深瞳工作室出品
科技日報實習記者 張佳欣 策劃?馮衛(wèi)東 王俊鳴
國際科學團隊端粒到端粒聯(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)段重復基因組區(qū)域及其在人類基因組中的變異，這是對標準人類參考基因組，即2013年發(fā)布的參考基因組序列（GRCh38）的重大升級。
視覺中國供圖
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，足見其紛繁復雜。
在由中、美、英、法、德、日6國科學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)段重復基因組區(qū)域及其在人類基因組中的變異，這是對標準人類參考基因組，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》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。
華盛頓大學霍華德·休斯醫(yī)學研究所研究員埃文·艾希勒說，對DNA進行測序就像解決拼圖游戲一樣。科學家們必須首先將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，許多研究人員認為是“垃圾或無關(guān)緊要”的那些重復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”
由于重復區(qū)域的復雜性，剩下的8%的人類基因組多年來一直困擾著科學家。一方面，它包含具有多次重復的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，準確度適中；而太平洋生物科學公司（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，并確保裝配的基因序列高度準確。
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，科學家們曾經(jīng)以為，重復區(qū)域的拼圖有著幾乎一樣的顏色和形狀，比如看起來都像藍天。但現(xiàn)在，更先進的測序技術(shù)使科學家們發(fā)現(xiàn)，這些重復的碎片圖案實際不僅僅是藍天，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胞。標準的人類細胞包含兩組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，由來源于胎盤的細胞異常生長引起。
這種方法簡化了基因組，因此科學家只需對一組DNA進行測序，而不是兩組DNA。
基因組學一個關(guān)鍵里程碑
新序列補齊了人類基因組最后一塊拼圖，標志著基因組學領(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，即在基因組中重復的長DNA片段。在人類基因組中的20000個基因中，大約950個起源于節(jié)段重復。這些人類特有的節(jié)段重復是新基因的儲存庫，這些基因會在發(fā)育中的大腦中驅(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)。
而更準確的5條染色體臂圖譜的呈現(xiàn)，或幫助科學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成就，提供了人類基因藍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了人類？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)生了反復和獨立的擴張。最近一次發(fā)生在約200萬到260萬年前，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。對于一個被認為對大腦功能如此重要的基因來說，這是令人意想不到的。科學家們還發(fā)現(xiàn)了LPA基因復雜結(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致心血管疾病的最重要的遺傳風險因素。
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險并進一步治療，因為重復基因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)重復有關(guān)，因此，新序列有助于科學家研究與基因相關(guān)的疾病。
眾所周知，著絲粒在細胞繁殖時在DNA復制中發(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。當某些異染色質(zhì)著絲粒基因過度表達時，癌細胞會瘋狂分裂；細胞分裂和細胞之間遺傳物質(zhì)分配出錯也可能導致產(chǎn)前發(fā)育的異常，如唐氏綜合癥或羅伯遜易位，而對著絲粒基因組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胞只保留了XX染色體——一組重復的染色體，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。我認為我們對人類彼此不同的看法將發(fā)生轉(zhuǎn)變，更復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。”
下一階段，科學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——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基因信息學部門負責人亞當·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該會變得更便宜、更簡單。
“未來，當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他們的醫(yī)療保健。”菲利普說，“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。”
相關(guān)閱讀：
