为什么Y染色体是基因组测序最后的障碍？

二十年来，科学家们一直在努力完成Y染色体的完整测序。最后，由于最近测序技术的进步，研究人员绘制了它的全长图。

　　

到2022年，除Y染色体外，每条人类染色体都已被完全绘制出来尽管这条染色体是最短的，但它最难测序，因为它布满了重复的DNA。普通的测序技术从染色体上随机的位点收集短的片段，并将它们拼接成一个重叠的片段，但是Y染色体上的重复DNA由于多位点重叠而使组装变得复杂。最后，两组科学家合作解决了这一挑战，并对Y染色体进行了完整的测序。他们在《Science》杂志上发表了两篇独立的研究报告。第一项研究描述了一个经过仔细验证的完整参考序列，而第二项研究报告了43名来自不同背景的男性的Y染色体变异。总之，这些数据为探索Y染色体的基因组成和多样性创造了新的机会。

“很多人并不欣赏幕后的技术发展。这真的令人印象深刻，它将使准确和完整的基因组组装变得更加可能，”癌症基因组公司GRAIL的计算基因组学研究员Brianna Chrisman说，她没有参与这两项研究。

在第一项研究中，来自不同研究所的研究人员在端粒到端粒(T2T)联盟下联合起来，填补了参考人类基因组的空白。为了对Y染色体进行测序，国家人类基因组研究所的基因组学研究员、该研究的合著者Adam Phillippy和他的同事们选择了纳米孔测序，因为它可以产生长序列，即使存在重复的DNA，也会产生明显的重叠然而，这种技术容易出错，错误率在5%到40%之间。因此，研究人员还使用了一种高保真技术，称为单分子环形共识测序，该技术产生的读取更短，平均每1000万个碱基产生一次错误然后，T2T联盟首次使用了一种名为Verkko的算法，该算法结合了这两种技术，将高度精确的长读段组装成一个完整的Y染色体序列

Y染色体的第一个完整序列包含3000万个新的碱基对。Phillippy说，这些新发现的序列大多数与其他染色体上的序列有关，但带有微妙的变化。“现在的问题是，‘这些细微的变化有什么有趣的吗?’”他说。

Phillippy和他的同事发现了110个新基因，其中41个被预测为蛋白质编码。大多数是与精子产生有关的TSPY基因的额外拷贝。目前还不清楚为什么这些备份会进化。

新的Y染色体序列可能会改变宏基因组学研究，这涉及到微生物基因组测序。人类DNA污染物经常悄悄进入这些研究“实验室里有人把皮肤细胞脱落到他们的试剂里，”Phillippy解释说，这些污染物序列可能被错误地归因于微生物。从生物伦理学的角度来看，污染物可能包含来自它们的个体的DNA特征。他补充说，例如，在人类微生物组研究中捐赠样本的人被承诺匿名，他们的DNA需要排除在公开的数据集中，以避免未来可能追踪到他们的DNA。

迄今为止，尚未测序的Y染色体上的3000万个碱基对造成了一个盲点，可能通过过滤器泄露了出来。使用完整的Y染色体序列而不是以前的版本，研究小组在这些数据集中发现了近1000多种潜在的污染物。Chrisman说:“通过收集我们拥有的公共细菌参考基因组，也许还有病毒，并尝试标记这些Y染色体序列，这将是有益的和可行的。”

领导第二项研究的杰克逊实验室(Jackson Laboratory)基因组学研究员Charles Lee从另一个角度研究了这个问题。一旦T2T联盟调整了他们用于研究的测序方案，Lee和他的同事们就采用了它，并将其应用于除澳大利亚外居住在各大洲的男性的43条Y染色体。Chrisman说:“他们有来自世界各地的样本，主要集中在南美、西非和东亚，这些地区历来代表性不足。”一半的染色体来自非洲背景，这是基因最多样化的，因为迁移到其他大陆的人类在迁移过程中失去了突变通过比较所有43条染色体的变异，研究人员估计，最近的共同祖先生活在大约18.3万年前。

每条染色体的平均变异程度惊人，包括3个长度超过1000个碱基对的倒排序列，88个长度超过50个碱基对的大插入或缺失，以及超过3000个单碱基对突变。绘制这种多样性的图表可以帮助识别影响男性健康和生育能力的基因。

性染色体在疾病研究中一直被忽视，因为它们直到最近才被完全测序。“现在，没有理由不把Y染色体纳入人类健康的研究中，”亚利桑那州立大学的计算进化生物学家、T2T联盟研究的合著者Melissa Wilson说。事实上，Y染色体最近在癌症研究中引起了人们的注意，因为它在衰老细胞中的丢失与膀胱癌的不良预后有关

Lee说:“我下一步要做的是在单细胞水平上做我们已经做过的事情”，以探索个体内的变异。他解释说，虽然单细胞测序技术已经存在，但它不能从一个细胞的DNA中收集长读数。