cDNA文库和基因组文库的区别：从构建原理到应用场景的完整梳理

在分子生物学实验里，cDNA文库和基因组文库经常被一起提起，也经常被搞混。有人把它们当成同一种东西的不同叫法，结果设计实验时选错了模板，白跑几个月。其实这两者的差别从第一步取材就开始了：一个是从细胞里提取DNA，一个是从细胞里提取RNA再逆转录成DNA。起点不同，后面能回答的生物学问题也就完全不同。这篇文章把两者的构建原理、序列组成、信息量和适用场景拆开讲清楚，方便你在具体项目里做出判断。

一、先把两个概念说清楚

基因组文库：把一个物种的全套DNA装进载体里

基因组文库（genomic library）的原料是某个生物体的基因组DNA。提取之后，通常用限制性内切酶部分酶切或者超声打断，把长长的染色体DNA切成大小可控的片段，再把片段连接到合适的载体里，转入宿主细胞，最后保存成一批可以稳定扩增的克隆。一个理想的基因组文库，应该覆盖这个物种基因组的全部序列，也就是说，任何一段DNA都能在文库中找到对应的克隆。

因此衡量基因组文库质量的核心指标是覆盖度：文库中所有克隆插入片段的总长度加起来，要等于或大于基因组大小的若干倍。比如一个物种的基因组是3×10⁹ bp，那么构建到5倍覆盖度，就需要总共约1.5×10¹⁰ bp的插入片段。载体的选择取决于目标片段大小：λ噬菌体和柯斯质粒一般装十几到几十kb，BAC能装到一百到三百kb，YAC甚至可以装到上千kb。片段越大，需要的克隆数越少，后续拼接和筛选越省事，但操作难度和稳定性问题也随之上升。

cDNA文库：把“正在表达的基因”转录成DNA保存下来

cDNA文库的原料是mRNA。实验上先提取总RNA，用oligo(dT)或者磁珠把带poly(A)尾的mRNA富集出来，然后在逆转录酶的作用下合成第一链cDNA，再降解RNA、合成第二链，得到双链cDNA，最后连入载体建库。因为成熟mRNA已经剪掉了内含子，所以cDNA文库里的序列基本等同于基因的编码区加上两端的非翻译区。

更关键的是，mRNA的组成会随组织类型、发育阶段、环境刺激大幅变化，所以cDNA文库本质上记录的是“取样那一刻、那个组织里正在表达的东西”，它是一份表达的快照，而不是基因组的静态地图。

二、核心区别：从四个维度看

1. 模板来源与所代表的信息层次

基因组文库来自DNA，反映的是遗传物质本身的组成，包含编码序列、内含子、启动子和增强子等调控元件、重复序列、基因间区，甚至包括不表达的假基因。cDNA文库来自RNA，只反映转录本，天然剔除了内含子和大部分非编码区。换句话说，前者回答“基因组里有什么”，后者回答“细胞正在表达什么”。

2. 序列组成与是否含内含子

真核生物的基因大多是断裂基因，编码区被内含子隔开。基因组文库里的克隆拿到手，是一条包含内含子和外显子的完整基因片段；cDNA文库里的克隆则已经是拼接好的连续编码序列。这一点直接影响后续操作：如果想在原核系统里表达真核蛋白，直接用基因组克隆几乎行不通，因为细菌没有剪接机制；而cDNA克隆可以直接接上启动子进行表达。反过来，想研究基因的启动子活性、寻找剪接位点周围的调控元件，cDNA文库就无能为力了。

3. 代表性与丰度分布

基因组文库中，各个基因的拷贝数大致与它在基因组里的拷贝数成正比，绝大多数单拷贝基因在文库里的出现频率相近，筛选时相对“公平”。cDNA文库则严重偏向高表达基因：一个细胞里某个基因的mRNA可能占到总量的百分之几，而低丰度转录本可能只有几个拷贝。结果是高丰度克隆在文库中反复出现，低丰度克隆很难筛到。这也是为什么很多实验室会做均一化cDNA文库或者抑制消减杂交，目的就是把丰度差拉平，让稀有转录本有机会被发现。

4. 组织与时空特异性

同一个体的肝和脑，基因组文库几乎一样；cDNA文库却天差地别。想找某个特定组织里特异表达的基因，用对应组织的cDNA文库成功率更高；想拿到某个基因的全长基因组序列，只需任意一个含该基因的基因组文库即可，组织来源无关紧要。

三、构建流程上的差异

两者在纸面上都是“片段化—连接—转化—保存”四步，但每一步的细节差别不小。

还有一点常被忽略：cDNA合成过程中，逆转录酶容易在模板的二级结构处脱落，导致5'端序列缺失，克隆出来的cDNA常常不是全长。经典应对办法是采用模板切换技术，或者在反应体系中加入海藻糖、甜菜碱一类助剂，提高逆转录酶的持续合成能力。基因组文库没有这个问题，但片段化和连接效率会决定文库的完整度，超声打断比酶切更随机，序列偏倚更小，构建大片段文库时尤其要注意这一点。

四、怎么选：从研究目的倒推

把区别记牢之后，选择其实不难，关键是先想清楚要回答的问题。想克隆一个已知基因的全长编码序列，做表达或者功能验证，走cDNA文库；想找组织特异性表达的新基因，用差异筛选或表达序列标签测序，也走cDNA文库；想做可变剪接分析，需要看到同一基因的不同转录本，同样只能靠cDNA文库。

想研究基因结构、外显子与内含子的边界、启动子区域，需要基因组文库；想做图位克隆、染色体步移，需要基因组文库；想通过互补实验验证某个突变，通常也要先有覆盖该位点的基因组克隆。此外，构建物理图谱、为全基因组测序做准备，也都是基因组文库的典型用途。

如果条件允许，两者配合着用效果最好：先用cDNA文库拿到表达序列，再以此为探针去筛基因组文库，拿到上游调控区和基因全长。在没有高通量测序的年代，这是标准的“走一步看一步”策略，今天仍然适用。另外，像NCBI、Ensembl这类公共数据库里已经存放了大量物种的基因组序列和转录本注释，建库前先查一查，能省下不少重复劳动。

五、几个常见误区

误区一：cDNA文库比基因组文库“小”，所以更简单

文库规模小不等于操作简单。cDNA文库的难点在RNA质量：RNA极易降解，RNase无处不在，提取和逆转录环节稍有不慎，文库就只剩3'端碎片。基因组DNA相对稳定，但高分子量DNA在提取过程中的机械剪切同样致命，片段太碎会让插入片段变短、覆盖度下降。

误区二：cDNA文库一定没有内含子

严格说，绝大多数克隆不含内含子。但mRNA前体残留、基因组DNA污染，以及部分未剪接转录本的存在，都可能让cDNA文库混进少量含内含子的序列。验库时用跨内含子设计的引物做PCR，看产物大小是否符合预期，是比较稳妥的检查方法。

误区三：筛不到就说明基因不存在

筛不到的原因往往很实际：探针灵敏度不够、文库覆盖度不足、目标基因在该组织中根本不表达，或者该基因属于低丰度转录本，被高丰度信号淹没了。做cDNA文库筛选前，先用定量PCR确认目标基因在取样组织中的表达水平，能避免很多无效劳动。

结语

说到底，cDNA文库和基因组文库的区别可以概括成一句话：一个保存“遗传信息本身”，一个保存“遗传信息的使用状态”。前者完整、稳定、信息量大但冗余多；后者精简、有组织特异性、直接可用但存在偏向。搞清楚自己的实验到底需要序列本身，还是需要表达产物，选择自然就清楚了。