三代测序100问（22）：基于长读长测序的人类基因组重测序分析流程 01

在上一期节目中，我们深入探讨了三代测序技术在遗传病检测中如何突破二代测序的“盲区”，展现出独特的临床优势。紧接着，李老师便收到了许多一线科研工作者的进一步咨询：“拿到一批珍贵的人类基因组长读长测序数据后，我该如何着手分析？”

别着急，针对这一迫切需求，我们将分几期内容，为大家系统性地拆解三代人类基因组重测序的分析框架，并推荐经过实战检验的“黄金标准”工具。在长读长技术迅速成熟的今天，基因组分析范式正经历着从“短读长逻辑”向“长读长优先”的深刻转变。本系列指南将以2025年4月发表在 Genome Research 上的权威综述 "A Hitchhiker’s Guide to long-read genomic analysis" 为蓝本，帮助大家构建一个全面、标准且前沿的分析思维导图。

从原始信号到最终的生物学注释，一个标准的长读长重测序分析流程大致包含六大核心步骤：1. 碱基识别；2. 质量控制；3. 参考基因组比对；4. 变异检测；5. 单倍型分型；6. 变异注释。 本期节目，我们将率先聚焦前三个基础但至关重要的环节。

第一步：碱基识别（Basecalling）——数据的诞生

分析的第一步，是将仪器捕获的原始物理信号转化为计算机可读的碱基序列（A/T/C/G），这一过程被称为 Basecalling。不同技术平台的处理策略存在显著差异：

PacBio HiFi 平台：

对于 PacBio 而言，从荧光信号到核苷酸序列的初步转换通常在测序仪内部即已完成。仪器输出的原始 subreads 会经过 CCS（Circular Consensus Sequencing） 算法 进行自我校正和整合。这一过程利用了环形测序对同一分子的多次读取，极大地消除了随机测序错误，最终输出准确度高达 99.9%（Q30+）的 HiFi Reads。因此，用户拿到手的通常已经是高质量的 hifi.fastq 或 hifi.bam 文件，无需过多的额外 Basecalling 操作。

ONT 纳米孔平台：

ONT 平台的原始数据是电流信号，必须依赖强大的深度学习算法将其“翻译”为碱基序列。目前主流的工具是 Dorado，它提供了三种精度模式以适应不同的计算资源和科研需求：

• FAST 模式： 速度最快，但准确度相对较低，适合快速预览。
• HAC (High Accuracy) 模式： 准确度与速度的折中方案。
• SUP (Super Accuracy) 模式： 准确度最高，但计算资源消耗最大。在追求严谨的科研分析中，SUP 模式通常被视为默认的高准确度选择。

关键提示： 无论哪个平台，现代 Basecalling 算法的一个重要特性是同步输出碱基修饰信息（如 5mC 甲基化）。这意味着我们在获得基因组序列的同时，也零成本地获取了表观遗传学数据，为后续的多维组学分析埋下了伏笔。

第二步：质量控制（Quality Control）——数据的体检

与短读长测序相比，长读长数据的质控维度更加丰富且关键。我们需要重点评估四个核心指标：碱基质量值（QV）、读长分布（Read Length）、错误模式（Error Profile）及覆盖度均一性。这些指标直接决定了后续变异检测（尤其是结构变异）的灵敏度与特异性。

在完成全面的“体检”后，根据具体的研究目标，我们需要对数据进行清洗。通常建议过滤掉过短的片段（如 <1kb）和平均碱基质量较低的 Reads（如 ONT 数据中 Q 值较低的部分），以去除噪音干扰，确保后续分析结果的可靠性。

第三步：参考基因组比对（Alignment）——数据的定位

将经过质控的 Reads 精准地回帖到参考基因组上，是变异检测的前提。这一步看似常规，实则暗藏玄机，核心在于参考基因组版本的选择：

• GRCh38 / GRCh37： 这是目前应用最广泛的经典版本。其优势在于拥有极其详尽的基因注释库、庞大的临床数据库（如 ClinVar）支持以及成熟的生态系统。对于常规的临床遗传病分析，GRCh38 依然是首选。
• T2T-CHM13： 由端粒到端粒（T2T）联盟发布的这一“完美”基因组，填补了 GRCh38 中的许多缺口（如着丝粒、核糖体 DNA 区域）。使用 T2T-CHM13 作为参考，能显著减少因参考序列缺失或错误组装导致的变异检测假阳性和假阴性。虽然其生态尚在建设中，但在探索复杂区域或新变异时，它提供了更优越的坐标系。

总结

至此，我们已经完成了数据的“诞生、体检与定位”。这三步虽然基础，却如同大厦的地基，直接关系到整个人类基因组重测序分析的稳固与精准。

在下一期节目中，我们将进入分析流程的核心深水区——变异检测（Variant Calling）。我们将详细探讨如何利用长读长优势，精准捕捉从小片段 SNV 到大片段 SV 的各类变异。 好了，这期节目就到这里，我们下期见！