1. 课程导入与文库构建全景

DNA测序文库构建，是把原始样本中的DNA转化为测序仪能够读取的“可测序分子集合”的过程。它的核心目标可以概括为三件事：把DNA变成合适长度、在两端装上测序必需的接头、把文库质量控制在测序平台可接受的范围内。测序仪本身并不直接读取基因组，它读取的是我们构建出来的文库；因此文库的质量，直接决定了后续数据量、比对率、重复率、覆盖均匀度乃至变异检出的可信度。

理解文库构建，最好先建立一张“全景图”。无论使用哪种建库策略，典型流程都包含以下环节：样本DNA提取与质量评估、DNA片段化、末端修复与加A、接头连接、连接后纯化、文库扩增、文库纯化与定量、文库质检，最后进入测序。不同平台、不同应用会在这些环节上做取舍，例如全基因组测序强调覆盖均匀，扩增子测序强调目标区域富集，cfDNA测序强调低输入量下的分子标签与背景控制，但“片段化—末端处理—接头连接—扩增—质检”的主干逻辑是共通的。

上图中，横向主干是建库的物理操作链，纵向则标出了最容易“翻车”的质控节点。很多初学者把注意力集中在“加什么试剂、跑什么程序”，但真正决定实验成败的，往往是每个节点前后的判断：DNA是否足够完整？片段分布是否落在目标区间？接头连接效率是否达标？文库摩尔浓度是否准确？这些判断如果缺失，后续测序再顺利，也可能得到无效数据。

以最常见的Illumina平台为例，建库时需要在DNA两端连接P5和P7接头，这两个接头不仅提供测序引物结合位点，还决定了文库在flow cell上的簇生成方式。如果接头连接效率低，大量片段没有接头，就无法被测序仪识别；如果接头自连或形成接头二聚体，又会占用测序容量，导致有效数据比例下降。因此，连接后纯化步骤必须有效去除未连接的接头和短片段，而文库扩增则要控制循环数，避免过度扩增引入偏差和重复。

不同测序平台对文库的要求差异很大。Illumina平台通常要求文库为双链DNA，两端带有特定接头，片段长度一般在200–600 bp之间，摩尔浓度需根据簇生成密度进行优化；MGI平台则通过环形化将文库转化为单链环状分子，再通过滚环复制制备DNA纳米球，因此对片段长度和环形化效率有额外要求；PacBio的SMRTbell文库需要两端连接发夹接头，形成哑铃结构，对片段长度和无损伤要求更高；Oxford Nanopore平台则需要在文库两端连接马达蛋白和测序接头，对DNA完整性极为敏感，长片段建库时尤其要避免剪切损伤。

从质控角度看，一个完整的建库流程至少应设置四道“关卡”。第一道是样本DNA质量评估：用琼脂糖凝胶电泳或DIN值判断DNA是否降解，若样本已严重片段化，则不适合做长读长或大片段文库。第二道是片段化后检测：用Agilent 2100或TapeStation确认片段分布是否集中在目标区间，例如全基因组测序常用300–400 bp插入片段，扩增子测序则可能只有150–250 bp。第三道是接头连接后检测：可通过qPCR或荧光定量评估连接效率，必要时用Bioanalyzer观察是否有接头二聚体峰。第四道是文库终检：用Qubit测双链DNA浓度，用qPCR测可扩增文库浓度，用片段分析确认最终插入片段大小，并计算摩尔浓度用于上机稀释。

需要特别强调的是，文库构建不是“把步骤跑完”就结束了。每一步的输入、输出和判断标准，都应该被记录和复核。例如：片段化后是否做了纯化？纯化后回收率是多少？接头连接时insert与adapter的摩尔比是否合理？扩增循环数是否根据起始量调整？这些细节决定了文库的复杂度和代表性。一个复杂度不足的文库，测序后表现为重复率高、覆盖不均、低频变异难以确认；而一个片段分布异常的文库，则可能导致测序读长浪费或比对率下降。

对于不同应用场景，建库策略也需要调整。全基因组测序追求覆盖均匀和复杂度，通常采用超声片段化加连接法建库；全外显子测序在连接接头后还需要进行探针捕获，因此对文库的复杂度和接头设计有额外要求；RNA测序需要先反转录成cDNA，再根据是否保留链方向性选择相应建库方案；单细胞测序则要在单细胞水平上加上细胞条形码和UMI，建库时需特别注意条形码的完整性和扩增均一性。这些差异说明，文库构建没有“万能方案”，只有“与测序目的匹配的方案”。