人类基因组计划的超越：从端粒到端粒的完整基因组时代与泛基因组参考框架的革命性意义

这篇综述系统阐述了人类基因组研究从HGP（Human Genome Project）到T2T（Telomere-to-Telomere）完整基因组和HPRC（Human Pangenome Reference Consortium）泛基因组参考的跨越式发展。文章详述了长读长测序技术（PacBio HiFi/ONT）和组装算法如何破解着丝粒、端粒等复杂区域，并强调泛基因组对精准医疗（precision medicine）、群体遗传学和疾病关联研究的变革性影响，为基因组学领域提供了全新范式。

　　

1. 引言：基因组学的范式转变

人类基因组计划（HGP）虽构建了GRCh38参考基因组，但仍有近200Mbp缺口，尤其是着丝粒、端粒和节段重复区域（segmental duplications, SDs）。端粒到端粒联盟（T2T Consortium）利用PacBio HiFi（>99.9%准确度）和牛津纳米孔（ONT）超长读长技术（100kbp-1Mbp），首次完成CHM13细胞系T2T-CHM13v2.0组装，填补全部缺口并纠正GRCh38中30Mbp错误序列。与此同时，人类泛基因组参考联盟（HPRC）通过47个全球多样性样本的组装，新增119Mbp多态性序列和1,115个基因拷贝数变异，标志着基因组分析从单一线性参考迈向多元泛基因组时代。

2. 完整基因组参考序列的突破性价值

T2T-CHM13显著提升短读长（Illumina）和长读长数据的比对效率：

• 短读长分析：新增19Mbp可唯一比对区域，1000基因组计划样本中检出更多真实变异，减少假阳性（如KCNJ18基因的节段重复错误被修正）。

• 长读长优势：82Mbp独特序列通过1kbp片段唯一比对，17个样本分析显示比对错误率降低且覆盖更均匀。

• 功能基因组学：首次实现着丝粒卫星DNA（CenSat）和rDNA阵列的表观遗传分析，揭示这些“暗物质”区域与疾病和进化的关联。

3. 从单个T2T基因组到群体规模组装

自动化工具Verkko和hifiasm-UL整合HiFi（>60×覆盖度）、ONT（>30×）和Hi-C数据，实现日均完成1个人类基因组组装。典型案例包括：

• Y染色体突破：T2T-CHM13v2.0新增30Mbp序列，解析41个蛋白编码基因，揭示男性特有区域的结构多态性。

• 跨物种应用：黑猩猩、拟南芥等物种的T2T组装证实该技术普适性，为比较基因组学提供新工具。

4. 泛基因组构建的科学与伦理维度

HPRC泛基因组包含三大核心要素：

• 组装（Assemblies）：47个近T2T样本的700单倍型，新增90Mbp结构变异（SV）序列，如CYP2D6/7基因簇的复杂单倍型（图3）。

• 样本选择算法：优先覆盖非洲人群的高杂合度变异，同时通过社区参与保障伦理合规性（如防止科学种族主义）。

• 构建挑战：Minigraph-Cactus方法平衡参考序列一致性与变异包容性，但高度重复区域（如VNTR）的比对仍是难点。

5. 泛基因组学的多领域应用

• 疾病研究：在LPA基因中发现与冠心病相关的KIV-2拷贝数变异，中国泛基因组联盟鉴定1,575个汉族特有序列关联精神疾病。

• 农业与进化：番茄泛基因组指导抗病育种，草莓泛基因组揭示转座子在物种形成中的作用。

• 技术瓶颈：现有工具（如vg、odgi）需优化以支持百万级样本分析，祖先重组图（ARG）或可提升复杂区域单倍型解析精度。

6. 未来方向：从基础研究到临床转化

TOPMed和“全民健康计划”（All of Us）正整合泛基因组与百万级群体数据，但需解决：

• 计算瓶颈：GFA格式的存储效率、VCF对图结构的兼容性不足。

• 临床落地：基于泛基因组的GWAS已发现346个VNTR表达数量性状位点（eQTL），但非欧人群数据匮乏仍是精准医疗的短板。

  这场基因组学革命正推动从“单一参考”到“多元全景”的认知升级，其影响将贯穿基础研究至临床实践每个环节。