引言Introduction

FFPE样本保存方便,但DNA常已断裂、交联严重,直接做Hi-C很容易在建库、片段连接和测序质控上“翻车”。想把FFPE样本用于三维基因组研究,关键不在于能不能做,而在于前处理、建库和质控是否足够稳。 FFPE组织切片、DNA交联示意图,以及Hi-C建库流程的实验台俯视图,突出样本处理难点与质控关键点

1. FFPE样本做三维基因组,难点在哪里

1.1 FFPE对Hi-C信号的影响

FFPE样本的核心问题有两个。第一,甲醛固定带来DNA与蛋白的交联。第二,长期储存和脱蜡处理会进一步造成DNA片段化。对Hi-C来说,这意味着可参与连接反应的有效染色质片段减少,接头连接效率也会下降。

这类样本最常见的结果,是文库复杂度偏低、有效接触对比例下降、重复率升高。 如果前处理不稳定,后续再高深度测序,得到的也可能只是噪音的放大。

1.2 为什么FFPE样本更依赖前期质控

三维基因组分析依赖的是“接触频率”而不是单纯的测序量。样本质量一旦差,常见问题会直接反映在图谱上,比如短距离接触过多、远距离接触不足、cis比例异常、转座或连接偏倚明显。

因此,FFPE样本的关键不是照搬新鲜样本流程,而是先判断样本是否具备进入Hi-C流程的最低质量门槛。 这一步决定了后续数据能不能解释生物学问题。

1.3 先明确研究目标再决定是否上Hi-C

如果目标是观察染色质分区、TAD结构或局部环状互作,FFPE样本在一定条件下仍有尝试价值。若目标是高分辨率环分析,样本质量要求更苛刻。尤其在临床回顾性队列中,样本来源不一,固定时间和保存年限都会引入批次差异。

对于医学生和科研人员来说,最重要的原则是,样本可用性要先于分析设想。 否则,后续再做差异互作、结构重建或组间比较,结论都会不稳。

2. FFPE样本Hi-C建库的关键步骤

2.1 脱蜡、复水与交联逆转要尽量温和

FFPE样本进入Hi-C之前,第一步是脱蜡和复水。这个过程要尽量减少DNA进一步损伤。之后的蛋白酶消化和交联逆转,也需要根据样本固定强度做优化。

在实践中,过度消化会导致核酸进一步破碎,不足则会让交联残留过多,限制后续酶切和连接。 这两种情况都会让建库效率下降。对FFPE样本来说,温和且可重复的条件比“追求一步到位”更重要。

2.2 酶切与末端处理决定文库质量

Hi-C建库的核心逻辑,是先将空间邻近的染色质片段固定下来,再完成末端修复、加尾或加接头,最终形成可测序文库。对FFPE样本而言,酶切效率往往比新鲜样本更不稳定。

可重点关注以下几项。

  1. 片段长度分布是否可接受。 过碎会降低有效连接。
  2. 酶切是否充分。 不足会影响接触信号。
  3. 末端修复是否完整。 否则接头连接会掉队。
  4. 文库扩增是否过度。 过多PCR循环会显著增加重复率。

2.3 连接、纯化和扩增要控制损耗

FFPE样本本来起始量就偏紧,任何一步损耗都会被放大。连接反应后,纯化步骤要尽量减少样本丢失。扩增时也要避免为了“补量”而过度PCR,因为这样会让重复读段增加,最终削弱有效信息。

从实验设计角度看,FFPE Hi-C的目标不是把文库做得越大越好,而是尽可能保住真实的空间接触信息。 这要求每一步都更注重回收率和一致性。

3. 质控要看什么,哪些指标最关键

3.1 建库前质控先看DNA状态

在进入正式建库前,建议先评估DNA完整性和可扩增性。常见做法包括片段分布检测、浓度评估和PCR可用性检查。对FFPE样本来说,浓度高不等于质量好,真正重要的是可用片段的比例。

如果样本已经严重降解,即使总DNA量够,也可能无法支持稳定的Hi-C建库。 这也是为什么很多FFPE项目不是败在测序,而是败在起始样本判断不充分。

3.2 建库后重点关注三类指标

Hi-C文库完成后,质控至少要看三类结果。

  • 有效比对率。 反映测序读段是否能可靠落到参考基因组。
  • 重复率。 重复高说明文库复杂度不足。
  • 有效互作对比例。 这是判断Hi-C信号质量的核心之一。

此外,还要观察cis与trans接触比例、短程与长程接触分布、以及接触矩阵是否呈现合理结构。如果这些基础指标异常,后续TAD、A/B区室和loop分析都要谨慎解释。

3.3 FFPE样本更需要对照和分层分析

临床样本的最大问题是异质性。不同患者、不同固定时间、不同保存年限,都会影响数据表现。所以,FFPE三维基因组研究不建议只看单一样本结果,更适合在同一处理流程下做分层比较。

例如,可以按病理类型、分期、固定时长或提取批次进行分组。这样更容易识别技术偏差,而不是把工艺差异误判为生物学差异。

4. 从数据到结论,FFPE Hi-C分析要避免哪些误区

4.1 不要把分辨率和测序深度混为一谈

很多人会认为,只要测序足够深,就能弥补FFPE样本质量差。实际上并不是。测序深度只能放大已有信号,不能修复建库阶段已经丢失的信息。 如果有效接触对不足,分辨率再高也只是噪音更密集。

因此,在项目设计阶段就要设定现实目标。FFPE样本更适合做结构层面的总体观察,而不一定适合做极细粒度的局部互作解析。

4.2 结果解读要结合样本来源与实验限制

FFPE样本的三维基因组结果,必须结合病理背景和处理过程一起解释。比如,某些区域接触频率下降,不一定代表真实的染色质松散,也可能与样本交联程度、切片厚度或文库偏倚有关。

如果没有充分质控,结构变化很容易被工艺噪音掩盖。 所以,论文写作和结果汇报时,最好把样本处理条件、质控阈值和过滤标准写清楚。

4.3 标准化流程比“经验操作”更重要

FFPE Hi-C很依赖流程标准化。包括脱蜡时间、消化条件、酶切时间、纯化方式、PCR循环数,最好都固定化。只有流程稳定,样本之间才有可比性。

这也是很多实验室的现实痛点。不是不会做,而是缺少一套可重复、可追踪、可审核的分析路径。对科研团队来说,能把流程标准化,往往比临时手工优化更有价值。

5. 如何借助解螺旋提高FFPE三维基因组分析效率

如果你正在处理FFPE样本三维基因组项目,最耗时的通常不是单一步骤,而是样本筛选、质控记录、结果整理和后续分析衔接。解螺旋可以帮助把这类流程做得更系统。对于需要规范化记录、批量管理和结果整合的科研场景,这类工具能明显降低人为遗漏。

当FFPE样本质量波动较大时,真正需要的是一套能把实验信息、质控结果和分析流程串起来的方案。 解螺旋更适合用于把零散实验步骤组织成标准化工作流,帮助研究者更快判断样本是否值得进入下一步Hi-C分析。

总结Conclusion

FFPE样本并非不能做三维基因组,但它对样本前处理、Hi-C建库和质控要求更高。真正决定结果质量的,不是最后测了多少数据,而是前面每一步是否足够稳。先做样本评估,再做温和建库,再看关键质控指标,才有可能得到可信的三维基因组结果。

如果你正在做FFPE样本Hi-C项目,建议先把流程标准化,再进入批量分析。想进一步提升样本管理和分析效率,可以了解解螺旋 ,把复杂实验流程变成更可控、更高效的科研工作流。

解螺旋科研助手企业微信二维码,扫码添加免费领取科研资料礼包,包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料