千人基因組：中國科學(xué)家為人類基因組地圖補(bǔ)上13%的"盲區(qū)"

二十年前，當(dāng)人類基因組計(jì)劃最終完成時(shí)，中國科學(xué)家只承擔(dān)了其中1%的測序任務(wù)。那時(shí)候，我們用的是別人造好的工具，走的是別人探過的路，在生命科學(xué)的"登月工程"里，我們更像是一個(gè)搭車的乘客。

而昨晚，西湖大學(xué)楊劍教授團(tuán)隊(duì)在國際頂尖期刊《Nature》發(fā)表的最新研究，標(biāo)志著中國科學(xué)家在人類基因組研究領(lǐng)域完成了從"跟跑"到"領(lǐng)跑"的跨越。

這一次，我們100%獨(dú)立完成了一項(xiàng)里程碑式的研究。

一張"千瘡百孔"的標(biāo)準(zhǔn)地圖

人類基因組，這本由30億個(gè)堿基對寫成的生命之書，自2003年以來一直依賴著一張"標(biāo)準(zhǔn)地圖"——參考基因組GRCh38。

但問題在于，這張地圖本質(zhì)上是基于歐洲白人樣本構(gòu)建的"單人地圖"。它就像一張老舊的導(dǎo)航圖，主干道還算清晰，但無數(shù)小巷、岔路和新建街區(qū)都是一片空白。更麻煩的是，當(dāng)你拿著這張地圖去導(dǎo)航亞洲人的基因組時(shí)，會(huì)發(fā)現(xiàn)大量"道路對不上號"。

這種偏差直接影響了疾病診斷的準(zhǔn)確性。許多東亞人群特有的遺傳變異被系統(tǒng)性地遺漏或誤判，導(dǎo)致罕見遺傳病的診斷困難重重，精準(zhǔn)醫(yī)療更是無從談起。

"泛基因組"的概念應(yīng)運(yùn)而生。它不再是一張單人的地圖，而是一個(gè)群體中所有基因組序列的集合，包含該群體存在的全部遺傳變異。理論上，只要把大家的基因"拼在一起"，就能得到這個(gè)物種的完整遺傳圖景。

成本與規(guī)模：泛基因組的"不可能三角"

聽起來簡單，做起來卻極其昂貴。

高質(zhì)量的基因組組裝需要第三代測序技術(shù)，也就是所謂的"長讀長"測序。這種技術(shù)能夠一次性讀取數(shù)萬甚至數(shù)十萬個(gè)堿基對，是搭建基因組"骨架"的關(guān)鍵。但代價(jià)是驚人的——測一個(gè)人的成本就高達(dá)數(shù)萬元。

國際上現(xiàn)有的泛基因組研究樣本量極小，從幾十人到百余人不等。2022年啟動(dòng)的"人類泛基因組參考聯(lián)盟"（HPRC）項(xiàng)目，在全球46個(gè)樣本中僅包含3個(gè)中國人樣本。對于擁有14億人口、遺傳多樣性極其豐富的中國而言，這3個(gè)樣本顯然無法代表全貌。

如何用有限的經(jīng)費(fèi)，實(shí)現(xiàn)大規(guī)模的樣本覆蓋？這是楊劍團(tuán)隊(duì)2020年加盟西湖大學(xué)后面臨的核心挑戰(zhàn)。

PIGA：一場關(guān)于"性價(jià)比"的方法學(xué)革命

2021年，博士生王逸飛加入楊劍課題組。在一次實(shí)驗(yàn)室頭腦風(fēng)暴中，一個(gè)大膽的想法浮出水面：能否將昂貴的"長讀長"測序與相對便宜的"短讀長"測序混合使用？

短讀長測序，也就是第二代測序技術(shù)，雖然每次只能讀取幾百個(gè)堿基對的片段，但勝在通量高、成本低，能夠精確捕捉細(xì)節(jié)。長讀長則負(fù)責(zé)搭建骨架，確保整體定位精準(zhǔn)。

這就像用"高清局部特寫"配合"廣角全景圖"來給基因組拍照——既保證了畫面的準(zhǔn)確度，又將拍攝成本降低了數(shù)倍。

經(jīng)過數(shù)年摸索，團(tuán)隊(duì)最終開發(fā)出了基于泛基因組的聯(lián)合組裝方法（Pangenome Integrated Genome Assembly，簡稱PIGA）。該方法充分利用中等深度的短讀長和長讀長測序數(shù)據(jù)，實(shí)現(xiàn)了對大規(guī)模人群二倍體基因組的聯(lián)合組裝。

由此，千人泛基因組（1000 Chinese Pangenome，1KCP）誕生了。

13%的"基因新大陸"

1KCP包含1116個(gè)中國人群的二倍體基因組組裝，其中包括55個(gè)從頭組裝和1061個(gè)基于泛基因組指導(dǎo)的組裝。這是目前全球最大規(guī)模的人類泛基因組資源庫，平均質(zhì)量值QV達(dá)到46——意味著錯(cuò)誤率低至約五萬分之一。

但真正令人震撼的發(fā)現(xiàn)，在于那4.053億個(gè)堿基對的全新序列。

這些序列在現(xiàn)有的國際參考基因組（GRCh38和CHM13）中完全不存在，相當(dāng)于人類基因組總大小的13%。超過十分之一的基因組內(nèi)容，此前一直是未被標(biāo)注的"盲區(qū)"。

研究團(tuán)隊(duì)進(jìn)一步鑒定發(fā)現(xiàn)，這些新序列中有多達(dá)2620萬個(gè)堿基對具有明確功能，涉及基因編碼區(qū)和調(diào)控元件。它們不僅能指導(dǎo)蛋白質(zhì)合成，還可能控制著基因何時(shí)、何地、以何種強(qiáng)度表達(dá)。

換句話說，我們在人類基因組中發(fā)現(xiàn)了一片"新大陸"，而且這片大陸并非荒原——上面有大量活躍的生命跡象。

那些被遺漏的罕見變異

1KCP的另一項(xiàng)核心價(jià)值，在于對復(fù)雜遺傳變異的系統(tǒng)解析。

研究團(tuán)隊(duì)鑒定了3540萬個(gè)小變異、11萬多個(gè)結(jié)構(gòu)變異、48.5萬個(gè)串聯(lián)重復(fù)序列，以及86萬個(gè)"嵌套變異"——即隱藏在復(fù)雜結(jié)構(gòu)變異內(nèi)部的次級變異。

特別值得關(guān)注的是，33.3%的結(jié)構(gòu)變異是首次被發(fā)現(xiàn)，其中83.5%屬于罕見變異（在人群中頻率≤1%）。

圖2.HP - HPR 基因簇圖形泛基因組、結(jié)構(gòu)變異及其相關(guān)復(fù)雜性狀

圖3.泛變異eQTL分析及與嵌套變異關(guān)聯(lián)的基因表達(dá)

這些罕見變異往往與遺傳性疾病密切相關(guān)，但在小樣本研究中極易成為"漏網(wǎng)之魚"。只有當(dāng)樣本規(guī)模擴(kuò)大到千人級別，這些低頻變異才能被準(zhǔn)確打撈上來。

研究還發(fā)現(xiàn)了5239個(gè)直接影響蛋白質(zhì)編碼基因外顯子的結(jié)構(gòu)變異，平均每個(gè)中國人攜帶450個(gè)這樣的變異。此外，2427個(gè)串聯(lián)重復(fù)擴(kuò)增事件被精準(zhǔn)鎖定——這類變異與亨廷頓病、小腦性共濟(jì)失調(diào)等多種神經(jīng)退行性疾病密切相關(guān)。

從"標(biāo)準(zhǔn)答案"到"中國參考"

1KCP項(xiàng)目的意義，遠(yuǎn)不止于發(fā)表一篇頂刊論文。

它為中國人群的疾病風(fēng)險(xiǎn)預(yù)測、藥物基因組學(xué)和個(gè)性化治療提供了專屬的遺傳參考框架。長期以來，中國患者在進(jìn)行遺傳病診斷時(shí)，使用的都是基于歐洲人群構(gòu)建的參考標(biāo)準(zhǔn)，誤診漏診的風(fēng)險(xiǎn)始終存在。

現(xiàn)在，我們終于擁有了自己的"標(biāo)準(zhǔn)地圖"。

研究團(tuán)隊(duì)已建立1KCP數(shù)據(jù)門戶，向全球研究者開放。這不僅填補(bǔ)了精準(zhǔn)醫(yī)學(xué)的空白，更為新藥研發(fā)提供了新的可能——基于中國人群特異的遺傳變異，可以開發(fā)更適合中國人的靶向藥物。

方法學(xué)的勝利

回顧這項(xiàng)研究，最值得關(guān)注的可能并非那些驚人的數(shù)字，而是背后的方法論創(chuàng)新。

楊劍團(tuán)隊(duì)長期致力于統(tǒng)計(jì)遺傳學(xué)和生物信息學(xué)方法的開發(fā)。他們此前開發(fā)的GCTA-GREML、SMR、gsMap等分析方法已被全球研究者廣泛應(yīng)用。這一次，PIGA方法的問世，為全球大規(guī)模人群泛基因組研究提供了一條"高性價(jià)比"的技術(shù)路徑。

在生命科學(xué)領(lǐng)域，工具和方法的革新往往比單一發(fā)現(xiàn)更具持久價(jià)值。PIGA方法不僅適用于人類基因組研究，也可推廣至其他物種的泛基因組構(gòu)建，為農(nóng)業(yè)育種、進(jìn)化生物學(xué)等領(lǐng)域提供新的可能。

從20年前的1%，到今天的100%，這條路的跨度遠(yuǎn)不止于數(shù)字的變化。

它意味著中國科學(xué)家在人類基因組研究的國際舞臺上，不再需要"搭車"，而是可以獨(dú)立設(shè)計(jì)路線、自主建造工具、引領(lǐng)研究方向。

千人泛基因組不是終點(diǎn)。隨著測序成本的進(jìn)一步下降和計(jì)算方法的持續(xù)優(yōu)化，萬人級、十萬人級的泛基因組研究將成為可能。屆時(shí)，人類對生命密碼的解讀將進(jìn)入一個(gè)全新的維度。

而這一次，中國科學(xué)家站在了起跑線上。