2025-08-10
文章亮點
1.文章完成65個不同人群、130條近乎完整（T2T）的單倍型基因組組裝，顯著提升了結構變異檢測精度，填補了著絲粒、MHC、SMN1/2等復雜區域的空白。
2.組裝并分析1,246個人類著絲粒，發現α衛星陣列長度差異達30倍，7%的染色體存在“雙動粒”結構，并系統揭示Alu/L1等移動元件在著絲粒的插入模式。
3.派森諾提供泛基因組分析一站式解決方案：從樣本檢測到基因組分析，專業解析基因組的復雜差異和變化機制，助力生物學和醫學研究突破。
文章信息
文章題目：Complex genetic variation in nearly complete human genomes
中文題目：近乎完整人類基因組中的復雜遺傳變異
發表期刊：Nature
影響因子：48.5
發表時間：2025年7月
涉及組學：基因組Denovo、泛基因組分析、轉錄組測序
技術路線
摘 要
本研究對65個具有多樣性的人類基因組進行測序，構建了130個高質量的單倍型組裝，不僅閉合了92%的組裝缺口，還使39%的染色體實現了端粒到端粒的完整組裝，全面解析了復雜區域如MHC、SMN1/SMN2等和1,852個結構變異。同時，首次完整組裝并驗證了1,246個著絲粒，揭示其在α-衛星重復序列長度和移動元件插入方面存在高度變異。結合現有泛基因組參考，該成果顯著提升了短讀長數據的基因分型準確性，每個個體可檢測到約26,000個結構變異，為人類基因組多樣性研究和疾病關聯分析提供了關鍵資源。
研究背景
長讀長測序（Long-read sequencing, LRS）技術在完成首個人類基因組時發揮了關鍵作用。LRS顯著提升了結構變異（SVs，定義為長度≥50 bp的變異）的檢測靈敏度。本研究基于人類基因組結構變異聯盟（HGSVC）的最新工作，利用PacBio HiFi與Oxford Nanopore超長讀長等互補的長讀長測序技術，結合Hi-C、Strand-seq和三親本信息，在65個來自千人基因組計劃的多樣性人群中，構建幾乎無缺口的高質量染色體組裝，重點解決了以往在著絲粒和高同源段復制區域中存在的組裝難題，為全面解析人類結構變異和完善泛基因組參考奠定了基礎。
研究結果
1.130個單倍型基因組組裝
研究人員選取來自五大洲28個人群的65位個體，利用PacBio HiFi與Oxford Nanopore超長讀長測序技術，結合Strand-seq、Hi-C等輔助數據，構建了130個高質量、單倍型解析的人類基因組組裝。使用Verkko工具，實現了中位數為10條染色體的端粒到端粒（T2T）組裝，以及中位數為8條染色體的高質量scaffold組裝，顯著提升了組裝連續性和準確性，單拷貝基因的組裝完整性達99%。針對T2T-CHM13參考基因組，檢測到約18.8萬個結構變異、630萬個indel和2390萬個SNV；對GRCh38參考組也獲得了相應變異集。相比以往研究，SV檢測量提高59%，假陽性率降低55%。
圖1 65個人類基因組的組裝和變異識別
2.基因組資源挖掘
研究人員系統分析了來自130個單倍型組裝的結構變異（SVs），涵蓋移動元件插入（MEIs）、倒位、片段重復（SDs）和Y染色體變異等。共鑒定出12,919個MEIs，其中大部分全長L1插入具備潛在反轉錄轉座能力。倒位分析發現多個新倒位事件，包括與Sotos綜合征相關的大型倒位。片段重復方面，平均每個基因組含168.1 Mb的SDs，并識別出多個此前未注釋的拷貝數多態性區域，尤其在非洲人群中更為豐富。此外，我們高質量組裝了30條Y染色體，首次解析了多個Yq12區域的復雜結構。功能層面，1,535個SVs影響了985個蛋白編碼基因，其中大多數為多態性變異，部分仍保持基因功能。研究還結合Iso-Seq和Hi-C數據揭示SV對轉錄本異構性、基因表達及染色質結構的影響。
圖2 復雜區域改進的基因組資源
3.基因分型綜合參考
研究人員通過構建包含107個人類基因組的泛基因組參考圖譜，利用PanGenie工具對千人基因組計劃（1kGP）3,202個個體進行全基因組變異分型，共檢測到超過3,000萬個變異位點，包括25.7百萬SNP、5.8百萬插入缺失和47.9萬結構變異（SV）。相比既往HPRC和1kGP-HC數據集，新方法顯著提高了稀有SV檢出率（非洲個體達1,490個/基因組）。通過整合短讀長數據與單倍型定相技術，實現了中位k-mer質量值48的基因組重建，較傳統方法顯著提升。針對復雜醫學相關基因位點，采用Locityper靶向分型使單倍型預測準確率（質量值≥30）從74.6%提升至80%，其中HLA等關鍵基因分型性能改善尤為顯著。研究表明，擴大參考單倍型庫可進一步提高難測基因位點的分型精度，為疾病研究提供更可靠的基因組分析工具。
圖3 結構變異分型情況比較
4.主要組織相容性復合體（MHC）
研究人員對主要組織相容性復合體（MHC）區域進行了全面分析，注釋了130條單倍型中的HLA和非HLA基因，修正了826個不完整的HLA等位基因注釋，并發現了170個新的結構變異。研究揭示了MHC II類單倍型（如DR8和DR1）的演化機制，解析了RCCX基因簇的復雜模塊結構及其進化中的基因轉換事件，同時開發了Locityper工具將等位基因預測準確率提升至97.1%。通過泛基因組分析不僅驗證了傳統HLA-DR分組系統，還發現了潛在的細分亞類，為疾病關聯研究和精準醫療提供了重要資源。
圖4 MHC位點的結構可變區
5.SV檢測與泛基因組構建
長讀長組裝基因組顯著提升了復雜結構變異（CSV）的檢測能力，尤其是在重復序列（如串聯重復和轉座元件）中更準確地識別變異。最新的PAV工具可識別嵌套在大型重復區域中的CSV。基于T2T-CHM13參考基因組的分析顯示，平均每個基因組含72個CSV，累計識別出1,247個CSV，涵蓋128種結構特征，其中不少由串聯重復介導，如DEL-INV-DEL、INVDUP-INV-DEL等。研究人員重點解析了與大腦發育相關的NOTCH2NL和NBPF基因的三種CSV單倍型，以及與脊髓性肌萎縮癥相關的SMN1/2區域，成功組裝了101種單倍型，明確了拷貝數和功能基因。淀粉酶基因簇區域也被完全解析，共識別39種單倍型，其中H1a.1、H3r.1等四種最常見，最長的單倍型含11個AMY1拷貝。
圖5 人類基因組中復雜的結構變異
6.著絲粒研究
人類著絲粒是高度變異的基因組區域，由α-衛星DNA構成的高級重復單元（HORs）組成，長度和結構在不同個體間差異顯著。研究人員利用Verkko和hifiasm兩種算法，首次在65個基因組中高質量組裝出1,246個完整著絲粒，平均每個基因組約19.5個。研究發現α-衛星陣列在長度上差異較大，并識別出4,153種新型HOR變體和陣列結構，部分染色體上出現陣列分裂現象。通過CpG甲基化分析，所有著絲粒均存在低甲基化區域（CDR），部分染色體呈現“雙CDR”，提示可能存在雙動粒結構。此外，約30%的α-衛星陣列中含有移動元件插入（MEI），主要為L1HS和Alu，大多分布在CDR之外。個別插入可能影響CDR結構，提示其在調控動粒定位和染色質結構中可能具有功能作用。
圖6 人類著絲粒中的序列和結構情況
總 結
本研究通過對65個來自不同人群的人類基因組進行高連續性測序與組裝，構建了130條近乎完整、無間隙的單倍型基因組，首次系統解析了復雜結構變異、著絲粒α衛星陣列的多樣性、Y染色體結構、MHC區域的多態性，以及SMN1/2、AMY1/2等復雜基因座的結構特征。研究還結合泛基因組圖譜，顯著提升了短讀長測序數據在復雜區域的基因型推斷準確性，為疾病關聯研究提供了更全面的遺傳變異資源。
