正文

二代测序三代测序怎么选从价格准确度到应用场景一文讲清

/0 浏览量
0907

二代测序三代测序怎么选从价格准确度到应用场景一文讲清

测序这件事，说复杂也复杂，说简单也简单。就像你去超市买东西，有的便宜但得挑挑拣拣，有的贵点但省事儿又放心。测序技术也是一样，今天我给你掰扯掰扯这俩”代际”的区别，保证你看完就能做决定。

先搞明白：什么叫”代”

测序技术的”代”，说白了就是技术迭代。你可以把它想象成手机——二代测序像是iPhone 13，成熟、稳定、性价比高；三代测序像是刚发布的iPhone 16，功能更强大，但价格也更贵。

二代测序（NGS），全称叫下一代测序，是现在医院的标配。它的工作原理是把DNA切成一小段一小段，然后同时测，最后拼起来。就像你有一万块拼图，先打散成小块，每块拍照，最后电脑帮你拼回原图。

三代测序（TGS），比如PacBio和Oxford Nanopore，是直接读一整条DNA链，不用切。就像你直接看一整卷电影胶片，而不是拆成一张张图片再看。

价格：这是个硬骨头

价格是很多人关心的，毕竟测序不便宜。

二代测序的价格已经打下来了。拿人类全基因组测序来说，现在大概1000-3000元就能搞定一个样品。做肿瘤基因检测， Panels 大概几百到两千，全外显子组测序大概3000-5000，全基因组测序在3000-8000这个区间。

三代测序呢？贵得多。同样的人类全基因组测序，PacBio大概5000-15000元，Nanopore大概3000-10000元。如果是长读长测序做结构变异分析，价格还能再往上走。

我来给你列个对比表，这样更直观：

┌─────────────────┬──────────────┬──────────────┐
│      项目       │ 二代测序(NGS) │ 三代测序(TGS) │
├─────────────────┼──────────────┼──────────────┤
│ 全基因组测序    │  1000-3000元 │  5000-15000元│
│ 全外显子组测序  │  3000-5000元 │   -          │
│ 肿瘤Panel检测   │  500-2000元  │   1000-3000元│
│ 宏基因组测序    │  2000-5000元 │   4000-8000元│
│ 甲基化检测      │  3000-6000元 │   5000-10000元│
└─────────────────┴──────────────┴──────────────┘

价格差距主要是硬件成本和试剂成本决定的。二代测序设备（比如Illumina的NovaSeq）虽然贵，但单次运行能测几十个样品，摊下来成本就低了。三代测序设备相对贵，而且通量不如二代，所以单价高。

准确度：谁更靠谱？

准确度这事儿，得分开说。

二代测序的准确度非常高，单碱基准确度能达到99.9%以上，也就是每测1000个碱基，最多错一个。这个准确度在临床诊断里是完全够用的，所以很多医院的检测项目都用二代。

三代测序的单碱基准确度早年比较低，大概只有85-92%，被二代按在地上摩擦。但最近几年进步飞快！PacBio的HiFi模式已经能做到99.9%以上，Nanopore通过最新 chemistry 也能达到99%左右。所以现在三代测序的准确度已经不输了。

不过呢，三代测序有个特点：它的错误是”随机错误”，而二代的错误是”系统性错误”。什么意思呢？三代的错误分布均匀，可以通过增加测序深度来弥补；二代的错误可能集中在某些特定序列上，比如重复序列区域，这个就很难补救。

让我用代码的方式给你展示一下这两种测序的数据质量差异：

# 模拟二代和三代测序的准确度对比

import numpy as np

# 假设我们有一条1000bp的DNA序列
true_sequence = "ATCG" * 250  # 400bp的重复序列

# 二代测序模拟 - 高准确度但短读长
def ngs_simulation(sequence, read_length=150, error_rate=0.001):
    """二代测序模拟：切成短片段，高准确度"""
    fragments = []
    i = 0
    while i < len(sequence):
        fragment = sequence[i:i+read_length]
        # 添加少量随机错误
        errors = np.random.random(len(fragment)) < error_rate
        mutated = list(fragment)
        for j in np.where(errors)[0]:
            mutated[j] = np.random.choice(["A","T","C","G"])
        fragments.append("".join(mutated))
        i += read_length
    return fragments

# 三代测序模拟 - 低准确度但长读长
def tgs_simulation(sequence, read_length=10000, error_rate=0.05):
    """三代测序模拟：长读长，单碱基错误率较高"""
    reads = []
    start = 0
    while start < len(sequence):
        end = min(start + read_length, len(sequence))
        read = sequence[start:end]
        # 添加较多随机错误
        errors = np.random.random(len(read)) < error_rate
        mutated = list(read)
        for j in np.where(errors)[0]:
            mutated[j] = np.random.choice(["A","T","C","G"])
        reads.append("".join(mutated))
        start += read_length // 2  # 50%重叠
    return reads

# 测试
ngs_reads = ngs_simulation(true_sequence)
tgs_reads = tgs_simulation(true_sequence)

print(f"二代测序 reads 数量: {len(ngs_reads)}")
print(f"三代测序 reads 数量: {len(tgs_reads)}")
print(f"二代平均读长: {np.mean([len(r) for r in ngs_reads])}bp")
print(f"三代平均读长: {np.mean([len(r) for r in tgs_reads])}bp")

运行这段代码，你就能直观看到：二代测序虽然每个碱基很准，但每次只能读150bp左右；三代测序虽然单个碱基可能错，但一次能读几千甚至几万bp。

核心区别：读长和组装能力

这才是选择的关键！

读长是两者的本质区别。二代测序的读长一般就150-300bp，最长也就600bp左右。三代测序呢？PacBio的HiFi读长能达到15-25kb，Nanopore甚至能读出超过100kb的超长reads。

这个差异意味着什么？意味着在基因组组装这件事上，三代测序完胜。

想象一下，你有一本被撕碎的书，二代测序相当于每页只给你看几个字，你得靠这些零散的字词猜出整本书的内容；三代测序相当于给你看了很多完整段落，甚至整页整页地给你，组装起来自然就简单多了。

对于复杂基因组（比如有大量重复序列的基因组），二代测序经常”装不上”，只能装出一堆碎片。三代测序就能把重复区域连起来，给出一个完整的基因组。

这里有个实际例子：

基因组组装质量对比

人类基因组（约30亿bp）：

二代测序组装结果：
- N50（组装连续性指标）：约50-100kb
- 碎片数（contigs数量）：约1000-5000个
- 完整度：约95-98%
- 问题：大量重复序列区域无法正确组装

三代测序组装结果：
- N50：可达染色体级别（>50Mb）
- 碎片数：个位数到几十
- 完整度：>99.9%
- 优势：能跨越重复区域，给出完整基因组

应用场景：你到底该选哪个？

好，回到核心问题——你该怎么选？

我按场景给你分类，你看看自己属于哪一类：

场景一：临床基因检测（最常见）

如果你是要做遗传病筛查、肿瘤标志物检测、无创产前检测（NIPT），选二代测序。

原因很简单：

  1. 检测目标明确，就是看已知的几个基因或几个位点
  2. 准确度要求极高，临床诊断不能出错
  3. 成本敏感，患者能承受的范围有限

比如肿瘤基因Panel检测，就是测几十个已知癌基因的突变，二代测序完全够用，而且价格只要几百块。

场景二：新物种基因组测序

如果你是在研究一个新物种，想要组装出一个完整的基因组，选三代测序。

二代测序也能做，但组装出来的基因组质量差，重复区域会缺失，很多功能基因会装不上。三代测序虽然贵一点，但能给你一个接近完整的基因组，后续研究也就方便多了。

举个例子：之前科学家在组装某些珍稀动植物的基因组时，用二代测序装了半年，结果还是碎成几千个contig；换成三代测序，几天就组装出了染色体级别的基因组。

场景三：结构变异检测

如果你在研究染色体的大片段缺失、重复、倒位、易位这些结构变异，选三代测序。

二代测序因为读长太短，很难跨越大的重复区域，所以对结构变异的检测能力有限。三代测序的长读长能直接跨过重复区域，把结构变异看得清清楚楚。

场景四：宏基因组测序

如果你在研究微生物群落（比如肠道菌群、土壤微生物），这个就比较复杂了。

二代测序可以做16S rRNA扩增子测序，便宜且够用，适合大规模样本筛查。但如果要搞清楚每个微生物的完整基因组，或者区分近缘物种，三代测序更合适。

场景五：表观遗传学修饰

如果你在研究DNA甲基化、组蛋白修饰等表观遗传学问题，二代和三代都能做，但各有优劣。

二代测序的甲基化检测（比如RRBS、WGBS）技术成熟，数据量大，成本低。三代测序的Nanopore可以直接测出甲基化修饰，不用额外处理，但准确度不如二代。

实际选择建议

我给你一个决策流程图，你可以根据自己的情况来选：

你的需求是什么？
    │
    ├── 检测已知基因/位点的突变？ ──→ 二代测序
    │      (肿瘤Panel、遗传病基因panel、HLA分型)
    │
    ├── 需要组装完整基因组？ ──→ 三代测序
    │      (新物种测序、高质量参考基因组)
    │
    ├── 检测结构变异？ ──→ 三代测序
    │      (CNV、易位、倒位等大片段变异)
    │
    ├── 大规模人群队列研究？ ──→ 二代测序
    │      (成本敏感，样本量大)
    │
    ├── 研究重复序列区域？ ──→ 三代测序
    │      (端粒、着丝粒、转座子等)
    │
    ├── 预算有限？ ──→ 二代测序
    │
    └── 追求基因组完整性？ ──→ 三代测序

还有一个选择：混合测序

有时候，二代和三代并不是非此即彼的关系。现在有很多研究采用混合测序策略：先用三代测序组装出基因组骨架，再用二代测序的数据来填充细节、提高准确度。

这种组合方式的好处是：

  • 成本比纯三代测序低
  • 质量比纯二代测序高
  • 既有了连续的基因组，又有了高准确度

举个例子，很多新发表的植物基因组文章，就是这种策略：PacBio HiFi做长读长组装，Illumina做纠错和高深度覆盖。

总结一下

测序技术没有绝对的”好”和”坏”，只有”适不适合”。

二代测序就像精修版的照片，清晰、准确，但视角有限；三代测序就像广角镜头，能看到更广阔的图景，但细节可能需要后期处理。

如果你是要做临床诊断，二代测序足够且经济；如果你是要探索未知、组装基因组、研究结构变异，三代测序是你的好帮手。当然，如果预算充足，两者结合往往是最佳方案。

希望这篇介绍能帮你理清思路。有具体问题欢迎继续交流！

-- 展开阅读全文 --