在2024年的那个冬天的时候, 林同学在读到研究生二年级的这么一个阶段, 他把FASTQ这个东西给拖进了他的硬盘里面去, 这个大小是三十千兆字节的大小, 然后reads这些数据堆积得真的是非常紧凑、没有一点缝隙的状态, 他当时就死死地盯着屏幕上展示出来的内容, 他在心里头问了自己这么一句话: 说是这三十亿个碱基, 究竟是为了给我传达一个什么样的意思和信息?
这种说法并不是修辞。这是一种痛点。
把全基因组测序这个事儿拆开来看的话啊, 其实它就是简简单单的三个步骤。
第一,demux。 需要把在 lane 里面混在一起跑的不同样本全都拆开清理干净。如果发现 barcode 对不上号码的话, 那么后面的实验结果就全部要作废毁掉。这一步的工作并不是测序公司那边应该去承担的责任。它纯粹就是你自己必须要处理好的事情。
第二,是alignment这个步骤。 BWA-MEM2 会把 reads 锚定到 GRCh38 上面去, 然后把坐标确定下来, 并且建立相关的索引。如果最终的 alignmentrate 低于百分之九十, 那么就应当回头去检查质量控制的数据。
第三,variantcalling。 等那个GATK HaplotypeCaller这个工具跑完之后, 就把那个SNP、indel和structuralvariant全部都给捞出来了。

等到那个VCF文件一落盘之后,紧接着就去做annotation。关于你那一个由denovo突变引发的情况, 这究竟是不是致病的表现, 请你去查阅一下ClinVar这个数据库。
在 Nature 杂志于一千九百二十三年发布的评论文章里, 把道理讲得很清楚: 全基因组测序所包含的信息密度, 是靶向panel的四十倍。这个数字就是四十倍。你以前做的那套exome测试, 仅仅只观察到了极小的一部分情况。
不妨反过来问一句, 对于那占据绝大半比重的百分之九十九点九的共识序列, 到底会有谁去真正关心呢, 答案是根本没有人。你真正需要去关注和争取的, 其实只是那仅剩的百分之零点一。
正是在这细微的零点一里面, 隐藏着你最关键的药物敏感性信息, 揭示了你新陈代谢过程中的瓶颈所在, 同时也包含了你的多基因风险评分。
林同学后来又发表了一篇关于变异层面的综述文章的稿件。等到进行答辩那一天, 他没有拿着稿子读, 而是完全脱开了讲稿内容去说话, 当场说出了这么一句: “全基因组测序这件事并不是在简单地阅读一本普通的书本著作。”“恰恰相反它更像是在仔细解读属于你个人的这一部独一无二的生命之书。”。
台下安静了两秒。

