“智慧”的基因测序仪,造一个有多难？

科学家不仅有足够大的脑洞，还有着非凡的执行力。这次是生物学者，他们借鉴了信息学科的思维，发明了基因测序的新方法。日前，一篇名为《基于信息理论来修正错误的高准确度荧光产生DNA测序方法》的论文在《自然—生物技术》上在线发表。

“这个设计很巧妙，”东南大学教授陆祖宏说，“或许在信息科学里是‘小伎俩’，但在生物学研究中是一种思维方式的突破，而且奏效了。”

这个跨学科的“小伎俩”在什么样的背景中奏效，又是如何奏效的？科技日报记者专访了从事多年生物信息学研究的东南大学教授陆祖宏和我国基因测序仪龙头企业华大智能副总裁蒋慧。

和体育界的“更快、更高、更远”类似，基因测序界的“金标准”是“更快、更长、更正确、还不贵”。

“更快”很容易理解——大名鼎鼎的“人类基因组计划”基于1代测序技术，耗时十余年测出一套完整的人类基因组密码，而利用现有的2代测序技术，这个时间可以缩短到半天内。

“2代测序技术，又叫高通量测序技术，”陆祖宏介绍，它能够在一个生物芯片上一次完成上亿个反应。“每个反应一次测定一个碱基。”

然而，每个单元中1000个分子的合成很难同步，“这个分子合成到99个时，那个分子可能合成到101个，这样捕捉到的荧光波长将会有所差异，可信度显著下降，”陆祖宏说，因此，2代基因测序仪的单次“读长”目前的极限在200个碱基对（bp）。通过DNA二端测序能做到400个bp，但很难进一步提高。读得越长，测得序列的正确性就会越低。

在人体基因测序领域，这是一对相差悬殊的数字：30亿、200。

前者是人类基因组的碱基对数量，后者是目前测序准确度最高（99%）的2代基因测序仪的单次“读长”。可见以200为单位完成目标DNA的测序，不可避免会造成大量的误差。

在2011年第三代测序仪推出时，有媒体这样表述：如果把拼接工作看作是在做拼图游戏，由于碎片太小，许多碎片看起来都差不多，这样要拼出一副完整的图难度很大，2500—3000bp的平均读长，将大大降低拼图难度。

第三代测序仪能够实时观察直径只有15nm的DNA聚合酶，能够使用一个大孔径物镜和高灵敏照相机四个单光子照相机关注到单个1个分子。“3代测序仪的读长可以达到1万个碱基以上了，”华大智造副总裁蒋慧说，10000个以上分子难以同步的问题解决了，但是由于单个分子发出的荧光受背景影响波动大，并且读取依赖于对光脉冲的收集技术和算法翻译准确率，它的测序错误率在10—20%之间。

以上所有的测序方法均依赖荧光信号，但纳米孔单分子测序技术，基于一种特殊的纳米孔（只能容纳单分子通过），在DNA碱基通过时，电荷发生变化，从每种碱基所影响的电流变化幅度的不同来确定碱基是A、T、C、G中的哪一个。

成本方面，2代Illumina的测序成本是每100万个碱基0.05—0.15美元，三代测序成本是每100万个碱基0.33—1.00美元。

可见，测序技术正在向着满足“金标准”的路上不断推进，而此次我国学者发表的ECC（纠错编码测序法）正是对现有手段的校正和补充。 

生物学的研究方法一直是所见即所得，这次引入了信息论的方法，利用冗余信息、通过计算得出准确结论，陆祖宏认为，ECC测序法是对上面提到的2代测序方法的完善，其基本原理与2代测序方法相一致，令人称道的是其打破思维定势，迂回计算出碱基信息。

打个比方，要解答“甲乙丙丁分别住在哪个房子里，”之前的方式是直接开门看，ECC是通过测量得到一组逻辑题，诸如红房子在蓝房子的右边，白房子的左边；黄房子的主人来自香港，而且他的房子不在最左边，爱吃比萨的人住在爱喝矿泉水的人的隔壁……等等提示，通过计算最终判断出结论。