来源：测序深度不足文库复杂度低（DNA Lab Space 实验教程）| 编译：DNA Lab Space
测序回来了，覆盖度图上一片窟窿，重复率飙到40%，Q30还凑合但有效数据少得可怜。你第一反应是不是"送样公司坑我"？先别急着找人背锅。测序深度不足和文库复杂度低，八成出在你自己手上的那几步。这篇教程按建库到上机的完整链条拆开讲——先扫低级错误，再分维度排查，最后聊几个会让你怀疑人生的进阶坑。
第一步：先查这4个低级错误
1. 起始DNA量算错单位。 Qubit读数是ng/µL，有人加样时直接按µL当ng算，实际少了3-5倍。解决：白纸黑字写下"需要X ng ÷ 浓度 = 加样体积"，gDNA建库起始别低于100 ng，cfDNA低于10 ng就得换专用试剂盒。
2. PCR循环数图省事拉满。 起始量够也跑12-15个循环，duplicate rate直接翻倍。解决：≥100 ng起始压到6-8个循环，用KAPA HiFi这类高保真酶，别用普通Taq凑数。
3. 磁珠纯化乙醇没晾透，或者晾到开裂。 残留乙醇抑制下游酶，过度干燥磁珠难洗脱，回收率掉一半。解决：室温晾3-5分钟，磁珠表面刚变哑光就加洗脱液。
4. 上机浓度用Qubit直接换算。 Qubit测的是总DNA，含大量无接头片段。解决：用qPCR文库定量试剂盒测有效浓度，NovaSeq上样0.8-1.2 pM，MiSeq 8-12 pM。
第二步：按流程分模块系统排查
模块一：样本与核酸提取
现象：唯一比对率低于70%，duplicate rate高于30%，覆盖度曲线呈尖峰状。
原理：起始模板分子数越少，同一起始分子的拷贝在PCR中被反复放大，最终测到的reads大部分来自同一批原始分子——文库复杂度被"锁死"在上限。1 ng人类gDNA约300个单倍体拷贝，理论上限就摆在那。
解决步骤：① Qubit重新定量，gDNA尽量提到200 ng-1 µg；② 电泳或片段分析仪看降解，DIN值低于7的样本改用PCR-free或UDG处理方案；③ RNA样本RIN必须≥8，低于7换rRNA去除法，别硬上polyA富集。
验证方法：建库前跑一次0.8%琼脂糖凝胶，主带清晰无拖尾；RNA用Bioanalyzer确认RIN。
模块二：片段化与末端修复
现象：文库插入片段集中在150-200 bp，短于100 bp的片段占比偏高。
原理：超声片段化时间过长或酶切过度，小片段优先被扩增，接头二聚体也更难去除。测序时短片段成簇效率高，会挤占有效数据。
解决步骤：① Covaris按目标片段设定，300-400 bp用30秒-1分钟，别一刀切跑3分钟；② 末端修复用20°C 30分钟、65°C 30分钟灭活；③ 片段选择用0.6×+0.2×双轮磁珠，切掉小于150 bp的部分。
验证方法：Bioanalyzer High Sensitivity芯片，主峰应在300-400 bp，>1000 bp的残留要低于5%。
模块三：接头连接与纯化
现象：接头二聚体峰在120-140 bp明显可见，有效文库浓度低。
原理：接头与插入片段摩尔比失衡，接头自连形成二聚体，占用测序簇。为了补偿有效文库不足，你只能加循环或加密上样，复杂度进一步恶化。
解决步骤：① Illumina接头:插入片段摩尔比控制在100:1；② 连接反应20°C 15分钟，别延到过夜；③ 连接后0.8×磁珠纯化两轮，二聚体峰压到基线以下。
验证方法：qPCR测文库转化率，正常应高于10%；低于5%说明连接效率有问题。
模块四：PCR扩增
现象：重复率异常高，且duplicate reads的起始坐标高度重叠。
原理：指数扩增后期进入平台期，短片段和高丰度模板被优先放大，原始文库的多样性被"再压缩"一遍。循环数每加2轮，重复率大概翻一倍。
解决步骤：① 起始量≥100 ng时降到6个循环；② 用带UMI的接头，后期能区分PCR重复和真实重复；③ 扩增后立刻纯化，别在室温放着过夜。
验证方法：用Picard MarkDuplicates跑一遍，看duplicate rate；配合UMI分析工具判断真实复杂度。
模块五：上机与PhiX添加
现象：Q30正常但有效数据低于预期，或簇密度过高导致质量下降。
原理：低复杂度文库（如扩增子、单细胞cDNA）碱基不平衡，测序仪在前几个循环就会"识别错误"，quality score骤降。簇密度超过1000 K/mm²时，相邻簇信号串扰。
解决步骤：① 低多样性文库掺20-50% PhiX；② 上样浓度用qPCR定量后稀释，NovaSeq控制在200-400 pM（对应0.8-1.2 pM变性后浓度）；③ 上机前跑一次Fragment Analyzer确认无接头污染。
验证方法：看测序仪输出的簇密度和Q30分布，前10个循环Q30低于80%就是PhiX加少了。
第三步：进阶疑难问题
1. PCR重复还是光学重复？ 两个reads的起始坐标相同但相差不到100 bp，大概率是光学重复（同一簇被读两次），不是真的复杂度问题。用Picard的`MarkDuplicates`加`OPTICAL_DUPLICATE_PIXEL_DISTANCE=100`参数区分。如果是光学重复，问题在上样密度，不在建库。
2. GC极端区域的覆盖空洞。 覆盖图上某些外显子永远测不到，不是深度不够，是GC含量超过70%或低于30%导致扩增偏倚。解决：换PCR-free建库，或者补做长片段PCR + Sanger验证。别盲目加测序量，加多少都是浪费。
3. 单细胞/超微量样本的复杂度天花板。 一个细胞只有约6 pg DNA，文库复杂度天然受限。这时候UMI是刚需——没有UMI，你根本分不清哪些是真实表达、哪些是扩增噪声。上样时PhiX建议加到30%以上。
避坑总结 + 实操建议
核心结论三条：
1. 起始量是复杂度上限。低于100 ng gDNA就别指望低重复率，换方案比加测序量管用。
2. 循环数能少则少。6个循环和12个循环的文库，重复率能差3倍以上。
3. 上机浓度用qPCR定，别信Qubit。有效文库浓度才是决定簇密度的关键。
日常好习惯两条：
- 每次建库前把起始量、循环数、接头比例三行数字写在实验记录本上，别靠记忆。
- 建库完成后留2 µL文库跑一次Bioanalyzer，主峰和杂质峰的比例直接决定你要不要重做。
工具推荐
排查完文库问题，下一步往往要设计验证引物去补测那些覆盖空洞——站内的引物设计工具支持批量输入靶区域、自动评估二聚体和发夹结构。如果你还要把测序结果推进到蛋白表达，密码子优化工具能按宿主偏好重编码，蛋白可溶性优化工具则帮你提前规避包涵体风险。三个工具串起来用，从测序到表达一次走通。