回顾二十年漫漫测序路(3)：动物基因组学

研究人员最近回顾了过去25年的动物遗传学研究，并强调了基因组代表性的差异，特别是脊椎动物的代表性过度和节肢动物的代表性不足。

24年前，第一个动物基因组序列发表。这个97 Mb的秀丽隐杆线虫（C. elegans）基因组代表着动物基因组学迈入了新时代。随后，这个领域迅速发展，解码了多种动物的基因组。人们的终极目标是每种动物都有对应的基因组组装。那么，我们现在已经走了多远？

杨百翰大学的Paul B Frandsen和华盛顿州立大学的Joanna Kelley和Scott Hotaling最近在《美国国家科学院院刊》（PNAS）发表了一篇观点文章，回顾了过去25年的动物遗传学研究，并强调了基因组代表性的差异，特别是脊椎动物的代表性过度和节肢动物的代表性不足。

目前，GenBank数据库中已有近3,300种动物的基因组组装，覆盖24个门。我们对基因组如何变化以及如何塑造生物多样性有了更深的认识。同时，多个测序联盟还在朝着测序所有动物基因组的目标而努力，包括脊椎动物基因组计划、万种鸟类基因组计划、5000种昆虫基因组（i5K）计划、地球生物基因组计划以及达尔文生命之树计划。

然而，未来还有很长的路要走。正如作者指出的那样，对于世界上的166万种动物，目前只有0.2%完成了基因组测序。不过，测序的步伐正在加快，现在平均每天提交到GenBank的物种数量达到4个，是一年前的8倍。

如果按照这样的速度，大约需要3136年才能获得所有动物的基因组组装。作者指出，若想在2031年实现这一目标，平均每年需要对165,614个新的动物基因组进行测序和组装，速度大约是近几年的112倍。

分类学上的缺口

作者认为，在回顾动物基因组学研究进展的同时，我们必须承认目前存在的缺口，以便更好地规划未来。

那么，分类学上的缺口在哪里？文章强调了以下几点:

• 3,278个物种的基因组组装代表了24个门、64个纲和258个目。总体而言，数据集包含59个动物分类群，其中14个群体的代表性不足，17个与预期一致，而28个代表性过高

• 脊索动物门（包括所有脊椎动物）有1,770个组装，占所有数据的54%，但脊索动物只占所有动物的3.9%

• 相反，节肢动物门有1,115个组装，占数据集的34%，但这个群体的动物数量占动物界的78.5%

• 目前还有10个门没有公开的基因组序列

作者希望研究人员的测序工作更加多样化。“从生物医学和人类进化的角度来看，这种向脊椎动物的倾斜是合理的，因为人类本身也是脊椎动物，”作者写道。

“然而，从基础研究的角度来看，特别是涉及到基因组自然史以及对所有动物基因组进行测序的总体目标，因此有必要在分类上让测序工作多样化。”

作者还指出，绝大多数的基因组测序工作是在北半球完成的。北美、欧洲和亚洲的机构提交的数据占所有组装的95.5%。近七成的动物基因组组装是由三个国家的研究人员提交的：美国（1,275）、中国（676）和瑞士（317）。

有意思的是，不同的地区甚至也有特定的倾向，比如北美洲的研究人员偏爱对哺乳动物和昆虫进行测序，欧洲倾向于对鱼类进行测序，而亚洲的研究人员贡献了最多的鸟类组装。

作者呼吁更多的地理代表性，特别是南半球，因为那里是大部分生物多样性的家园。“北半球的研究人员有必要深化与南半球同行的合作，同时帮助他们建立标本采集、储存和测序的自主能力，”他们写道。

动物基因组连续性（按GenBank发布时间排列，图片来自原文）

“万物皆灵且美”

作者指出，从最小的基因组 – 32.5 Mb的番茄刺皮瘿螨，到最大的基因组 – 32.4 Gb的蝾螈和34.6 Gb的澳大利亚肺鱼，各个分类群的连续性也存在显著差异。

原始人类和鸟类的组装是最连续的，Contig N50分别为24.2 Mb和1.4 Mb。另一方面，水母和相关的刺胞动物则表现出最不连续的基因组组装，Contig N50为0.18 Mb。“就生物探索而言，并非所有的基因组组装‘生而平等’，”他们写道。

随着长读长测序技术的成熟，组装的质量也在不断提高。作者认为，展望未来，基因组组装的质量可能是决定其长期价值的最重要因素。他们呼吁，未来的组装应响应地球生物基因组计划提出的指引。

“基因组组装数据应该达到最低水平的连续性（比如Contig N50 > 1 Mb）和准确性，才能被大多数应用认为是不需要更新的参照数据，”他们说。

###

Toward a genome sequence for every animal: Where are we now?

PNAS December 28, 2021 118 (52) e2109019118
https://doi.org/10.1073/pnas.2109019118