测序技术迄今为止已发展了三代,测序技术有4个指标:读长、成本、准确度、通量。
成本、准确度这两项指标都很好理解,成本下降使得单个人类基因组的花费已经从2001年的1亿美元下降到了1000美元以下。准确度则是测序结果的准确程度,例如二代测序的solid可以达到99.9%,而唯一投入实用的三代测序pacbio错误率为15%。
读长指的是测序反应所能测得序列的长度,如果DNA序列长度高于读长,那么必须把DNA序列分割成长度在读长以内短序列才能测序。一代测序双脱氧链终止法(Sanger法)的读长是1000bp,二代测序较低为50bp-300bp,三代可以达到5000bp以上,最长读长甚至能达到20kb,较长的读长也正是三代测序最大的优势所在。
通量指的是单位时间内所能产生的数据量,这个概念乍听起来有些抽象,其实这是一个测序速度、测序数量的综合体现。二代测序测序效率大幅提升,不仅在于测序速度的提高,更重要的是能同时对几百万条序列进行测序,这也就是二代测序的别称高通量测序(NGS)的由来。类比流量=流速*横截面积,通量=测序速度*同时进行的测序反应数量。 以一台双flow cell的Hiseq2500为例,一次运行27小时产出的数据量就多达60G,相当于20个人的完整基因组!
科学与时代一起进步,测序技术的发展带来了基因组学的革命。综合这些测序技术,我们不难看出测序技术一直向着成本越来越低、通量越来越大、速度越来越快的方向稳定的发展着。测序成本、读长的长度和测序的速度以及通量一直是评价测序技术先进与否的重要衡量标准。而测序成本往往在一定程度上决定了这个技术在基因组测序应用中是否会得到普及。在1995年,发明的自动测序仪检测一个碱基的成本消耗为大约1美元; 1998年,ABI Prism® 3700 DNA Analyzer测序仪检测一个碱基仅仅需要0.1美元; 如今,广泛使用的二代三代测序技术所需要的测序成本则更低。测序数据读长定义为测序得到的片段长度, 它的大小将深刻的影响后续对于所测数据的序列拼接质量的好坏和难易。更长的序列读取长度意味着可以为后续的基因组装工作减负,而测序技术在追求更长的序列读长的同时却难免出现测序错误的增加情况。测序通量是指一定时间内可以测序得到的数据量。更高的测序速度一定程度上能够降低测序时间成本、提高工作效率。