cDNA文库构建全流程解析：从mRNA到可筛选克隆的实操要点
为什么要建一个cDNA文库
如果只是想看某个基因的表达量，做一次实时定量PCR就够了；但如果想问的是「这个细胞在某种状态下到底表达了哪些基因」，或者「哪个蛋白能跟我的目标蛋白互作」，单基因的思路就撑不住了。这时候需要的是一整套基因的集合——而cDNA文库正是把细胞里所有（或大部分）mRNA转换成稳定DNA并装进载体后得到的那份可长期保存、可反复筛选的资源。
它的核心逻辑并不复杂：mRNA在体外极其脆弱，半衰期短，还处处是RNase的埋伏；反转录成互补DNA（complementary DNA，即cDNA）之后，它就变成了双链、耐储存、能被限制酶切割、能进细菌或酵母的普通核酸分子。建库的过程，本质上就是一次「把易碎的信息转录到稳定介质上」的搬运工作，而所有技术细节都围绕着如何把信息搬得全、搬得准。
cDNA文库和基因组文库到底差在哪
经常有人把两者混着说，但它们的用途几乎不重叠。基因组文库是把基因组DNA随机打断后克隆，理论上每个基因的出现次数与它在基因组中的拷贝数成正比，序列里保留全部内含子和调控区。问题是原核宿主没有剪接机器，一个基因在基因组文库中很可能被拆成几个外显子片段，想直接表达蛋白几乎不可能。
cDNA文库走的是另一条路：只收录被转录过的序列，内含子已经在细胞内被剪掉，读框连续，能在细菌里直接翻译出蛋白。更关键的是，文库中某个克隆的出现频率，大致反映了它对应的mRNA在原始样本中的丰度——高丰度转录本会反复出现，稀有转录本可能只出现一两次甚至完全缺失。这一点既是cDNA文库的价值，也是它的软肋：建库之前必须想清楚，你是想抓高丰度的主流转录本，还是不惜代价也要把低丰度的那些捞出来。
第一步：模板质量决定了文库的上限
建库失败的原因里，超过一半可以追溯到RNA这一步。总RNA提取现在有成熟的TRIzol法和硅胶膜柱法，真正容易翻车的是细节：样本裂解是否彻底、操作是否在冰上、酚氯仿抽提后水相吸取是否带到了中间层。提取完成后，通常用分光光度计看两个比值，A260/280在1.9到2.1之间、A260/230在2.0以上比较理想；但比值的说服力有限，跑一块变性琼脂糖凝胶看28S和18S条带是否清晰锐利、有无弥散拖尾，往往更直观。
基因组DNA残留是另一个高频问题。它会被反转录过程中的随机引物或后续扩增带上，最终以「假基因」或「内含子保留」的形态混进文库。所以做cDNA合成前，一般会用DNase I处理，并在处理后彻底灭活或纯化去除，否则残留的DNase会咬掉单链cDNA。
mRNA纯化：有必要，但不必迷信
反转录的模板可以是总RNA，也可以是纯化后的poly(A)+ RNA。总RNA里rRNA通常占80%以上，这些序列不携带想要的信息，却会白白消耗反转录酶和载体容量。用oligo(dT)磁珠或纤维素做一轮poly(A)+富集，能把mRNA比例从百分之几提升到几十个百分点，对提高文库的基因代表性帮助明显。但富集也有代价：每一步纯化都会损失材料，如果起始样本本来就少得可怜，一轮富集后可能只剩下皮克级RNA，反而得不偿失。此时直接以总RNA为模板、用随机引物反转录，是更现实的选择。
纯化后的RNA应分装保存于-80℃，避免反复冻融。实验台面、移液器、枪头都要按RNase-free的标准处理，手套勤换——手是RNase最主要的来源之一。
反转录：第一链合成里的酶学门道
第一链合成是整个流程中信息损失最严重的一步。反转录酶从引物出发沿RNA模板延伸，遇到强二级结构、GC富集区或RNA修饰时会停顿甚至脱落，结果就是大量5'端截短的cDNA。选择哪种酶、哪种引物，直接决定了文库的偏好性。
引物选择决定覆盖偏好
- oligo(dT)引物：结合mRNA的poly(A)尾，适合获取完整3'端和全长序列，但如果mRNA内部存在A-rich区，会引发错配起始，造成内部截断。
- 随机引物：多为六聚体，可在整条RNA上随机起始，对部分降解的样本友好，覆盖更均匀，但容易过度偏向5'端，也可能把rRNA和其他非poly(A)RNA一并转录进来。
- 混合策略：oligo(dT)与随机引物按比例混用，是很多商业化试剂盒的默认方案，兼顾全长和均匀性。
- 锚定oligo(dT)引物：在poly(A)接头处引入简并或锁定碱基，强制从转录本真正的3'端起始，减少内部错配。
酶和反应条件
常用的AMV和MMLV系反转录酶各有脾性：AMV的RNase H活性较强、耐高温能力好，适合复杂二级结构模板；MMLV及其改造的RNase H缺失突变体延伸能力和持续合成能力更强，是第一链合成的常见选择。近些年热稳定型反转录酶逐渐普及，反应温度可以拉到50℃甚至更高，对高GC模板和带二级结构的RNA改善明显。反应体系中还要注意DTT、dNTP浓度和RNase抑制剂，尤其是抑制剂的加入顺序，最好在酶之前。
第二链合成与末端处理
RNA-DNA杂合链形成后，要把它变成双链DNA。经典做法是利用RNase H在RNA链上制造切口，再由DNA聚合酶I从切口处进行缺口平移，用RNA片段作为引物合成第二链，最后由T4 DNA聚合酶利用其3'→5'外切活性把突出的单链末端削平。这套方法的缺点是步骤多、损失大，而且第二链合成容易在5'端提前终止。
后来的模板转换机制简化了不少流程：反转录酶到达mRNA 5'端帽结构附近时，会在cDNA 3'端添加几个额外碱基，此时加入一段带互补序列的接头，就能通过碱基配对把接头「换」到cDNA末端。这样做的最大好处是天然获得全长cDNA，并且能在两端同时引入已知序列，后续扩增和克隆都方便得多。SMART类试剂盒就是基于这个原理，做全长文库时值得优先考虑。
双链cDNA制备完成后，需要依次完成末端削平、5'端磷酸化、必要时加A尾，以及接头或限制酶位点的连接。如果使用含EcoRI位点的接头，通常还要对cDNA做EcoRI甲基化保护，避免内部位点被切开。这些步骤环环相扣，任何一步酶活不足都会直接反映为连接效率下降。
把cDNA装进载体：克隆方式的选择
载体决定了文库之后能做什么。以λ噬菌体为骨架的载体（如λgt11、λZAP系列）是构建表达文库的经典选择，体外包装效率高，一个反应就能拿到上百万个独立克隆，适合从复杂样本中筛选稀有转录本；λZAP还带有体内 excision 机制，能把插入片段自动转成质粒，后续操作方便很多。
质粒载体则更适合小规模、目标明确的建库场景，操作门槛低，电转化效率也足以应付大部分需求。克隆方向上有非定向和定向之分：非定向克隆靠接头连接，插入片段两个方向都可能出现，好处是流程简单；定向克隆利用cDNA两端不同的酶切位点强制插入，可以保证转录方向和读框正确，做表达文库时几乎是必选项。
别忘了消减与均一化
如果目标是把低丰度转录本捞出来，直接建库几乎注定失败，因为高丰度基因会淹没一切。这时需要引入均一化或消减处理：均一化文库通过复性动力学控制，让高丰度序列先复性而被去除，使不同转录本的出现频率趋于接近；消减文库则用过量驱动子杂交扣除共有序列，专门富集差异表达的部分。对于单细胞或微量样本，还可以结合in vitro转录扩增，但扩增引入的偏好性需要在后续分析中额外校正。
如今做高通量测序时，「建库」一词已经更多指在cDNA两端加测序接头和样本索引。这一环节的试剂与方案在NEB、Thermo Fisher等厂商的产品页上有详细的技术文档，质粒资源和载体图谱则可以在Addgene上直接检索，序列信息可参考NCBI的相关数据库。
文库质量评估：几个不能省的硬指标
文库建完不等于建好。至少要回答四个问题：装了多少个独立克隆、插入片段有多长、插入比例是多少、稀有序列有没有被保住。
库容量
库容量用独立克隆数（转化子或噬菌斑数）表示。要覆盖某个特定基因，可以按概率估算：当某个转录本占mRNA总量的比例为f时，要保证以概率P至少拿到一个克隆，所需克隆数约为 ln(1−P) 除以 ln(1−f)。低丰度基因的f可能低至百万分之一，这也解释了为什么表达文库常常要求上百万的库容量。
重组率与插入片段大小
蓝白斑筛选能快速估计重组比例，但真正的证据来自随机挑取若干克隆做菌落PCR或酶切鉴定。插入片段的平均长度和分布，比单个克隆的片段大小更有意义——如果整体偏短，多半提示RNA降解或反转录提前终止。
代表性与全长比例
用已知丰度的管家基因做探针或PCR检测，可以判断文库是否保留了应有的丰度梯度。对全长文库而言，还可以通过比较5'端和3'端引物的扩增效率来估计全长比例。最后，扩增后的文库务必重新滴定并分装保存，扩增次数越多，克隆比例失真越严重，原始文库才是真正值得长期存放的那一份。
常见问题与排查思路
- 空载体比例高：多见于载体去磷酸化不彻底或接头自连，检查磷酸酶处理效果和连接反应中插入片段与载体的摩尔比。
- 插入片段普遍偏短：优先怀疑RNA完整性和反转录条件，其次检查限制酶是否切到了cDNA内部位点。
- 5'端严重缺失：属于持续合成能力不足，换用RNase H缺失或热稳定酶，或改用模板转换策略。
- 库容量上不去：依次排查连接效率、转化方式（电转化通常优于热激）、宿主菌状态和包装提取物的活性。
- 背景克隆或污染：注意气溶胶、质粒残留和试剂交叉污染，设置不含模板的阴性对照。
写在流程之外
单看说明书，cDNA文库构建不过是「提取、反转录、连接、转化」四步，但真正拉开差距的是每一步对损失的控制意识：知道RNA在哪一步开始降解，知道反转录酶在哪一段序列上停顿，知道连接反应里到底有多少分子真正接上了。
建库之前先明确用途——是要筛互作蛋白、找差异表达基因，还是要做全长转录本注释——目标不同，引物、载体和是否需要均一化都会跟着变。把这些问题想清楚，再动手做分子层面的操作，成功的概率会高得多。
