测序成本的核算，听起来像是一个财务或实验室管理者的“账本游戏”，但实际上，它直接决定了你的课题能不能做下去、老板批不批经费，以及最后数据发文章时能不能经得起 scrutiny（审查）。很多人以为成本就是“买试剂多少钱除以多少样本”，这太浅了。真正的成本核算，是一场关于时间、空间、人力和产出效率的精密计算。
如果你正在为一个大型队列研究（比如几百个肿瘤样本的全外显子测序）或者一个精细的单细胞实验做预算，下面这套逻辑能帮你把每一分钱都算清楚。我们不只讲公式，更讲背后的“坑”和“账”。
一、 破题：为什么“单样本成本”是个伪命题？
在开始算账之前，必须先纠正一个常见的思维误区：不要只盯着“每个样本多少钱”看。
假设你有一台 NovaSeq 6000，跑一个 S4 流转槽（Flow Cell），成本是固定的。如果你只跑 2 个样本，单样本成本是天价；如果你跑 500 个样本，单样本成本就极具竞争力。但如果你为了压低单样本成本，强行塞入过多样本，导致每个样本的 coverage（覆盖深度）不够，最终数据废掉，那就是更大的浪费。
因此，核算的核心不是“最小化单价”，而是“在满足数据质量前提下的最优资源利用率”。
我们将成本拆解为四大板块：
- 直接耗材成本（Reagent Cost）：试剂盒、流动槽、芯片。
- 资本折旧成本（Depreciation）：测序仪本身的分摊。
- 隐性运行成本（Operational Overhead）：电力、维护、耗材存储、实验室空间。
- 人力与分析成本（Labor & Bioinformatics）：这是最容易低估的部分。
二、 直接耗材成本：看得见的手
这部分最直观，但也最容易算错。
1. 流动槽/试剂盒（Flow Cell / Kit）
这是大头。以 Illumina NovaSeq 6000 S4 流转槽为例（假设市场价约 8-10 万元人民币，具体随采购政策波动）。
关键概念：吞吐量 vs. 利用率 一个 S4 流转槽通常标称产出可达 6 Tb（万亿碱基）。但你能用上多少？
- 理想情况：你跑了 500 个全外显子（WES）样本，每个样本需要 100M reads，总共 50B reads，利用率 8%。
- 尴尬情况：你只跑了 20 个样本，每个需要 100M reads，总共 2B reads，利用率 0.3%。
计算公式： $\( \text{单样本试剂盒成本} = \frac{\text{流转槽单价}}{\text{实际使用的产出比例} \times \text{流转槽总产出}} \times \text{单样本目标数据量} \)$
专家提示：很多实验室会忽略“Index Hopping（索引跳跃）”导致的样本污染风险。如果你混合测序的样本数超过流转槽设计上限，或者使用了低质量的索引组合，数据可能被丢弃。这时候，你支付的是全价，得到的却是无效数据。
2. 建库试剂与耗材（Library Prep）
WGS（全基因组）、WES（全外显子）、RNA-seq 的建库成本差异巨大。
- WES 建库：捕获探针贵。一根捕获试剂盒可能就要几千块，且通常只能跑一定数量的样本。如果只跑 5 个样本，探针成本极高。
- RNA-seq 建库：相对便宜，但需要高质量的 RNA。
- 一次性耗材：管架、吸头、磁珠架。别小看这些，一个 96 孔板可能几块钱，但跑一个板就要用几个，累积起来也是一笔钱。
真实案例： 某实验室做 200 个癌症小Panel（50个基因）。
- 错误做法：用 WES 试剂盒，然后只比对那 50 个基因。成本：极高（浪费了 95% 的测序深度）。
- 正确做法：做 Targeted Sequencing（靶向测序）。成本：降低 80%。
三、 资本折旧：沉默的成本巨头
测序仪是“吞金兽”。一台 NovaSeq 6000 售价可能在 300-500 万人民币，而 Illumina NovaSeq X 系列更贵。
1. 直线折旧法（Straight-Line Depreciation）
假设仪器寿命 5 年，残值 0。 $\( \text{年折旧额} = \frac{\text{仪器原值}}{5} \)\( \)\( \text{日折旧额} = \frac{\text{年折旧额}}{365} \)$
但是！ 实验室不会 365 天满负荷运转。维护、校准、故障停机、寒暑假、项目申报间隙……实际运行时间可能只有 250-280 天。 如果你按 365 天算，每样本分摊的折旧成本会被低估。
2. 按使用次数折旧（更科学）
有些机构采用“按测序轮次折旧”。
- 假设一台仪器 5 年内能跑 200 次大周转槽（S4）。
- 每次 S4 的成本中，包含 \(\frac{1}{200}\) 的仪器价值。
- 然后，这 \(\frac{1}{200}\) 的成本再分摊到你跑的样本上。
例子： 仪器价格 400 万，预计跑 200 次 S4。 每次 S4 分摊仪器成本 = 2 万元。 如果你用 S4 跑了 100 个样本，每个样本分摊仪器成本 = 200 元。 如果你只跑了 10 个样本，每个样本分摊仪器成本 = 2000 元。
这就是为什么外包测序公司单样本报价能低至几百元，而自家实验室做几个样本报价上千的原因——外包公司把折旧摊到了成千上万个样本上。
四、 隐性运行成本：那些容易被忽略的“坑”
这部分是实验室管理者最容易扯皮的地方。
1. 维护与服务合同（Service Contract）
质保期后的年维保费通常是仪器价格的 10%-15%/年。
- 400 万的仪器，每年维保费 40-60 万。
- 如果 5 年只跑了 100 万样本，每个样本要摊 0.4-0.6 元的维保费。
- 如果只跑了 10 万样本，每个样本要摊 4-6 元。
2. 电力与空调
测序仪是大功率设备，且对温度、湿度极度敏感。
- 仪器本身耗电：NovaSeq 6000 运行功耗约 1-2 kW。
- 配套空调：为了维持 20-22°C 恒温恒湿，空调功耗可能是仪器的 2-3 倍。
- 核算建议：按“每台仪器专属空调电费”的 50% 分摊到测序成本中，比较合理。
3. 试剂储存与准备
- -20°C 冰箱电费、液氮补充（如果用到）、超低温冰箱。
- 试剂配制的消耗品：离心管、枪头、乙醇等。
- 经验值：通常将试剂盒成本的 5%-10% 作为“辅助耗材费”计入。
4. 人力成本（Labor Cost）
这是争议最大的部分。
- 实验员：从样本处理到上机，一个熟练实验员一天能处理 96 个样本（96-well plate）。
- 时间成本：假设实验员工资 15,000 元/月，工作日 21.75 天，每小时工资约 70 元。
- 处理 96 个样本需要 8 小时（含准备、加样、纯化、质检），则每个样本的人力成本 = \(\frac{70 \times 8}{96} \approx 5.8\) 元。
注意：如果是单样本处理（比如稀有样本），人力成本会飙升至几十甚至上百元。
五、 数据产出效率：决定成本的最终钥匙
成本核算的最终目的，是优化数据产出效率（Data Output Efficiency）。
1. 核心指标：每Gb成本（Cost per Gb）
\[ \text{每Gb成本} = \frac{\text{单次运行总成本}}{\text{有效数据产出量 (Gb)}} \]
- 有效数据：去除了接头污染、低质量读段、重复序列后的干净数据。
- 不要只看原始数据（Raw Data）：NovaSeq 官方说 S4 产出 6 Tb，但实际中，经过 QC 过滤，通常只能拿到 4.5-5 Tb 的有效数据。按 5 Tb 算更稳妥。
2. 覆盖深度与成本的平衡（Coverage vs. Cost）
这是生物学家最需要权衡的。
- WGS（人类全基因组）：
- 30x 覆盖：标准临床诊断要求。
- 100x 覆盖：科研级，可检测低频体细胞突变。
- 成本差异：100x 是 30x 的 3.3 倍成本。你需要问自己：我真的需要检测到 1% 频率的突变吗？如果只需要看胚系变异，30x 足够。
- RNA-seq：
- 20M reads：基础差异表达分析。
- 50-100M reads：需要检测低丰度转录本、可变剪接、新异构体。
- 策略：如果研究重点是差异表达，不要盲目追求 100M，20-30M 往往已饱和，能节省大量成本。
3. 样本通量优化策略（Pool Size Optimization）
| 策略 | 适用场景 | 成本影响 |
|---|---|---|
| 超高通量混合测序 (Multiplexing) | 大量样本，需求深度低（如群体筛查） | 单样本成本极低，但需确保索引无交叉反应 |
| 单独测序 | 样本稀有，或需要超高深度（如液体活检） | 单样本成本高，但数据质量最可控 |
| 跨项目拼板 | 实验室内部协调，凑满一个 Flow Cell | 最大化仪器利用率，降低折旧分摊 |
案例： 实验室 A 和实验室 B 都想做 WES。
- 单独各买一个 mid-output kit，各跑 10 个样本。
- 合并：协商用一个大 Flow Cell，A 出 50 个样本，B 出 50 个样本。
- 结果：A 和 B 的样本成本都下降了约 40%（因为节省了试剂盒的固定启动成本）。
六、 一套完整的成本核算模板（Excel 逻辑）
如果你要给老板汇报，建议建立一个动态表格。以下是核心列设计：
| 成本项目 | 计算公式/参数 | 示例数值 | 备注 |
|---|---|---|---|
| A. 直接耗材 | |||
| 流动槽成本 | 固定值 | 90,000 元 | S4 Flow Cell |
| 建库试剂盒成本 | 按样本数均摊 | 500 元/样本 | 假设每管跑 12 个样本 |
| 辅助耗材 | 试剂盒成本 × 5% | 25 元/样本 | 吸头、管子等 |
| B. 资本折旧 | |||
| 仪器日折旧 | 仪器价 / 1825 天 | 2,192 元/天 | 400万 / 5年 / 365天 |
| 单次运行折旧 | 日折旧 × 运行天数 | 4,384 元 | 假设跑 2 天 |
| C. 运维分摊 | |||
| 维保费分摊 | 年维保费 / 年预计样本数 | 0.4 元/样本 | 假设年跑 150 万样本 |
| 电力成本 | 固定分摊 | 10 元/样本 | 估算值 |
| D. 人力成本 | |||
| 实验操作 | 时薪 × 小时数 / 样本数 | 6 元/样本 | 见上文计算 |
| E. 分析成本 | |||
| 生物信息分析 | 固定流程成本 / 样本数 | 50 元/样本 | 自动分析流水线 |
| 总计 | A+B+C+D+E | ≈ 600-800 元/样本 | 取决于通量 |
关键点：当样本数从 100 增加到 1000 时，B、C、E 部分的固定成本会被摊薄，导致单样本成本从 1500 元降至 800 元。这就是规模效应。
七、 给科研新手的“省钱”实战建议
不要为了省钱而牺牲数据质量 曾经有个学生为了省测序费，把 WGS 的覆盖率从 30x 降到 15x。结果在后期验证中发现杂合位点检出率大幅下降，不得不重新测序，总成本反而翻倍。预算要留有余量，特别是 QC 失败的重测成本。
利用“拼单”机制 如果本校或其他合作实验室有类似需求，主动联系，整合样本。即使只是凑满一个 NextSeq 的中产出试剂盒，也能比单独使用小试剂盒便宜 30% 以上。
关注“闲置时间” 有些测序仪在寒暑假或周末是闲置的。如果能协调在这些时间段运行，可以分摊部分固定人力成本（如果由值班人员统一处理）。
选择合适的测序平台
- NovaSeq 6000/ X：适合大规模 WGS、WES、大 Panel。
- NextSeq 2000：适合中等通量，如少量 WES、RNA-seq。
- MiSeq：适合小 Panel、16S、质控验证。
- Ion Torrent：适合快速靶向测序，但读长较短。 选错平台，就像用卡车送快递，成本高且效率低。
建立内部定价机制 如果是高校或医院的中心平台，建议建立“内部结算价”而非“成本价”。内部价可以稍微高于实际成本，用于覆盖未来的设备更新和人员激励。完全按成本收费，平台往往难以维持长期运转。
结语
测序成本核算，不仅仅是一道数学题，更是一项资源管理艺术。
它要求你既懂技术（知道多少深度够用），又懂经济（知道折旧如何分摊），还懂沟通（如何协调多项目拼单）。一个优秀的实验室管理者，能够通过在多个项目间灵活调配样本通量，将单样本成本压到最低，同时保证数据的可靠性。
下次当你看到测序报价单时，别只盯着总价。问问自己：这个价格里，包含了多少折旧？多少人力？数据产出效率是否达到了最优？只有把这些都算清楚，你的每一分经费，才能花在刀刃上。