Illumina宣布HiSeq X Ten測序系統將會于1月份重磅回歸，該技術的早期運用還需要等待一段時間，然而GEN預測了Illumina X Ten在2015年可能會實現的6大應用。Illumina X Ten的測序功能非常強大，一臺機器一年能完成18000個人類基因組測序，盡管大規模基因組測序還會面臨一系列挑戰，但是現在可以將這些顧慮暫時擱置，思考一下科學家們可以利用該技術完成哪些有趣的工作呢？下面就是GEN預測的6大應用。

1.新生兒與兒科疾病預測

新生兒重癥監護病房和兒童醫院每年都會收治大量患有嚴重疾病的患兒，而其中很多致命的疾病都存在其遺傳基礎。其中有一些是已知的遺傳疾病，能夠通過臨床基因檢測確診。然而還有大量的疾病無法通過基因檢測查出來，卻嚴重地影響兒童健康。目前有很多試點計劃，像是NIH的“未確診疾病計劃”就是通過外顯子測序來實現檢測，外顯子測序平均能揭示25—30%的病理性突變。

然而，全基因組測序能夠發現難以捕捉的外顯子區域，還能夠發現結構性變異。隨著X Ten system的應用，全基因組測序只是下面要做工作的*步。它的運轉速度更快，不需要雜化反應，檢測范圍能從單一核苷酸變異到大片段丟失。如果可行的話，患者及其父母，甚至是兄弟姐妹都可以進行全基因組測序。

2.藥物試驗和藥物基因組學

基因研究的一個巨大前景就是實現個體化醫療：把治療疾病具體到每個個體的基因組成上來。實現個體化醫療需要研究疾病預后和藥物反應的個體基因差異，目前許多藥物基因組計劃正在進行，而很多都是運用SNP分析和靶向測序技術。全基因組測序能夠更好地促進這些工作，因為全基因組測序能夠捕獲范圍更廣的變異。全基因組測序還能夠運用到臨床試驗的前沿，它可以將病人按反應分成很多群體進行研究。

3.控制變異和表達數量性狀基因座（eQTLs）

人類基因組單體型圖計劃（HapMap Project）的一項重要開支就是從成纖維細胞系中鑒定出基因變異，該項工作由Coriell領頭。獲得所有SNP基因型后，研究人員可以分析基因表達，zui初是通過芯片分析，后來通過RNA-seq技術，zui終將這些結果與變異起來。這些分析結果產生了成千上萬的表達數量性狀基因座（eQTLs），分析這些數據可以了解基因變異影響轉錄的方式。

可以想象用的RNA-Seq和 WGS（全基因組測序）技術對同一樣本進行分析后會得到怎樣強大的數據（RNA-seq是在另外一些平臺上做的，比如Hiseq2000，因為X Ten只能進行全基因組測序）。ENCODE Project Consortium和其他幾個團隊揭示了轉錄廣泛發生的方式，毫無疑問，僅僅利用過去的SNP芯片分析是無法得出這些結論的。

4.罕見腫瘤研究

癌癥基因組圖譜（TCGA）和癌癥基因組計劃（ICGC）等工作鑒定出大量癌癥類型的體細胞突變。大多數工作是通過外顯子測序和全基因組測序完成的，而鑒于成本考慮，主要是外顯子測序。盡管如此，這些工作極為有效地揭示出反復出現的變異和通路。

然而，這些工作主要是基于那些常見的腫瘤類型。不過隨著全基因組測序的普及，那些罕見的腫瘤類型也可以通過同樣的手段進行研究。通過把TCGA、ICGC和其他數據庫的樣本作為比對參照，我們可以獲得許多罕見腫瘤的體細胞變異數據。這不僅可以幫助那些患罕見瘤的病人，而且可以幫助深入理解生物學中的特異性。

全基因組測序是研究這些罕見腫瘤的極為有效的工具，基于我們對這些腫瘤了解甚少，通過全基因組測序可以捕獲到所有的變異，在一次測序中小到可以獲知單核苷酸位點的變異，大到染色體重排。將全基因測序大規模應用在腫瘤研究中，也是理所當然了。

5.家族性疾病基因組學研究

這一點和*條應用（新生兒與兒科疾病預測）看起來可能很相似，但其實是另一種研究，需要挖掘受家族性遺傳疾病影響的多譜系病因。家族性研究和病例對照研究比起來可能有點過時，但是目前這種研究方法重又回到研究者視線，其中非常重要的一點原因就是在具有不同等位基因的一個家族內部研究變異，而不是在毫不相關的個體之間進行研究。

然而，全基因組測序和病例研究相比成本過高，在一個家譜中，研究者可以運用連鎖分析，但是仍然需要通過測序來確定造成疾病的特定變異。這時候全基因組測序的優勢就會體現出來，它使得研究者可以了解連鎖區域的非編碼和結構變異，而不是單純的探究基因變異。這一點非常重要，隨便問一個基因研究人員，他會告訴你在研究區域內的大量相關峰值都和已知的基因無關。這樣的例子可謂是數不勝數。

6.研究表型豐富的大規模群組

那些表型廣泛的群組樣本通常非常需要基因型研究，過去通常是利用SNP分析和外顯子測序的方法進行研究，隨著群體參與研究樣本和表型數量的增長，研究群組會擴大。這時候對復雜多樣的表型進行大規模的、縱向的研究對確認潛在基因非常重要。

HiSeq X Ten問世后，全基因組測序對于一個樣本數量為10000的群組來說仍然成本過高，然而對于一個樣本量為200、500或1000的預實驗來說還是簡易可行的，并且能夠發現在大規模群組中可以復制的結果。研究人員可以挑選出具有zui廣泛表型（生物標記物、臨床數據。RNA-seq、健康記錄）的小樣本，然后結合全基因組測序研究它們之間的關聯。

除了以上提出的研究領域之外，X Ten system還可以在很多領域大有可為，需要研究者繼續挖掘