测序文库构建中的四大关键元件Adapter、Barcode、Index与UMI

Adapter是文库构建过程中连接到未知的DNA片段两端的合成的已知的寡核苷酸序列。它不携带样本或分子信息，而是提供测序所需的结构性元件——使DNA片段能够锚定在测序芯片（flow cell）上，并为测序引物提供结合位点。

以Illumina平台为例，一个完整的adapter包含以下关键区域：

图1. Illumina双端测序文库中各元件的位置关系

核心功能：Adapter的本质是让样本DNA“穿上”测序平台能识别的外衣。没有adapter，DNA片段无法固定在芯片上，测序引物也无从结合。

Barcode是一个泛化概念，指任何用于标识目的的短核苷酸序列标签。其作用类似于超市商品上的条形码——通过读取一段特定序列，快速确定样本、细胞或分子的来源。

Barcode在不同测序场景中有不同层次的含义

Barcode的概念更偏向于应用逻辑而非具体技术规格。它强调“用一段序列来标记某个对象”的通用思想，而不限定于哪种平台、哪种读取方式。

Index是测序平台标准化的样本标识序列，特指嵌入在adapter中、通过专门的Index Read读取的短序列。以Illumina为例，每个样本的adapter中包含i5和i7两个index（各6～10 bp），通过两个独立的Index Read分别读取。

组合双索引（CDI）是指同一index可在不同位置重复使用，提高组合数，但存在index hopping风险；  唯一双索引（UDI）：每个样本的i5+i7组合唯一，不与其他样本共享任何index，有效防止index hopping导致的样本串扰。

注：Index Hopping问题：在NovaSeq等模式的流动槽上，不同样本间可能发生index跳跃（index hopping），导致读段被分配到错误样本。UDI策略通过保证每对index组合的唯一性，可有效缓解此问题

Index是Barcode的一种特定技术实现——当Barcode被设计为adapter的组成部分、通过Index Read专门读取时，它就被称为Index。换言之，所有的Index都是Barcode，但并非所有的Barcode都是Index。

UMI与Index/Barcode的本质区别：UMI标记的是分子，而非样本或细胞。同一样本中，每个原始分子拥有不同的UMI；而Index/Barcode对同一样本的所有分子相同。UMI是分子维度的标签，Index/Barcode是样本维度的标签。

在一次典型的单细胞RNA-seq中，这四者协同工作，各司其职：

图3. Illumina双端测序文库中各元件的位置关系与功能层级

测序后，数据拆分流程为：先按Index拆分到样本 → 按 Cell Barcode拆分到细胞 → 按UMI折叠PCR重复 → 最终得到每个细胞中每个基因的真实分子计数。四个元件在样本→细胞→分子的层级上逐级递进，共同支撑了从原始数据到生物学解读的完整链路。