基因组测序为什么没完没了？

John

基因组测序为什么没完没了？
原文地址：https://www.zhihu.com/question/19929018

长长的路

对不同群体、不同个体、不同细胞，进行DNA测序、RNA 测序，那自然是没完没了的
但是参考基因组测序为啥没完没了，可以讨论一下
@Tang Boyun 给了已发表的动物参考基因组列表，我刚在专栏《生信笔记》里整理了 2000年至今发表的所有植物参考基因组，一共 335个
张旭东：2000 - 2018，335个已发表植物基因组汇总


从 10年的 5 个到 17年69个，今年已经发表了 68 个，还会增加
12年左右，测序物种迅速增多，主要是二代测序成熟的结果。但是现在想想，这么多物种被测序，尤其是很多不那么重要的物种，每个至少 200万起步，很多人质疑是不值得的。得到的不是染色体水平的序列，只是几百甚至几千条 scaffold。不客气的说，很多基因组都是垃圾，没啥用。
到了15年，这种水平的文章已经很难发表了，所以你看到只有 24 个。也许这背后还有很多没发表出来，或者决定补测三代数据。
到了16年，PacBio 开始大量应用到动植物基因组组装（之前价格贵，主要要用在小基因组）；17年、18年NanoPore 技术成熟；再加上光学图谱、Hi-C 。可以说所有所有物种都能被组装到染色体水平了。
这个时候，再回头看看当年拼接出来的“垃圾”，简直不能忍，所以第一波测过的物种又被拉出来重新测序，注意是完全重做，不是修修补补。这就是你看到的这两年的第二波高潮。

你比如苹果的基因组，一共三个版本

• 版本一：2010, nature genetics, Velasco et al.
  
• 版本二：2016, Gigascience, Li et al.
  
• 版本三：05 June 2017, Nature genetics, GDDH
  

你比较一下前两个版本和 2017年版本的N50，就知道之前的是不是垃圾，就知道为啥都第三次了，还能发到 NG 。



以上是数据，我们预测一下未来

• 未来的两三年，这个高潮还将持续，所有重要物种的参考基因组都会被测序或者重新测序，而且都能发高水平的文章。
  
• 这波高潮过了就过了，短期内没有下一波。因为这波的基因组都装到了染色体水平，修修补补就可以了，没有必要推倒重来。就像人的基因组，只是修修补补。
  

卡卡

目前已有序列数据（并不是完整基因组数据）的动物分布：


其实很多物种的基因组还没测，目前不存在测了又测，所以这个问题我把范围缩减在：为何人的基因组测了又测上。
首先要明白，一个基因组拼完后，得到结果的质量，就和圣斗士一样，是分等级的。当然因为逼格比较高，所以最高是白金级的，青铜什么的就不能算了。(目前一千美元能测的，应该算钢铁圣斗士。。。)


GRCh38，也就是目前科研上使用的最新版本的人参考基因组，上图看上去数据很完美，但在指导医疗实践上是有问题的，因为它是来源于混合样本，并不能反映任何一个人的单倍型基因组。比如，MAPT(微管相关蛋白)区域，与神经退行性疾病(e.g.帕金森)高度相关的区域，在这种关键区域上，混合样本测得的DNA序列没什么意义。
所以，现在老外搞了个“精准参考基因组”计划（中文名我瞎起的，英文名叫
Reference Genomes Improvement Project）。选取有代表性的人种：


计划采用的路线是用PacBio数据de novo组装，配合BioNano Irys光学图谱来搭脚手架。最后用细菌人工染色体+PacBio来补洞。



这里稍微解释下，为何测高质量的个人基因组需要de novo，而不是resequencing：因为每个人各自都携带有自身独特的、正常的结构变异，使用resequencing也就是比对现成的参考基因组，那么这部分信息毫无疑问会丢失掉。这也是结构变异相关研究比较难做的地方，比如研究癌症，那么最好的对照不是其他正常人，而是自身的正常组织，比如癌与癌旁。
参考资料：
The evolution of animal genomesProject - The Elizabeth H. and James S. McDonnell III Genome Institute at Washington University

-------------------------------------------------更新---------------------------------------------------------------
Q: de novo 是不是更贵？
价格由选用的技术与所需数据量决定。当然de novo对数据质量、数量、读长、算力都要求更高。
可以把测序拼基因组当成是拼图游戏，有参考基因组，就是拼图的时候，你已经知道最后要拼成的图是啥样子了，也就是可以大致确定手上的碎片是在哪个位置。而无参考基因组，就是拼的时候，并不知道最后结果是什么样子。
拼图游戏的难点在于，图形是否有很多碎片都是同一个样子的（一个基因组是否有许多短重复序列），如果这些碎片完全相同（测序仪读长小于重复序列长度时），你是无法将这些碎片唯一定位到最后的拼图里的。

感恩由您

1、不同物种要进行新的测序，现在已测序的物种相当来说还不算多吧
2、对同一个物种重测序，我想你要问的是这个吧。因为即使同一个物种，比如人，个体间还是有差异的，不然为什么人和人之间不一样呢？这些差异在genome上的表现有SNPs、indel（插入缺失）、SV（结构变异）、CNV（拷贝数变异）。这些差异有些导致的是正常的人之间的差异，比如不同的肤色不同的体格，有些则导致的是基因疾病，具体例子我就不多说了，这个网上一搜一大把。如果不进行重测序，你怎么能检测到这些差异呢
话说回来，物种的单个体测序只是为了得到该物种genome的一个reference，真正有实际意义有研究价值的是后面的重测序，因为有对比有差异才能更好的知道基因的作用

感恩由您

我认为这里所说测序应该分成几部分：研究性测序；应用性测序
研究性测序：比如某个物种的基因组图谱，针对某个疾病的群体研究等
应用性测序：比如测个人基因组对疾病进行预测

为什么一直测，应该有下面几个原因：
1. 首先是遗传信息的决定作用。所有表型都是遗传和环境的共同作用，但遗传是根本，环境是起影响作用；遗传信息里，作为大多数物种遗传物质的DNA当然应该首要关注。所以要测基因组。地球上如此多的物种，目前尚有大量物种未被测序，所以还一直在测啊测（当然，研究目的就有譬如：开发物种本身经济价值，进化研究等）
2. 同一物种的个体，是有异质性，也就是有个体差异的，正因为这种差异，才会有进化，对有经济价值的物种也才有育种的可能。所以，这就要对同一物种不同个体（即群体）进行测序，这也就是为什么测了5个人后，还测百人，测千人，现在还要测百万人
3. 健康诊断，目前已经有分子诊断、基因诊断，而基因组诊断则是更全面，更本质的诊断（当然目前还有一系列问题没有解决），所以将来会出现人人基因组的局面，那时会是：每个人都在测啊测。

当然，还有一些技术上的原因，开始以为测10个基因组就可以解决问题了，但现在发现测100个都还不够，所以就测了一个又一个。

个人理解，请各位不吝指教

队长是我

因为有这么多的生物，每个生物体的基因组都不一样。再加上表观遗传学之类的东西，相同的DNA，最终的结果也不一样，于是就测啊，测啊~~~