近日，NEB（北京）举办的第四届NGS技术应用交流峰会顺利召开。拥有40余年历史的NEB，在高通量测序技术迅猛发展的浪潮中，一直致力于为广大科研工作者及NGS下游厂商提供优质的产品和服务，助力科技创新及生物产业的发展。每年一度的NGS技术应用交流峰会，已经成为行业内专家、学者与广大生命科学研究者们交流分享，碰撞思维，激发创新的开放交互平台。在主办方的邀请下，测序中国对参会嘉宾——Sanger研究所Luiza Moore博士和NEB产品应用和推广副总监Eileen Dimalanta博士进行了专访，为读者分享了NGS在单细胞测序、全基因组甲基化测序、肿瘤临床研究等领域的最新工作，以及支撑着这些创新性研究的NEBNext®文库制备解决方案。

Luiza Moore：我非常高兴能够在这次NEB组织的NGS技术交流峰会上分享我们团队最近的一些工作，包括在不同组织类型中进行高通量测序的尝试，特别是低起始量的高通量测序，这些工作可以帮助我们更深入地了解基因组的秘密。与此同时，我也期待听到全球各地科研工作者的声音。

Eileen Dimalanta：作为开发者，我们不仅期望在本届大会上向大家展示NEB在研发领域的最新成果，更为重要的是倾听广大研究者们的声音：有哪些创新研究正在开展；哪些困难尚待解决；在征服这些阻碍的过程中，NEB可以提供怎样的帮助。不论是科学家还是开发者，及时有效的反馈对于优化自己的工作都是不可或缺的。我们期待在大会上进一步了解中国科研群体的研究兴趣和他们所面临的挑战。

Eileen Dimalanta：过去十年间NEB在NGS领域取得了持续的进步，我们的团队一直致力于提升酶反应体系的效能，优化高通量测序文库制备的整个流程，从而更好地支持全球各地科学家们的创新性研究。在技术的领域没有十全十美，因此我们探索的脚步也不会停歇。

研发绝不能闭门造车，因此我们和Wellcome Sanger研究所等许多知名研究机构建立了长期稳定的合作关系，这是我们践行团队理念——助力科学研究——的重要保证。因为只有深入的、探索式的合作，才能够告诉我们科学家的真实需求所在。

Luiza Moore：与NEB的深度合作让我们受益良多。我们的团队可以在试剂盒上市之前就将其用在自己的研究中。比如对激光捕获显微切割技术获取的微量细胞进行测序，这不是一件容易的事情，我们需要在低起始量的样本中获取足够的、可靠的信息，而NEB研发的NEBNext® Ultra Ⅱ FS试剂盒恰好可以实现，双方一拍即合，最后得到的结果非常令人满意。

Eileen Dimalanta：在另一方面，在合作的过程中，NEB可以获取不同团队不同研究项目和各种样本类型的实验结果反馈，有助于我们优化产品的性能和稳定性。研究机构得到了定制化产品和优先使用的机会，我们也可以得到大量的有效信息，这是典型的双赢关系。

Luiza Moore：在尝试单细胞测序时，你会面临许多挑战，包括不完全的基因组覆盖，扩增诱导错误，次优变异体的调用等。此外，激光捕获显微切割技术的使用进一步加大了文库制备的难度。我们最初尝试了许多不同的建库方案，但并没有得到非常满意的结果。于是我们开始尝试使用NEBNext® Ultra II FS试剂盒。令人惊喜的是，整个实验流程非常顺利，得益于高效的反应体系，我们能够从更小的细胞群体中获取信息，这在以前是难以想象的。实验过程中的关键环节包括用于激光显微切割的组织切片的制备，起始细胞数量控制等。

Luiza Moore：所有细胞在人体中并不是孤立、彼此分离的。细胞如何形成组织，如何增殖，如何维持组织形态，对于我们理解生物学过程至关重要。空间基因组学可以在一个全新维度给科学家们提供更多的信息。你可以利用它进行验证，为测序数据中发现的细胞间相互关联提供额外证据。除此之外，空间信息还可能为我们带来全新的洞见。比如在近期发表于Nature的一项研究中，我们团队结合空间信息和基因组信息综合分析发现，来源于正常组织的细胞也携带有肿瘤驱动突变。基于LCM技术的图像数据可以清晰无误地展示这些突变。但这些细胞的确是我们传统上认为的“正常组织”中的“正常细胞”。这促使我们更加深入地去思考肿瘤发生发展的整个过程。

Eileen Dimalanta：重亚硫酸盐测序被长期运用于DNA甲基化图谱分析，但是重亚硫酸盐的化学反应会破坏和降解DNA，并且具有明显的GC偏好性，特别是在甲基化区域。这是现有的DNA甲基化分析技术难以回避的问题。另一方面，重亚硫酸盐测序要求的核酸起始量比较高，给甲基化检测在科研和临床中的应用带来了一定的限制。

为了克服上述挑战，我们开发了一种基于酶学转化的新方法（EM-seqTM）代替传统的重亚硫酸盐处理。这种方法更为温和，最大程度地减少了对DNA的损伤，并且GC覆盖度更为均一，因此我们可以通过更少的PCR循环实现更高的文库产量，最终得到更多的有效数据和更低的重复率（duplication rate）。这意味着你可以用更少量的样本获取足够多的测序数据，而不像传统方法那样不得不去除大量的duplication。大量的数据表明，EM-seqTM方法在CpG位点检测灵敏度、一致性等指标上均优于传统的WGBS方法。

Luiza Moore：作为一名病理学家，我注意到人工智能技术在医学图像识别和基因组大数据分析领域的应用越来越广泛，这令人倍感振奋。与传统的数据处理方法相比，人工智能在海量数据的分析和挖掘上具有不可替代的优势。借助人工智能技术将病理切片的图像与基因组数据等多维度数据进行整合分析会帮助我们挖掘出更多新的信息，推进科学进步并最终造福于临床。

Luiza Moore：我的研究工作聚焦于正常组织和衰老组织的体细胞突变和克隆进化。相比于肿瘤细胞而言，正常细胞的克隆群体更小，仅有约几百个细胞。因此，如何从微量样本中提取出足够多的信息成为NGS临床应用的难点所在。在研究中，我们发现存在于某些组织和结构的细胞相比其他细胞更加难以建库测序。因此，我期待NGS技术的进一步发展可以解决以上问题，最终实现覆盖人体全部组织和细胞的目标。在临床方面，我经常参与肿瘤的诊断，随着时间推移，NGS在这一领域的应用愈加广泛。测序成本的降低也会推动全基因组测序技术在肿瘤诊断中的应用，也包括其他复杂疾病或感染病等。

Eileen Dimalanta：NEB的目标是助力科学研究，这要求我们不断挑战技术的边界：扩展NGS技术的应用场景，比如开发适用于更多细胞类型的建库试剂盒；优化现有的测序技术，正如NEBNext酶学转化法甲基化建库方案所做的那样。总体而言，我们希望自己的努力能够为科学家提供可靠的支撑，帮助他们回答生命科学和医学领域中那些至关重要的问题。