端粒到端粒基因组组装结合多组学数据：解锁六倍体面包小麦进化之谜

《Nature Genetics》：A telomere-to-telomere genome assembly coupled with multi-omic data provides insights into the evolution of hexaploid bread wheat

面包小麦基因组复杂庞大，测序面临诸多挑战。研究人员开展 “六倍体面包小麦基因组进化” 主题研究，成功组装出 CS-IAAS 基因组，解析了基因组重排等事件，注释大量基因。这一成果发表在《Nature Genetics》上，为小麦基因组研究带来重大突破，对未来小麦研究和育种具有重要意义

　　

在农业领域，面包小麦（Triticum aestivum L.）作为全球广泛种植的作物，是数十亿人的主要热量来源。随着人口增长，提高小麦产量迫在眉睫。然而，面包小麦基因组极为复杂，其估计约 150 亿碱基对（Gbp），包含三个亚基因组，且超过 85% 为重复序列，这给测序工作带来巨大挑战。此前，虽有国际小麦基因组测序联盟（IWGSC）发布参考基因组，但仍存在大量缺口。在此背景下，为深入了解小麦基因组，挖掘其遗传潜力，北京大学现代农业研究院等机构的研究人员开展了相关研究。
研究人员通过结合长读长测序技术和综合分析方法，成功组装出六倍体面包小麦（cv. CS）的端粒到端粒（T2T）参考基因组 CS-IAAS。这一成果发表在《Nature Genetics》上，为小麦基因组研究带来重大突破，对未来小麦研究和育种具有重要意义。
在研究方法上，研究人员主要运用了以下关键技术：首先，采用 PacBio HiFi 和 ONT 超 long（UL）读长测序技术，结合染色体构象捕获（Hi-C）、Illumina 和 Bionano 数据，为基因组组装提供全面数据支持；其次，开发半自动组装流程 SPART，整合多种技术优势，提高组装效率和准确性；此外，利用长读长异构体测序（Iso-Seq）生成全长转录组图谱，结合多种数据进行高精度基因注释；还运用质谱技术对小麦蛋白质组进行深入分析。
研究结果如下：

• 完整的面包小麦基因组组装：通过多种测序技术和数据的整合，成功构建出长度为 145.1Gbp 的 CS-IAAS 基因组，其 contig N₅₀达到 723.78Mbp，填补了所有缺口，包含全部 42 个端粒和 21 个着丝粒。经多种评估方法验证，该基因组完整性、连续性和准确性极高。

• 小麦亚基因组的重排和进化：通过对不同倍性小麦的综合共线性分析，发现小麦四倍体化过程中存在 223 种重排事件，如 4A 染色体的易位和倒位；六倍体化过程中有 23 个主要染色体倒位，影响了 2083 个基因，这些基因富集在 “光合作用”“前体代谢物和能量生成”“翻译” 等功能中，且倒位区域基因受正选择。

• 亚基因组特异性 rDNA 结构组装和鉴定：在 CS-IAAS 基因组中鉴定出 50.86Mbp 的 rDNA 阵列，包含 5611 个完整 rDNA 拷贝，远超之前报道。对 rDNA 结构分析发现，不同染色体 rDNA 阵列存在差异，如 1B 和 6B 染色体 rDNA 阵列方向未完全确定，且 rDNA 阵列间序列包含转座元件（TEs）。

• 完整的小麦端粒重复序列：利用植物端粒重复基序（TTTAGGG），识别出 21 条染色体两端的端粒，其长度范围为 4718bp 至 32663bp，平均长度 16983bp，累积长度 713290bp。小麦端粒中存在拟南芥型（TTTAGGG）_n和脊椎动物型 TTAGGG 序列，表明这种序列替换发生时间较早。

• 面包小麦基因组中 TE 和节段性重复（SD）的进化特征：在 CS-IAAS 基因组中注释到大量 TEs，总长度达 12.34Gbp，占基因组的 85.04%，并发现两个近期扩张的 DNA 转座子亚家族。SD 序列占基因组的 64.83% ，A 和 B 亚基因组的基本 SD 集数量高于 D 亚基因组。TEs 和 SDs 对基因表达和进化有重要影响，如 TE 插入影响基因表达平衡，SD 区域基因表达水平高于 TE 捕获基因。

• 着丝粒结构的亚基因组特异性特征：重建小麦着丝粒精确位置，其跨度为 192.7Mbp，主要由 TE 序列组成。发现着丝粒中 Gypsy 家族元件富集，不同亚基因组着丝粒序列多样性增加。着丝粒区域的 Retand 元件在进化中具有重要作用，其在不同亚基因组着丝粒中的分布和插入时间存在差异，且与着丝粒的扩张和进化相关。

• 高精度基因注释与全长转录组：利用 Iso-Seq 和多种数据进行基因注释，建立了包含 141035 个高置信度（HC）蛋白质编码基因模型的综合注释。鉴定出 2850 个核苷酸结合位点富含亮氨酸重复（NBS-LRR）基因，数量高于之前报道。此外，还识别出大量可变剪接（AS）事件，这些事件具有组织特异性，且在同线性 HC 基因三联体中表现出较高的不平衡水平。

• 六倍体面包小麦蛋白质组草图：通过质谱技术对小麦胚芽鞘、胚根和节组织进行蛋白质组分析，鉴定出 36701 个 HC 基因的蛋白质组和 29902 个 HC 蛋白质的独特肽段，蛋白质数量远超之前研究。蛋白质组数据支持了基因注释中开放阅读框边界的准确性。
  研究结论表明，CS-IAAS 基因组成功填补其他组装的缺口，未组装区域主要由高度重复序列组成，不同亚基因组存在差异。精确鉴定的 TEs 和 SDs 揭示了它们在六倍体基因组进化中的关键作用，影响基因表达和亚基因组进化。转录、AS 和翻译的调控对维持六倍体基因组基因功能至关重要，AS 表现出较高的亚基因组偏向性，可能是适应性进化和物种形成的关键底物。综上所述，T2T 无缺口的 CS-IAAS 基因组组装是大型复杂多倍体基因组研究的突破，其完整的基因组和丰富的转录组、蛋白质组数据，将助力基因组序列、基因表达和蛋白质变异的全基因组功能研究，也为跨物种基因组研究提供重要参考。