Pierwsza próbka, którą wysłałam do sekwencjonowania NGS, wróciła z wynikiem, który kompletnie mnie zdezorientował. Dane FASTQ zajmowały kilkadziesiąt gigabajtów, raport jakości wyglądał niepokojąco, a ja – świeżo po studiach, z pipetą w ręku i teorią w głowie – nie wiedziałam, od czego zacząć interpretację. Gdybym wtedy miała taki przewodnik, zaoszczędziłabym sobie kilku tygodni błądzenia po forach bioinformatycznych.
Sekwencjonowanie nowej generacji (NGS, Next-Generation Sequencing) to dziś standardowe narzędzie w diagnostyce molekularnej, badaniach genomicznych i medycynie personalizowanej. Tylko w 2025 roku globalny rynek NGS przekroczył wartość 12 miliardów dolarów, a liczba opublikowanych genomów w bazie NCBI wzrosła o kolejne 40%. Mimo to wiele osób wchodzących w tę technologię traktuje ją jak czarną skrzynkę: wsadzasz DNA, wychodzi plik z wynikami. Rzeczywistość jest znacznie bardziej złożona – i znacznie bardziej interesująca.
Poniżej znajdziesz opis każdego etapu procesu NGS, ze wskazaniem konkretnych decyzji, które trzeba podjąć, typowych błędów oraz różnic między głównymi platformami. Zaczynamy od DNA, kończymy na interpretacji wariantów.
1. Izolacja i ocena jakości DNA – fundament, który decyduje o wszystkim
Każda analiza NGS zaczyna się jeszcze przed laboratoriami sekwencjonowania – zaczyna się przy probówce z materiałem biologicznym. Jakość wyjściowego DNA determinuje jakość końcowych wyników w stopniu, którego nie da się nadrobić żadnym algorytmem bioinformatycznym.
Do izolacji genomowego DNA z tkanek stałych najczęściej stosuje się zestawy kolumnowe (np. DNeasy Blood & Tissue Kit firmy Qiagen) lub metody fenol-chloroformowe. Ta druga daje zwykle wyższe stężenia, ale wymaga staranniejszego postępowania z toksycznymi odczynnikami. Z krwi pełnej standardem jest izolacja z leukocytów po lizie erytrocytów.
Po izolacji konieczna jest ocena jakości w trzech wymiarach:
- Stężenie – mierzone fluorometrycznie (Qubit, PicoGreen), nie spektrofotometrycznie. Nanodrop zawyża wyniki, bo mierzy absorpcję przy 260 nm łącznie z RNA i wolnymi nukleotydami.
- Czystość – stosunek A260/A280 powinien wynosić 1,8–2,0 dla DNA. Wartości niższe sugerują zanieczyszczenie białkami lub fenolami.
- Integralność – oceniana elektroforezą żelową lub systemem Agilent Bioanalyzer/TapeStation. Fragment DNA powinien być możliwie długi i jednorodny.
Typowy błąd na tym etapie: użycie DNA z tkanki utrwalonej formaldehydem (FFPE). Formalin powoduje sieciowanie białek z DNA i fragmentację kwasu nukleinowego. Biblioteki z materiału FFPE wymagają specjalnych protokołów naprawy DNA i mają znacznie wyższy odsetek artefaktów sekwencjonowania.
2. Przygotowanie biblioteki genomowej – serce całego procesu
Biblioteka genomowa (sequencing library) to zbiór fragmentów DNA przygotowanych w taki sposób, by mogły być odczytane przez sekwencer. Przygotowanie biblioteki to etap, który pochłania najwięcej czasu i generuje najwięcej błędów.
Fragmentacja DNA
Genomowy DNA musi zostać pocięty do odpowiedniej wielkości – zazwyczaj 150–500 bp dla Illumina, 5–30 kb dla PacBio lub Oxford Nanopore. Fragmentację przeprowadza się mechanicznie (sonikacja, np. Covaris M220) lub enzymatycznie (endonukleazy). Sonikacja jest bardziej powtarzalna, ale wymaga kalibracji parametrów dla każdego rodzaju tkanki.
Naprawa końców i ligacja adapterów
Po fragmentacji końce cząsteczek DNA są nierówne – wymagają naprawy (end-repair) do postaci tępych końców, a następnie dodania adeniny na końcu 3' (A-tailing). Dopiero wtedy liguje się adaptery – krótkie sekwencje jednoniciowe, które umożliwiają przyłączenie fragmentów do powierzchni flow cell i amplifikację.
Adaptery zawierają też indeksy (barcody) – unikalne sekwencje identyfikujące próbkę. Dzięki nim można sekwencjonować wiele próbek jednocześnie (multiplexing). Przy projektowaniu eksperymentu należy zadbać o odpowiednią różnorodność indeksów – użycie zbyt podobnych sekwencji prowadzi do błędów demultipleksacji.
Amplifikacja PCR i jej pułapki
Wzbogacona biblioteka jest amplifikowana PCR. Tu pojawia się jeden z najpoważniejszych problemów: błędy PCR i duplikaty. Polimeraza wprowadza błędy (ok. 1 na 10⁶–10⁷ bp), a preferencyjna amplifikacja pewnych fragmentów zaburza równomierność pokrycia. Dlatego w analizach wymagających wysokiej czułości (np. wykrywanie mutacji somatycznych w onkologii) stosuje się unikalne identyfikatory molekularne (UMI, Unique Molecular Identifiers), które pozwalają odróżnić prawdziwe warianty od artefaktów PCR.
3. Kontrola jakości biblioteki przed sekwencjonowaniem
Przed załadowaniem biblioteki na sekwencer należy potwierdzić jej jakość. Ten etap jest często pomijany przez osoby pracujące pod presją czasu – i często za to płacą zmarnowanym biegiem sekwencjonowania.
Standardowe metody kontroli jakości biblioteki:
| Metoda | Co mierzy | Kiedy stosować |
|---|---|---|
| Bioanalyzer / TapeStation | Rozkład wielkości fragmentów | Zawsze – obowiązkowo |
| Qubit dsDNA HS | Stężenie biblioteki (fluorometria) | Zawsze – obowiązkowo |
| qPCR (KAPA Library Quant) | Stężenie molarne fragmentów z adapterami | Przy precyzyjnym ładowaniu sekwencera |
| Sekwencjonowanie Sanger | Weryfikacja sekwencji adapterów | Przy podejrzeniu ligacji artefaktów |
Optymalny rozkład wielkości fragmentów dla biblioteki Illumina to wąski pik w okolicach 300–400 bp (łącznie z adapterami ~120 bp). Szeroki lub wielomodalny rozkład świadczy o problemach z fragmentacją lub ligacją.
4. Sekwencjonowanie – jak działają poszczególne platformy
Tu zaczyna się magia – i tu też pojawiają się fundamentalne różnice między technologiami. Wybór platformy powinien wynikać z pytania biologicznego, nie z tego, co akurat jest dostępne w laboratorium.
Illumina – sekwencjonowanie przez syntezę
Illumina dominuje rynek NGS z udziałem szacowanym na ponad 70% w 2026 roku. Technologia opiera się na sequencing by synthesis (SBS): fragmenty DNA przyłączają się do powierzchni flow cell i tworzą klastry przez amplifikację mostkową. Następnie polimeraza dodaje kolejno znakowane fluorescencyjnie nukleotydy, a kamera rejestruje sygnał po każdym cyklu.
Zalety Illumina: bardzo wysoka dokładność (Q30 >85%, czyli błąd poniżej 1 na 1000 bp), niski koszt na bazę (~0,006 USD/Mb na NovaSeq X), ogromna przepustowość. Wady: krótkie odczyty (2×150 bp lub 2×250 bp), trudności z regionami repetytywnym i strukturalnymi wariantami genomu.
Oxford Nanopore – sekwencjonowanie przez nanopory
Oxford Nanopore Technologies (ONT) oferuje zupełnie inną filozofię: cząsteczka DNA przechodzi przez biologiczny nanopor w błonie, a zmiany prądu jonowego są rejestrowane w czasie rzeczywistym i dekodowane na sekwencję. Odczyty mogą mieć długość od kilku do ponad 2 milionów par zasad (ultra-long reads).
To rewolucja dla badań strukturalnych wariantów genomu, montażu de novo i wykrywania modyfikacji epigenetycznych (np. metylacji 5mC bezpośrednio z odczytów, bez bisulfitowania). Cena urządzenia MinION to ok. 1000 dolarów – nieosiągalna wcześniej dostępność sekwencjonowania. Wadą jest wyższa stopa błędów surowych odczytów (~5% dla najnowszego modelu R10.4.1), choć algorytmy bazecallingu (Dorado od ONT) stale ją obniżają.
PacBio – długie odczyty z wysoką dokładnością
Pacific Biosciences stosuje technologię SMRT (Single Molecule Real-Time): polimeraza DNA odczytuje pojedynczą cząsteczkę w czasie rzeczywistym w zeromodowych falowodach. Tryb HiFi (CCS, Circular Consensus Sequencing) pozwala uzyskać odczyty 15–25 kb z dokładnością powyżej 99,9% – łącząc zalety długich odczytów z precyzją Illumina.
Wybór między Illumina, ONT a PacBio to nie kwestia prestiżu platformy, lecz dopasowania do pytania badawczego. Wariantowanie SNP w dużej kohorcie? Illumina. Montaż kompletnego genomu? PacBio lub ONT. Szybka diagnostyka w terenie? MinION.
5. Bioinformatyczna analiza danych – od surowych odczytów do wariantów
Dane z sekwencera to surowe pliki FASTQ – każdy odczyt wraz z oceną jakości każdej bazy (wartość Phred Q). To dopiero punkt startowy analizy bioinformatycznej, która dla genomu ludzkiego (30x pokrycie) może zająć kilka godzin na klastrze obliczeniowym.
Krok 1: Kontrola jakości odczytów (FastQC, MultiQC)
Pierwszym narzędziem jest FastQC – generuje raport jakości odczytów, pokazując m.in. rozkład wartości Phred wzdłuż odczytu, zawartość GC, obecność adapterów i duplikaty. MultiQC agreguje raporty z wielu próbek. Typowe problemy to spadek jakości na końcach 3' odczytów (normalny dla Illumina) i zanieczyszczenie sekwencjami adapterów.
Krok 2: Przycinanie adapterów i filtrowanie (Trimmomatic, fastp)
Narzędzia takie jak Trimmomatic lub fastp usuwają sekwencje adapterów i odczyty niskiej jakości. Parametry przycinania mają znaczący wpływ na wyniki – zbyt agresywne filtrowanie usuwa prawdziwe dane, zbyt łagodne zostawia artefakty. Fastp jest szybszy i ma lepszy interfejs, ale Trimmomatic jest wciąż szeroko stosowany w starszych pipeline'ach.
Krok 3: Mapowanie do genomu referencyjnego (BWA-MEM2, Minimap2)
Odczyty są mapowane do genomu referencyjnego (dla człowieka: GRCh38/hg38 lub T2T-CHM13 z 2022 roku). BWA-MEM2 jest standardem dla krótkich odczytów Illumina; Minimap2 obsługuje zarówno krótkie, jak i długie odczyty ONT i PacBio. Wynikiem jest plik BAM – skompresowany, posortowany plik z informacją o pozycji każdego odczytu w genomie.
Krok 4: Przetwarzanie BAM i usuwanie duplikatów (GATK, samtools)
Duplikaty PCR są oznaczane przez narzędzia takie jak Picard MarkDuplicates lub GATK MarkDuplicatesSpark. Jeśli użyto UMI, ten krok jest bardziej precyzyjny. Następuje też rekalibracja jakości baz (BQSR, Base Quality Score Recalibration), która koryguje systematyczne błędy polimerazy sekwencera.
Krok 5: Wykrywanie wariantów (variant calling)
To etap, w którym bioinformatyka spotyka się z biologią. GATK HaplotypeCaller jest złotym standardem dla wariantów germinalnych (SNP i indele). Dla wariantów somatycznych (np. w nowotworach) stosuje się Mutect2. Wynikiem jest plik VCF (Variant Call Format) zawierający listę różnic między próbką a genomem referencyjnym.
Plik VCF z analizy całego genomu może zawierać 4–5 milionów wariantów. Kluczowe pytanie nie brzmi „ile wariantów mamy
Komentarze (1 komentarz)