“智慧”的基因測序儀,造一個有多難？

科學家不僅有足夠大的腦洞，還有著非凡的執行力。這次是生物學者，他們借鑒了信息學科的思維，發明了基因測序的新方法。日前，一篇名為《基于信息理論來修正錯誤的高準確度熒光產生DNA測序方法》的論文在《自然—生物技術》上在線發表。

“這個設計很巧妙，”東南大學教授陸祖宏說，“或許在信息科學里是‘小伎倆’，但在生物學研究中是一種思維方式的突破，而且奏效了。”

這個跨學科的“小伎倆”在什么樣的背景中奏效，又是如何奏效的？科技日報記者專訪了從事多年生物信息學研究的東南大學教授陸祖宏和我國基因測序儀龍頭企業華大智能副總裁蔣慧。

和體育界的“更快、更高、更遠”類似，基因測序界的“金標準”是“更快、更長、更正確、還不貴”。

“更快”很容易理解——大名鼎鼎的“人類基因組計劃”基于1代測序技術，耗時十余年測出一套完整的人類基因組密碼，而利用現有的2代測序技術，這個時間可以縮短到半天內。

“2代測序技術，又叫高通量測序技術，”陸祖宏介紹，它能夠在一個生物芯片上一次完成上億個反應。“每個反應一次測定一個堿基。”

然而，每個單元中1000個分子的合成很難同步，“這個分子合成到99個時，那個分子可能合成到101個，這樣捕捉到的熒光波長將會有所差異，可信度顯著下降，”陸祖宏說，因此，2代基因測序儀的單次“讀長”目前的極限在200個堿基對（bp）。通過DNA二端測序能做到400個bp，但很難進一步提高。讀得越長，測得序列的正確性就會越低。

在人體基因測序領域，這是一對相差懸殊的數字：30億、200。

前者是人類基因組的堿基對數量，后者是目前測序準確度最高（99%）的2代基因測序儀的單次“讀長”。可見以200為單位完成目標DNA的測序，不可避免會造成大量的誤差。

在2011年第三代測序儀推出時，有媒體這樣表述：如果把拼接工作看作是在做拼圖游戲，由于碎片太小，許多碎片看起來都差不多，這樣要拼出一副完整的圖難度很大，2500—3000bp的平均讀長，將大大降低拼圖難度。

第三代測序儀能夠實時觀察直徑只有15nm的DNA聚合酶，能夠使用一個大孔徑物鏡和高靈敏照相機四個單光子照相機關注到單個1個分子。“3代測序儀的讀長可以達到1萬個堿基以上了，”華大智造副總裁蔣慧說，10000個以上分子難以同步的問題解決了，但是由于單個分子發出的熒光受背景影響波動大，并且讀取依賴于對光脈沖的收集技術和算法翻譯準確率，它的測序錯誤率在10—20%之間。

以上所有的測序方法均依賴熒光信號，但納米孔單分子測序技術，基于一種特殊的納米孔（只能容納單分子通過），在DNA堿基通過時，電荷發生變化，從每種堿基所影響的電流變化幅度的不同來確定堿基是A、T、C、G中的哪一個。

成本方面，2代Illumina的測序成本是每100萬個堿基0.05—0.15美元，三代測序成本是每100萬個堿基0.33—1.00美元。

可見，測序技術正在向著滿足“金標準”的路上不斷推進，而此次我國學者發表的ECC（糾錯編碼測序法）正是對現有手段的校正和補充。 

生物學的研究方法一直是所見即所得，這次引入了信息論的方法，利用冗余信息、通過計算得出準確結論，陸祖宏認為，ECC測序法是對上面提到的2代測序方法的完善，其基本原理與2代測序方法相一致，令人稱道的是其打破思維定勢，迂回計算出堿基信息。

打個比方，要解答“甲乙丙丁分別住在哪個房子里，”之前的方式是直接開門看，ECC是通過測量得到一組邏輯題，諸如紅房子在藍房子的右邊，白房子的左邊；黃房子的主人來自香港，而且他的房子不在最左邊，愛吃比薩的人住在愛喝礦泉水的人的隔壁……等等提示，通過計算最終判斷出結論。