做人源相关的研究，不管是科研探索还是医学方向的临床应用。都离不开人类参考基因组的使用。人类参考基因组有很多版本，在2022年也新发布了T2T的全基因组完整图谱。之前我们可能了解到的只有Hg19和GRCh38比较多。知道Hg19是旧的，GRCh38是更新的版本。所以借此机会，捋一下人类基因组参考序列发布的时间节点，同时也梳理下各个不同版本参考基因组版本的特点。
第一阶段 - 国际人类基因组测序联盟
提到人类基因组，离不开人类基因组计划，这项计划和曼哈顿原子弹计划 、阿波罗登月计划并称为20世纪人类三大科学计划。
人类基因组计划 (HGP)于 1990年 启动，该计划的标志性目标是对人类基因组的 30 亿个碱基 进行测序。其他目标包括生成人类基因组的物理和遗传图谱，以及生物医学研究中使用的关键模型生物的绘图和测序。为了执行人类基因组测序的这部分工作，国际人类基因组测序联盟 (IHGSC) 成立，这是一个开放式合作组织，涉及六个国家的 20 个中心，包括美国、英国、法国、德国、日本和我国科学家。
1998年，HGP正式实施了百慕大原则：自动发布>1kb的序列组装体，最好在24小时内；立即出版完成的注释序列；并将整个序列在公共领域免费提供以供研究和开发。来尽可能规避专利和商业化问题限制基因组序列的应用。
2000年3月14日，美国总统克林顿和英国首相托尼·布莱尔 联合宣布人类基因组序列“应该世界各地的科学家都可以免费获得”
2001年，国际人类基因组测序联盟（the International Human Genome Sequencing Consortium）报告了人类基因组常染色质部分的草图序列。
2001年2月，同时发表了两篇文章（由Venter 等人在 Science 和国际人类基因组测序联盟在 Nature 上发表），描述了人类基因组测序草案基因组序列。该序列包括 26,588 个有强有力确凿证据的蛋白质编码转录本，以及另外约 12,000 个具有小鼠同源物或其他薄弱证据的计算衍生基因。
2004年，HGP的工作最终发表了高度准确（每 100,000 个碱基约 1 个错误）的人类基因组序列（Build 35/hg17）包含 28.5 亿个核苷酸，仅被 341 个缺口打断，覆盖了约 99% 的常染色质基因组。项目内容发表在Nature:Finishing the euchromatic sequence of the human genome，此前发布的版本还有NCBI33、NCBI34、NCBI35。
2006年，国际人类基因组测序联盟提交了他们的最终版本的参考基因组序列（NCBI36/hg18）。
第二阶 - 段参考基因组联盟
后续人类参考基因组由 GRC（Genome Reference Consortium）进行维护。
GRC 也是有多个国家机构组成，成员包括Sanger研究所、 McDonnell基因研究所、EMBL-EBI:欧洲生物信息研究所、NCBI:国际生物信息中心等。
2009年,GRC 发布了GRCh37，也就是搭乘基因测序发展的快车，成为行业内使用最多的 Hg19。该参考基因组于2009年发布，后续共计进行了13个补丁版本的发布。其中最后一个修正版本 GRCh37.p13 发布于2013年6月。是人类基因组的第19版参考序列，完成了2.9GB长度的测序（总预计3.1GB）。包含了基因、非编码区域和其他功能元件的位置信息。
2013年底，GRC 发布了[GRCh38]，截止2022年2月，GRCh38累计发布了14个修正版本。
在人类基因组草图发布后的20多年里，随着技术的进步不断进行和升级，我们可以看到参考基因组序列也一直在进行着非常高频升级和迭代。早期的基因组版本，NCBI33、NCBI34、NCBI35、NCBI36已经退出了历史的舞台，甚至于很多人可能不曾听到。而Hg19、GRCh38为疾病研究、医学研究等研究的开展奠定了基础，极大的推进了人类科学研究进展。但放眼整个人类参考基因组仍然仅仅覆盖了基因组的常染色质部分，而重要的异染色质区域由于技术上的问题，一直存在缺失，整个基因组中仍有8%的区域未覆盖。
| 参考基因组 | GRCh37 | GRCh38.p14 |
|---|---|---|
| Ref.Version | GRCh37 | GRCh38 |
| Genome size | 3.1 Gb | 3.1 Gb |
| Total ungapped length | 2.9 Gb | 2.9 Gb |
| Gaps between scaffolds | 271 | 349 |
| Number of chromosomes | 24 | 24 |
| Number of scaffolds | 249 | 473 |
| Scaffold N50 | 46.4 Mb | 67.8 Mb |
| Scaffold L50 | 21 | 16 |
| Number of contigs | 350 | 999 |
| Contig N50 | 38.5 Mb | 57.9 Mb |
| Contig L50 | 24 | 18 |
| GC percent | 40.5 | 40.5 |
| Assembly level | Chromosome | Chromosome |
第三阶段 - T2T联盟
2022年， Telomere-to-Telomere (T2T)国际研究联盟基于细胞系（葡萄胎）构建了第一个完整的从头到尾无间隙人类参考基因组T2T-CHM13，填补了最后缺失的约2亿碱基对的测序，成果发布在Science上发表（“The complete sequence of a human genome”）。该研究针对CHM13进行了多种测序（包括30× PacBio HiFi 、120× ONT 、100× ILMN、70× Hi-C 、BioNano optical maps 、Strand-seq ）并结合新开发的组装算法，组装增加了五个完整的染色体臂，实现了除 Y 染色体之外的所有染色体的无间隙组装。T2T-CHM13 组装代表了比 GRCh38 更完整、更具代表性和更准确的参考。
2023年7月14日，浙江大学张国捷教授团队与深圳农业基因组研究所阮珏团队，以及华大生命科学研究院合作，通过开发算法，以个体的父本和母本数据作为参考系，完美地将不同染色体上的数据区分，将人的46条染色体的数据分别组装出来。然后对因为数据过于复杂而仍然存在的69个缺口进行了手工补洞。最终，获得了健康个体（汉族男性）的完整二倍体基因组。该完整基因组作为东亚人群遗传学研究的参考序列，可以提高东亚人群的序列比对并降低错误率，对单碱基多态性的检测准确率也会更高。该完整图谱的绘制，为我国开展精准医疗研究提供了更准确的参考基因组。
在人类全基因组图发布不久，上海交通大学毛亚飞课题组在Genome Biology发表题为Characterization of large-scale genomic differences in the first complete human genome的研究论文，比较分析了T2T-CHM13完整基因组与当前人类参考基因组模版（GRCh38）之间的大规模基因组差异。，系统地表征了两个人类基因组组装之间的大型结构变异（≥10 kbp），通过新开发的结构变异分析工具网站（SynPlotter）验证238个基因组差异区域并发现了67个新鉴定的结构差异区域。
参考资料
相关文献
- Yang, C., Zhou, Y., Song, Y. et al. The complete and fully-phased diploid genome of a male Han Chinese. Cell Res (2023). https://doi.org/10.1038/s41422-023-00849-5
- Yang, X., Wang, X., Zou, Y. et al. Characterization of large-scale genomic differences in the first complete human genome. Genome Biol 24, 157 (2023). https://doi.org/10.1186/s13059-023-02995-w
- Sergey Nurk et al. ,The complete sequence of a human genome.Science376,44-53(2022).DOI:10.1126/science.abj6987
- Bonfield, James K. and James E. Galagan. “Finishing the euchromatic sequence of the human genome.” Nature 431 (2004): 931-945.
- J. Craig Venter et al. ,The Sequence of the Human Genome.Science291,1304-1351(2001).DOI:10.1126/science.1058040
- International Human Genome Sequencing Consortium. Initial sequencing and analysis of the human genome. Nature 409, 860–921 (2001). https://doi.org/10.1038/35057062