首個完整無間隙人類基因組序列出爐

國際科學(xué)團隊端粒到端粒聯(lián)盟（T2T）宣告第一個完整的、無間隙的人類基因組序列問世，這本人類生命“天書”終于完整了。其首次揭示了高度相同的節(jié)段重復(fù)基因組區(qū)域及其在人類基因組中的變異，這是對標(biāo)準(zhǔn)人類參考基因組，即2013年發(fā)布的參考基因組序列（GRCh38）的重大升級。

人類的基因組常常被比作生命的“天書”——A、T、G、C四種堿基構(gòu)成了DNA，卻配對出超過60億種可能，足見其紛繁復(fù)雜。

在由中、美、英、法、德、日6國科學(xué)家共同參與研究的人類基因組序列草圖正式發(fā)布20多年后，國際科學(xué)團隊端粒到端粒聯(lián)盟（T2T）宣告第一個完整的、無間隙的人類基因組序列問世，這本人類生命“天書”終于完整了。它首次揭示了高度相同的節(jié)段重復(fù)基因組區(qū)域及其在人類基因組中的變異，這是對標(biāo)準(zhǔn)人類參考基因組，即2013年發(fā)布的參考基因組序列（GRCh38）的重大升級。

4月1日，《科學(xué)》雜志連發(fā)6篇論文報道了這一成果。

這一成果將從根本上改變我們治療多種疾病的方式。隨著新冠病毒新變種的頻繁出現(xiàn)，科學(xué)家們可以使用完整的基因組測序來尋找與該疾病相關(guān)的突變，他們還可以更詳細(xì)地利用其來研究人類遺傳變異的進化，或?qū)氐赘淖內(nèi)藗兝斫馊祟愡M化的方式。

8%的“空白區(qū)”不是“垃圾”

2001年2月12日，國際人類基因組計劃首次公布人類基因組圖譜及初步分析結(jié)果；2003年4月15日，人類基因組序列草圖正式公布。然而，由于技術(shù)條件限制，當(dāng)初的人類基因組圖譜留下了大約8%的空白間隙。這一很難被測序的部分，由高度重復(fù)的DNA序列組成，包含染色體末端的端粒和染色體中心節(jié)點的著絲粒。

著絲粒背后的異染色質(zhì)序列位于染色體的關(guān)鍵部位，在人類基因組序列草圖中，它們都被標(biāo)記為N的長序列，表示“未知的堿基”。13、14、15、21和22號染色體的短臂序列也同樣被忽略。

美國國立衛(wèi)生研究院下屬的國家人類基因組研究所（NHGRI）所長、醫(yī)學(xué)博士埃里克·格林稱，缺少片段的基因組“就像缺少句子的段落”一樣不完整。

華盛頓大學(xué)霍華德·休斯醫(yī)學(xué)研究所研究員埃文·艾希勒說，對DNA進行測序就像解決拼圖游戲一樣?？茖W(xué)家們必須首先將DNA分解成更小的部分，然后使用測序儀以正確的順序?qū)⑵淦礈愒谝黄稹?/p>

現(xiàn)在，新的T2T基因組圖譜補足了拼圖盒圖片上8%的空白，并更正了此前拼圖中存在的數(shù)千個錯誤。大多數(shù)新添加的DNA序列位于重復(fù)端粒和著絲粒附近。

新的無間隙版本被稱為T2T—CHM13，由30.55億個堿基對和19969個蛋白質(zhì)編碼基因組成，增加了近2億個堿基對的新DNA序列，包括99個可能編碼蛋白質(zhì)的基因和其中近2000個需要進一步研究的候選基因。這些候選基因大多數(shù)是失活的，但其中115個仍然可能表達。研究團隊還在人類基因組中發(fā)現(xiàn)了大約200萬個額外的變異，其中622個出現(xiàn)在與醫(yī)學(xué)相關(guān)的基因中。此外，新序列還糾正了GRCh38中的數(shù)千個結(jié)構(gòu)錯誤，消除了每個樣本中數(shù)以萬計的假陽性變異，包括269個與疾病相關(guān)的已知或疑似基因的變異。

根據(jù)艾希勒的說法，事實證明，許多研究人員認(rèn)為“垃圾或無關(guān)緊要”的那些重復(fù)序列實際上非常重要。

由于之前的GRCh38模型（稱為參考基因組）是多個個體基因組的組合，基本上將一個人的基因組與另一個人的基因組“縫合在一起”，因此存在一些錯誤和重疊。而新的、完整的版本消除了這些縫隙，更能代表一個人的實際基因組的樣子。

助力破解最后的“黑匣子”

由于重復(fù)區(qū)域的復(fù)雜性，剩下的8%的人類基因組多年來一直困擾著科學(xué)家。一方面，它包含具有多次重復(fù)的DNA區(qū)域，這使得使用以前的測序方法以正確的順序?qū)NA串在一起具有挑戰(zhàn)性。

早期，被稱為“短讀長”的DNA測序技術(shù)一次只能讀取相對較短的序列，也就是提供數(shù)百個DNA堿基序列。這是20年前唯一可用的基因組圖譜技術(shù)。例如，假設(shè)基因組的一部分由連續(xù)重復(fù)9次的句子“只工作不玩耍，聰明孩子也變傻”組成。該技術(shù)只會顯示其中的一部分，例如“只工作”“聰明”“孩子也”等。研究人員將這些簡短的部分拼湊在一起，組成了這句話，但他們無法知道它被重復(fù)了9次。因此，運用該技術(shù)仍然會在組裝的基因組序列中留下部分空白。

對于10000塊拼圖，當(dāng)它們看起來相似時，很難正確排列小塊的區(qū)域，就像對重復(fù)DNA的小片段進行測序一樣。但是對于500塊拼圖，正確排列大范圍區(qū)域，即較長的DNA片段，要容易得多。因此，“長讀長”技術(shù)應(yīng)運而生。技術(shù)的巨大進步使得研究人員能夠?qū)δ切╇y以閱讀的重復(fù)序列進行排序。

在過去的10年中，出現(xiàn)了兩種新的DNA測序技術(shù)——“長讀長”技術(shù)，可在不影響準(zhǔn)確性的情況下生成更長的DNA序列讀數(shù)，甚至可一次閱讀整個“句子”或“段落”。

牛津納米孔（Nanopore）的DNA測序方法（超長讀長）一次可讀取多達100萬個DNA字母，準(zhǔn)確度適中；而太平洋生物科學(xué)公司（PacBio HiFi）的DNA測序方法（高保真讀長技術(shù)）可讀取約20000個字母，準(zhǔn)確度近乎完美。這兩種測序的結(jié)合使T2T研究人員能夠避開區(qū)域的重復(fù)，并確保裝配的基因序列高度準(zhǔn)確。

還有一種工具是默芬（Merfin），研究人員用它來清理人類基因組中一些最困難的序列。默芬使準(zhǔn)確測試序列成為可能，它可以感測可能不正確的代碼并自動糾正錯誤。因為生成現(xiàn)代序列的技術(shù)更加準(zhǔn)確，所以默芬僅用于最棘手的情況。例如，現(xiàn)有的技術(shù)很難評估像AAA這樣的完全相同的堿基對，而默芬糾正了這種序列錯誤。

換句話說，科學(xué)家們曾經(jīng)以為，重復(fù)區(qū)域的拼圖有著幾乎一樣的顏色和形狀，比如看起來都像藍(lán)天。但現(xiàn)在，更先進的測序技術(shù)使科學(xué)家們發(fā)現(xiàn)，這些重復(fù)的碎片圖案實際不僅僅是藍(lán)天，還有草地和太陽。

破解生命“天書”最后“黑匣子”的第二個挑戰(zhàn)是尋找僅包含一個基因組的細(xì)胞。標(biāo)準(zhǔn)的人類細(xì)胞包含兩組DNA，一組是母系DNA，另一組是父系DNA，但T2T團隊使用的是一組被稱為完全性葡萄胎的細(xì)胞的DNA，其中僅包含父系DNA的副本。完全性葡萄胎是一種罕見的妊娠并發(fā)癥，由來源于胎盤的細(xì)胞異常生長引起。

這種方法簡化了基因組，因此科學(xué)家只需對一組DNA進行測序，而不是兩組DNA。

基因組學(xué)一個關(guān)鍵里程碑

新序列補齊了人類基因組最后一塊拼圖，標(biāo)志著基因組學(xué)領(lǐng)域的一個關(guān)鍵里程碑。

新序列揭示了關(guān)于著絲粒周圍區(qū)域的前所未見的細(xì)節(jié)。這將大大增加人們對染色體的了解，尤其是著絲粒及其作用。因為該區(qū)域?qū)τ诹私馊祟愡M化和遺傳多樣性以及對許多疾病的抵抗力或易感性至關(guān)重要。

同時，新序列揭示了以前未被發(fā)現(xiàn)的節(jié)段重復(fù)，即在基因組中重復(fù)的長DNA片段。在人類基因組的20000個基因中，大約950個起源于節(jié)段重復(fù)。這些人類特有的節(jié)段重復(fù)是新基因的儲存庫，這些基因會在發(fā)育的大腦中驅(qū)動更多神經(jīng)元的形成，并增強額葉皮質(zhì)突觸的連接性——可能與人類特有的高級思維、推理、邏輯和語言功能有關(guān)。

而更準(zhǔn)確的5條染色體臂圖譜的呈現(xiàn)，或幫助科學(xué)家開辟新的研究方向，有助于回答有關(guān)染色體如何正確分離和分裂的基本生物學(xué)問題。

“生成真正完整的人類基因組序列代表了一項令人難以置信的科學(xué)成就，提供了人類基因藍(lán)圖的第一個全面視圖。”格林說，“這些基礎(chǔ)信息將推進許多正在進行的努力，幫助我們了解人類基因組的細(xì)節(jié)，這反過來又將為人類疾病的基因研究提供支持。”

除了完成組裝拼圖的醫(yī)學(xué)研究意義之外，它還有助于回答：我們的基因組中包含什么使我們成為人類？與其他猿類相比，原始基因組中的一些空白基因現(xiàn)在被認(rèn)為對于幫助人類制造更大的大腦至關(guān)重要。著絲粒的變異性也可能為人類祖先如何進化提供新證據(jù)。

現(xiàn)在，科學(xué)家能夠隨時間變化跟蹤這些新的基因組區(qū)域，從而能夠?qū)σ淮忠淮⒉煌鹪吹娜嘶蛭锓N進行更嚴(yán)格的比較。

例如，艾希勒實驗室的研究生哈維·吉塔特對與人類前額葉皮質(zhì)擴張相關(guān)的基因家族TBC1D3的分析顯示，在靈長類動物進化的不同點上發(fā)生了反復(fù)和獨立的擴張。最近一次發(fā)生在約260萬到200萬年前，大概是人屬出現(xiàn)的時候。令人驚訝的是，人類的TBC1D3基因家族在一部分樣本中顯示出顯著的大規(guī)模結(jié)構(gòu)變異。

研究人員在其論文中解釋說，不同的人有著截然不同的TBC1D3基因家族的互補和排列方式。對于一個被認(rèn)為對大腦功能如此重要的基因來說，這是令人意想不到的?？茖W(xué)家們還發(fā)現(xiàn)了LPA基因復(fù)雜結(jié)構(gòu)的多樣性，這種脂蛋白基因部分的變異性是血液中血脂水平異常導(dǎo)致心血管疾病的最重要的遺傳風(fēng)險因素。

研究人員還研究了SMN基因（一種運動神經(jīng)元基因），其突變與某些神經(jīng)肌肉疾病有關(guān)。對脊髓性肌萎縮區(qū)域（5號染色體上最難完成測序的區(qū)域之一）進行更好的序列識別，從而有助于確定疾病風(fēng)險并進一步治療，因為重復(fù)基因SMN2是最有效基因療法之一的靶點。

此外，許多疾病與著絲粒中的結(jié)構(gòu)重復(fù)有關(guān)，因此，新序列有助于科學(xué)家研究與基因相關(guān)的疾病。

眾所周知，著絲粒在細(xì)胞繁殖時在DNA復(fù)制中發(fā)揮作用，如果顯著改變它們在染色體中的位置，就可以產(chǎn)生全新的物種。當(dāng)某些異染色質(zhì)著絲?；蜻^度表達時，癌細(xì)胞會瘋狂分裂；細(xì)胞分裂和細(xì)胞之間遺傳物質(zhì)分配出錯也可能導(dǎo)致產(chǎn)前發(fā)育的異常，如唐氏綜合癥或羅伯遜易位，而對著絲?；蚪M的全面了解可能為治療這些疾病打開新大門。

基于這些和其他發(fā)現(xiàn)，科學(xué)家們指出，新的參考基因組“揭示了對神經(jīng)發(fā)育和人類疾病很重要的基因中人類遺傳變異的前所未有的水平”。

這不是結(jié)束而是新的開始

此次，T2T團隊使用的葡萄胎細(xì)胞只保留了XX染色體——一組重復(fù)的染色體，缺失了Y染色體。而完成單倍體基因組測序并不是“人類基因組計劃”的最終目標(biāo)和結(jié)果，更是一個新的開始。

艾希勒稱：“我們已經(jīng)完成了一個基因組。在接下來的幾年里，將會有數(shù)百甚至數(shù)千個基因組。我認(rèn)為我們對人類彼此不同的看法將發(fā)生轉(zhuǎn)變，更復(fù)雜的遺傳變異不僅對了解什么使我們成為人類很重要，而且對了解什么使我們與眾不同也很重要?！?/p>

下一階段，科學(xué)家們將對多個不同個體的基因組進行測序，以充分掌握人類的多樣性、疾病以及人類與其他靈長類動物的關(guān)系。

好消息是，研究人員也即將發(fā)布來自不同來源細(xì)胞的Y染色體的完整序列。對這一新Y染色體序列的分析將出現(xiàn)在未來的出版物中。

此外，T2T聯(lián)盟還有一個新目標(biāo)——從不同種族或血統(tǒng)的人中提取350個基因組（目前已破譯了70個基因組）。NHGRI基因信息學(xué)部門負(fù)責(zé)人亞當(dāng)·菲利普博士說，該項目將總共花費數(shù)百萬美元或更多。但與2003年人類基因組計劃完成最終測序所花費的近4.5億美元相比，這只是一個零頭。隨著新技術(shù)的出現(xiàn)，測序只會變得越來越便宜。

就目前而言，對每個人來說，測序自己的基因組仍然過于昂貴和耗時，但使用全新基因組序列來確定某些基因差異是否與特定癌癥有關(guān)的研究已經(jīng)在路上。

菲利普博士表示，在未來幾年內(nèi)，對一個人的整個基因組進行測序應(yīng)該會變得更便宜、更簡單。

“未來，當(dāng)某人對其基因組進行測序時，我們將能夠識別他們DNA中的所有變異，并利用這些信息更好地指導(dǎo)他們的醫(yī)療保健?！狈评罩赋?，“真正完成人類基因組序列就像戴上一副新眼鏡，現(xiàn)在我們可以清楚地看到一切，而我們離理解這一切意味著什么又近了一步?！?/p>