ONT-LibQC用浅层Nanopore测序快速质控CUT&RUN与Micro-C文库

染色质分析技术近年已相当高效：CUT&RUN 通过抗体引导的微球菌核酸酶在原位释放目标蛋白–DNA 复合物，背景极低，所需测序深度仅为 ChIP 的约十分之一 ^[1]；改进后的方案让组蛋白修饰文库低至 100 个细胞也能产出高质量数据，从细胞到纯化 DNA 不到一天 ^[2]，融合蛋白和消化流程的优化又进一步提升了稳健性与抗体兼容性 ^[3]；分析端则有 SEACR 这类针对 CUT&RUN 低背景特性设计的峰识别工具 ^[5]。但文库质量的问题常被推迟暴露：一个 NGS 文库可以浓度合格、片段分布正常，却缺少目标生物学信号，对 CUT&RUN 和 Micro-C 而言，这往往要到深度 Illumina 测序之后才被发现，排错与方案优化因此被延误。另一方面，已有的纳米孔质控工具如 MinIONQC 主要提供 flowcell 和测序运行的诊断图 ^[4]，并不回答“文库里到底有没有信号”。

这篇论文把质控环节前移到深度测序之前。ONT-LibQC 利用几千条 Oxford Nanopore 读长检查已完成的文库，重建文库分子、识别接头与 index、评估片段大小和生物学信号富集。对 CUT&RUN 文库，约 3,000 条浅层 ONT 读长即可显示启动子区 H3K4me3、基因体 H3K36me3 和宽域 H3K27me3 的富集模式，与 Illumina 深度测序结果一致；对 Micro-C 文库，浅层 ONT 得到的顺式接触比例也与 Illumina 高度吻合。全长读长还能揭示内部连接结构，并估计 MNase 消化片段的长度。两个 H3K4me3 文库各四次技术重复测序的 ONT 谱型可重复，降采样分析显示关键 QC 特征在低至 1,000 条读长时仍有信息量。工具通过网页门户、本地图形界面和命令行三种形式提供。

相对已有认识，其推进在于质控的时点与对象：既不是测序运行层面的诊断 ^[4]，也不是拿到深度数据之后的峰识别 ^[5]，而是在投入深度 Illumina 测序之前，用极低的读长预算预判文库是否携带所需信号。这与 CUT&RUN 本身低成本、低深度即可产出高质量数据的设计理念 ^[1][2] 相呼应，让从建库到诊断的闭环更紧，利于及时排查问题、优化方案。

当然，现有验证集中于组蛋白修饰的 CUT&RUN 文库和 Micro-C 的顺式接触比例等指标；对其他靶标类型、更低输入量样本的适用性，以及各 QC 特征与最终深度数据定量一致的程度，摘要尚未给出系统评估，仍有待检验。而且它终究是质控手段，深度测序本身仍不可替代。