PacBio 与 Nanopore
PacBio SMRT 测序与 Oxford Nanopore 测序代表了两种截然不同的长读长技术路线。它们打破了短读长的长度限制，为解析基因组复杂区域、结构变异和单倍型组装提供了关键数据。
- 掌握 PacBio HiFi 的环形共识测序（CCS）原理及其高精度特性
- 理解 Nanopore 电流信号解码（Basecalling）的挑战与超长 Read 潜力
- 辨析两者的误差特征：随机 Indel (PacBio) vs. 系统性同聚物偏差（Nanopore）
- 认识直接 RNA 测序在修饰检测中的独特优势
1. 长读长的革命
Section titled “1. 长读长的革命”传统二代测序（NGS） 的核心限制是 Read 长度（通常 < 300 bp）。这导致：
- 无法跨越基因组中的大型重复序列。
- 难以直接识别大规模的结构变异（SV）。
- 无法区分来自两条同源染色体的序列（Phasing 问题）。
长读长测序（Long-read Sequencing） 将 Read 长度提升到了 甚至 以上，从根本上解决了这些难题。
长读长带来的范式转变
Section titled “长读长带来的范式转变”短读长时代的基因组组装本质上是”碎片化”的：由于 Read 无法跨越重复区域，组装结果往往被分割成数以万计的 Contigs（连续片段），无法还原完整的染色体结构。长读长技术的出现使得端到端的染色体级别组装（Telomere-to-Telomere Assembly）成为可能。
2022 年发表的”完整人类基因组 T2T-CHM13”正是依赖 PacBio HiFi 和 Oxford Nanopore 超长 Read 的组合，才填补了此前长达数十年的基因组空白区域——包括着丝粒和近端粒区域的复杂重复序列。
2. PacBio：单分子实时合成（SMRT）
Section titled “2. PacBio：单分子实时合成（SMRT）”PacBio 通过观测 DNA 聚合酶合成新链时的荧光信号来实现测序。
SMRT 测序的物理原理
Section titled “SMRT 测序的物理原理”PacBio 的核心是一个称为 SMRT Cell 的微流控芯片，其中包含数以万计的微孔（ZMW, Zero-Mode Waveguide）。每个 ZMW 的底部固定着一条单链 DNA 模板和一个 DNA 聚合酶分子。当聚合酶将带有荧光标记的核苷酸掺入新链时，荧光信号会被激发并记录。由于 ZMW 的体积极小（zeptoliter 级别），只有 ZMW 底部极小区域内的荧光能被检测到，从而实现了对单个分子合成事件的实时观测。
CCS 与 HiFi Reads
Section titled “CCS 与 HiFi Reads”PacBio 最具竞争力的技术是 CCS (Circular Consensus Sequencing)：
- 闭环模板：将 DNA 片段制备成环状，两端各加一段接头（Adapter）序列。
- 循环测序：让聚合酶绕着这个环反复跑几十圈，每次经过插入片段区域时都产生一次测序读数。
- 取平均（Consensus）：通过对同一分子的多次观测，抵消掉单次读取的随机误差。
- 结果：产生长度约 、准确率高达 （Q30+）的 HiFi Reads。
PacBio 的误差特征
Section titled “PacBio 的误差特征”PacBio 原始 Reads（Subreads）的主要误差是随机的插入和缺失（Indel），这来源于聚合酶在合成过程中的偶尔”打滑”。这种随机误差有一个重要优点：多次观测后可以通过一致性校正（Consensus）有效消除，因此 CCS 产物的准确率极高。
3. Oxford Nanopore (ONT)：电流检测
Section titled “3. Oxford Nanopore (ONT)：电流检测”ONT 并不观察合成过程，而是让单链 DNA 直接穿过一个极小的蛋白质孔洞（纳米孔）。
- 电流波动：孔洞中充满了离子电流。当 DNA 碱基穿过时，会阻碍电流，产生独特的特征性波动。
- Basecalling：利用深度学习（如神经网络）将电信号时间序列”翻译”回碱基序列。
Nanopore 的信号解码是一个序列到序列的翻译问题。每个碱基穿过纳米孔时，并非只影响当前时刻的电流，而是同时影响前后约 5—6 个碱基对应的信号窗口。因此，Basecalling 本质上是一个上下文感知的解码任务，这与自然语言处理中的序列标注问题有结构上的相似性。现代 Basecaller（如 Guppy、Dorado）使用卷积神经网络（CNN） 或 Transformer 架构来实现高精度解码。
- 超长 Read：只要 DNA 分子足够完整，它就能一直穿过去。目前最长记录已超过 ，这对于跨越超大重复区域（如人类着丝粒中的 -卫星 DNA）至关重要。
- 直接测序：可以不经过 PCR 扩增和反转录，直接读取原始 RNA 分子，保留甲基化等修饰信息。直接 RNA 测序让研究者能够观察 RNA 的天然修饰状态（如 m6A），而无需依赖间接的化学推断方法。
- 实时分析（Real-time Analysis）：由于测序过程中数据是流式产生的，可以在测序进行中就开始分析。这一特性在传染病快速诊断（如实时病原体鉴定）和靶向测序（Read-until 策略）中具有独特价值。
Nanopore 的误差特征
Section titled “Nanopore 的误差特征”Nanopore 的主要误差来源是同聚物（Homopolymer） 区域——即由相同碱基连续排列的序列（如 AAAAA）。由于多个相同碱基产生的电流变化非常微弱，模型难以精确区分到底有几个碱基。这种误差本质上是系统性的，不能通过简单的多次观测平均来消除，而是需要更复杂的信号模型来校正。
4. 平台特性对比
Section titled “4. 平台特性对比”| 维度 | PacBio HiFi | Oxford Nanopore |
|---|---|---|
| 读长 | 中等长（$15$--$20$ kb） | 极长（$10$ kb -- $1$ Mb+） |
| 单条准确率 | 极高（$>99.9\%$） | 较高（$90\%$--$99\%$） |
| 误差模式 | 随机 Indel（经 CCS 校正后极低） | 系统性同聚物误差 |
| 设备体积 | 巨大（实验室级） | 便携（MinION 仅 U 盘大小） |
| 直接 RNA 测序 | 不支持 | 支持 |
| 碱基修饰检测 | 通过动力学信号 | 通过原始电流信号 |
| 实时分析 | 不支持 | 支持（Read-until 实时选读） |
5. 应用场景
Section titled “5. 应用场景”基因组 de novo 组装
Section titled “基因组 de novo 组装”长读长是完成端到端染色体级别组装的基础。HiFi Reads 的高准确性保证了碱基级别的精度，而 Nanopore 的超长 Read 则能跨越最大的重复结构。在实际项目中，两种技术常被组合使用：先用 HiFi Reads 组装出高精度的 Contigs，再用 Nanopore 超长 Read 进行 Scaffolding（支架搭建），最终获得完整的染色体序列。
结构变异检测
Section titled “结构变异检测”结构变异（SV） 通常定义为大于 50 bp 的基因组变异，包括缺失（Deletion）、插入（Insertion）、重复（Duplication）、倒位（Inversion） 和易位（Translocation）。短读长在检测 SV 时面临根本性困难——Read 长度不足以跨越变异断点。长读长可以直接观测完整的变异结构，是 SV 检测的金标准数据。
单倍型定相（Phasing）
Section titled “单倍型定相（Phasing）”二倍体生物（如人类）拥有两条同源染色体。短读长无法区分某个变异位点上的等位基因究竟来自父本还是母本。长读长由于能同时覆盖多个杂合位点，可以将变异”串联”到各自的染色体上，实现单倍型级别的定相。这对于理解基因的顺式调控效应、遗传病致病机制和器官移植配型都至关重要。
转录组学研究
Section titled “转录组学研究”长读长 RNA 测序（如 PacBio Iso-Seq 和 Nanopore 直接 RNA 测序）能够直接获得完整的转录本序列，而不需要像短读长那样通过拼接来推断。这极大地提升了可变剪接（Alternative Splicing） 的检测精度，并能直接鉴定融合转录本（Fusion Transcript）。