2025年趋势：下一代测序（NGS）
自几年前一批新进入者改变了游戏规则以来，下一代测序（NGS）领域一直处于不断变化之中。这些初创公司为用户提供了一系列以前未曾有过的测序技术选项。如今，局势已经稍微稳定下来，新老公司都在基因组学社区中找到了自己的定位。那么，2025年NGS领域将迎来哪些变化？客户会更倾向于提供多种读数、简化文库制备工具还是更好的数据处理能力？我们邀请了六家公司分享他们对2025年趋势的看法。
通过创新和信息学驱动洞察
Illumina全球软件和信息学负责人Rami Mehio表示，在未来一年，生命科学行业对信息学的关注将更加集中。NGS已经因为降低测序成本、实现全基因组测序和引入多组学技术而取得了巨大进步。目前，实验室能力已不再是新突破的主要瓶颈，但如何从实验室生成的海量数据中提取生物学见解仍然是一个重大障碍。
全基因组测序、多组学和多模态数据分析有望比以往任何时候都更深入地理解生物学，但这只有在测序和多组学数据能够被组织、分析和解读的情况下才能实现。因此，行业的下一个创新前沿将集中在将多模态数据整合为一套准确且易于理解的可操作见解的能力上。
实验室需要以下工具：
- 以经济有效的方式存储、组织和格式化大量多组学数据，使其易于被下游工具访问。
- 高级二级分析算法，将原始数据转换为生物信号，如变异调用、蛋白质表达值、甲基化比例或空间转录组图像。
- AI模型和三级分析工具，通过对高维数据集进行探查来生成研究结论。
这些需求对于大型组学计划和人群基因组学研究至关重要。例如，2022年启动的“基因组发现联盟”正在生成和分析数十万个基因组，以创建基因组、多模态表型和多组学数据，从而发现高度可行的治疗靶点并加速突破。
Illumina将继续关注全球实验室和研究人员的需求，我们知道不仅是测序，而是整个工作流程将解锁下一个重大发现。信息学是该工作流程的重要组成部分，我们将继续投资于软件创新，以推动最强大的见解。
多组学分析的新阶段
Oxford Nanopore Technologies首席执行官Gordon Sanghera博士表示，2025年，人群规模的基因组研究将扩展到一个新的多组学分析阶段，这得益于直接分子检测。与基于cDNA的转录组或基于亚硫酸氢盐转化的甲基组等分子代理不同，直接分析RNA和表观基因组将增加DNA测序数据，从而在这些大规模队列中实现对天然生物学的更复杂理解。
科学家们将能够开始从英国生物银行最近投资建立的基于50,000名参与者的独特表观基因组数据集中获得新的、可操作的健康和疾病见解。最终，这种方法将推动精准医学在主流医疗中的更常规应用，而仅凭基因组数据无法实现这一点。
空间生物学和其他新前沿
Singular Genomics营销和产品管理副总裁Darius Fugere表示，2025年将见证组织中原位细胞测序的转变，这将扩展当前的空间生物学方法并推动新一轮生物学见解。直接测序组织中原生空间环境中的基因组变异（如癌症突变、基因编辑和免疫受体序列）将使研究人员以前所未有的生物学精度探索复杂的细胞相互作用和疾病机制。
2025年将是空间生物学的突破之年，新的高通量测序技术将使大规模、低成本的研究成为可能。随着通量的增加和成本的大幅降低，预计常规3D空间研究将全面评估组织微环境中细胞间的相互作用。重要的是，针对临床特征明确的FFPE样本的大规模空间多组学研究将解锁常规转化和临床研究。
将AI集成到经过表征的临床样本的多组学数据集中，将为常规病理学搭建基础桥梁。基于更大应用特定数据集训练的模型将为研究人员提供关键见解，以显著加速生物标志物的发现，优化诊断过程，并指导更有效、更有针对性的疗法开发。
速度、灵活性和用户体验将成为新临床测序应用的关键因素。随着新快速临床测序应用超越中央枢纽，测试将更接近机构内部的专业知识。
多组学和AI分析
PacBio首席执行官Christian Henry表示，2025年将是基因组学的革命之年，由多组学和人工智能的强大结合驱动。多组学——即从同一样本中整合遗传、表观遗传和转录组数据——提供了对生物学的全面视角，弥合了基因型和表型之间的差距。通过将这些见解与AI驱动的分析相结合，研究人员可以解开复杂的生物学机制，加速罕见病、癌症和人群健康的突破。这种协同作用使得以前无法回答的科学问题变得可及，并重新定义了基因组学的可能性。
过去十年中长读长测序的进步是惊人的。RNA也是这场革命的关键组成部分。
2025年，多组学将成为研究的新标准。通过整合高保真度的遗传、表观遗传和转录组数据，科学家可以揭示生物系统的全部复杂性，从而改变我们对健康、疾病和干预可能性的理解。PacBio的创新确保了基因组学的未来真正是多组学、可访问和变革性的。
更高质量的数据和更低的成本
Ultima Genomics首席执行官兼创始人Gilad Almogy博士表示，“以更少的资源做更多的事情”这一能力对整个研究界产生了深远影响。我们正进入一个可以进行更多“组学”研究的新时代，测序既需要高质量又需要经济实惠，以便研究人员能够更广泛、更深入地探索。AI和机器学习将对我们行业产生深远影响，有助于加速生物标志物的发现，识别新药物开发途径，并为精准医疗提供更明确的道路。NGS和AI/ML的交汇将对生成所需的大规模数据集至关重要，而测序成本将成为关键因素。
我们正进入一个临床NGS将成为患者护理全程标准的时代。随着测序成本降至每基因组100美元以下，临床检测实验室将更有动力开发新的和改造现有的检测方法，以实现更广泛、更深入的检测并提高经济效益。开发、验证和推广液体活检检测，以改善癌症患者的预后，将需要能够在百万分之一水平上提供低检测限的技术，而不会增加成本。
易于获得经济高效的测序将推动下一波大规模基因组学的发展。我们看到实验室正在向更高效的NGS工作流程整合，这些工作流程提供更高质量的数据和更低的成本。
NGS进化赋能AI辅助发现
Element Biosciences首席执行官兼联合创始人Molly He博士表示，NGS的未来正在走向商品化。目前的NGS方法主要集中在识别基因组内的变化。然而，我们的生物学——以及由此产生的疾病——远比核苷酸变异所暗示的要复杂得多。新工具正在迅速开发和实施，以提供对生物过程的关键额外见解，最终将彻底改变药物发现。
NGS的下一次演变是一个可访问的、完全集成的系统，用于捕捉完整的生物图像，其基础是测序。突破要求我们尊重生物的细微差别，并需要能够检测所有类型的分子（包括DNA、RNA、蛋白质、代谢物和脂质）的平台，这些分子在其天然环境中，以时间和空间依赖的方式进行检测。理解这些分子之间的相互作用和生物学的动态变化，以系统性的视角来看待，是下一个高峰，我们正迅速接近。
当前的技术正在逐步迈向多组学，使用多个分割的方法在不同时间点的多个生物样本中进行，这使得收集AI构建更好预测模型所需的大型、准确和统一的数据变得昂贵。我们正大胆迈向一个未来，即快速、经济且准确的多组学测量从同一样本和同一仪器中成为新标准。这一进展将显著增强我们对生物学的理解，并通过从单个生物样本中获得可靠一致的数据来赋能AI辅助发现，从而提高药物发现和开发的效率。
可访问的集成多组学代表了我们所知的应用测序的未来。这种演变形式的发现与相对平坦的NGS截然不同，但作为科学家，我们不仅研究进化；我们体现进化。
(全文结束)
