仪器与信号层：测序仪运行参数、流动池/芯片状态、原始信号采集与 basecalling 配置。
- 数据层：原始数据（FAST5/POD5/BAM）存储、质控（N50、Q值、读长分布）、比对、组装与变异检测的计算管线。
这四层之间不是简单串联，而是存在大量反馈：例如 basecalling 的准确率会影响组装连续性，而文库中残留的短片段会拉低整体读长 N50。平台工程的目标，就是让这些反馈可观测、可调优。
实验流程全景
一个典型的长读长测序实验流程可以概括为：样本接收 → HMW-DNA 提取与质检 → 文库构建 → 文库质检与 pooling → 上机测序 → basecalling → 数据质控 → 下游分析。其中每一步都有明确的输入、输出和判断标准。例如 HMW-DNA 提取后，通常要求 DNA 浓度 ≥ 50 ng/µL、A260/A280 在 1.8–2.0 之间、片段主峰 > 30 kb；若片段主峰偏低，则后续读长会明显缩短。
下面这张图展示了从样本到数据的完整信号与数据流，以及各环节的关键判断点：
关键工程挑战
长读长平台工程面临的挑战与短读长有本质区别，主要体现在以下几个方面：
第一，样本质量决定上限。长读长对 DNA 完整性的要求远高于短读长。一次剧烈的涡旋振荡或反复冻融就可能把 50 kb 的 DNA 打断成 10 kb 以下，直接导致读长下降。因此平台必须建立从采样到提取的标准化操作，并记录每个样本的片段分布。
第二，文库转化率与读长之间的权衡。为了获得长片段，文库构建中往往需要减少片段选择强度，但这会引入更多短片段，降低平均读长。实际操作中需要根据样本类型和目标应用（如 SV 检测 vs. 全基因组组装）调整片段选择条件。
第三，数据量与计算资源的匹配。一个 ONT 或 PacBio 运行可产生数十至数百 GB 的原始信号数据，basecalling 本身就需要 GPU 资源。平台需要规划存储、计算和网络带宽，避免"数据产出后无法及时处理"的瓶颈。
第四，批次效应与可重复性。试剂批次、流动池状态、环境温度都会影响数据质量。平台工程要求记录关键批次信息，并在质控中识别异常批次，而不是把问题归因于"样本不好"。
课程学习地图
本课程共 30 章，围绕"从样本到数据"的完整链路展开，大致可分为五个模块：
- 基础与原理（第 1–5 章）：长读长测序原理、平台工程定义、实验流程全景、关键挑战与学习地图。
- 样本与文库（第 6–12 章）：HMW-DNA 提取、片段质检、末端修复、接头连接、barcode 策略、文库定量与 pooling。
- 仪器与运行（第 13–18 章）：PacBio 与 ONT 仪器操作、流动池/芯片管理、运行参数设置、basecalling 配置。
- 数据与质控（第 19–24 章）：原始数据格式、质控指标、比对与组装、SV 检测、phasing 与甲基化分析。
- 平台化与运维（第 25–30 章）：LIMS 与样本追踪、自动化移液、计算管线、成本核算、故障排查与持续改进。
长读长测序平台工程的核心不是某一台仪器或某一个软件，而是把样本、文库、仪器、数据和人员组织成一个稳定交付的系统。理解这条链路上的每个判断点和反馈关系，是后续所有章节的基础。