Barcode Crosstalk in ONT Multiplex Sequencing: Quantification and Mitigation Strategies

该研究通过对比三种文库制备方案，发现牛津纳米孔（ONT）旧版原生条形码协议在低 DNA 投入量下会导致显著的条形码串扰（最高达 2.4%），新版协议虽大幅降低该现象但未完全消除，而采用先连接测序接头后混合样本的自制方案（协议 C）则能几乎彻底消除串扰，因此推荐在低投入量和高精度测序场景下使用协议 C。

要点

这篇论文主要讲的是在使用一种名为Oxford Nanopore (ONT) 的基因测序技术时，科学家发现了一个容易被忽视的“串音”问题，并找到了解决办法。

为了让你更容易理解，我们可以把整个测序过程想象成在一个巨大的邮局里分拣信件。

1. 背景：为什么要“混在一起”寄信？（多重测序）

想象一下，你有 24 个不同朋友（24 个样本）写的信（DNA 样本），要寄给同一个收件人（测序仪）。

• 传统做法：给每个朋友单独买一个信封，单独寄。这太贵了，而且浪费邮费（测序成本很高）。
• 聪明做法（多重测序）：给每个朋友的信贴上不同颜色的专属邮票（条形码/Barcode），然后把所有信混在一个大包裹里寄出去。
• 收件人（测序仪）：收到包裹后，只要看邮票颜色，就能把信分回给对应的朋友。这样一次就能寄很多信，成本大降。

2. 问题：信贴错邮票了！（条形码串音 Crosstalk）

科学家发现，在这个“混寄”的过程中，出现了一个大问题：有些信被贴错了邮票。

• 发生了什么？
  想象一下，邮局工作人员在给信贴邮票时，不小心把A 朋友的邮票贴到了B 朋友的信上。

  • 结果：当信件回到 A 朋友手里时，里面混进了 B 朋友的信；B 朋友手里也混进了 A 朋友的信。
  • 后果：如果你是在研究某种细菌（比如 B 朋友），结果发现你的样本里混进了 A 朋友的细菌，你就会误以为 B 朋友生病了，或者误判了细菌的种类。这在样本量很少（信很少）的时候尤其严重，因为几封错信就能把结果搞乱。

• 为什么会发生？
  论文发现，这是因为在贴邮票（连接条形码）之后，用来清洗多余邮票的“清洁剂”（乙醇）不够彻底。残留的邮票（条形码）在后续步骤中，被错误地粘到了其他样本的信上。

3. 实验：三种“邮局”的对比

为了找出谁贴错得最少，科学家设计了三种不同的“邮局工作流程”：

• 方案 A（旧版流程）：

  • 做法：先给所有信贴邮票，然后混在一起，用乙醇（普通酒精）洗一下，把多余的邮票洗掉，最后再统一贴“快递面单”（测序接头）。
  • 结果：串音很严重！ 尤其是当样本很少（信很少）的时候，错贴率高达 2.4%。这意味着每 100 封信里，就有 2-3 封是贴错邮票的。

• 方案 B（ONT 官方新版流程）：

  • 做法：还是先混在一起，但把“乙醇”换成了SFB 缓冲液（一种特制的温和清洁剂）。
  • 结果：好多了！ 串音率降到了 0.01% 以下。就像换了更好的清洁剂，大部分错贴都洗掉了，但偶尔还是有一两封没洗干净。

• 方案 C（科学家自创的“完美”流程）：

  • 做法：完全改变策略。不给所有信混在一起贴邮票。而是每个样本单独贴邮票、单独清洗、单独贴快递面单，最后才把它们混在一起寄出。
  • 结果：几乎零串音！ 在几千封信里，几乎找不到一封贴错的。
  • 代价：虽然结果最完美，但操作起来更麻烦、更耗时，而且需要更多的试剂（就像给每封信单独打包，而不是混装，成本稍高）。

4. 核心发现：样本越少，问题越大

科学家还发现了一个有趣的现象：样本里的 DNA 越少（信越少），串音问题越严重。

• 如果你有很多 DNA（很多信），那几封错信看起来微不足道。
• 如果你只有很少的 DNA（比如只有几封信），那几封错信就会占很大比例，彻底搞乱你的分析结果。

5. 总结与建议

这篇论文告诉我们：

1. 以前用的旧方法（方案 A）风险很大：如果你以前用旧流程做过低浓度样本的测序，结果可能不准，需要重新审视。
2. 官方新方法（方案 B）是个不错的折中：如果你只是普通测序，用官方更新的“特制清洁剂”流程（方案 B）就足够好了，既省钱又省事，还能解决大部分问题。
3. 追求极致精准选方案 C：如果你是在做极微量样本（比如血液里的游离 DNA、脑脊液里的微量细菌），或者对结果要求绝对精准，那么虽然麻烦一点，但一定要用方案 C（最后再混合），这样才能保证万无一失。

一句话总结：
就像寄信一样，如果为了省钱把信混在一起，就得小心“贴错邮票”。这篇论文告诉我们，用对清洁剂（方案 B）能解决大部分问题，但如果信特别少，最好还是“单独打包”（方案 C）最保险。

技术摘要

这是一份关于牛津纳米孔技术（ONT）多重测序中条形码串扰（Barcode Crosstalk）问题的详细技术总结，基于 Sebastian A. Scharf 等人发表的预印本论文。

1. 研究背景与问题 (Problem)

• 背景：ONT 长读长测序技术通过连接特定的原生条形码（Native Barcodes）实现样本多重测序，显著降低了测序成本并提高了通量。
• 核心问题：在多重测序过程中，存在**条形码误分配（Barcode Misassignment）或条形码串扰（Barcode Crosstalk）**的风险。即测序读段（Reads）被错误地分配到了错误的样本中。
• 具体痛点：
  • 这种现象在低 DNA 输入量（Low Input DNA）的样本中尤为严重。
  • 会导致定量结果失真、假阳性结果以及多样性评估的偏差，严重影响临床样本（如体液、拭子等低生物量样本）分析的准确性和可重复性。
  • 此前该问题在 ONT 测序中被低估，缺乏系统的量化和有效的缓解策略。

2. 方法论 (Methodology)

为了系统量化并解决这一问题，研究团队设计了实验，比较了三种不同的文库制备协议。实验使用了四种细菌标准菌株（E. coli, P. mirabilis, A. baumannii, S. epidermidis）的基因组 DNA（gDNA），并设置了四个不同的稀释梯度（从 400 ng 到 0.4 ng），以模拟不同浓度的输入量。

三种对比协议：

1. 协议 A (BEPA - 旧版 ONT 标准协议)：

   • 使用 ONT 标准试剂盒（SQK-NBD114.24, 2025 年 7 月 2 日之前的版本）。
   • 流程：先连接条形码 -> 乙醇洗涤 -> 混合样本 -> 连接测序接头。
   • 假设：乙醇洗涤可能无法有效去除残留的游离条形码，导致在后续混合和接头连接步骤中发生非特异性连接。

2. 协议 B (BSPA - ONT 新版协议)：

   • 使用 ONT 更新后的试剂盒版本（2025 年 7 月 2 日发布）。
   • 关键改进：将条形码连接后的洗涤缓冲液从乙醇改为短片段缓冲液 (SFB)。
   • 目的：ONT 官方声称此改动旨在减少条形码串扰。

3. 协议 C (BEAP - 研究团队自研协议)：

   • 基于旧版试剂，但改变了工作流程。
   • 关键改进：在连接测序接头之后才进行样本混合（Pooling）。
   • 原理：确保每个样本在连接条形码后，先连接上测序接头，再进行混合。这样即使有残留条形码，也无法再连接到已带有接头的 DNA 上，从而在物理上阻断跨样本的误连接。

测序与分析：

• 所有样本在 PromethION 平台上测序。
• 使用 Dorado 进行碱基识别（Basecalling），Minimap2 进行比对。
• 严格筛选标准：仅统计唯一比对、长度>2000bp、比对率>70%、错配率<5% 且条形码序列完全匹配的读段。

3. 主要结果 (Key Results)

• 协议 A（旧版）表现最差：

  • 在低输入量样本中观察到显著的条形码串扰。
  • 随着 DNA 输入量降低（1:1000 稀释），错误分配的读段比例急剧上升。
  • 在最低浓度（0.4 ng）下，错误读段比例高达 2.4%（即约 2.4% 的读段被错误分配）。
  • 串扰主要表现为高浓度样本的 DNA 被错误地分配给了低浓度样本的条形码。

• 协议 B（新版 ONT 协议）显著改善但未根除：

  • 使用 SFB 缓冲液洗涤后，串扰率大幅下降。
  • 在低输入量下，错误率降至 0.01% 以下（具体为 0.0000% - 0.0013% 不等）。
  • 虽然比协议 A 好得多，但在极高精度要求下，仍检测到微量残留的串扰。

• 协议 C（自研延迟混合协议）效果最佳：

  • 几乎完全消除了条形码串扰。
  • 在所有稀释度和重复实验中，仅检测到7 条错误读段。
  • 平均错误率低于 3.9 x 10^-5 (0.0039%)，在统计学上可视为零。
  • 代价：由于需要单独处理每个样本直到最后一步，试剂消耗量增加，操作时间延长，成本高于协议 B。

• 读段丢失分析：

  • 除了“获得”错误的读段，串扰还导致样本“丢失”正确的读段（即正确 DNA 被错误条形码捕获）。
  • 协议 C 在减少读段丢失方面也表现最好。

4. 关键贡献 (Key Contributions)

1. 首次系统量化 ONT 条形码串扰：明确揭示了串扰与 DNA 输入浓度呈负相关，低浓度样本风险极高（最高达 2.4%）。
2. 验证了 ONT 官方改进的有效性：证实了将洗涤缓冲液从乙醇改为 SFB（协议 B）能显著缓解问题，但无法彻底解决。
3. 提出并验证了终极解决方案：证明了“测序接头连接后混合”（协议 C）是消除串扰的最有效方法，为高准确度需求提供了技术路径。
4. 机制阐明：指出串扰主要发生在第二步（接头连接）之前，残留的游离条形码在混合池中非特异性地连接到其他样本的未标记 DNA 上。

5. 意义与结论 (Significance & Conclusion)

• 对现有数据的警示：使用旧版 ONT 协议（协议 A）生成的低生物量样本数据（如细胞游离 DNA、脑脊液、尿液微生物组等）可能存在严重的定量偏差，需要重新评估或谨慎解读。
• 协议选择建议：
  • 常规应用：推荐使用协议 B（新版 ONT 协议），因为它在成本、时间和准确性之间取得了较好的平衡，能大幅降低串扰。
  • 高灵敏度/高精度应用：对于极低 DNA 输入量或要求极高准确度的研究，强烈推荐使用协议 C（延迟混合），尽管成本较高，但能确保数据的纯净度。
• 行业影响：该研究强调了在多重测序中，文库制备流程的细节（如洗涤缓冲液类型、混合时机）对数据质量至关重要，提醒研究人员在分析低丰度样本时必须考虑条形码串扰的潜在影响。

总结：该论文通过严谨的实验设计，揭示了 ONT 多重测序中一个被低估的误差来源，并提供了从“缓解”到“根除”的分级解决方案，对于提升临床和科研中低生物量样本的测序准确性具有重要的指导意义。