《Analyst》：Identifying sequencing artifacts in low-diversity, short-insert aptamer libraries on the Illumina MiSeq platformOpen Access
编辑推荐：
在对Illumina MiSeq平台开展DNA适配体（aptamer）筛选文库（screening library）下一代测序（Next-generation sequencing, NGS）的过程中，研究人员观察到一类影响数据质量与测序效率的非预期假象。上述
在对Illumina MiSeq平台开展DNA适配体（aptamer）筛选文库（screening library）下一代测序（Next-generation sequencing, NGS）的过程中，研究人员观察到一类影响数据质量与测序效率的非预期假象。上述80碱基长度的文库序列形成了接头连接侧产物，使目标接头连接产物与无关侧产物的尺寸选择性纯化（size-based purification）复杂化。在低投入（low-input）样本中，侧产物里接头三聚体（adapter trimer）形成比例异常偏高（40–50%，而其他样本仅约1%），造成样本浓度高估，进而降低有效测序产量。测序运行呈现高度波动的过滤通过率（6–93%），其机制可能与短序列在读段竞争中占优，以及早期测序循环碱基相同的相邻集群（cluster）被分配错误有关。模板样本中出现非预期重复序列，提示接头连接后子链与光学误识别共同贡献了人工重复（artificial duplication）。此类重复假象在依赖拷贝数分析的扩增子测序（amplicon sequencing）中尤为关键。该发现强调：在适配体筛选文库工作流程中，需优化连接条件、改进纯化策略并强化生物信息学过滤，以保障Illumina平台上的测序准确性。
研究背景与问题提出
核酸适配体（aptamer，经体外筛选获得的、可特异性结合靶标的人工单链核酸配体）在诊断与药物开发中价值日益凸显。其发现通常依赖SELEX（Systematic Evolution of Ligands by Exponential Enrichment，指数富集的配体系统进化）或其变体，而CompELS（Competition-Enhanced Ligand Selection，竞争增强配体选择）则以无PCR中间扩增的多轮竞争筛选降低偏好。无论何种路径，终末文库均需通过Illumina MiSeq等高通量平台测序来反推富集序列与原始拷贝数。然而，适配体文库具有长度均一、固定端翼同源、随机区低熵的特征，属于典型低多样性（low-diversity）样本。已有文献对低多样性导致的碱基调用失常有所提示，但对短插入（short-insert）适配体文库在MiSeq上产生的特异性假象缺乏系统描述。研究人员指出，若不了解这些假象，会误判富集趋势与拷贝数，进而削弱适配体发现的可靠性。
主要研究内容与结论意义
研究人员以Fc蛋白为靶标，采用CompELS构建10个带5′条形码（barcode）的80 nt文库（40 nt随机区+两端各20 nt固定区），经回收、单延伸成双链、Y形接头连接、低浓度样本补PCR与凝胶回收后上机。两次MiSeq运行（VM03、VM04）均采用150 bp双端读长，并掺入异源基因组DNA以人工提升循环多样性。通过对FASTQ、.locs与.bcl原始数据的还原分析，研究人员识别出四类核心假象：低多样性导致的过滤失败、前4–7循环集群误分配、光学重复与子链重复、以及尺寸与正品相同的接头三聚体。研究证明这些假象会高估模板量、压低有效产量、扭曲UMI（Unique Molecular Identifier，唯一分子标识符）去重结果。其意义在于为低输入适配体文库的建库、定量与生信过滤提供了可操作的质控框架。
主要关键技术方法
研究基于CompELS筛选得到的Fc靶标结合文库队列与平行混合文库队列；样本经单引物延伸补全双链，使用含i7索引与UMI的Y形接头连接，低浓度样本做有限P5/P7 PCR补量并以凝胶切除回收；测序在Illumina MiSeq完成双端150 bp运行，VM03掺入60%基因组DNA、VM04掺入75%；数据解析回溯.locs/.bcl二进制坐标与碱基调用，结合前4循环碱基组成直方图、最近邻集群距离计算与UMI+链向（strand-aware）判重，实现假象溯源。
研究结果
测序数据质量（Sequencing data quality）
通过对比通过过滤与未通过过滤读段，研究人员发现部分读段仅因Read 1前25碱基中少数低Q值被剔除，而Read 2可佐证其为有效模板互补序列；另一些读段在随机区与条形码区双端不一致，源于集群识别失败。VM04提高异源DNA比例后，Q30由82.96%升至90.30%，过滤通过率由39.11%升至93.04%，但仅约半数读段能匹配已知模板。
文库多样性（Library diversity）
低多样性使每个测序循环被单一碱基主导，破坏Illumina归一化所需四碱基平衡。掺入基因组DNA可缓解后续循环质量退化，但无法解决前段循环的结构性风险。
集群分配（Cluster assignment）
MiSeq在前4个循环依据空间邻近与碱基身份注册集群。若相邻集群前4碱基完全相同（如均起始TCGC或TTCG），会被合并为单一集群，后续差异区无法分辨，读段充斥N与低Q值。该机制解释了模板互补链聚集区的大量过滤失败。
光学重复证据（Evidence of optical duplicates among sequenced oligonucleotides）
利用UMI与.flow cell坐标分析发现，未经历P5/P7 PCR的T3.09模板中仍存在同序列、同UMI、同链向且空间间距约15.9 a.u.（显著小于随机最近邻21.3 a.u.）的成对读段，认定为光学重复（optical duplicate，单一集群被误识为两个信号）；而经历PCR的“胜出序列”中还存在远端同UMI重复，属扩增子女儿链重复。
接头三聚体（Adapter trimers）
“胜出者”样本中有逾50%为非模板匹配高Read 1质量读段，实为双P7接头三聚体：其长度与正品连接产物相近，常规尺寸纯化无法剔除；Read 1仅有单结合位点故高质量，Read 2双结合位点导致低质量。其存在使Qubit等浓度测定虚高，按表观浓度归一化上机后有效模板占比被稀释。
讨论与结论翻译
讨论指出，适配体发现依赖准确测序，但文献与厂商文档未充分覆盖短插入低多样性文库的特定假象。接头三聚体因与正品共迁移而逃避size-based cleanup，造成浓度高估与产量下降；光学重复与女儿链重复在UMI拷贝数回溯中必须区分；前4–7循环同碱基邻近集群误分配，不能靠掺入异源DNA完全消除。研究人员建议：文库设计应保障前几个循环碱基多样；连接产物须用分子计数法而非吸光/荧光总量定量；数据分析须做UMI+链向感知去重，并利用坐标剔除光学重复。
结论部分译文：适配体发现不论通过SELEX、CompELS或其他方法，都依赖准确测序数据。本研究揭示并界定了低多样性短插入适配体文库在Illumina MiSeq上的若干假象：与正品等长的接头三聚体、集群误分配、光学重复与子链重复。这些假象可通过文库前端设计、分子特异性定量、坐标与UMI感知的生物信息学过滤加以缓解。尽管VM04相较VM03在质量上改善，但研究缺乏重复运行，结论限于故障排查型案例。该工作填补了适配体NGS质控文献的空白，为后续低输入寡核苷酸文库的可靠测序提供实践依据。
论文解读已完成，接下来可以选择一个方向继续深化：
把假象与对策整理成审稿意见清单 设计低多样性适配体文库质控方案 把假象与对策整理成审稿意见清单 设计低多样性适配体文库质控方案
