熒光顯微鏡下的人類染色體。Steffen Dietzel，CC BY-SA 3.0，https://commons./w/index.php?curid=1369763

編譯 李佳儀

編輯 魏瀟

人類基因組由超過 60 億個(gè) DNA 堿基組成，分布在 23 對染色體中。但在過去的二十多年中，“完整的人類基因組”一直是一個(gè)相對概念。2001 年，人類基因組計(jì)劃（Human Genome Project, HGP）發(fā)布了第一版人類基因組圖譜，其中存在大約 2 億個(gè)堿基缺失，占整個(gè)基因組的 8%。缺失的區(qū)域主要位于染色體的著絲粒和端粒區(qū)域，都包含高度重復(fù)的序列；還有部分染色體的短臂，其中包括編碼核糖體的功能性基因。

如今，科學(xué)家們終于填補(bǔ)了我們遺傳密碼中這 8% 的空白。這個(gè)迄今最完整的人類參考基因組被命名為 T2T-CHM13。和舊版本相比，位于染色體兩段的端粒序列，以及大多處于染色體中間、在細(xì)胞分裂過程中協(xié)調(diào)復(fù)制染色體分離的著絲粒序列都清晰可見。此外，包含有大量編碼核糖體骨架基因的 5 條人類染色體短臂也被探明。這些“新序列”的 2 億堿基中，包含了 99 個(gè)可能編碼蛋白質(zhì)的基因和近 2000 個(gè)需要進(jìn)一步研究的候選基因。除了端粒和著絲粒等一些基因組中最復(fù)雜的區(qū)域，T2T-CHM13 還糾正了當(dāng)前參考序列中的數(shù)千個(gè)結(jié)構(gòu)錯(cuò)誤，對現(xiàn)有的人類參考基因組（GRCh38）形成了補(bǔ)充。

迄今最完整的人類基因組 T2T-CHM13。來源：論文。

技術(shù)突破

令二十年前的人類基因組圖譜出現(xiàn)“空白”的重要原因之一，是其中的大量重復(fù)序列。此前人類基因組測序的方法是先將染色體 DNA 切斷成短片段，再進(jìn)行測序，然后將測序結(jié)果拼合回去。但著絲粒、端?；蚝颂求w DNA 區(qū)域中存在大量重復(fù)序列，它們過于相似，令科學(xué)家難以區(qū)分，無法將這些碎片拼接在一起獲得正確序列。因此 2003 年 HGP 公布的人類基因組序列并不完整，只覆蓋了約 92% 的人類基因組。

另一個(gè)障礙是人類細(xì)胞染色體由來自父母雙方的兩套基因組組成。當(dāng)研究人員試圖組裝所有片段時(shí)，來自父親或母親的序列將會(huì)混合在一起，從而掩蓋了每個(gè)單獨(dú)基因組中的實(shí)際變異。

科學(xué)家首先找到了第二個(gè)問題的解決方案：一種只含有父親基因組的罕見細(xì)胞系。該細(xì)胞系取自二十多年前從一名女性子宮切除下來的葡萄胎（hydatidiform mole）組織，是一種發(fā)育異常的人類受精卵——與精子結(jié)合的是一個(gè)缺失母體基因組的卵子。僅擁有精子遺傳物質(zhì)的受精卵無法發(fā)育成胚胎，但精子帶來的性染色體剛好是 X 而不是 Y，這讓細(xì)胞保留了復(fù)制能力。這類細(xì)胞的 23 對染色體中的每一對都來自父親，序列相同，剛好符合了 T2T 組織的期望。相比之下，第一版人類基因組圖譜是由多人基因拼接而成的，結(jié)果可能產(chǎn)生錯(cuò)誤和誤差。

在上世紀(jì) HPG 開始的時(shí)候，測序技術(shù)還無法完成對長 DNA 的準(zhǔn)確讀取，因此科學(xué)家只能切割染色體，這也導(dǎo)致了高度重復(fù)序列區(qū)域無法被正確地拼合。在過去十年中，長片段 DNA 的測序能力的提升令一次性讀取一整個(gè)染色體成為可能?，F(xiàn)在，測序長度可達(dá)百萬堿基對且準(zhǔn)確度適中的牛津納米孔技術(shù)（Oxford Nanopore），以及測序長度達(dá)到 2 萬堿基對且的高度準(zhǔn)確的 PacBio HiFi 技術(shù)，令研究人員能夠跨越重復(fù)區(qū)域測序并確保裝配的高度準(zhǔn)確，從而成功生成完整的人類基因組序列。

開啟“新地圖”

T2T-CHM13 能更準(zhǔn)確地評估遺傳變異。研究人員在臨床研究疾病的遺傳變異或遺傳多樣性時(shí)，會(huì)將測序結(jié)果與參考基因組進(jìn)行比較，而新的序列由于在“在堿基水平上非常準(zhǔn)確”，能精確定位之前被錯(cuò)誤理解的數(shù)十萬個(gè)變異，從而極大改進(jìn)遺傳變異的識(shí)別和理解。

同時(shí)，新序列也為研究人類染色體中的著絲粒區(qū)域提供了幫助。在形成精子或卵子的減數(shù)分裂過程中，著絲粒是成對染色體分離時(shí)附著的地方。這個(gè)區(qū)域結(jié)構(gòu)獨(dú)特，包含長段重復(fù)序列，而且 DNA 和蛋白質(zhì)似乎在這一區(qū)域纏繞得格外緊湊（因此被定義為缺乏轉(zhuǎn)錄活性的異染色質(zhì)）。研究顯示，著絲粒及其周圍的新 DNA 序列約占整個(gè)基因組的 6.2%（約 1.9 億個(gè)堿基）。美國加利福尼亞大學(xué)伯克利分校（University of California, Berkeley）的研究者 Nicolas Altemose 和他的團(tuán)隊(duì)使用新技術(shù)在著絲粒內(nèi)找到了一個(gè)稱為動(dòng)粒（kinetochore）的大蛋白質(zhì)復(fù)合物，這個(gè)復(fù)合物通過固定在染色體上，促使了染色體的分裂。如果在減數(shù)分裂中這一過程出現(xiàn)問題，將導(dǎo)致染色體異常，出現(xiàn)自然流產(chǎn)或先天性疾病。如果這個(gè)問題發(fā)生在體細(xì)胞中，則會(huì)令細(xì)胞基因表達(dá)失調(diào)，進(jìn)而導(dǎo)致癌癥。

除此之外，該團(tuán)隊(duì)還在著絲粒和其他區(qū)域發(fā)現(xiàn)了出乎意料的高水平遺傳變異。他們發(fā)現(xiàn)，著絲粒及其附近存在各種序列的堆疊，通常是新序列層覆蓋著舊序列層。舊序列通常有更多的隨機(jī)突變和缺失，說明這一段已被細(xì)胞棄用；而新序列中突變和甲基化都更少，說明正在被使用。同時(shí)他們還發(fā)現(xiàn)著絲粒內(nèi)部和周圍區(qū)域都含有大量的重復(fù)長度片段。該重復(fù)序列是基于一個(gè)約 171 個(gè)堿基（約為繞核小體一圈的 DNA 長度），通過重復(fù)串聯(lián)相同的結(jié)構(gòu)在著絲粒周圍形成了一個(gè)大的重復(fù)序列區(qū)域。

著絲粒的另一個(gè)謎團(tuán)是位置的固定性。美國加利福尼亞大學(xué)戴維斯分校（University of California, Davis）的研究團(tuán)隊(duì)通過對比新的參考基因組和其他已發(fā)表的著絲粒序列，發(fā)現(xiàn)人類著絲?？赡芤矔?huì)移動(dòng)。類似的現(xiàn)象之前已在其他物種中被發(fā)現(xiàn)。

美國加利福尼亞大學(xué)圣克魯茲分校（University of California, Santa Cruz）的研究團(tuán)隊(duì)則將研究集中在衛(wèi)星 DNA——一種主要分布在端粒和著絲粒附近的長重復(fù)序列上。研究人員表示，著絲粒已經(jīng)被發(fā)現(xiàn)在各種人類疾病中表現(xiàn)失調(diào)，但之前缺乏在序列水平的研究方法。通過新的參考基因組，科學(xué)家終于可以首次“逐個(gè)堿基”研究其中的衛(wèi)星 DNA 序列，并真正了解它的工作原理。

未來計(jì)劃

成功補(bǔ)完人類的單個(gè)基因組并不是結(jié)束。T2T-CHM13 序列來自一名歐洲白人，而且它不包含 Y 染色體。盡管 T2T 聯(lián)盟用一位美國哈佛大學(xué)生物學(xué)家捐獻(xiàn)的樣本將 Y 染色體序列補(bǔ)充了進(jìn)去，但他們?nèi)孕枰獜母鄻踊娜巳褐幸灶愃剖侄潍@得更多的完整基因組序列?！犊茖W(xué)》新聞稱，T2T 聯(lián)盟計(jì)劃從不同血統(tǒng)的人類個(gè)體中提取 350 個(gè)基因組，用測序結(jié)果創(chuàng)建一個(gè)新的“人類泛基因組參考”，來尋找可能與疾病或遺傳性狀有關(guān)的染色體短臂中的變異和難讀區(qū)域，從而更全面地理解人類多樣性。

目前，T2T 團(tuán)隊(duì)已經(jīng)開始了70 多個(gè)基因組的解密工作。T2T 聯(lián)盟的領(lǐng)導(dǎo)者之一、美國加利福尼亞大學(xué)圣克魯茲分校生物分子工程副教授 Benedict Paten 表示：“泛基因組學(xué)將研究人類種群的多樣性，并確保我們得到的基因組的準(zhǔn)確性。如果缺少這份包含復(fù)雜區(qū)域基因圖譜的跨個(gè)體研究，大量的人口基因變異將會(huì)被我們錯(cuò)過?！?/span>