《Cell Research》:A gap-free telomere-to-telomere pig reference genome provides insights into Eurasian pig diversity
编辑推荐:
家猪(Sus scrofa domesticus)是肉类的主要来源和重要的生物医学模型,因此其基因组对农业和生物医学研究至关重要。猪参考基因组于2005年利用杜洛克母猪TJ Tabasco启动,于2012年首次发表,并于2017年更新至Sscrofa11.1版
家猪(Sus scrofa domesticus)是肉类的主要来源和重要的生物医学模型,因此其基因组对农业和生物医学研究至关重要。猪参考基因组于2005年利用杜洛克母猪TJ Tabasco启动,于2012年首次发表,并于2017年更新至Sscrofa11.1版本。然而,这个2.5 Gb的组装仍保留了93个缺口;富含卫星重复的区域,尤其是近端着丝粒染色体的着丝粒,仍未解决或存在错误组装。PacBio HiFi和Oxford Nanopore超长读长测序技术的进步使得端粒到端粒(telomere-to-telomere,T2T)基因组组装成为可能。在此,研究人员展示了一个无间隙的T2T猪基因组(T2T-Sscrofa,GCA_000003025.7),该基因组解决了先前未组装的区域,识别了先前未被发现的基因,并纠正了Sscrofa11.1中的序列错误,为猪基因组学研究提供了改进的资源。
研究背景与问题
家猪(Sus scrofa domesticus)是全球主要的肉类来源和重要的生物医学模型,其高质量参考基因组对于农业育种和生物医学研究至关重要。尽管猪参考基因组自2005年启动以来经历了多次更新,最终版本Sscrofa11.1仍存在93个缺口,总长度约2.5 Gb。这些未解析区域主要集中在富含卫星重复序列的区域,特别是近端着丝粒染色体的着丝粒区,导致基因组不完整且存在错误组装。这些缺口阻碍了对复杂基因组区域的全面研究,包括着丝粒结构、重复序列演化以及它们对表型多样性的贡献。为解决这一问题,研究人员利用PacBio HiFi和Oxford Nanopore超长读长测序技术,旨在构建一个无间隙的端粒到端粒(telomere-to-telomere,T2T)猪参考基因组,以填补这些空白并提高基因组资源的准确性。
研究方法
研究人员对杜洛克母猪TJ Tabasco进行了深度测序,共产生276 Gb的PacBio HiFi长读长序列(平均读长17,275 bp)、395 Gb的Oxford Nanopore Technologies(ONT)超长读长序列(平均读长91,739 bp)以及606 Gb的Hi-C序列(读长2 × 150 bp)。通过整合这些多平台数据,采用T2T组装策略构建了无间隙的基因组。利用Hi-C接触矩阵验证组装结构的准确性,并通过将HiFi、Hi-C和ONT读段回帖评估覆盖率。此外,利用K-mer分析评估组装质量,并使用BUSCO评估完整性。对于Y染色体,由于TJ Tabasco为雌性,研究人员从另一头杜洛克猪(GCA_023065335.1)获取了完整的Y染色体序列。随后,研究人员将来自45个个体的长读序列比对到T2T-Sscrofa进行结构变异(structural variant,SV)检测,并分析了1303个全基因组测序样本(代表156个猪群体)的单核苷酸多态性(single nucleotide polymorphism,SNP)和插入缺失标记(insertion/deletion,indel)。
研究结果
T2T-Sscrofa的组装特征与质量评估
T2T-Sscrofa成功实现了所有18条常染色体和X染色体的无间隙T2T组装,最终核基因组大小为2,688,404,542 bp,线粒体基因组为16,740 bp。Hi-C接触矩阵显示染色体内和染色体间的相互作用模式一致,支持了组装结构的准确性。回帖分析覆盖了组装序列的98.81%–99.99%,表明几乎所有组装区域都得到了独立测序数据的支持。PacBio HiFi K-mer分析显示组装高度准确(质量值=68.8),仅有0.4%的潜在错误区域和0.2%的塌缩区域。BUSCO分析达到98.2%的完整性,所有染色体末端均鉴定出端粒序列,长度范围为143 bp至1.68 kb。
新增序列与重复元件注释
与Sscrofa11.1相比,T2T-Sscrofa新增了274.8 Mb的先前未组装区域(previously unassembled regions,PURs),每条染色体新增3.8至33.3 Mb不等。PURs主要由着丝粒序列(140.5 Mb,51.12%)、节段重复(segmental duplication,SD)(53.6 Mb,19.52%)、与着丝粒重叠的SD(17.1 Mb,6.22%)、其他重复序列(50.7 Mb,18.45%)和未分类序列(12.9 Mb,4.69%)组成。重复元件比例从45.83%提升至50.24%,其中散在重复占46.38%,以长散在核元件(long interspersed nuclear element,LINE)(26.08%)为主,其次为短散在核元件(short interspersed nuclear element,SINE)(9.07%)和长末端重复逆转录转座子(long terminal repeat retrotransposon,LTR)(5.07%)。
基因注释与着丝粒分析
研究人员在T2T-Sscrofa中注释了21,108个蛋白编码基因(BUSCO 99.5%),重新定位了Sscrofa11.1中816个之前未定位的基因,并新增了256个新注释基因。非编码RNA(non-coding RNA,ncRNA)的整体分布与Sscrofa11.1相似,但在PURs中发现了额外的ncRNA。着丝粒分析显示,第1–12号染色体和X染色体为中部或亚中部着丝粒,而第13–18号染色体为近端着丝粒。在中部和亚中部着丝粒染色体中,着丝粒卫星重复阵列长度为2.5–6.5 Mb,主要由pigcent2、pigcent3和pigcent5组成。近端着丝粒染色体的着丝粒显著更长,卫星重复阵列跨度达5.4–31.6 Mb,主要由pigcent4、pigcent5和pigcent6构成。其中第16号染色体的着丝粒卫星阵列最长,达31.6 Mb。这些近端着丝粒区域富含重复序列,Hi-C相互作用信号弱,DNA甲基化水平稳定,SINE和LINE分布稀疏,且缺乏注释基因。与人类近端着丝粒染色体不同,这些区域不含核糖体DNA(ribosomal DNA,rDNA)序列或注释基因。rDNA拷贝数估计为214,主要集中于第8、10和14号染色体。
结构变异分析
通过将45个样本的长读序列映射到T2T-Sscrofa,研究人员获得了95.9%–99.4%的基因组覆盖率。在欧洲猪中检测到46,190–60,295个结构变异(structural variant,SV),在藏×伯克希尔杂交猪中检测到81,685–84,419个,在亚洲猪中检测到65,063–91,913个。合并后共保留229,824个SV,包括126,059个插入(54.9%;中位数288 bp)、101,168个缺失(44.0%;中位数290 bp)、1,857个倒位(0.8%;均值8.3 kb)和740个重复(0.3%;均值13.9 kb)。大小分布在201–400 bp(46.2%)和500 bp–5 kb(15.3%)出现两个峰值,分别对应丰富的SINE和LINE。在PURs中保留了27,939个SV,其中大部分(90%)位于基因间区。
群体遗传学分析
基于1303个全基因组测序样本的分析,研究人员保留了111,457,594个双等位SNP和13,249,688个双等位indel,其中1.95%的SNP和1.77%的indel位于PURs。邻接法(Neighbor-Joining,NJ)树揭示了两个主要分支:亚洲家猪(Asian domestic,AD)和野猪(Asian wild,AW),以及欧洲家猪(European domestic,ED)和野猪(European wild,EW)。新培育品种(NEW)如北京黑猪和大白×民猪(F1)表现出杂交或显著的欧洲渗入特征。AD和AW显示出更高的遗传多样性(π分别为3.52 × 10-3和3.54 × 10-3),而EW的多样性最低(π=1.65 × 10-3)。AW与EW之间的遗传分化最高(固定指数Fst=0.3679),而AD与AW之间的分化较低(Fst=0.0445)。AD的连锁不平衡(linkage disequilibrium,LD)和纯合性片段(runs of homozygosity,ROH)低于ED,表明AD具有更大的遗传多样性。AD基因组中ROH的中位比例为0.206,而ED为0.415。
选择信号与功能基因
通过Fst分析,研究人员在AD vs ED比较中鉴定了472个受选择基因,在AW vs EW比较中鉴定了585个基因。其中包括三个先前未定位的基因(SNURF、SNRPN、EHMT1)和五个新注释基因(CCDC194、LRRC69、SRRM5、SMR3A、ASDURF)。MC1R(已知调控毛色)在ED与AD之间表现出最强的选择信号。第二强信号出现在TBX19,其错义突变(4:g.87,337,427 C>T)在AD中频率高达97.48%,可能导致精氨酸到组氨酸的替换,影响蛋白质结构和功能,可能与亚洲猪的发育、生长和胆怯性状相关。研究人员还发现249个重叠的选择区域(12.5 Mb)在AD vs ED和AW vs EW比较中共享,反映了驯化前的祖先分化和自然选择。EHMT1在两个比较中均表现出强选择信号(Fst分别为0.61和0.80),与其在脂肪细胞命运决定、产热和能量代谢调节中的作用一致。其错义突变(1:g.289,666,349 C>A)主要在AD中发现,可能导致丙氨酸到谷氨酸的替换,预测会显著改变蛋白质结构。
X染色体特异性进化历史
X染色体显示出与常染色体截然不同的系统发育结构,包含四个支系。ED个体在常染色体和X染色体支系1中的分布相似,但AD个体在X染色体上的代表性降低。支系2主要由AW组成,支系3和4分别对应北方和南方AD。单倍型分析揭示了广泛的X染色体分歧:南方和北方AD在49.5–64.9 Mb区域携带不同的单倍型,而欧洲和亚洲样本在64.9–96.2 Mb区域表现出不同的单倍型。这些分歧单倍型在一个约48 Mb的低重组区块内重叠,其中一个单倍型在ED、EW和北方AD中普遍存在,另一个在南方AD和AW中流行。南方单倍型与东南亚岛屿Sus谱系有亲缘关系,而北方亚洲和欧洲单倍型形成独特簇,这与可能已灭绝的Sus谱系的渗入报道一致。
结论与意义
通过解决先前缺失或表现不佳的区域,T2T-Sscrofa扩展了对复杂基因组区域的访问能力,并结合单倍型分辨组装和定相技术的进步,支持了对基因组变异、结构、演化及其对表型多样性贡献的更广泛研究。