刚接触高通量测序的同学，可能会接触到barcode index等名词。

为什么要有barcodes ？

原因很简单，一个lane有效数据30来G，我们并常常不可能拿一个样品测那么大数据量，尤其是RNA-seq，所以在建库的时候，对每一个样品接 头上加上不同的标签序列，然后用于测序，在测序结果中，依据之前标签与样品的对应关系，就可以获得对应样品的数据，从而就有所谓的数据量为1G，2G等 等。

本文将同时大概介绍下测序原理，方便同学们更好的了解测序数据的特点

下图来自文献《Multiplexed Illumina sequencing libraries from picogram quantities of DNA》

Oligonucleotide design and products of protocol. P5 and P7 are names given by Illumina to the oligo sequences that bind to the flow cell.

对于illumina的hiseq平台而言，测序前，我们需要建库。

1. 建库的步即对mRNA片段化，

2. 随后是片段大小筛选，一般RNA-seq取200bp，DNA-seq取500bp(重测序)，即为图中insert size，也常称为fragment size（修正，一般fragment size还包括引物序列长度），中文常称为插入片段大小

3. 加正向接头，接头上(部分<3端>与正向引物完全相同的序列)，加反向接头

4. cot扩展，即PCR扩增

5. 测序

###关于测序一步，此处要重点讲下

明确一点，barcode在反向接头中

正向接头(包含正向引物序列)+插入片段+反向接头(包含反向引物序列+index/barcodes+…)

测序时非常简单，以PE100为例

正向引物读100bp

反向引物读100bp

barcode引物读barcode长度的bp数

这里设计到一个接头污染，引物污染的问题，具体请自行思考

原文：http://sci123.cn/

培训需求调研