PacBio发布目前最连续的二倍体人类基因组组装

图片来源于网络

　　Pacific Biosciences公司本周一宣布，它已经产生了到目前为止最连续的单个人二倍体人类基因组组装，表示遗传自父母双方的46条染色体的DNA序列近乎完整。

　　此次使用的样本来自一名波多黎各的女性，她参与了之前的群体遗传学研究，如千人基因组计划。基因组测序在PacBio的Sequel系统上完成，利用的是2.1版本的试剂和5.1版本的软件。

　　据研究人员介绍，此次公开的组装（PacBio HG00733）与以往的组装相比有着最少的缺口，超过一半的基因组包含在长度超过27 Mb的无缺口contig中。contig组装的总长度达到2.89 Gb，由865个contig组成，是目前为止最连续的人类基因组组装。

　　研究人员利用FALCON-Unzip组装工具分析了超过80%基因组中的母本和父本单倍型。接着，他们利用Hi-C技术以及与Phase Genomics合作开发的FALCON-Phase方法来进一步定相母本和父本的单倍型区块，并利用Phase Genomics的Proximo Hi-C平台从头scaffold基因组，获得了第一个仅由两种技术完成的染色体规模的二倍体组装。

　　此次获得的基因组组装由46条染色体规模的scaffold组成，代表波多黎各个体的母本和父本染色体组。每组23条scaffold仅包含511个缺口，总长度达到2.83 Gb。每个单倍体基因组的剩余部分包含在260条长度为63 Mb的scaffold中。

　　PacBio的CEO Michael Hunkapiller表示：“在此之前，这种分辨率的人类基因组是无法实现的，目前只能由PacBio技术来实现。以前的测序方法无法区分23对染色体的序列，导致人类基因组组装的大小只有一半，而且混杂了父本和母本来源的DNA序列。如今能够分析每个亲本的单倍型序列，带来最完整的二倍体人类基因组视图。”

　　基因组参考序列联盟的成员Valerie Schneider表示：“在过去五年，基因组参考序列联盟一直在使用各种新技术（包括PacBio）产生的数据，以此来改进人类基因组参照序列的组装。这一新成就体现了目前可在个人基因组上实现的质量水平。”

　　当前版本的人类参考基因组组装（GRCh38）代表了嵌合单倍体序列，它是由50多名个体的DNA测序数据组合而成。相比之下，PacBio HG00733二倍体基因组组装分析了母本和父本染色体序列，并囊括了波多黎各群体特有的多样性。