基因组测序价格：成本、技术迭代与市场博弈的底层逻辑
很多人以为基因组测序价格仅由测序仪成本决定，其实不然。从Illumina NovaSeq 6000到华大智造DNBSEQ-T7，硬件成本占比已从2015年的65%降至2023年的38%，真正主导价格体系的，是测序通量、数据质量与生物信息学分析的耦合效率。
技术迭代：从“单次测序”到“全流程优化”
以人类全基因组测序（30×覆盖度）为例，2010年完成单例样本测序需$10,000以上，2023年已降至$600以下。这一价格断崖式下跌的底层逻辑，是测序化学从“边合成边测序”（SBS）向“联合探针锚定聚合”（CPAS）的升级，以及光学系统从“共聚焦”到“激光共聚焦”的迭代——前者将单次运行通量从1.5Tb提升至6Tb，后者使读长从150bp延长至300bp，直接减少了重复测序的冗余成本。
但价格下跌并非线性。2018-2020年间，因新冠疫情导致测序试剂供应链中断，全球测序服务价格曾出现12%的短期反弹，这暴露出一个关键矛盾：测序仪硬件可国产化替代（如华大智造占中国市场份额32%），但高端试剂（如荧光标记dNTP）仍依赖进口（美国占比超70%）。
案例：上海张江的“测序成本攻坚战”
2022年，上海张江某基因检测企业承接国家“精准医学”专项，需在3个月内完成10,000例肿瘤样本的全基因组测序（30×覆盖度）。按当时市场价（$800/例），总成本将达$800万，远超预算。企业技术团队通过三步优化打破僵局：
第一步，改用华大智造DNBSEQ-T7平台，其“滚动式上样”功能使单日通量从48例提升至96例，硬件使用效率提高100%；第二步，与试剂供应商签订“阶梯定价”协议，当单月消耗量超过50万测试次时，单价从$0.8/次降至$0.5/次；第三步，自主研发“变异检测加速算法”，将生物信息学分析时间从12小时/例压缩至4小时/例，减少服务器算力成本35%。最终，项目总成本控制在$520万，较初始方案降低35%。
这一案例揭示：基因组测序价格的最终决定权，不在单一环节，而在“硬件-试剂-算法”的全链条协同效率。很多人以为降低价格只需压低试剂成本，其实不然——若算法效率低下，即使试剂价格腰斩，整体成本仍可能因分析时间延长而上升。
市场博弈：从“价格战”到“价值分层”
听起来可能反直觉，但在临床级测序市场，价格并非唯一竞争维度。以新生儿遗传病筛查为例，某三甲医院曾同时引入三家服务商：A公司报价$300/例，使用Illumina MiSeq平台，但仅提供原始数据；B公司报价$450/例，使用华大智造MGISEQ-2000平台，附带临床解读报告；C公司报价$600/例，使用PacBio Sequel II平台，提供长读长测序（可检测结构变异）。最终，医院选择B公司——尽管C公司技术更先进，但新生儿筛查以单核苷酸变异（SNV）为主，长读长优势无法转化为临床价值；A公司虽价格最低，但缺乏解读能力，需医院自行组建生信团队，隐性成本更高。
这一选择背后，是测序服务从“技术导向”向“临床需求导向”的转型。价格体系正在分层：基础科研市场（如群体基因组学）追求“通量-成本比”，临床市场（如肿瘤伴随诊断）更看重“数据质量-临床价值比”，而工业市场（如合成生物学）则强调“测序速度-迭代效率比”。
基因组测序价格的底层逻辑，是技术迭代、供应链管理与临床需求的三角博弈。当某企业宣称“测序成本降至$100”时，需追问：是30×覆盖度的人类全基因组？还是10×覆盖度的微生物宏基因组？是仅提供原始数据，还是包含临床解读？这些细节，才是价格背后的真实价值。
Pycard 基因敲除小鼠
