人类首个泛基因组草图公布！又多了1.19亿个碱基对，更好反映人类多样性！
虽然现在随着手机的普及和网络的发达，已经很少出现手机/手表时间不准的情况。不过如果发生这种情况，通常都需要将手机/手表与一个公认的标准时间进行同步。人类基因组计划的成果就是为科学家们提供了这样一份公认的“标准”——参考基因组。就像一个坐标系，研究人员可以对照参考基因组，更好地理解人类基因组的结构、功能和变异。
人类基因组计划于1990年开始，2001年完成工作草稿并发表，2003年完成最终测序图谱，堪称是人类生命科学史上里程碑式的成就。不过，这份“地图”并不是完整的，还留下了8%的空白。
图1 人类基因组计划LOGO（图源：维基百科）
这8%的空白主要是基因组中的异染色质区域。所谓异染色质，是相对常染色质而言。常染色质会被碱性染料染成浅色，或对福尔根反应呈弱阳性；异染色质则会被染成深色，或对福尔根反应呈阳性。异染色质或是在整个细胞周期内都处于凝聚状态，比如着丝粒、端粒、核仁形成区等部位；或是在一定的发育时期和生理条件下，由常染色质凝聚成异染色质，比如雌性哺乳动物的一对X染色体中，有一条会在胚胎发育得第16-18天凝聚为相对失活的巴氏小体。
异染色质高度凝聚，同时充满着重复序列，这就使得测序困难，也不好对测序结果进行组装。这是由于当时的技术仅能实现短读长测序，即测序的时候需要把基因组打断成较短的DNA片段，在对每个片段完成测序后，再通过一定的算法比对和匹配重叠序列，逐步将片段拼接成完整的基因组序列。因此，重复序列的存在极大地阻碍了片段的拼接和组装，而短读长测序意味着测序的DNA片段必须足够短，就像使用极小的碎片进行拼图，进一步增加了重建基因组的难度。
不过，随着测序技术的进步，人们能拿到的“碎片”越来越大，“拼图”的难度有所降低。2022年3月底，“端粒到端粒（Telomere-to-Telomere，T2T）”联盟公布了一个完整的人类基因组序列T2T-CHM13，补上了8%的空缺。该基因组序列源自一枚完全性葡萄胎（Complete Hydatidiform Mole, CHM），即只含有父源性基因组，而不含有母源性基因组。这使得重建基因组时，不必面对父源、母源基因组错误交叉组装的难题，但也使得最终的结果未能包含Y染色体的序列。
不过，T2T-CHM13和目前主流使用的人类参考基因组GRCh38（Genome Reference Consortium Human Build 38）一样，主要基于单个基因组。GRCh38是基因组参考联盟（Genome Reference Consortium，GRC）在人类基因组计划的基础上不断更新和维护，于2017年发布的最新版本，2022年3月发布了最新的补丁GRCh38.p14。该基因组的来源中，大约70%来自于纽约布法罗市的一名男性，23%来自于另外10人，剩下7%由超过50人贡献。据分析，该男性具有非洲-欧洲混合血统。
图2 不同基因组来源对GRCh38的贡献（图源：[3]）
尽管地球上任何两个人基因组的相似性高达99.5%-99.9%，但显然，这不到1%的差异造就了人类的遗传多样性。而且，在涉及结构变异（Structural variation，SV）时，即基因组中发生较大片段的插入、删除、倒位或重复时，参考基因组无法正确地描述和表征。此外，还有数百兆碱基仅在一部分具有特定祖源的人群身上出现，并未被包含到参考基因组中。因此，仅使用单一的基因组作为参照是远远不够的。比如，在预测疾病风险时，对于黑人来说，仅对照现有的参考组，可能会产生较大的低估。
5月10日，由人类泛基因组参考联盟（Human Pangenome Reference Consortium，HPRC）制作的首个人类泛基因组参考草图在Nature上发布。与以往的参考基因组不同，这次的泛基因组草图包含了来自全球的47名具有不同祖先的个体的共计94份基因组，并对这47人的父母也进行了基因组的收集，以分析他们基因的父、母源性。
图3 泛基因组参考草图发布（图源：[4]）
这47人包括来自非洲、美洲和亚洲的个体，其中也有来自中国的代表。其中许多样本来自于千人基因组计划（1000 Genomes Project），并由人类泛基因组联盟使用“长读长测序”的新技术进行重新分析。团队计划到2024年年中，将样本范围扩大到350人。
图4 47人来源（图源：[4]）
相较于GRCh38，这次的结果在原先32亿碱基对的基础上新增了1.19亿个碱基对，其中，大约由9000万个来自结构变异。另外，团队还发现了 1115 个与进化有关的新基因重复。
为了更好地呈现泛基因组参考草图，纽约西奈山伊坎医学院的遗传学家Eimear Kenny和她的同事通过计算，将47人的序列排列到一起，绘制出一个和地铁线路图有些相似的“泛基因组图”。
图5泛基因组参考（图源：国家人类基因组研究所）
在这张图上，碱基相同的部分与以往的单一基因组参考一样保持了线性，而在某些单个核苷酸差异的地方，出现了路线的分歧，另外，绕过某个核苷酸代表缺失（如上图绿色和深蓝色路径），顺时针环绕代表重复（如黄色路径），逆时针环绕代表倒位（如粉色路径）等等。
这次的泛基因组参考草图实现了预期序列99%的覆盖，并且在结构和碱基对水平上也达到了超过99%的准确度。与基于GRCh38 的工作流程相比，使用该草图分析短读长数据可降低34%的小遗传变异发现错误，并在检测单倍型结构变异时检出率增加了104%。
论文的第一作者、耶鲁大学的研究附属机构和圣路易斯华盛顿大学博士生Wen-Wei Liao表示：“人类泛基因组参考使得我们能够表征数以万计的新基因组变异，这些变异在以前是无法获得的。有了泛基因组参考，我们可以提高对基因和疾病之间联系的理解，从而加速临床研究。”
国家人类基因组研究所（National Human Genome Research Institute，NHGRI）主任医学博士 Eric Green表示：“基础研究人员或者临床医生，都应该具备接触到能够反映人口多样性的参考序列的机会，这样才能减少人类健康上的不公平性。人类泛基因组的创建和更新符合NHGRI在基因组学研究的各个方面上追求全球多样性的一贯目标，有助于推进基因组知识的传播，促进基因组医学以更公平的方式实施。”
目前，大多数参与HPRC的机构都位于美国和欧洲。HPRC成员机构、加利福尼亚大学圣克鲁兹分校的遗传学家Karen Miga表示，下一阶段该项目将向一项真正的国际间合作发展，并对历史上代表性不足的地区进行充分采样和测序。除了使用多样的基因组外，该项目还将积极接触样本人群并了解他们的医疗保健需求，使得这些人群能够直接从该项目的成果中收益。
责编|风立宵
校对|风立宵End
参考资料：
本文系生物探索原创，欢迎个人转发分享。其他任何媒体、网站如需转载，须在正文前注明来源生物探索。
往期精选
围观
发现新的重度抑郁症触发机制，甘氨酸的角色很关键！热文
莱斯大学开发新型缓释药物微粒，打一针，几个月的用药都不用愁了！热文
著名癌基因Myc又添新罪证：改变癌细胞表面糖分子，逃避免疫系统识别！
热文长期以来的科学教条被推翻？短端粒综合征患者易患上癌症的原因有了新解释热文
冷泉港研发出新型“变形”抗生素，或是对抗耐药病菌的关键武器！