基因测序：从Sanger到纳米孔的技术演进

打破一个常见误解#

读完一个人约 30 亿个碱基对的全部 DNA，2003 年要动用六国数千名科学家、花掉约 13 年和约 30 亿美元（人类基因组计划，1990–2003）。二十年后，同样一份全基因组，一台桌面机器一两天就能测完，花费已跌破 200 美元——成本下降速度比同期的芯片摩尔定律还快。把"读懂自己"从国家级工程变成常规体检的，就是基因测序技术。

"基因测序就是读出DNA的全部序列"忽略了这项技术的层次性和复杂性。现代基因测序并非一次性读出整个基因组，而是将DNA打断成数百万个小片段，分别测序后通过计算方法重新组装。 人类基因组包含约30亿个碱基对，即使是最新技术也无法一次读完。测序的挑战不仅在于"读"，更在于如何高效、准确地处理海量数据并将片段拼接成完整图谱。

Sanger测序：第一代测序技术#

1977年，弗雷德里克·桑格（Frederick Sanger）发明了双脱氧链终止法（dideoxy chain termination method），这是第一个实用的DNA测序方法。其原理优雅而简洁：在DNA合成反应中加入少量荧光标记的双脱氧核苷酸（ddNTP），ddNTP缺少3'-OH基团，一旦被掺入新生链就会终止延伸。四种ddNTP分别用不同荧光标记，反应产物通过毛细管电泳按长度分离，激光读取荧光信号即可确定碱基序列。

Sanger测序的读长可达700-1000个碱基，准确率高达99.999%。它支撑了人类基因组计划（Human Genome Project, 1990-2003）的完成——这项耗资约30亿美元、历时13年的国际合作项目首次绘制了人类基因组的完整序列。桑格是少数两获诺贝尔化学奖的人：1958年因测定胰岛素的氨基酸序列（蛋白质测序）获奖，1980年则因发展出这套DNA测序方法（与吉尔伯特、伯格分享）再次获奖。

但Sanger测序的通量有限——每次运行只能读取一条序列。对于需要测序数百万甚至数十亿碱基的基因组项目来说，它太慢、太贵了。

下一代测序（NGS）：高通量革命#

2005年以后，下一代测序（Next-Generation Sequencing, NGS）技术彻底改变了基因组学。NGS的核心创新是大规模并行测序——同时对数百万甚至数十亿个DNA片段进行测序。

Illumina测序（合成测序法）：目前占据全球测序市场约80%的份额。DNA片段被附着在流动池（flow cell）表面，通过桥式扩增形成簇（cluster）。每个循环加入荧光标记的可逆终止子核苷酸，激光扫描读取信号后化学切除荧光基团和终止基团，进入下一轮合成。Illumina的测序读长通常为150-300碱基，单次运行可产生数百Gb至数Tb的数据。

Ion Torrent（半导体测序法）：DNA合成时释放的H+离子改变溶液pH值，被半导体芯片上的传感器检测。不需要光学系统，设备更小、更快。

NGS使基因组测序成本从人类基因组计划的30亿美元降至今天的不到200美元，速度从数年缩短到数天甚至数小时。这一成本曲线的下降速度远超摩尔定律，被称为"Carlson曲线"。

第三代测序：长读长技术#

NGS的短读长在某些应用中存在局限——重复序列区域的组装、结构变异检测和表观遗传修饰的直接检测需要更长的读长。

PacBio SMRT测序（Single Molecule Real-Time Sequencing）：将单个DNA聚合酶固定在零模波导（ZMW）孔的底部，实时记录荧光标记核苷酸的掺入信号。读长可达数万碱基，平均读长约15-20kb，超长读长可达100kb以上。2024年，PacBio的HiFi测序模式通过环形一致性测序（CCS）实现了>99.9%的准确率和长读长的兼得。

Oxford Nanopore测序：这项技术的原理截然不同——单链DNA通过一个生物纳米孔（由改造的溶血素蛋白构成），离子电流的变化模式反映正在通过的碱基类型。纳米孔测序的革命性在于：无需荧光标记、无需合成反应、可直接检测DNA和RNA、设备极度便携（MinION仅U盘大小）。单条读长可达数Mb，理论上没有读长限制。

纳米孔测序的便携性使其在资源有限的环境中也能使用。2016年，科学家在非洲的埃博拉疫情现场使用MinION进行实时基因组监测。2020-2022年的COVID-19大流行中，纳米孔测序被广泛用于SARS-CoV-2变异株的基因组监测。

人类基因组计划到个人基因组时代#

人类基因组计划的完成标志着基因组学时代的开启。1000基因组计划（2008-2015）对来自26个不同人群的2504个个体进行了全基因组测序，绘制了最详细的人类遗传变异图谱。gnomAD数据库汇集了超过14万人的外显子组和基因组数据，成为变异致病性判定的关键参考。

单细胞测序（Single-cell Sequencing）是近年来的重大突破——将测序分辨率从"组织平均"提升到"单个细胞"。通过将单个细胞分离、裂解和分别建库，可以分析每个细胞的基因组、转录组或表观基因组。单细胞RNA测序（scRNA-seq）揭示了细胞类型的惊人多样性——一个典型的组织可能包含数十种此前未知的细胞亚群。

空间转录组学（Spatial Transcriptomics）更进一步，在保留组织空间位置信息的同时测量基因表达。2020年，Ståhl等人开发的Visium技术被《Nature Methods》评为年度方法。

基因测序技术的快速进步正在将基因组学从研究工具转变为临床基础设施。新生儿基因组筛查、癌症基因组分析、感染病原体的快速鉴定——这些曾经的前沿研究正在成为常规医疗实践。

为什么这很重要#

基因测序成本的持续下降正在开启个性化医疗的时代。当一个人的全基因组测序成本低于一次常规血液检查时，基因组信息将成为常规医疗记录的一部分。这将彻底改变疾病的风险预测、诊断和治疗方式——从"对症治疗"转向"对因治疗"。但这也带来了严峻的伦理挑战：基因隐私、基因歧视、以及如何向患者传达意外发现的遗传风险信息。

跨域连接#

• 大数据系统：测序成本的下降速度超过摩尔定律——从人类基因组计划的约30亿美元到今天不到200美元——瓶颈随之从"测"转移到"算"：一个全基因组约100GB原始数据，存储、传输、分析、解读全靠数据系统支撑。推论：云计算、GPU加速与AI辅助解读会从可选工具变成基因组学的基础设施；不做这条投入，测序能力无法兑现。
• 统计学：现代测序不一次读完整个基因组，而是打碎成数百万片段再计算重建——组装本质是统计推断，重复序列区域则是推断里最不可靠的部分。推论：读长越短，重复区与结构变异的检出应系统性地越差；PacBio与纳米孔的长读长在结构变异检测上的优势，正是这条统计限制的镜像。
• 公共卫生：基因组监测已是传染病防控的标准工具——新冠期间全球共享数百万条病毒序列实时追踪变异株，便携的MinION曾在埃博拉疫情现场做实时监测。推论：从采样到序列报告的周转时间决定监测系统的预警价值；周转超过一个传播代际的监测只能做回顾，做不了预警。
• 数字伦理：基因数据是最特殊的个人数据——不可更改、终身有效，还先天携带血亲的信息：一个人公开自己的基因组，同时就公开了关于其亲属的一半信息。推论：为普通个人数据设计的知情同意与匿名化框架在基因组场景下必然不足——"去标识化"的基因组仍可能被亲属网络重新识别，治理必须按这一结构性特征重新设计。
• 系统发育：比较基因组学把多物种基因组对齐，就能识别哪些序列受自然选择约束、哪些在特定谱系上加速演化——人类加速区域富集于脑发育基因的调控区。推论：若这些区域真参与人类认知演化，其变异应优先影响脑发育相关表型，而非均匀分布地影响各种性状。

参考文献#

1. Sanger, F. et al. (1977). DNA sequencing with chain-terminating inhibitors. Proceedings of the National Academy of Sciences, 74(12), 5463–5467.
2. International Human Genome Sequencing Consortium. (2001). Initial sequencing and analysis of the human genome. Nature, 409(6822), 860–921.
3. Shendure, J. et al. (2017). DNA sequencing at 40: past, present and future. Nature, 550(7676), 345–353.
4. Eid, J. et al. (2009). Real-time DNA sequencing from single polymerase molecules. Science, 323(5910), 133–138.
5. Jain, M. et al. (2016). The Oxford Nanopore MinION: delivery of nanopore sequencing to the genomics community. Genome Biology, 17(1), 239.
6. 1000 Genomes Project Consortium. (2015). A global reference for human genetic variation. Nature, 526(7571), 68–74.
7. Ståhl, P.L. et al. (2016). Visualization and analysis of gene expression in tissue sections by spatial transcriptomics. Science, 353(6294), 78–82.
8. Wetterstrand, K.A. (2023). DNA Sequencing Costs: Data from the NHGRI Genome Sequencing Program. www.genome.gov/sequencingcostsdata.
9. Goodwin, S. et al. (2016). Coming of age: ten years of next-generation sequencing technologies. Nature Reviews Genetics, 17(6), 333–351.
10. Reuter, J.A. et al. (2015). High-throughput sequencing technologies. Molecular Cell, 58(4), 586–597.