4. 探针设计原理与参数体系
杂交捕获的成败，很大程度上在探针设计阶段就已经被决定。探针不是简单的“目标序列互补片段”，而是一组需要协同优化的参数集合：长度决定结合强度与特异性，Tm值决定杂交与洗脱的温度窗口，GC含量影响双链稳定性与均一性，覆盖度决定目标区域是否被完整“罩住”，冗余度决定低效探针能否被补偿，错配容忍度则决定探针能否在存在变异或旁系同源时仍然工作。理解这些参数之间的耦合关系，是设计可重复、可扩展捕获 panel 的基础。
一、探针长度与Tm值：捕获的热力学基础
捕获探针通常为生物素化寡核苷酸，长度多在 60–120 nt 之间。长度增加会提高双链解链温度（Tm），使探针在较高温度下仍能稳定结合目标；但过长会降低序列复杂度，增加二级结构和非特异结合风险。Tm 值可用最近邻热力学模型估算，常用简化公式为：
Tm ≈ 64.9 + 41 × (nGC − 16.4) / (nAT + nGC)
其中 nGC 为 GC 碱基数，nAT 为 AT 碱基数，适用于 50–100 nt 量级。例如一条 80 nt 探针含 44 个 GC，则 nGC=44，nAT=36，Tm ≈ 64.9 + 41×(44−16.4)/80 ≈ 64.9 + 14.1 ≈ 79.0 ℃。实际杂交温度通常设定在 Tm 以下 15–25 ℃，即 55–65 ℃ 区间。若 Tm 过低，探针在洗脱时容易脱落，捕获效率下降；若 Tm 过高，则可能与非目标序列形成稳定错配，导致脱靶捕获。因此，同一 panel 内探针的 Tm 应尽量集中，建议标准差控制在 2–3 ℃ 以内，避免出现“部分探针捕获强、部分捕获弱”的严重不均一。
二、GC含量：均一性与覆盖的隐形调节器
GC 含量直接影响双链稳定性。GC 含量过高（>65%）的探针容易形成发夹结构或自二聚体，降低有效浓度；GC 含量过低（<35%）则 Tm 偏低，捕获信号弱。理想区间通常为 40%–60%，且同一 panel 内 GC 分布应尽量窄。对于高 GC 目标区域（如启动子、CpG 岛），可适当延长探针长度或使用增强型杂交缓冲液（如加入甜菜碱、DMSO）来补偿。对于低 GC 区域，可增加冗余度或采用更密集的探针排布，以弥补单条探针结合力不足。
三、覆盖度与冗余度：从“罩住”到“罩牢”
覆盖度描述目标区域被探针覆盖的比例，通常要求 ≥95%，理想为 100%。但覆盖度只回答“有没有探针”，不回答“探针好不好用”。冗余度（redundancy）指同一目标碱基被多条探针覆盖的平均次数，常用 1×、2×、5×、10× 表示。冗余度越高，单条探针效率波动被平均掉的可能性越大，捕获均一性越好。例如，对于临床 panel 中已知的低效区域，可将冗余度从 2× 提升到 5×–10×，以换取更稳定的等位基因检出。
覆盖度与冗余度需要联合评估。一个常见误区是只追求覆盖度 100%，却让大量区域仅由 1 条探针覆盖。一旦该探针因二级结构或错配失效，该区域就出现“覆盖空洞”。因此，设计时应优先保证关键区域（如外显子、热点突变位点）的冗余度 ≥5×，非关键区域可放宽至 2×–3×。
四、错配容忍度：变异与旁系同源的平衡
错配容忍度指探针在存在 1–3 个碱基错配时仍能有效捕获目标的能力。对于已知 SNP 位点，若探针恰好覆盖该位点，错配可能导致捕获效率下降 50% 以上。解决方式有两种：一是将探针避开高频变异位点，二是设计简并探针或使用多条覆盖不同等位基因的探针。对于旁系同源基因家族，错配容忍度过高会导致交叉捕获，过低则可能漏掉目标家族成员。通常建议在探针 3′ 端 10 nt 内避免错配，因为该区域对延伸和捕获稳定性影响最大。
五、参数耦合与设计迭代
这些参数并非独立。例如，提高冗余度可以补偿单条探针 Tm 偏低的问题，但会增加 panel 总探针数和合成成本；降低错配容忍度可以减少脱靶，但可能漏掉目标区域内的常见 SNP。实际设计中，通常先按目标区域生成候选探针，再按以下顺序筛选：
- 剔除长度不在 60–120 nt、GC 不在 40%–60% 的候选；
- 计算 Tm，保留 Tm 在目标窗口内且标准差 ≤3 ℃ 的探针；
- 检查二级结构（ΔG < −3 kcal/mol 的发夹需警惕）和自二聚体；
- 按覆盖度 ≥95%、关键区域冗余度 ≥5× 进行排布；
- 对已知高频 SNP 位点，评估错配影响，必要时拆分探针或使用简并碱基。
总结来看，探针设计是一个多参数约束下的优化问题。长度与 Tm 决定热力学可行性，GC 含量影响均一性与二级结构，覆盖度与冗余度决定目标区域的完整性和稳健性，错配容忍度则平衡变异检出与脱靶风险。理解这些参数如何共同作用于捕获效率，才能在 panel 规模扩大、样本类型变化或目标区域更新时，快速定位问题并做出合理调整。