第二代测序技术

1.概述

　　DNA测序（DNA sequencing）作为一种重要的实验技术，在生物学研究中有着广泛的应用。早在DNA双螺旋结构（Watson and Crick,1953)被发现后不久就有人报道过DNA测序技术，但是当时的操作流程复杂，没能形成规模。随后在1977年Sanger发明了具有里程碑意义的末端终止测序法，同年A.M.Maxam和W.Gilbert发明了化学降解法。Sanger法因为既简便又快速，并经过后续的不断改良，成为了迄今为止DNA测序的主流。然而随着科学的发展，传统的Sanger测序已经不能完全满足研究的需要，对模式生物进行基因组重测序以及对一些非模式生物的基因组测序，都需要费用更低、通量更高、速度更快的测序技术，第二代测序技术（Next-generation sequencing)应运而生。第二代测序技术的核心思想是边合成边测序（Sequencing by Synthesis)，即通过捕捉新合成的末端的标记来确定DNA的序列，现有的技术平台主要包括Roche/454 FLX、Illumina/Solexa Genome Analyzer和Applied Biosystems SOLID system。这三个技术平台各有优点，454 FLX的测序片段比较长，高质量的读长（read）能达到400bp；Solexa测序性价比最高，不仅机器的售价比其他两种低，而且运行成本也低，在数据量相同的情况下，成本只有454测序的1/10；SOLID测序的准确度高，原始碱基数据的准确度大于99.94%，而在15X覆盖率时的准确度可以达到99.999%，是目前第二代测序技术中准确度最高的。虽然第二代测序技术的工作一般都由专业的商业公司来完成，但是了解测序原理、操作流程等会对后续的数据分析有很重要的作用，下文将以Illumina/Solexa Genome Analyzer 测序为例，简述第二代测序技术的基本原理、操作流程等方面。

2.基本原理

　　Illumina/Solexa Genome Analyzer测序的基本原理是边合成变测序。在Sanger等测序方法的基础上，通过技术创新，用不同颜色的荧光标记四种不同的dNTP，当DNA聚合酶合成互补链时，每添加一种dNTP就会释放出不同的荧光，根据捕捉的荧光信号并经过特定的计算机软件处理，从而获得待测DNA的序列信息。

3.操作流程

　　1）测序文库的构建（Library Construction） 　　首先准备基因组DNA（虽然测序公司要求样品量要达到200ng，但是Gnome Analyzer系统所需的样品量可低至100ng,能应用在很多样品有限的实验中），然后将DNA随机片段化成几百碱基或更短的小片段，并在两头加上特定的接头（Adaptor）。如果是转录组测序，则文库的构建要相对麻烦些，RNA片段化之后需反转成cDNA，然后加上接头，或者先将RNA反转成cDNA，然后再片段化并加上接头。片段的大小（Insert size）对于后面的数据分析有影响，可根据需要来选择。对于基因组测序来说，通常会选择几种不同的insert size，以便在组装（Assembly）的时候获得更多的信息。 　　2）锚定桥接（Surface Attachment and Bridge Amplification） 　　Solexa测序的反应在叫做flow cell的玻璃管中进行，flow cell又被细分成8个Lane，每个Lane的内表面有无数的被固定的单链接头。上述步骤得到的带接头的DNA 片段变性成单链后与测序通道上的接头引物结合形成桥状结构，以供后续的预扩增使用。 　　3）预扩增（Denaturation and Complete Amplification） 　　添加未标记的dNTP 和普通Taq 酶进行固相桥式PCR 扩增，单链桥型待测片段被扩增成为双链桥型片段。通过变性，释放出互补的单链，锚定到附近的固相表面。通过不断循环，将会在Flow cell 的固相表面上获得上百万条成簇分布的双链待测片段。 　　4）单碱基延伸测序（Single Base Extension and Sequencing） 　　在测序的flow cell中加入四种荧光标记的dNTP 、DNA 聚合酶以及接头引物进行扩增，在每一个测序簇延伸互补链时，每加入一个被荧光标记的dNTP就能释放出相对应的荧光，测序仪通过捕获荧光信号，并通过计算机软件将光信号转化为测序峰，从而获得待测片段的序列信息。从荧光信号获取待测片段的序列信息的过程叫做Base Calling，Illumina公司Base Calling所用的软件是Illumina’s Genome Analyzer Sequencing Control Software and Pipeline Analysis Software。读长会受到多个引起信号衰减的因素所影响，如荧光标记的不完全切割。随着读长的增加，错误率也会随之上升。 　　5）数据分析（Data Analyzing） 　　这一步严格来讲不能算作测序操作流程的一部分，但是只有通过这一步前面的工作才显得有意义。测序得到的原始数据是长度只有几十个碱基的序列，要通过生物信息学工具将这些短的序列组装成长的Contigs甚至是整个基因组的框架，或者把这些序列比对到已有的基因组或者相近物种基因组序列上，并进一步分析得到有生物学意义的结果。