您当前的位置: 首页 >  博客资讯

里程碑!首次完整破译人类基因组

图片来源:T。 POTAPOVA AND J。 GERTON/STOWERS INSTITUTE FOR MEDICAL RESEARCH

从1990年至今,我们一直在接近完整人类基因组。今天,在发表于《科学》杂志的6项新研究中,科学家破解了最为关键的测序难题,获得了完整的人类基因组序列,或能将我们对人类的生长发育和疾病的了解,推向了新的高度。

撰文 | 栗子、clefable

人类的细胞里,通常有23对染色体。如果仔细观察这些染色体,你会发现组蛋白和缠绕在其上的DNA。我们的DNA由ATCG4种碱基排列而成,生命的密码就藏在其中。人类的基因组包含大约30亿个碱基对,排列极其复杂,但有规律,因为人与人基因组的相似性高达99.9%。多年来,科学家们一直想要借助其中的规律了解人体工作的原理,特别是与疾病相关的机制。

1986年,《科学》杂志上刊登了一篇由诺贝尔生理学或医学奖得主Renato Dulbecco撰写的文章。他认为,癌症研究已经来到一个关键的结点:要么零碎地挖掘一些关键的癌症基因,要么测定一个特定物种完整的基因组。而想要攻克人类的癌症,测定人的基因组,了解参与关键的生理学和病理学过程中各个基因是必不可少的。

同年,杜尔贝科和其他科学家联合发起了人类基因组计划(Human Genome Project)――对人类的核基因组进行完整地测序,1990年这项计划正式启动,被誉为生命科学领域的“登月计划”。又过了14年,也就是2004年,首个人类基因组测序结果发表,但基因组上仍有大约2亿个碱基未知,占全部序列的8%。这些未知序列当中包含很多高度重复的碱基序列,受限于当时的技术难以破译

从那以后,科学家们陆续发布了越来越完整的人类基因组序列。到2017年,图谱上的缺口已经不足1000个,但人类基因组依然不够“完整”。

今天,一个由近100名研究人员组成的国际性的科学组织――端粒到端粒(T2T)联盟,在《科学》杂志上发表了6篇论文,表示他们测出了那些高度重复的DNA序列,并获得了迄今为止最完整的人类基因组T2T-CHM13,其中包括30.55亿个碱基对,由22条常染色体和X染色体无缝组装而成。此时,基因组的缺口仅剩5个,这项研究也被认为是首个完整的人类基因组测序。

突破难题

为了获得完整的基因组,团队首先要解决测序中的一个难点:人体内的大多数细胞都包含两个基因组――一个来自父亲,一个来自母亲。当研究人员将DNA片段组装起来时,父本和母本的序列会混合在一起,无法确定某一个基因组中实际发生的变异。

因此,研究团队使用了一个匿名的细胞系,这个细胞系来自20多年前从一位女性子宫里切除的异常生长物。那位女性经历了妊娠失败――精子进入一个没有染色体的卵细胞。如果受精卵中只有精子的遗传物质的话,就无法长成一个胚胎,但依然可以复制,尤其是在精子携带X染色体的时候。

异常的受精卵有个好处,就是只包含一个基因组,23对染色体都是两两相同的。华盛顿大学的遗传学家、协助领导人类基因组计划的罗伯特・沃特斯顿(Robert Waterston)说,这对填补基因组中的缺口有很大的帮助,因为测序仪不再需要解决父母染色体不一样的问题了。

除此之外,还有一个更重要的难点,就是高度重复的序列。在进行基因组测序时,科学家通常需要将DNA切成较短的片段再逐一测序,然后将测序结果拼凑起来。但遇到大量高度相似的序列时,研究者便难以确定它们之间的排列顺序。因此,科学家需要借助更加先进的技术,每次测量更长的DNA序列,来减少拼凑的需求。

于是,T2T联盟的科学家使用了多项前沿的测序技术,包括读取10万个碱基的纳米孔测序设备(nanopore device)和一个更加精确但每次只能读取约1万个碱基的测序仪等。团队把这些手段用在一起,几乎消灭了所有的基因组难题,只剩下5个缺口,总共大约1000万个未知碱基。另外,由于那个细胞系中只有常染色体与X染色体,Y染色体的碱基序列还需要详细解析。

首次确定的序列

此次,研究团队为基因组填补了大约2亿个碱基,主要位于着丝粒区域和近着丝粒染色体的短臂区域,还有许多长度超过1000个碱基的大段重复序列。这些序列中包含1900 多个基因,大部分是已知基因的拷贝,但也包括182个新基因。

研究团队在着丝粒上发现了一段特别的序列,它可以和一种名叫“动粒”的蛋白复合物结合,而“动粒”参与调控着染色体的移动,也参与染色体的分裂过程。一旦这个序列发生变异,就可能影响细胞内的基因表达,从而导致癌症。

4种类型的染色体,其中从左到右地3个为近着丝粒染色体。这类染色体的短臂非常短。图片来源于Vedantu

科学家也发现,着丝粒区域出现了异常高的变异水平。他们分析,着丝粒以及附近区域呈现出“分层扩散”的演化模式,即存在着不断重复、但有突变的序列,新的序列会和旧序列连接,而旧的序列被新的序列挤到边缘,慢慢缩短。

除此之外,5条近着丝粒染色体的短臂区域的测序结果显示,这些短臂区域中包含了编码核糖体RNA的基因的多个拷贝,一共400份。更重要的是,短臂区域的变异水平也比较高,并有大量的重复序列,如可移动的转座子等。研究团队认为,短臂区域很可能是基因演化的热点区域,因为停留在那里的基因拷贝可以自由变异并获得新的功能。

图中右侧为染色体,它含有两条姐妹染色单体,它们的连接处为着丝粒。图片来源:National Human Genome Research Institute

科学家们十分重视基因组中的重复序列,并给它们编排了目录。在这些序列当中,碱基上的化学修饰可能和许多疾病有关,例如一些神经障碍和发育障碍等。并且那些疾病的出现,通常和某些重复序列的拷贝数量变化有关。

后续的计划

毫无疑问,这个新的人类基因参考图谱将会对基因组分析产生重大影响。它将能更好地支持个性化医疗、人群基因组分析和基因组编辑。欧洲分子生物学实验室的副主任、生物信息学家尤恩・伯尼(参与了人类基因组计划,没有参与这些研究)表示:“即使是5年前,我们也没有想到能做到这一点,更不用说10年前了。这些研究工作极为出色。”基因编辑公司Inscripta的基因组学家迪安娜・丘奇(Deanna Church)认为,这些此前未知的DNA区域让我们对基因组有了更多新的了解。

虽然,这些新的研究工作使基因组测序达到了一个新的里程碑,但人类基因组测序仪器并没有完全下班。由于使用的细胞系没有Y染色体,T2T联盟的科学家获取了哈佛大学系统生物学家列昂尼德・佩什金(Leonid Peshkin)的基因组,并对他的一条Y染色体进行了测序。此前,佩什金博士的基因组已经被研究得相对充分了,只是还没有得到完整的基因组序列。好消息是,昨日,T2T联盟在推特上宣布他们已经确定了Y染色体上缺失序列的正确排列形式。想必离解析出完整的Y染色序列也不远了。

除此之外,人类基因组计划联合负责人、贝勒医学院遗传学家理查德・吉布斯(Richard Gibbs)说:“还有一些工作要做。”包括他在内的许多研究人员都强调,现在需要从更多样化的人群中获取完整的基因组序列,来寻找染色体短臂中可能存在的变异,以及其他获取其他测序难度比较高的区域的变异,因为这些都有可能和疾病或别的性状有关。

此外,他们还有一个新目标――从不同种族或血统的人中提取350个基因组(目前已破译了70个基因组)。这些基因组是人类泛基因组参考联盟(Human Pangenome Reference Consortium)的一部分,它们的测序更有挑战性,因为每一对染色体都是两两不同的。最终,科学家希望给每一个基因组,都找出端粒到端粒的完整序列。

参考链接:

https://www.science.org/content/article/most-complete-human-genome-yet-reveals-previously-indecipherable-dna

https://www.science.org/toc/science/current

https://www.science.org/doi/10.1126/science.abj5089

https://www.science.org/doi/10.1126/science.abk3112

https://www.science.org/doi/10.1126/science.abl4178

https://www.science.org/doi/10.1126/science.abo5367

https://www.science.org/doi/10.1126/science.abj5089

本文转自《环球科学》

来源:新浪科技