把几百万条cDNA塞进一个管子里，那多还要保证每一条都在，都被这事听起来像把一整个图书馆的保证包含书拆成单页扔进碎纸机，然后指望每页都还在。那多实际上，都被cDNA文库构建的保证包含过程远比外行想象的粗暴。反转录酶干活的那多时候并不是每条mRNA都能被抄成DNA，有些模板二级结构太复杂，都被酶跑到一半就掉下来。保证包含所以建库第一步就存在天然丢失，那多没人能保证100%覆盖。都被

那为什么还说“保证都被包含”呢？保证包含关键在于冗余。拿一个典型的那多人类组织样本来说，里面表达着的都被mRNA种类大概一万到两万种，但每种的保证包含数量差异巨大——有些基因的转录本每细胞只有几个拷贝，有些像actin这种，能到几千上万。建库时取的总RNA量通常是微克级别，换算成分子数，低丰度的那些也有几千条。反转录效率就算只有30%，剩下的拷贝数也足够让每个稀有转录本至少被抄到一次。

实际操作里有个经验参数：建一个够用的文库，至少需要10⁶个独立克隆。这个数字不是拍脑袋来的。假设一个低丰度mRNA在样本里占百万分之一，取1微克总RNA，按平均长度2000nt算，大约有10¹²个mRNA分子。百万分之一的丰度意味着这种mRNA有10⁶个拷贝。反转录加连接转化，整体效率算10%，最终也能得到10⁵个对应克隆。这个量级下，泊松分布告诉你，某个特定转录本一个克隆都没拿到的概率是e^-100000，小到可以忽略。

但这里有个坑：文库的“包含”不等于“完整”。如果反转录时用了oligo(dT)引物，那些没有polyA尾巴的mRNA就被漏掉了。如果片段化步骤偏短，长转录本的5'端可能丢。所以做全长文库和表达谱文库是两码事。做表达谱的人不太在乎全长，只要3'端测到就行。做克隆的人就得盯着5'端有没有缺。

我自己跑过几次建库的琼脂糖胶。电泳图上那团弥散条带看着均匀，其实低丰度物种的条带在胶上根本看不见。你只能相信统计。有个做植物转录组的朋友，建了三个独立文库，测序后拿已知的低表达转录因子去比对，三个库里都找到了。他当时说了一句：这就像往湖里撒网，你不需要捞到每一条鱼，只要网眼够密、撒的次数够多，稀有的鱼也会进网。

另一个常被忽略的点是文库扩增。连接转化之后，每个克隆都要在细菌里扩增。如果扩增时细菌生长有偏好——有些克隆长得快，有些长得慢——那原始比例就会扭曲。但这不影响“包含”，只影响“相对丰度”。对于要拿文库筛基因的人来说，只要那个基因的克隆还在库里，哪怕它只占百万分之一，也能通过PCR或者杂交钓出来。钓不出来通常不是库没包含，而是筛的方法灵敏度不够。

所以回答标题那个问题：不是靠什么精巧的机制保证每条cDNA都进了库，而是靠起始模板的分子数足够大、建库步骤的冗余度足够高。低丰度转录本靠拷贝数硬堆，高丰度转录本靠比例自然覆盖。真正会丢的，是那些在反转录前就降解了的、或者二级结构极端到酶彻底没辙的。剩下的，统计学替你兜底。