如何去除测序过程中出现的污染？

  Supratim Mukherjee在进行数据分析的时候，发现数以百计的微生物基因组中会重复出现同一种噬菌体序列，这令他感到很惊讶。并不是只有Mukherjee一人发现此种情况，最近大量的报告表明，发表的基因组出现污染要比之前想象的多得多。那么这些污染是如何出现的呢？我们又能做些什么，避免这些情况的出现呢？
  就此The Scientist杂志请教了几位研究人员，他们分享了一些Tips，可以检测和预防出现“流氓序列”。
  如何去除污染
  一旦找到了污染物和污染源，那么就可以开始进行数据清理了。这其中有多种工具可以选择，如Edwards研究组开发的DeconSeq，与其它自动化污染筛选程序不同，DeconSeq需要用户输入污染物的物种属性，然后再自动剔除基因组组装内容里的属于这一物种的序列。
  如果跳过了这一步骤，也许就会引起麻烦。Lipman研究组在NCBI系统中就运行一个针对每个呈递到GenBank中序列的外源污染物筛选，他希望当筛选出一个序列标记为污染物时，科学家们能将其认为是了解数据的一个机会，并且了解技术的弱点，在未来避免出现这个问题。
  “如果你只是说‘好吧，我的呈递出现了问题，我现在就修改它’，那么这个问题还是不断出现，”Lipman说。
  但是如果是在论文公布后发现基因组中出现污染呢？比如说之后进行更多实验的时候发现了错误，那么重点是尽早修改错误，以防其他人将这些错误的成果用于自己的研究中。在某些情况下，这也许就意味着与杂志取得联系，看看能不能进行勘误。
  “大家需要对自己的序列数据负责，”Mukherjee说，“如果你发现了问题，那么就要撤回它进行修改，然后再重新发布。”
  如何改善基因组污染问题
  随着测序技术的进步，也许未来许多污染源会自动消失，这确实可能，Laetsch说，“随着组装过程越来越容易，读长越来越长，肯定要找出污染也会变得容易，”但是研究人员不能将这作为停止筛选污染物的借口，“你放入的样品越好，测序机器就会做的越好。”
  而随着基因组数据变得越来越庞大，要想获得干净的序列也越来越难，这有赖于每个学者都尽其所能确保自己基因组序列不出现污染，“我认为科学界都知道污染物是个大问题，但是这还需要更多的努力”，Mukherjee说。
  GenBank中污染物出现频率猛增，Lipman也赞同这个问题的共识性，为何会出现越来越的污染呢，Lipman对这个问题表示，“越来越多的实验室都可以进行测序研究了，这本身是个令人高兴的事情。”
（转化医学网360zhyx.com）