做基因组研究的人，几乎都被同一个问题缠住过：我手上的样本到底该用什么平台测？大约五年前，这个问题的答案还算单纯——要低成本变异检测，上 Illumina 短读长；要组装基因组，就往 PacBio 或 Nanopore 上投钱硬扛。但这几年格局变了很多：PacBio HiFi 把长读长的准确率拉到了 Q30 量级，Nanopore 的 R10 化学也冲上了 Q20+，Illumina 依旧在短读长领域不可替代。同一个项目，三种测序平台都能出报告，但预算、时间、下游分析和可发表性完全不同。这篇文章我就把“三代测序选型”这件事从原理、核心指标到应用场景完整捋一遍，也加上这些年做项目踩过的坑，给正在写方案、报预算、选平台的你一条相对清晰的决策路径。适合生信工程师、实验室负责人和刚接触测序的研究生收藏着慢慢看。
1. 三种测序平台到底在测什么：从原理看底层差异
1.1 Illumina 短读长：把海量短片段堆出统计学意义
Illumina 的原理是边合成边测序，英文简称 SBS。文库制备时，DNA 会被打断成 300 到 500 bp 左右的片段，两端接上通用接头，然后在 flow cell 上做桥式 PCR，把每一个单分子扩增成几千个拷贝的 DNA 簇。接着加入带荧光标记的可逆终止碱基，聚合酶每延伸一个碱基，仪器就扫一次荧光，四色信号对应四种碱基，一轮一轮读下去，读到 150 bp 或 250 bp 就自动终止，再读另一头，得到双端读长。
这种模式的本质是“大量短读长 + 高精度”，靠测序深度堆出统计学结论。单碱基错误率非常低，通常 Q30 以上，也就是每千个碱基错不到一个。它最大的短板有两个：一是对 GC 含量有偏好，高 GC 或低 GC 区域的扩增和测序效率都会下降；二是人类基因组和植物基因组里有大量重复区，当重复单元比读长还长时，短读长无法唯一比对，变异检测和组装到这里基本束手无策。
1.2 PacBio HiFi：同一段 DNA 反复读十几次再投票
PacBio 走的是单分子实时测序路线。SMRT 平台上每个 ZMW（零模波导）都是一个纳米级小孔，孔底固定一个 DNA 聚合酶。文库不是线性片段，而是 SMRTbell 环状结构：DNA 两端接上发卡接头，形成一个闭环。聚合酶在这个环上不停地滚环复制，同一段模板会被反复读很多圈。CCS（Circular Consensus Sequencing）算法把所有 subread 合并、比对、投票，最后输出一条高准确率的一致性序列，这就是 HiFi read。
关键点在于：原始单分子读长的准确率并不高，早年只有 85% 到 90%，但因为错误是随机的，多轮共识之后错误被互相纠正，最终准确率能到 99.9%，也就是 Q30。这就真正实现了“长读长”和“高准确率”兼得。HiFi 读长通常在 15 到 25 kb，比短读长长两个数量级，同时全程没有 PCR 扩增，GC 偏好几乎可以忽略。我自己的体验是，HiFi 下游分析很少需要“救火”，比对、组装、变异检测都有成熟流程，是三套平台里最省人工的一种。
1.3 Nanopore：让单链 DNA 直接穿“门”而过
Nanopore 是另一种思路，直接物理读序列。Oxford Nanopore 把蛋白质纳米孔嵌入一张电阻膜里，DNA 单链在电机驱动下穿过纳米孔。四种碱基以不同方式影响流过孔的离子电流，仪器记录电流波动，再通过 basecalling 算法翻译成碱基序列。既然是物理方式，读长理论上只受文库 DNA 片段长度限制，几 Mb 的超长读长已经不算新闻。
Nanopore 最亮眼的两个特性是实时测序和便携：MinION 只有移动硬盘大小，接在笔记本上几分钟就能出第一个读长。同时，电流信号本身就携带修饰碱基的信息，5mC、5hmC、6mA 可以直接测，不需要重亚硫酸盐处理。短板则是单读长准确率：R10.4.1 化学配上 Q20+ 试剂盒，raw read 准确率能到 99% 左右，比早期进步巨大，但错误模式主要是插入和缺失，同聚物区域尤其容易数错个数。想获得短读长那种 Q30 级别的单读长准确率，通常要靠 duplex 模式，或者组装和抛光后的 consensus。
| 平台 | 核心机制 | 一句话理解 |
|---|---|---|
| Illumina | 桥式 PCR 扩增成簇 + 边合成边测序 | 把一条 DNA 复制成很多拷贝，每次读一个碱基，眼睛够亮但看不清远处 |
| PacBio HiFi | 单分子聚合酶在 ZMW 中滚环复制环状模板，CCS 多次共识 | 同一段 DNA 反复读十几次再投票，读得长又读得准 |
| Nanopore | 单链 DNA 穿过蛋白质纳米孔，碱基逐个改变离子电流 | 让 DNA 链从门缝挤过去，边挤边“听”声音辨碱基 |
所以核心结论是：三套技术从物理原理上就不一样。Illumina 是多拷贝 + 短读长，Nanopore 是单分子 + 超长读长，HiFi 是单分子 + 滚环共识 + 长读长。它们不是“同一件事的三种套餐”，而是各自解决不同的问题。
2. 关键指标硬核对比：读长、准确率、通量与成本
2.1 读长：为什么三代总把读长挂在嘴边
读长为什么总是第一个被拿出来比？因为它直接决定两件事：能不能跨越重复区，以及组装和比对时能不能把远距离信息串起来。人类基因组大约 50% 到 70% 是重复序列，植物只会更高。如果重复单元比读长还长，比如卫星 DNA、转座子元件，短读长就无法跨越，组装时 contig 会在那里断掉，变异检测时 reads 只能随机落位。
读长越长，片段在基因组上的落点越唯一，组装越容易形成长 contig。T2T 联盟用超长读长攻克着丝粒就是最好的例子。着丝粒区域全是重复单元，短读长根本拼不上去，只有几百 kb 到 Mb 级的超长读长才能横跨过去。因此，项目里只要出现“从头组装”“结构变异”“单倍型定相”这些字眼，读长就是第一优先级。
2.2 准确率与错误模式：Q20、Q30 背后的“脾气”
先把 Q 值讲清楚：Q30 表示错误概率千分之一，准确率 99.9%；Q20 表示错误概率百分之一，准确率 99%。看起来只差一个数量级，但对单碱基变异检测影响非常大，因为真实突变频率在人群中往往只有百分之几到千分之几，测序错误如果高于这个水平，假阳性会淹没真信号。
短读长错误率最低，Illumina 单 read Q30+ 很常见，错误以替换为主。HiFi 的 consensus 也在 Q30 量级，注意这里的 Q30 指一个长读长的一致性准确率，不是单次聚合酶读数的准确率。Nanopore raw read 目前 Q20 左右，主要错误是 indel，同聚物区尤其容易出错；但经过组装或者 duplex 模式纠错，也能接近 Q30。
错误模式决定下游分析算法。GATK 是为短读长替换错误调校的，直接拿 Nanopore 的 indel 错误去跑，很容易满屏假阳性。长读长变异检测要用 DeepVariant、Clair3、Sniffles2 这类匹配错误模型的工具。这也是很多只做过 Illumina 的团队换平台后栽跟头的地方。
2.3 通量与成本：不是越贵越好，而是越匹配越好
- Illumina NovaSeq X单次运行可以达到 Tb 级，一个 run 顶得上早期一个测序中心一年的产出，短读长的规模优势无人能比。
- PacBio Sequel IIe单 SMRT Cell 的 HiFi 产量在数十 Gb 水平；新出的Revio整机单次运行能到 Tb 级，一个 run 可以覆盖几十个人类全基因组 HiFi。
- Nanopore单张 PromethION flow cell 一般是 100 到 200 Gb，MinION 更低，但胜在灵活，flow cell 可以随时停，可以只跑一点点样本。
成本的大致规律是：短读长每 Gb 成本最低，长读长已经大幅下降但仍是短读长的数倍。还要注意资本开支：NovaSeq 和 Sequel 都是大型专用设备，需要独立机房和稳定供电；MinION 入门只要几千块人民币，PromethION 是几十万量级。如果实验室预算有限，Nanopore 的入场门槛明显最低。
不过必须提醒一句：“每 Gb 单价”不等于“项目总成本”。长读长建库对 DNA 质量要求高，生信要吃 CPU 和 GPU，数据存储也占地方，这些都要提前盘进预算。
| 维度 | Illumina 短读长 | PacBio HiFi | Oxford Nanopore |
|---|---|---|---|
| 读长 | PE100/150/250 bp | 15~25 kb（HiFi 模式典型值） | 数 kb 至 1 Mb+，超长文库可达 Mb 级 |
| 单 read 准确率 | >99.9%（Q30+） | >99%（Q20+），多数样本可达 99.9%（Q30+） | R10.4.1/Q20+ 约 99%；Duplex 可达 99.9% |
| 主要错误类型 | 替换错误、GC 偏好 | 随机错误 | 插入/缺失为主，同聚物区需警惕 |
| 单 run 通量 | NovaSeq X 可达数 Tb | Sequel IIe 单 cell 数十 Gb；Revio 整机 Tb 级 | MinION 数十 Gb；PromethION 单 flow cell 100~200 Gb |
| 场地要求 | 大型/中小型台式机 | 大型专用设备 | 从 U 盘级到整机级，部署灵活 |
| 单 Gb 成本 | 最低 | 中等（Revio 后大幅下探） | 中等偏高 |
| 实时输出 | 否 | 否 | 是 |
| 原生修饰检测 | 需要重亚硫酸盐等前置处理 | 可检测动力学信号，灵敏度有限 | 可直接检测 5mC/5hmC/6mA 等 |
2.4 时效性：能不能“边测边看”
Illumina 和 PacBio 都要跑完整轮运行，中途虽然可以取样检查，但真正可用的数据基本得等到结束。Nanopore 是真正的实时输出：测序一开始，fastq 就往硬盘里持续写，跑到能回答当前问题的最低深度就可以叫停，甚至可以关掉 flow cell 下次再用。
几年前我拿到一个突发不明原因感染的样本，用 MinION 十几个小时就拿到了能分类的 reads，换成 Illumina，光上机周期可能就要一天多。所以只要项目包含“紧急”“现场”“临床决策”这些关键词，Nanopore 的实时优势几乎是压倒性的。
3. 选型逻辑：不同应用场景的最佳方案
3.1 基因组从头组装：从细菌到 T2T 人类基因组
细菌基因组组装，现在最舒服的方案是 HiFi 30x：一条染色体基本一个 contig 闭合，质粒也常见单独环。Nanopore + Illumina 混合组装也可以用，flye 搭骨架、短读长抛光，步骤多一道，质控多一层。如果预算特别紧，纯 Nanopore 组装加 medaka 抛光也能出结果，只是重复区和同聚物要多花人工检查。
大基因组的主流方案是 HiFi + Hi-C。近两年发表的高质量动植物参考基因组，几乎都是 HiFi 底座，BUSCO 完成率轻松上 97% 以上。如果目标是 T2T 级别，就要再加 Nanopore 超长读长，专攻着丝粒、rDNA、大片段串联重复；Hi-C 负责把 contig 挂到染色体。组装项目的选型原则我总结过一句话：先保准确率再拉读长，HiFi 打底，Nanopore UL 补极端复杂区，短读长做最终抛光。
3.2 变异检测：SNV、SV 与定相的侧重点
如果项目只做 SNV/Indel 的大队列筛选，Illumina WGS 从成本到工具生态都无可动摇。短读长流程太成熟了，GATK、DRAGEN 都是标准操作，假阳性控制得很好。这时候硬上长读长，有点像拿杀鸡刀打蚊子，预算和时间都不划算。
但一旦涉及结构变异，短读长就非常吃力。50 bp 以上的插入、缺失、倒位、串联重复，短读长经常测不到或者测不准。长读长，尤其是 HiFi，能同时保证单碱基准确度和跨结构变异的能力，一个平台把 SNV 和 SV 一起解决。Nanopore 的超长读长在检测大片段 SV、STR 异常扩增时有独特优势。
另外别忽略单倍型定相。长读长天然能看到同一染色体上的连锁标记，一个人的两个单倍型可以直接分开，这对遗传病研究非常关键。短读长定相要么靠统计推断，要么靠额外加测父母样本，麻烦得多。
3.3 表观遗传与全长转录本：甲基化、异构体怎么测
甲基化研究，如果想要单碱基分辨率又价格可控，WGBS（重亚硫酸盐测序）依然是金标准，Illumina 平台生态成熟。Nanopore 的优势是免转化、直接对原生 DNA 测序，能同时保留 5mC、5hmC、6mA 等多种修饰信息，并且可以和变异检测共用一套数据。PacBio 平台也能从动力学信号推断修饰，但 HiFi 模式下的灵敏度不如专门检测，通常只适合顺带观察。
RNA 方面，常规转录组定量用短读长没毛病。但如果课题需要看全长转录本异构体、融合基因或可变剪接全貌，PacBio Iso-Seq 是标准方案。Nanopore direct RNA sequencing 能直接把转录本测出来，避免反转录步骤，代价是通量和成本都不便宜。这类课题建议根据你究竟要“定量”还是“看全长结构”来选。
3.4 病原检测、宏基因组与临床现场
Nanopore 在病原检测领域几乎是现象级的存在。实时测序加便携设备，把以前必须送检样本到中央实验室的场景，变成了现场直接输出。突发疫情、院内感染、食物中毒、ICU 不明原因感染，都能在几小时内从原始样本到菌种鉴定、分型判断甚至耐药基因筛查。不少医院的临床 mNGS 也已经把长读长作为补充方案。
如果目标是病原体全基因组闭合和精细分型，HiFi 更合适，准确率高，耐药基因定位和 MLST 分型结果可以直接拿去发文章或进数据库。宏基因组学要分开说：定量和物种丰度分析，Illumina 短读长是主力，便宜且偏差小；但从复杂群落里拼出完整的 MAG，长读长明显更能扛。
3.5 单细胞与空间转录组：为什么还是 Illumina 的天下
单细胞转录组、空间转录组，目前主力还是 10x Genomics + Illumina。原因很简单：通量匹配。10x 建库的本质是短片段扩增产物，让长读长来测没有任何优势，成本还翻倍。虽然有个别团队用 Iso-Seq 做单细胞全长转录本，那也属于特定课题，不是通用路径。这类项目直接按 Illumina 定方案即可，不用纠结三代还是二代。
4. 实操选型流程、成本估算与组合策略
4.1 一套可复用的选型决策流程
我内部经常用下面这套流程，不复杂，适合大多数实验室：
- 先写清楚要回答的生物学问题，落到可检测的信号：是拼基因组、找 SNV、查 SV，还是看甲基化。
- 看样本量：队列几十上百个，长读长可能贵；单个或家系样本，长读长更可能值得。
- 看参考基因组：有高质量参考，短读长可以直接比对；物种没有参考，长读长从头开始更快。
- 算总账：设备折旧、试剂、人力、生信、存储，不要只看试剂盒报价。
- 考虑时间：病样本、现场、临床决策，Nanopore 实时优势明显。
- 确认生信能力：长读长组装、比对、变异检测都要单独的软件栈，团队没经验就要预留学习周期。
- 最后检查是否需要多平台组合：纯短读长解决不了的，尽早让长读长进来，别等项目做一半再补。
总结成一句话：组装和复杂结构变异用长读长，队列、定量和单细胞用短读长，现场和紧急场景用 Nanopore；预算舒适就 HiFi 打底，预算紧张就先 Nanopore + Illumina。
4.2 常见应用的成本估算参考
下面的价格不是合同价，是近两年常见报单的大致区间，不同地区、不同代理商差异很大，关键是看相对关系。
| 应用 | 推荐平台与方案 | 单样本成本（美元，粗略） | 备注 |
|---|---|---|---|
| 人 WGS 30x | Illumina NovaSeq X | 300~800 | 队列规模越大单价越低 |
| 人 WGS 30x HiFi | PacBio Revio | 500~1000 | 官方目标已向 500 美元看齐 |
| 人 WGS 30x 长读长 | Nanopore PromethION | 700~2000 | 视文库质量、flow cell 数量 |
| 细菌基因组闭合 | PacBio HiFi | 150~400 | 通常一条 contig 完成 |
| 细菌基因组混合组装 | Nanopore + Illumina | 100~250 | 流程长，多一道质控 |
| 细菌基因组纯短读长 | Illumina | 50~100 | 难闭合，重复区易缺 |
| 16S 全长扩增子 | Nanopore MinION | 低 | 一次 run 可混多样本 |
| 靶向 panel / WES | Illumina | 10~100 | 成熟流程，自动化程度高 |
举个例子算一笔账：细菌基因组闭合。方案 A 纯 HiFi，建库后多个样本 pooled 上 cell，单样本成本 150 到 400 美元，人工很少，开箱即用；方案 B 混合组装，Nanopore 一张 flow cell 加上 Illumina 补充，试剂和人力摊下来可能 100 到 250 美元，但要多写两套 QA/QC 流程。究竟是花钱省事还是花时间省钱，跟团队人力状态直接相关。
4.3 混合策略：长读长、短读长如何搭配
组合一：短读长 + Nanopore，经典省钱方案。Illumina 负责高准确率，Nanopore 负责长距离骨架。对大肠杆菌这类 GC 均匀的物种，flye 加短读抛光已经很成熟；但超高重复度物种要小心，抛光可能引入假变异，需要人工检查。
组合二：HiFi + Hi-C，大基因组染色体级组装的通用解。HiFi 造准确的长 contig，Hi-C 把 contig 串到染色体，结构上接近参考基因组水平。
组合三：HiFi + Nanopore UL，T2T 级方案。HiFi 保证整体准确率，UL reads 专门穿着丝粒和 rDNA，Hi-C 再做染色体挂载。这个组合产出的质量，已经接近目前顶刊参考基因组项目的水平。
下面给几个最常用的命令，都是可以直接抄的：
# Nanopore basecalling，GPU 加速，具体模型参数以 dorado 官方文档为准 dorado basecaller sup <run_dir> > reads.fastq # 长读长比对 minimap2 -ax map-ont -t 32 ref.fasta reads.fastq | samtools sort -@ 8 -o reads.bam # HiFi 组装，hifiasm 是当前主流组装器 hifiasm -o sample -t 32 HiFi_reads.fastq # Nanopore 组装，适合细菌或小基因组 flye --nano-raw reads.fastq --out-dir flye_out --genome-size 5m不要低估 basecalling 和组装的硬件需求。dorado 推荐用 NVIDIA GPU，没有 GPU 的话，200 Gb 的长读长数据纯 CPU 跑可能要好几天，项目排期里要留出这个时间。
5. 常见问题、避坑经验与个人体会
5.1 高频问题速查
| 问题 | 我的建议 |
|---|---|
| 预算有限但想体验长读长？ | 先做 Nanopore 小基因组；PacBio 更适合经费充足、追求一次性高质量的场景 |
| HiFi 和 Nanopore 到底选哪个？ | 组装、变异精度优先选 HiFi；超长读长、实时、便携选 Nanopore |
| 三代数据能不能直接进 GATK？ | 不建议，用 DeepVariant、Clair3、Sniffles2 这类匹配错误模型的工具 |
| 长读长建库对 DNA 有什么要求？ | 需要高分子量 gDNA，片段化会毁掉读长 |
| 组装项目要不要加 Hi-C？ | 染色体级组装建议加；T2T 级别可考虑更多长程数据 |
| 甲基化应该选哪家平台？ | 常规单碱基定量用 WGBS；需要原生多修饰、想跟变异共用数据选 Nanopore |
| 数据存储怎么做？ | 原始数据建议上传公共数据库，预算里留出存储费，长读长数据量不小 |
5.2 实操中踩过的坑
第一个坑是 DNA 质量。长读长建库对高分子量 DNA 的要求非常高，MinION 上测到一半发现读长断了，十有八九是提取时剪切力太大。提取后一定要用脉冲场凝胶或 Fragment Analyzer 检查片段分布，不要只看 Nanodrop 浓度。
第二个坑是用 CPU 跑 Nanopore basecalling。早期 Guppy 还能忍，现在 dorado 推荐 GPU 加速，数据量大之后 CPU 方案会拖垮整个项目周期。另一个是模型选错，例如做细菌甲基化研究却用默认无修饰模型，下游根本看不到修饰信号。
第三个坑是组装后不质控。不管用哪个平台，组装完一定要跑 BUSCO 和 QV 评估，再用 Bandage 看 contig 图。攒了一个月的数据，最后组装结果因为重复区错误拼接被审稿人质疑，那才是最心痛的。
第四个坑是忽略了存储和备份。一个人 HiFi WGS 30x 的原始数据加比对文件，轻松到几百 G；Nanopore raw 信号文件更是存储杀手。项目开始前没有扩容 NAS 或对象存储，测序仪一开，硬盘很快就满。
5.3 最后说点个人体会
做了这么多年测序项目，我的最大体会是：平台没有绝对的高下，只有适不适合当前问题。Illumina 像高速公路上的标准货车，运量大、成本低，但不能下公路；HiFi 像精装修的越野车，舒适稳定，能跑复杂地形；Nanopore 像一台灵活摩托，随时出发，但载重有限。很多项目不需要一开始就追求“最好”的平台，而是先想清楚终点在哪里。
最后再分享一个小建议：无论最后选了谁，先在公开数据集上跑一遍完整流程再下单。HG002、CHM13 这些参考样本都有公开的 HiFi 和超长读长数据，花一两天把比对、组装、变异检测全部验证一遍，远比听厂商介绍有用。数据质量、工具版本、生信服务器配置这些细节，才是决定你真实体验的因素。
