摘要 · ONT · MinION
定序技術 · 流程整理Oxford Nanopore · MinION
How I Sequenced My Genome at Home — 完整重點整理
一片 flow cell、四小時親手操作，換來約 10× 覆蓋度
以 Oxford Nanopore MinION 在家完成一次全基因體定序：單次變動成本約 1,100 美元，親手操作約四小時，全程 72 小時，單一 flow cell 產出約 30 Gb、對人類基因體約 10× 覆蓋。這個覆蓋度適合探索常見變異，但低於臨床等級判讀通常建議的 30×——本文同時整理流程、成本，以及最容易失敗的每一個環節。
- $1,100單次 run 變動成本
- 4 h親手操作時間
- 72 h從開始到完成
- ~10×全基因體覆蓋度（約 30 Gb 產出）
這不是醫療診斷流程
發現令人擔心的訊號時，應交由合格臨床專業人員以正式檢驗資料判讀，不能直接用於臨床決策。本文為流程整理，不構成醫療建議。
起 · 原理與策略 · 內容 1 / 3
為什麼在家定序 作者的三個動機
- 好奇與可操控感——把生物學變成可親手拆解、重建的系統，如同玩 Raspberry Pi 或 Jetson Nano。
- 理解家族遺傳風險——作者家族有自體免疫疾病高風險，希望透過基因體資料接近答案。
- 親手理解工作流程——不只看報告，而是掌握每一步的目的與失敗模式。
Nanopore 定序原理 電流變化還原鹼基
- Flow cell 內含約 2,000 個蛋白質奈米孔；DNA 穿孔時的電流變化由神經網路還原為 A/C/G/T 序列。
- Reads 長度可達數萬鹼基，遠超 short-read 定序的約 150 bp，對困難區域與結構變異更有優勢。
- 一片 flow cell 跑 48 小時約產生 30 Gb 資料；人類基因體約 3.2 Gb，故約 10× 覆蓋。
- 若支援甲基化模型，5mC／5hmC methylation calls 可直接存於 BAM tags，無需額外建庫。
- 臨床等級變異判讀門檻通常建議 ≥ 30×；10× 適合常見變異的初步探索。
單一 flow cell 的兩種用法 廣度或深度，二選一
| 比較項目 | Option A 全基因體淺覆蓋 | Option B Adaptive Sampling |
|---|---|---|
| Coverage | ~10× | ~30–50×（目標區域） |
| 目標範圍 | 全基因體 | 指定 panel（BED file） |
| Target size 建議 | — | <1% 基因組最理想 |
| 稀有變異偵測 | 不夠穩妥 | 較有信心 |
| panel 設計難度 | 低（不需要） | 需 BED + FASTA 一致 |
| 適合情境 | 粗略全基因體探索 | 藥物基因、HLA、自免位點 |
Adaptive sampling 的作法：先讀約 500 個鹼基比對 reference，不符合目標即反轉電壓將該分子退出（eject），把孔的時間留給目標區域。
轉 · 成本與實驗流程 · 內容 2 / 3
設備與耗材 一次性設備與每次消耗
| 項目 | 估計成本 | 說明 |
|---|---|---|
| MinION Mk1D | ~$3,200 | 可重複使用的定序儀 |
| R10.4.1 Flow Cell（FLO-MIN114） | ~$900 | 每次 run 一片，單次使用 |
| SQK-LSK114 Ligation Kit | ~$100/rxn | 連接式建庫套組 |
| NEBNext Companion Module v2 | ~$55/rxn | End repair & ligation 酵素 |
| Monarch T3010 gDNA Kit | ~$3/樣本 | 頰黏膜 DNA 抽取 |
| Flow Cell Wash Kit | ~$17/次 | 中途 wash／reload |
| 零星耗材 | ~$50 | LoBind tubes、PBS、乙醇等 |
真正的單次變動成本約 1,100 美元。多數試劑以實驗室規模包裝，對只做一次的人會有明顯浪費——這是居家定序成本結構中最難迴避的一項。
六大實驗步驟 從安裝到比對
- 01安裝與檢孔活性孔 ≥800
- 02DNA 抽取~30 min
- 03建庫~70 min
- 04上樣高風險
- 05定序與監控48 h
- 06Basecalling與比對
建庫最常踩雷的地方 五個具體失敗模式
| 環節 | 要點 |
|---|---|
| AMPure beads 風乾 | 30 秒足矣——太久會龜裂並黏死管壁，造成不可逆的 DNA 損失。 |
| 第二次 cleanup | 必須用 Long Fragment Buffer（LFB）；乙醇會破壞 adapter 上的 motor protein。 |
| 酵素 mix | 不可 vortex——含 glycerol 的酵素液起泡後活性下降，應以輕彈方式混合。 |
| Ligation Buffer | 很黏稠，需慢慢 pipette-mix，否則看似混合其實仍分層，影響連接效率。 |
| 理想產物 | 15 µL 中含 150–450 ng library；12 µL 上機，其餘備用作 reload。 |
上機最怕空氣 以及監控三指標
最高風險是氣泡進入 flow cell：回抽 storage buffer 不超過 30 µL、加液要慢、見氣泡立即停止抽除再繼續。建議先完整看過 ONT 官方的 loading tutorial 影片再動手。
- Pore occupancy隨時間下降屬正常；≤30% 時可執行 nuclease wash 後 reload。
- ~400 b/sTranslocation speed 的正常值；突然下降代表 pore 狀態變差。
- ~4 kb頰細胞 read length 分布的典型峰值，反映 DNA 片段品質。
合 · 分析與適用性 · 內容 3 / 3
Basecalling 策略 準確度與速度的取捨
| 模型 | 每鹼基準確度 | 速度 | 建議使用時機 |
|---|---|---|---|
| HAC | ~99% | 快，可即時跑 | Run 當下全程使用 |
| SUP | ~99.5% | 慢（GPU ×4–5） | 事後對重點區域重跑 |
- minimap2 — 將 Nanopore reads 比對到 GRCh38。
- samtools sort / index / flagstat — 預期 >95% mapped。
- mosdepth — target region depth QC；確認 adaptive sampling panel 的富集效果。
- 最終的
aligned.bam可延伸做 variant calling、HLA phasing、藥物基因分型、AlphaGenome 功能推測。 - 資料量參考：單 run 約 pod5 49 GB + BAM 6 GB + logs 1 GB；NVIDIA GPU 平台上 HAC 約快 5×、SUP 約快 4×。
適合誰？ 以及不適合什麼
適合
三類人
- 想親手理解定序流程，而不只是看報告的人。
- 對特定基因體區域有明確問題，想用 adaptive sampling 做 targeted analysis。
- 具備 wet-lab 基礎，能處理冷鏈、QC 與資料分析的研究者。
限制
三項硬限制
- 成本：flow cell 900 美元加上大包裝試劑的浪費，單次成本高。
- 覆蓋偏淺：單一 flow cell 的全基因體通常只有約 10×。
- 無 DNA QC 儀器：缺 Qubit 時，故障排除極為困難。
結論
若目的是臨床診斷或高置信度的罕見變異偵測，單次居家 run 並非最穩妥的路徑。它的價值在於流程理解與針對性探索，而不是取代正式檢驗。