引入
生命的指令写在DNA 的结构的碱基序列里——A、T、C、G四个字母，构成了所有生物的”源代码”。如果能读出这段源代码，我们就能找到致病突变、追踪病毒进化、重建物种亲缘关系，甚至为每个患者定制治疗方案。DNA测序，就是这套读取生命信息的技术。
测序技术的演化史，本质上是”如何更快、更便宜、更准确地读取碱基序列”的工程学进化史。从1977年Sanger发明第一代测序，到今天一个人全基因组只需几百美元和几个小时——这场技术革命彻底改变了生物学的研究方式，也开启了精准医疗的大门。
每一代测序技术都建立在DNA 的复制的基本原理之上：DNA聚合酶按模板合成互补链，只是工程师们找到了不同的方法来”观察”这个合成过程。
正文
定义
**DNA测序（DNA sequencing）**是指确定DNA分子中碱基（A、T、C、G）排列顺序的技术。从广义上，它涵盖了从样本制备、碱基读取到序列分析的全流程。
第一代测序：Sanger双脱氧链终止法
1977年由Frederick Sanger发明，是第一个实用的DNA测序方法，也是人类基因组计划（1990-2003，耗资约30亿美元，历时13年）所依赖的核心技术。
原理：
DNA聚合酶在合成新链时，需要dNTP（正常的脱氧核苷三磷酸）。如果在反应体系中同时加入少量ddNTP（双脱氧核苷三磷酸）——它缺少3’-OH基团，一旦被聚合酶掺入，链的延伸就立即终止。
设置四个反应管，每管分别加入ddATP、ddTTP、ddCTP、ddGTP。聚合酶在每个模板的每个位置都有概率掺入ddNTP，因此产生一系列不同长度、但都以特定碱基结尾的片段。
将这些片段通过毛细管电泳按长度分离，从短到长读取末端碱基，即可还原出原始序列。
特点：读长约800-1000bp，准确度高（>99.99%），但通量极低——一次反应只能读一条序列。适合验证性测序和小规模项目。
人类基因组计划
1990年启动，2003年完成，是人类科学史上最大的协作项目之一。它证明了一个完整的人类基因组序列是可以被读取的，也为后续所有基因组学研究奠定了参考框架。参见PCR——PCR技术在文库构建中不可或缺。
第二代测序（NGS）：大规模并行短读长
第二代测序（Next-Generation Sequencing）的核心思想是：把数百万条DNA片段同时测序，彻底突破了Sanger的串行瓶颈。
Illumina 边合成边测序（SBS）是目前主流平台：
1. 文库制备：将DNA随机打断成短片段（300-600bp），两端连接接头（adapters）。
2. 桥式扩增（bridge amplification）：DNA片段结合在流动槽（flow cell）表面的引物上，弯曲成”桥”形，通过聚合酶扩增形成局部克隆簇（cluster），每个簇约1000条相同序列，用于增强信号。
3. 边合成边测序：加入带有荧光标记的可逆终止dNTP。每次只掺入一个碱基，激光激发后拍照记录颜色（四种颜色对应四种碱基），然后切除荧光基团和终止基团，进行下一轮。数百万个簇同步读取。
特点：通量极高（一次运行可产出数百Gb数据），单碱基成本低，但读长短（150-300bp），对重复序列和结构变异检测存在困难。
第三代测序：单分子长读长
第三代测序直接读取单个DNA分子，无需PCR扩增（见PCR），避免了扩增偏差，且读长大幅提升。
PacBio SMRT测序（单分子实时测序）：
DNA聚合酶被固定在一个纳米级小孔（zero-mode waveguide，ZMW）底部，加入四种带不同荧光标记的dNTP。聚合酶每掺入一个碱基，对应颜色的荧光脉冲被实时捕捉。
读长平均10-30kb，最长可达100kb以上。准确度单次约85-90%，但通过环形一致性测序（CCS/HiFi）——让聚合酶绕环形模板多次读取同一条序列——可将准确度提升至>99.9%。
Oxford Nanopore 纳米孔测序：
原理完全不同：一条DNA单链在电压驱动下穿过一个嵌在膜上的蛋白质纳米孔。不同碱基（或碱基组合）经过孔道时，阻断电流的方式不同，通过实时监测电流变化来识别碱基。
读长理论上无上限（已实现>4Mb的读长），设备小型化（MinION如U盘大小，可随身携带）。早期准确度较低（约85-95%），近年已提升至>99%（R10.4孔+最新碱基识别算法）。
三代测序技术比较
| 特性 | Sanger（一代） | Illumina（二代） | PacBio / Nanopore（三代） |
|---|---|---|---|
| 读长 | 800-1000 bp | 150-300 bp | 10 kb - 数 Mb |
| 通量 | 极低 | 极高 | 中至高 |
| 单碱基准确度 | >99.99% | >99.9% | 85-99.9%（依模式） |
| 单Gb成本 | 极高 | 最低（约$5-10） | 较高（约$15-50） |
| 速度 | 慢 | 数小时至数天 | 实时至数小时 |
| 主要优势 | 金标准验证 | 通量与成本 | 长读长，结构变异检测 |
| 主要局限 | 通量低 | 短读长，重复序列 | 成本较高，错误率略高 |
测序的应用场景
测序技术的价值在于它能回答的生物学问题：
基因组组装：将短读长（二代）和长读长（三代）组合，拼接出完整基因组。长读长跨越重复区域，短读长纠错，这是当前高质量基因组组装的标准策略。
变异检测：比对到参考基因组后，识别SNP（单核苷酸多态性）、InDel（插入缺失）和结构变异（SV）。这是研究基因突变与变异和寻找致病位点的核心工具。
转录组测序（RNA-seq）：对mRNA反转录后测序，可定量基因表达水平、发现可变剪接、识别新转录本。不需要预先知道要检测哪些基因。
表观基因组测序：
- ChIP-seq：结合染色质免疫沉淀和测序，定位蛋白质（组蛋白修饰、转录因子）在基因组上的结合位点
- 全基因组甲基化测序（WGBS）：用亚硫酸氢盐处理DNA，未甲基化的C转变为U，比对后识别每个C的甲基化状态——这是表观遗传学研究的重要工具
- Nanopore直接检测：纳米孔测序可以直接区分甲基化胞嘧啶和未甲基化胞嘧啶，无需化学处理
宏基因组测序：直接从环境样本（土壤、肠道、海洋）中提取DNA并测序，无需培养微生物。16S rRNA基因测序可鉴定物种组成，全宏基因组测序（shotgun metagenomics）还能重建微生物的功能基因。这是研究人体微生物组的主要手段。
生物信息学：从数据到知识
测序产生的原始数据（FASTQ文件，包含序列和质量分数）需要一套完整的分析流程才能转化为生物学洞见：
质控（QC）：去除低质量读段和接头序列。
比对（alignment）：将读段定位到参考基因组（BWA、Bowtie2等工具）。三代长读长用minimap2。
变异识别（variant calling）：在比对结果上识别与参考基因组的差异（GATK、DeepVariant等）。
注释（annotation）：将变异映射到基因和功能区域，判断其潜在影响（同义突变、错义突变、剪接位点突变等）。
下游分析：基因表达定量、通路富集、系统发育重建、群体遗传学分析——具体取决于研究问题。
这一系列流程构成了生物信息学的核心工作，也是现代生物学研究无法绕开的技能。
从基因组到精准医疗
测序技术的终极价值在于临床转化：
- 肿瘤基因组测序：识别驱动突变，指导靶向治疗选择（如EGFR突变→吉非替尼，参见癌症的生物学）
- 无创产前检测（NIPT）：通过母体血液中游离胎儿DNA筛查染色体异常
- 罕见病诊断：全外显子测序（WES）可将罕见遗传病的诊断率从不到10%提升至40%以上
- 病原体监测：快速测序追踪病毒变异（新冠疫情中SARS-CoV-2基因组的全球监测网络）
- 药物基因组学：根据个体基因变异预测药物反应，避免无效或有害治疗
CRISPR与基因编辑的发展让”从读取到改写”成为可能，而测序则是验证编辑效果和发现新靶点的基础设施。
引出
- Nanopore测序中，碱基识别（basecalling）算法如何利用深度学习提升准确度？
- 长读长测序如何改善**结构变异（SV）**检测，这些变异在人类疾病中的作用为何长期被低估？
- 单细胞测序（scRNA-seq）如何在细胞异质性层面提供bulk RNA-seq无法揭示的信息？
- 空间转录组学（spatial transcriptomics）如何将基因表达数据与组织空间位置关联？
- 全基因组测序成本降至$100以下时，全民基因组测序在伦理和隐私层面会面临哪些挑战？