當讀到“產(chǎn)生一條多肽鏈或功能RNA所需的全部核苷酸序列”的科學(xué)定義時(shí)，多數人都會(huì )露出一頭霧水的表情。但當聽(tīng)到“生命之書(shū)、生命的密碼、生命的鑰匙、遺傳的藍圖”的比擬時(shí)，大家都會(huì )下意識報出：這是DNA！

       對于生命而言，DNA的重要性不言而喻。它既支撐生命的構造和性能，也儲存著(zhù)個(gè)體生長(cháng)、孕育、凋亡“從生到死”的全部相關(guān)信息。正因如此，著(zhù)眼于健康與疾病的謎題，人類(lèi)不僅需要翻開(kāi)、閱讀這本生命之書(shū)，也亟需“讀完”它——

       2024年12月5日，西湖大學(xué)生命科學(xué)學(xué)院、西湖實(shí)驗室俞曉春團隊再?lài)H頂尖學(xué)術(shù)期刊 Science 上發(fā)表了題為：The complete telomere-to-telomere sequence of a mouse genome（完整的端粒到端粒小鼠參考基因組序列）的研究論文，報道了該團隊在解析小鼠參考基因組方面取得的重要突破。這意味著(zhù)人類(lèi)歷史上第一次看清小鼠基因組DNA全貌。

       現在，請用上一些想象力，一起走入基因組DNA的殿堂，造訪(fǎng)大自然塑造的“生命密碼”。

       想象你的面前出現了一座汗牛充棟的圖書(shū)館，這是隸屬于某個(gè)人類(lèi)同胞的一個(gè)細胞核。你步入其中，看到了幾十排標注著(zhù)“染色體”的書(shū)架。你隨機選了一個(gè)架子，抽出了幾本書(shū)，發(fā)現書(shū)的封面上都寫(xiě)著(zhù)“DNA”。接著(zhù)，你翻到其中一本的目錄頁(yè)，上面指示了“本書(shū)共含有X個(gè)基因”。你隨意瀏覽了不同基因的章節，意識到這些篇章僅由四個(gè)字母構成——A、T、C、G——這些叫作“堿基”的字母不斷變換順序、排列組合，最終寫(xiě)完了全書(shū)……

       很好，現在你已經(jīng)了解了基因組DNA的基本面貌。

       正如開(kāi)頭所述，如果我們想獲得一個(gè)生命體的所有遺傳信息，就需要知曉全部基因組DNA的情況，這意味著(zhù)要閱讀完所有染色體“書(shū)架”上的DNA之書(shū)，知道這些書(shū)的每一個(gè)字母，即A/T/C/G是如何排列的。關(guān)注生物體所有DNA（即整個(gè)基因組）的科學(xué)，就是基因組學(xué)。迄今，基因組學(xué)領(lǐng)域的一個(gè)重要研究目標，正是獲得完整的、精確的基因組序列，這對于我們理解基因組的結構和功能至關(guān)重要。

       事實(shí)上，讀取這些堿基字母排序的過(guò)程，正是“大名鼎鼎”的基因組DNA測序。

       1977年，弗雷德里克·桑格發(fā)明了第一代測序技術(shù)，特點(diǎn)是只能測試一個(gè)基因的某個(gè)部分，最多一個(gè)基因。本世紀初，第二代測序技術(shù)問(wèn)世，它克服了前一代的缺點(diǎn)，一次能讀取成千上萬(wàn)的短DNA片段，因此也被稱(chēng)作高通量測序技術(shù)；但它依然存在癥結：能讀取的DNA片段過(guò)短，通常在100-300個(gè)堿基對（bp）之間。2010年左右，第三代測序技術(shù)誕生，實(shí)現了對每一條DNA分子的單獨測序；換句話(huà)說(shuō)，現在我們能夠讀取較長(cháng)的DNA片段了，可以達到10-50千堿基對（kb，1kb=1000bp）甚至更長(cháng)。

       由于人類(lèi)基因組包含大約30億個(gè)堿基對，能夠讀取更長(cháng)片段的第三代基因測序技術(shù)的出現，為科學(xué)家破解完整的人類(lèi)基因圖譜的進(jìn)程按下加速鍵。2022年3月31日，《科學(xué)》（Science）發(fā)表文章報道了名為“端粒到端粒聯(lián)盟”的國際科學(xué)團隊，完成了第一個(gè)完整的、無(wú)間隙的人類(lèi)基因組序列，填補了2003年“人類(lèi)基因組計劃”遺留下的8%尚未讀取的基因區域。

       在大洋彼岸的中國浙江杭州的西湖大學(xué)，俞曉春實(shí)驗室當時(shí)的博后、現在的助理研究員李麒麟及時(shí)關(guān)注到了這條新聞。這令這個(gè)團隊感到無(wú)比振奮，因為他們日常“打交道”的小鼠身上，正存在相似的瓶頸。目前小鼠的基因“檔案”中，最完整的是參考基因組GRCm39，同樣也存在約7%-8%未被解析的區域。

       西湖大學(xué)生命科學(xué)學(xué)院科研副院長(cháng)、西湖實(shí)驗室科研副主任俞曉春教授長(cháng)期致力于DNA損傷修復機制和癌癥發(fā)生發(fā)展的研究；簡(jiǎn)單來(lái)說(shuō)，就是DNA受損引發(fā)的癌癥的診斷、檢測與治療。而小鼠，是生命科學(xué)研究中最常見(jiàn)的實(shí)驗動(dòng)物和模式生物，這是因為許多生物實(shí)驗不宜在人體內進(jìn)行，因此，小鼠的基因組DNA信息直接關(guān)系到人類(lèi)健康的探索。也正因如此，人類(lèi)對小鼠基因組DNA的認知與這個(gè)團隊的研究密切相關(guān)。

       既然人類(lèi)的“基因拼圖”已完成，想必小鼠的“拼圖”也勝利在望了？令他們沒(méi)想到的是，這一等就是一年。

       親自做基因測序，對俞曉春實(shí)驗室來(lái)說(shuō)，實(shí)屬一個(gè)“無(wú)心插柳柳成蔭”的課題：直到2023年4月，他們都在等待兩家資金雄厚、早已對外宣布下場(chǎng)的美國與英國科研機構做完并發(fā)布小鼠的完整基因組DNA圖譜。

       為什么他們如此關(guān)心小鼠這尚缺的7%-8%序列？這是因為，這些未知的基因組DNA里或許隱藏著(zhù)一些至今無(wú)法解釋的遺傳性疾病的謎底。

       這些“空白”尤其存在于異染色質(zhì)和核糖體DNA（rDNA）區域。這些區域富含重復的基因序列，即一些反復出現的，看似近乎一模一樣、但實(shí)則有細微區別的片段——你可以想象為許多塊極其相似的拼圖。二代基因測序技術(shù)僅能測出其中的一段（且由二代技術(shù)完成的小鼠基因組圖譜中還有錯誤），對完整的排序序列“束手無(wú)策”；而三代技術(shù)可以“完全看清”。

       時(shí)至2023年的春天，遲遲不見(jiàn)歐美的實(shí)驗室發(fā)布“大新聞”，俞曉春實(shí)驗室最終決定自己動(dòng)手拼完這幅小鼠基因組“拼圖”。“（全球）剩下的人一直在等，但我們不想等了。”俞曉春回憶說(shuō)。

       這個(gè)誕生于意外的課題，研究過(guò)程相當順利，歷時(shí)一年就完成了。

       簡(jiǎn)單來(lái)講，俞曉春團隊綜合了眾多三代基因測序技術(shù)，讓它們互相補足，開(kāi)發(fā)了一把能夠充分挖掘小鼠基因的“金鏟子”。他們以最常用的小鼠C57BL/6的單倍體胚胎干細胞（mhaESC）為樣本，進(jìn)行了基因測序和組裝，獲得了長(cháng)度為2.77 Gbp（表示十億個(gè)堿基對）的完整的高質(zhì)量小鼠參考基因組序列，其中包含215.23 Mbp（表示一百萬(wàn)個(gè)堿基對）先前未被鑒定的序列，填補了約7.7%的基因組空白。

mhaESC基因組與先前參考基因組的共線(xiàn)性比對結果

       如果你對他們基因組DNA “拼圖”的步驟感興趣，這個(gè)流程大致是這樣的：第一步，測序技術(shù)把所有拼圖（即片段）上的圖案（即堿基對）讀完；接著(zhù)，計算機對這些信息進(jìn)行數據處理；最后，復雜算法會(huì )完成“拼裝”（即基因組組裝），形成完整的全貌。這個(gè)過(guò)程涉及到了PacBio HiFi、Oxford Nanopore超長(cháng)、Illumina短讀長(cháng)、Hi-C和BioNano光學(xué)圖譜等多項基因測序技術(shù)。

       那么，這些研究人員具體取得了哪些關(guān)于小鼠基因的新發(fā)現呢？

       首先，發(fā)現了新的蛋白質(zhì)編碼基因。顧名思義，這些基因的作用是編碼對應的蛋白質(zhì)。與先前的參考基因組版本相比，該研究額外注釋了639個(gè)蛋白質(zhì)編碼基因，其中先前未被發(fā)現的全新的蛋白質(zhì)編碼基因有140個(gè)（這是因為639個(gè)基因中部分為已知基因的“重復”拷貝）。這些新的蛋白質(zhì)編碼基因可能參與多種生物學(xué)過(guò)程，為未來(lái)的研究提供了新的方向。

       第二，較精確地“看清”核糖體DNA的基因序列。核糖體是細胞內的“蛋白質(zhì)工廠(chǎng)”，負責合成蛋白質(zhì)。核糖體DNA是細胞中的一種特殊DNA，它專(zhuān)門(mén)負責編碼核糖體的RNA（rRNA）——一種核糖體的重要組成部分，幫助核糖體合成蛋白。用簡(jiǎn)潔的比擬來(lái)說(shuō)，核糖體DNA給出了細胞內rRNA的“藍圖”。這個(gè)發(fā)現為進(jìn)一步解析核糖體潛在的蛋白質(zhì)翻譯功能的差異性提供參考。

       第三，解析了著(zhù)絲粒區域的基因序列詳情。著(zhù)絲粒是染色體上的一個(gè)特殊區域，幫助染色體在細胞分裂時(shí)，將遺傳物質(zhì)平均分配到兩個(gè)新的細胞中。本研究的結果顯示，小鼠各染色體之間的著(zhù)絲粒長(cháng)度具有明顯差異，且序列內部富含轉座元件和片段重復（SD），同時(shí)還有散在的基因分布，表明該區域可能會(huì )進(jìn)行活躍的轉錄和轉座事件，驅動(dòng)著(zhù)絲粒區域進(jìn)行適應性改變等行為。對著(zhù)絲粒區域的解析，有助于理解因著(zhù)絲粒功能缺陷導致的染色體重排、非整倍性等相關(guān)疾病的發(fā)病機制。

       從科學(xué)意義上來(lái)說(shuō)，俞曉春實(shí)驗室的這項研究，通過(guò)綜合“長(cháng)讀長(cháng)”第三代測序技術(shù)成功完成了小鼠基因組的端粒到端粒組裝，填補了現有參考基因組中的空白區域，揭示了新的基因和結構變異，“拼完”了小鼠基因組圖譜的“拼圖”。這些發(fā)現不僅提高了對小鼠基因組結構和功能的理解，也為基因組學(xué)研究提供了重要的技術(shù)參考和數據資源。

       在這項研究中，兩位第一作者，分別發(fā)揮了科研所長(cháng)，劉俊麗助理研究員負責濕實(shí)驗及論文圖片，李麒麟助理研究員負責干實(shí)驗及文稿；通訊作者俞曉春教授負責“掌舵”課題的大方向以及論文的完善。

       “你們在研究過(guò)程中遇到最大的難點(diǎn)是什么？”這個(gè)問(wèn)題竟然有朝一日成為了實(shí)驗室“答不上來(lái)”的問(wèn)題。正如前文所言，這個(gè)課題進(jìn)展勢如破竹，投稿過(guò)程也十分順利。

       但要在科研的疆域取得成果，并非一日之功。這項研究的順利開(kāi)展，既得益于俞曉春自在美國密歇根大學(xué)醫學(xué)院內科系成為獨立PI后，對染色體近20年的研究積累；同時(shí)，也與兩位一作作者歷經(jīng)過(guò)的、作為一名科研工作者的磨煉與自我調整息息相關(guān)。

       劉俊麗，是西湖實(shí)驗室第一批“開(kāi)拓學(xué)者”之一，曾在科研的路途上迷茫過(guò)、也曾經(jīng)歷過(guò)gap的時(shí)光，但她最終選擇加入俞曉春實(shí)驗室，盡管那意味著(zhù)要完全改變研究方向，需要從“0”開(kāi)始。如今，她分享說(shuō)：“做科研，任何一個(gè)方向都有研究意義。我覺(jué)得實(shí)驗取得的任何結果都能帶給我快樂(lè )，這是為什么我要堅持做科研的原因。”

       如果說(shuō)這個(gè)課題有一個(gè)發(fā)起人，那非李麒麟莫屬：他是俞曉春團隊第一個(gè)注意到人類(lèi)基因組序列完成的人。出于對遺傳學(xué)和基因組學(xué)的興趣，他從大學(xué)本科直至在美國做博后階段都專(zhuān)注于生物信息學(xué)。李麒麟說(shuō)：“但我發(fā)現做純數據并不能對實(shí)際情況有很好的了解，所以最后我選擇了俞老師的實(shí)驗室，這里有濕實(shí)驗的實(shí)時(shí)結果給出反饋，這樣我再去做數據分析，研究能更好地開(kāi)展。”

       當然，俞曉春實(shí)驗室劍指的始終并不是小鼠基因組真容本身，而是希望利用這把“基因組之鏟”探索遺傳性癌癥、發(fā)育性疾病未解的致病機理。“支線(xiàn)”的故事已完成，接下來(lái)，讓我們一起靜待這個(gè)實(shí)驗室的“主線(xiàn)”誕生更多助力人類(lèi)攻克頑疾的成果。

       論文鏈接：

       https://www.science.org/doi/10.1126/science.adq8191