萤火虫是鞘翅目萤科的昆虫，成虫个体一般较小，大多数体长1厘米，少数种类可以达到3厘米。雌性个体要略微大于雄性个体。萤火虫最独特的特征是腹部具有特化的发光器，不同萤火虫之间发光器区别很大，这也是萤火虫分类的重要特征之一。世界上已知萤火虫有2000多种，全世界仅发现了8种水栖萤火虫，原先都隶属于萤科第一大属——熠萤属。付新华教授与合作者以武汉萤为模式种，确立了一个新属——水萤属。

图1 雷氏萤A. leii的发育阶段。幼虫期1天至成虫期2天，白色箭头表示幼虫的发光器，红色箭头表示成虫的发光器

希望组与华中农业大学植物科学技术学院付新华教授的首次合作在2017年，基于PacBio Sequel（～73X）平台测序，完成了首个萤科物种胸窗萤（Pyrocoelia pectoralis）的高质量基因组测序组装，发表了《Long-read sequence assembly of the firefly Pyrocoelia pectoralis genome》文章[未来组项目文章] 三代萤火虫基因组文章发表。随着测序技术的不断升级，希望组与付新华教授再次合作，通过单分子纳米孔测序（ONT，～170X）与Hi-C挂载组装了染色体水平的水栖萤火虫雷氏萤（Aquatica leii）基因组。付新华和朱馨蕾依托高质量的雷氏萤基因组，结合不同发育阶段的蛹的比较转录组学，成功筛选出调节A. leii 成虫发光器发育的两个关键转录因子AlABD-B和AlUNC-4，于2024年3月5日在《Nature Communications》上发表题为《Key homeobox transcription factors regulate the development of the firefly’s adult light organ and bioluminescence》的研究成果！

这篇论文研究了水栖萤火虫成虫发光器发育和生物发光的分子调控机制。通过单分子纳米孔测序（ONT）和高通量染色体构象捕捉测序技术组装了水栖萤火虫雷氏萤（Aquatica leii）的染色体水平基因组，并发现了两个关键的Homeobox转录因子AlABD-B和AlUNC-4调节着萤火虫成虫发光器的发育和生物发光。干扰这两个关键基因的表达会导致成虫发光器发育不完整或不发光。此外，AlAbd-B 和 AlUnc-4 激活了 AlLuc1 基因的表达以及一些过氧化物酶跨膜转运蛋白的表达。四个过氧化物酶转运蛋白参与将荧光素酶转运到过氧化物体内。这项研究为了解萤火虫成虫发光器的发育和生物发光提供了重要的研究基础。希望组为本项研究提供ONT等基因组测序、基因组组装、Hi-C挂载、注释和比较基因组分析等服务。

雷氏萤（Aquatica leii）组装基因组大小为1.04G，杂合度3.2%，包含222条contig，其中scaffold 和 contig 的 N50 值分别为 125.64 Mb 和 10.81 Mb。此研究分析了染色体数目和核型（2n = 14 + XY），并对基因组进行 Hi-C 挂载，挂载出 8 条染色体，同时统计了基因组的GC 含量、重复密度、 基因密度、转录因子密度、Homeobox 家族基因（图2D）。与胸窗萤（Pyrocoelia pectoralis）的高质量基因组（基因组大小760.4Mb，contig N50为3.04Mb，杂合度2%～3%）相比，基因组组装质量有了显著提升！

结合转录组数据，对雷氏萤（A. leii）进行基因组注释，共鉴定出16,472个基因。其中，14,874个基因（占90.30%）在至少一个公共数据库（Swissprot、NR、KEGG、GO和KOG）中进行了功能注释。为了推断 A. leii 的进化历史和系统发育关系，该研究使用了四个已发表的其他萤火虫基因组和六个鞘翅目昆虫基因组以及一个果蝇基因组作为外群，使用 OrthoMCL 进行了基因家族聚类分析。在这十二种物种中鉴定出了1,633个单拷贝同源基因用于构建系统发生树（图2E）。系统发生推断表明，A. leii和边褐端黑萤Abscondita terminalis是姐妹群，同属于熠萤亚科，根据 mcmctree 计算的分歧时间表明，A. leii在大约57.38百万年前从该亚科的其他成员的共同祖先中分离出来（图2E）。

图2 雷氏萤A. leii 基因组特征圈图。红色标记基因在后续实验中被验证功能。

该研究使用AnimalTFDB(v3.0) 数据库比较了所有的 A. leii 蛋白，并获得了相应的A. leii 转录因子家族。在 A. leii 基因组中鉴定出了 914 个转录因子。根据功能域特征，将转录因子超家族成员分为 45 个不同的类型。其中，Homeobox 转录因子类型是A. leii 中除“锌指”转录因子类型之外最常见的转录因子类型，并且Homeobox 基因家族中的大量基因编码了在动物胚胎发育中细胞分化和发育中起关键作用的DNA结合同源域。结合转录组数据来分析Homeobox基因的表达模式，发现在蛹化过程中，只有六种homeobox基因（AlAbd-B、AlAntp、AlUnc-4、AlShox2、AlRepo和AlAp2）持续上调（p <0.05），而其他基因下调或其调控从上调变为下调。运用基因敲除技术研究发现，AlAbd-B 和 AlUnc-4 的敲除导致了不发光和过氧化物酶体空腔，这两个基因可能是萤火虫成虫发光器发育所必需的关键调节因子（图3）。

图3. A. leii 中与发光器发育和发光相关的6个homeobox基因的功能验证

萤火虫成虫发光器发育和发光存在两个关键步骤：一个是荧光素酶基因的表达，另一个是荧光素酶被转运到发光器，即生物发光发生的细胞器。该研究假设干扰荧光素酶基因表达或荧光素酶运输导致过氧化物酶体空腔。为验证这一假设，该研究对在蛹期敲除 AlAbd-B 和 AlUnc-4 的 1 日龄雄萤的转录组与对照组（Gfp 注射）进行了比较。结果表明，在 dsAlAbd-B 和 dsAlUnc-4 敲除组中，AlLuc1 的表达显著降低（图3A）。转录组测序分析和实时荧光定量PCR验证表明：(1)AlAbd-B 和 AlUnc-4基因的干扰，导致 AlLuc1、AlPx11c.2、AlPex5 和 AlPxmp2 的表达水平显著降低；(2) AlAbd-B 基因的敲除，导致AlPex1、AlPex13、AlPex14 和 AlPex16 的表达水平显著降低；(3)有趣的是，AlAbd-B 基因的敲除导致AlUnc-4 的表达水平显著降低。在这些基因中，该研究选择了AlLuc1 和其同源基因 AlLuc2 以及七个过氧化物酶基因AlPx11c.2、AlPxmp2、AlPex5、AlPex13、AlPex14、AlPex16、和 AlPex1 进行详细的功能研究（图4）。

图4 AlAbd-B RNAi和AlUnc-4 RNAi表型与对照组相比转录组的差异基因表达分析

在AlLuc2敲除后，只有蛹的发光器发出荧光，表明成虫发光器的发育与 AlLuc2无关，因此该研究重点关注了 AlLuc1。dsAlAbd-B 和 dsAlUnc-4 组的转录组中，AlLuc1 的表达水平显著降低。通过 JASPAR 数据库分析，识别出每个转录因子的两个潜在 DNA 结合域。该研究假设 AlABD-B 和 AlUNC-4 与 AlLuc1 启动子相互作用并上调其活性，并进行了酵母单杂交 (Y1H)、电泳迁移率shift 实验（EMSA）、双荧光素酶报告基因检测、Western 蛋白印迹和免疫荧光 (IF) 检测来验证这一假设。最终揭示AlABD-B和AlUNC-4是发光器中AlLUC1表达所必需的（图5）。

图5 Alluc1的基因组位点（顶部）和包含七个外显子的基因结构（底部）

萤火虫的荧光素酶AlLUC1在过氧化物酶体中起作用，这表明AlLUC1需要某些过氧化物酶体运转蛋白才能进入过氧化物酶体。该研究进行了RNAi分析，以验证筛选出的过氧化物酶（AlPX11C.2、AlPXMP2、AlPEX5、AlPEX13、AlPEX14、AlPEX16 和 AlPEX1）是否参与了ALLUC1 的导入。结果表明，AlPEX13、AlPEX14、AlPEX5和AlPXMP2蛋白参与了A.leii 中AlLUC1进入过氧化物酶体的过程（图6）。

图6 参与AlLUC1转运至过氧化物酶体的pex基因的验证

药用植物一直以来被广泛应用于人类医疗保健领域，并为许多疾病的治疗提供了有效的方案。药用植物所含的天然产物具有丰富的生物活性成分，这些成分可以影响细胞代谢、调节免疫反应等。随着高通量测序技术的快速发展，药用植物测序不仅可以帮助科学家们深入了解药用植物的遗传多样性和进化历史，揭示药用植物所含活性成分的合成途径和调控机制，同时对研究药用植物的育种栽培、代谢产物、功能调控和药理属性提供大量生物信息和遗传信息数据。这一研究领域不仅有助于推动现代医药领域的创新发展，还能为药用植物的可持续利用和资源保护提供科学依据。

希望组作为三代测序大数据技术和应用的开拓者，早于2012年将三代测序技术应用于药用植物研究中，为了解药用植物的基因组特征和生物活性成分提供了新的视角。希望组10年+的三代测序经验，能够为进一步深入开展药用植物测序研究的专家学者们提供高质量的测序、组装及生信分析服务，为推动现代医药的发展贡献属于希望组的力量。

01. 阳春砂和海南砂中挥发性萜类差异的遗传基础
Comparing genomes of Fructus Amomi-producing species reveals genetic basis of volatile terpenoid divergence

海南砂(Wurfbainia longiligularis)和阳春砂(Wurfbainia villosa)都富含挥发性萜类化合物，是用于治疗肠胃疾病的砂仁的两种主要植物来源。代谢组学分析表明，与二磷酸硼酯(BPP)相关的萜类化合物在阳春砂的种子中含量较高，而在海南砂的组织中分布较广。为了探索挥发性萜类化合物差异背后的遗传机制，该研究组装了高质量的海南砂染色体水平基因组(2.29 Gb，contig  N50 为 80.39 Mb)。对17个萜烯合成酶(WlTPSs)的功能分析发现，WlBPPS与具有二磷酸硼酯合成酶(BPPS)活性的WlTPS 24/26/28一起，促成了BPP相关萜类化合物在海南砂中更广泛的组织分布。此外，转基因烟草(Nicotiana tabacum)的研究表明，GCN4-motif元件正向调节WvBPPS的种子表达，从而促进 BPP 相关萜类化合物在阳春砂种子中的富集。对来自16个科的29种单子叶植物中候选TPS的系统鉴定和分析表明，姜科植物中TPS-a和TPS-b亚家族基因的大量扩张可能驱动了挥发性萜类化合物的多样性和产量的增加。BPPS基因的进化分析和功能鉴定表明，BPP相关的萜类化合物可能仅分布在单子叶植物的姜科植物中。本研究为选育和改良具有药食两用价值的砂仁提供了宝贵的基因组资源，并为姜科植物萜类化合物生物合成的进化提供了参考。希望组为本研究提供了基因组、转录组和Hi-C测序服务。

原文链接：https://doi.org/10.1093/plphys/kiad400

楝科是一个有价值的植物家族，它有优质的木材和许多具有药理和生物活性的柠檬苦素。尽管楝科物种的一些基因组已被报道，但关于其独特的家族特征，即木材品质和天然产物，许多问题尚未得到解答。该研究中提供了[苦]楝树的全基因组序列(237.16 Mb，contig N50为8.07 Mb)，以及印度苦楝树的改良基因组序列(223.66 Mb，contig N50为8.91 Mb)。此外，对基因组脱脂数据、转录组和其他已发表的基因组进行综合分析，以确定产生优质木材和有价值的柠檬苦素的基因和蛋白质。叶绿体基因组、单拷贝基因家族和单核苷酸多态性的系统发育分析表明，楝科应归为2个亚家族：洋春亚科(Cedreloideae) 和楝亚科(Melioideae)。虽然楝科物种没有经历额外的全基因组复制事件，但与印楝A. indica 和苦楝M. azedarach 相比，洋春亚科(Cedreloideae)木本植物香椿( Toona sinensis )的次生壁生物合成基因显著扩张，尤其是下游转录因子和纤维素/半纤维素生物合成相关基因。此外，扩大的特殊氧化鲨烯环化酶目录可以帮助无患子目骨架多样化，调节萜类链延长、环化和修饰的聚集基因将支持它们在柠檬苦素生物合成中的作用。萜类合成酶、O-甲基转移酶和细胞色素P450家族的扩张，主要来自串联重复，负责物种间不同的柠檬苦素类。这些结果有利于进一步研究木材发育和柠檬苦素生物合成。希望组为本研究提供测序、组装和注释服务。

“Why are some genomes so big and others very small?”这是Science杂志发布的125个前沿科学问题之一。物种的基因组大小不尽相同，造成这一现象的原因十分复杂。研究表明，基因组大小的差异不仅与生物体的复杂性有关，还与其生活史特征、环境适应性、基因家族的扩增和基因重组等因素密切相关，如此复杂重要的问题吸引了无数研究者深入探索这一领域。

相较于易于研究的小型基因组生物，具有超大型基因组的生物种类繁多、保守的遗传变异丰富，这为比较基因组学研究提供了极好的材料。然而，由于超大基因组中高重复序列的存在以及广阔的基因间区，传统二代测序技术难以为这些生物构建Gap-free级别的的参考基因组。

近年，单分子实时测序等三代长读长技术的出现为超大基因组组装提供了转机。三代测序以其长读长的优势（ONT Ultra-long测序技术N50可达100-150Kb），破解了重复区组装中的难题，使得研究人员能够通过三代数据进行染色体水平的整体组装。此外，三代测序超长读长的reads能够贯穿基因组中的基因间区。这使得非编码RNA、调控元件以及结构变异都能被准确检测。因此，通过单分子实时测序技术，研究人员能够更好地探究超大基因组的复杂性和结构，揭示其中的重复序列、基因间区和功能元件。这为研究人员深入理解基因组大小差异的形成机制、进化过程以及生物体的适应性提供了重要的工具和方法。

希望组着眼于三代测序技术应用于超大基因组研究中所带来的革新与价值，为有志于研究超大基因组物种的研究人员提供专业的测序、组装、分析服务。希望组以其优质的测序服务质量和遥遥领先的基因组组装技术受到了各位专家老师的认可，非常荣幸能够参与多个超大基因组的研究之中，为生命科学领域做出了独属于希望组的贡献。

下面是希望组合作的几篇超大基因组动物篇的优秀文章：

01. The enormous repetitive Antarctic krill genome reveals environmental adaptations and population insights
目标物种：南极磷虾（Antarctic krill）
发表时间：2023.05
发表期刊：Cell（IF=64.5）
合作单位：中国水产科学研究院黄海水产研究所、德国阿尔弗雷德·魏格纳研究所、澳大利亚联邦科学与工业研究组织
测序策略：PacBio HiFi、Illumina、Hi-C
基因组大小：48.01 Gb
基因组Contig N50：178.99Kb

该研究完成了迄今为止最大动物基因组参考序列——南极磷虾基因组组装，并揭示了南极磷虾适应极端环境和群体历史演化的分子基础。研究者利用PacBio、Hi-C结合短读长对南极磷虾进行测序，使用NextDenovo v2.30 组装了48.01Gb的基因组。研究发现，南极磷虾重复序列含量高达92.45%，这源于南极磷虾基因组重复序列的两次爆发式扩张。在该研究中，研究人员对其抗饿和对极昼极夜环境的适应性进行了研究。结果发现，在磷虾基因组里鉴定得到的25个显著扩张的基因家族中，分别有6个基因家族与磷虾蜕壳及能量代谢相关。这表明，蜕壳和能量代谢相关基因的改变是南极磷虾对南大洋不稳定食物供应的适应。另外，研究团队还发现，虽然分布在不同的区域，但南极磷虾的遗传序列组成没有明显区别，这就意味着不同地域群体之间没有实质性差异，并且气候变化影响着南极磷虾种群的规模。武汉希望组为本研究提供基因组组装服务，武汉希望组首席生信技术官胡江为共同作者。

论文链接：https://doi.org/10.1016/j.cell.2023.02.005

02. African lungfish genome sheds light on the vertebrate water-to-land transition
目标物种：非洲肺鱼（African lungfish）
发表时间：2021.03
发表期刊：Cell（IF=64.5）
合作单位：西北工业大学生态与环境学院、中国科学院水生生物研究所淡水生态与生物技术国家重点实验室、中国科学院昆明动物研究所遗传资源与进化国家重点实验室
测序策略：Nanopore Ultra-long、BioNano、Hi-C
基因组大小：40.05 Gb
基因组Contig N50：1.60 Mb

研究团队利用Nanopore Ultra-long、BioNano和Hi-C测序，采用NextDenovo + wtdbg2 + NextPolish策略组装，最终获得约40.05 Gb的基因组，Contig N50达到1.60 Mb；结合BioNano和Hi-C数据对基因组构建Scaffold和辅助染色体挂载，最终得到17条染色体，Scaffold N50 2.81 Gb，染色体挂载率达到99%以上。BUSCO评估显示该基因组包含了95%以上的脊椎动物完整基因。非洲肺鱼基因组如此巨大主要是由TEs的扩张引起的，非洲肺鱼基因组的61.7%（24.7 Gb）被注释为重复序列。研究团队通过分析Kimura distance估算了TE历史扩张活动，结果表明TEs，特别是反转录转座子，在过去7000万年中一直活跃。基于基因组组装和注释结果，通过对8种脊椎动物的5149个单拷贝基因进行系统发育重建，证实非洲肺鱼是与四足动物最近的姐妹谱系，非洲肺鱼和四足动物的分化时间可追溯到泥盆纪伊始，估算为419 MA。希望组为研究提供基因组测序和NextDenovo、NextPolish软件及组装技术支持，希望组首席生信技术官胡江参与本研究。

论文链接：https://doi.org/10.1016/j.cell.2021.01.047

03. Giant lungfish genome elucidates the conquest of land by vertebrates
目标物种：澳洲肺鱼（Giant lungfish）
发表时间：2021.01
发表期刊：Nature (IF=64.8)
合作单位：德国康斯坦茨大学生物系、德国维尔茨堡大学生物中心
测序策略：Nanopore 1D 、Ultra-long、Hi-C
基因组大小：37 Gb
基因组Contig N50：1.86Mb

研究者利用Nanopore 1D 和Ultra-long技术对澳洲肺鱼进行了全基因组测序组装，最终组装出37Gb，Contig N50达1.86Mb的澳洲肺鱼基因组。之后利用271Gb Hi-C 数据，对基因组进行染色体级别组装，最终得到Scaffold N50 1.75Gb，组装出了17条大染色体和10条小染色体。BUSCO评估组装的基因组包含67%的脊椎动物完整基因。肺鱼是属于肉鳍鱼类中的一类，肉鳍鱼的叶状鳍在进化中最终形成了适于陆地爬行的足趾。通过比较基因组分析，研究者对保守的四足动物肢体增强元件的分析表明，有31种起源于肉鳍类。与sall1相关的hs72增强子驱动掌部区域基因表达。sall1在肺鱼胚胎中高表达，并呈现类似于四足动物的表达模式，但在斑马鱼的鳍发育过程中不表达。这表明该基因功能和肺鱼的肉鳍类叶状鳍发育相关。hoxc基因在双鳍和四肢中的表达仅在与甲床相关的哺乳动物中报道过，而RNA-seq分析发现在肺鱼幼体鳍部hoxc基因有表达。研究者还发现hoxc13在蝾螈肢中表达，在辐鳍鱼的胸鳍中不表达，转录本定位显示hoxc13也在肺鱼胚胎远端鳍表达。这表明在四足动物中，该基因结构域可能调控肢体元素生成，如指甲、蹄和爪。hoxc与sall1一起，证明了早期肉鳍类起源的四肢样基因表达促进了鳍肢过渡。希望组为本研究提供Nanopore Ultra-long测序服务。

论文链接：https://doi.org/10.1038/s41586-021-03198-8

署名文章 | Nature Genetics！希望组携手赖锦盛教授团队再创新里程—大型真核生物玉米T2T无间隙基因组组装

2023年6月15日，中国农业大学国家玉米改良中心、玉米生物育种全国重点实验室赖锦盛教授团队以题为“A complete telomere-to-telomere assembly of the maize genome”在国际知名期刊Nature Genetics《自然·遗传学》上在线发表了玉米全基因组所有染色体端粒到端粒完整无间隙组装结果，在复杂动植物基因组中第一个实现真正意义上的全基因组完整无间隙组装。该研究是复杂基因组组装领域工程技术研究的重大突破，攻克了复杂动植物基因组组装的最后一道难题，是基因组组装和基因组学研究的一个重要里程碑。

赖锦盛教授为该论文通讯作者，中国农业大学陈建副教授、博士研究生王子健为该论文共同第一作者。中国农业大学金危危教授、宋伟彬教授、赵海铭副教授、辛蓓蓓副教授、黄伟老师、史俊鹏博士后（现已出站），爱荷华州立大学Matthew B. Hufford教授、内布拉斯加大学林肯分校James C. Schnable教授、中国科学院遗传与发育研究所韩方普研究员和刘阳博士，以及北京希望组生物科技有限公司为该研究提供了重要帮助，希望组员工（胡江、王超）有幸成为了共同作者。该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室、崖州湾科技城管理局、河南省科技厅以及河南现代种业有限公司的资助。希望组为本研究提供了HiFi、ONT超长测序、NextDenovo(v2.2-beta.0)初步组装和NextPolish(v1.1.0)基因组矫正服务。

玉米是世界范围内的重要作物，其基因组组装对玉米基础研究和分子育种均有重要意义。同时，玉米也是经典的复杂基因组研究的模式植物。自2009年玉米基因组草图公布以来，已有近50个不同玉米自交系基因组被组装。然而，由于玉米基因组大（与人类基因组相近），且拥有超过80%的重复序列，目前已报道的玉米基因组都存在数百或数千个“空白”区域未被解析。

Mo17自交系是经典的玉米杂种优势群Lancaster群的代表。Mo17自交系及其衍生材料在我国玉米生产中被广泛应用。赖锦盛教授团队以Mo17自交系为材料，综合利用了约237×的ONT Ultra-long和约69.4×的PacBio HiFi测序数据，完成了最新的玉米基因组组装，其大小为2,178.6 Mb，每条染色体的端粒到端粒均由一条完整连续的序列组成，碱基精确度超过99.99%。最新的组装不仅在过去高质量组装的基础上增加了1029个基因，还解锁了玉米基因组中结构最为复杂、从未被组装的基因组空白区。这是首个完整的、无间隙的玉米基因组序列，也是首个所有染色体都完整组装的复杂动植物基因组。

图1. Mo17基因组完整组装

最后，作为专门的安排，赖锦盛教授在致谢部分特别标注，用该研究成果的发表来纪念他的博士后研究阶段的导师Joachim Messing (1946—2019）。 Messing教授是国际上分子生物学先驱和“鸟枪法”测序技术的倡导发明者，是美国科学院和德国科学院院士，于2013年获得沃尔夫（Wolf）奖。
本文转载自：国家玉米改良中心

项目文章 | 希望组再次参与Nature论文工作—中国人群泛基因组

由复旦大学、西安交大、中国医学科学院等26家单位联合发布的中国人群泛基因组联盟（CPC）一期研究进展，初步构建了首个中国人群专属的泛基因组参考图谱，为破译中国人群基因密码奠定基础，为“健康中国”“精准医学”战略提供支撑。

6月14日，相关成果以《基于36个族群的中国人泛基因组参考图谱》（“A Pangenome Reference of 36 Chinese populations”）为题发表于《自然》（Nature）主刊。这也是我国学者领导的人群基因组研究首次发表在《自然》主刊。复旦大学徐书华教授、西安交通大学叶凯教授、中国医学科学院褚嘉祐教授和复旦大学陆艳副教授为该文的共同通讯作者，西安交通大学杨晓飞副教授、复旦大学博士后高扬、中国科学院上海营养与健康研究所博士生陈豪、谭昕江、中国医学科学院杨昭庆研究员、复旦大学邓恋青年研究员为论文的并列第一作者。研究工作得到了国家自然科学基金、科技部重点研发计划等项目的资助。希望组为本研究提供了部分样本的HiFi、ONT、Hi-C、Bionano和Iso-seq测序服务。

“基因组结构变异大概是生物进化中从微观到宏观演变的关键遗传基础，也是最有可能连接渐变到跃变这个‘鸿沟’的进化密码。”复旦大学校长、中科院院士金力点评，“我相信通过对基因组结构变异的高精度解析，不但能大幅提升‘基因型-表型’关联分析的功效，而且有可能最终帮助我们理解生命演化中重要性状和功能产生的遗传基础和分子机制。”

独立自主完成首个中国人群泛基因组参考图谱

作为人口大国，我国巨大的人口基数和丰富的人群多样性是发展人类基因组学和精准医学的重要优势：西南部高原地区分布着众多藏缅、南亚语系族群，东西方人群在西北部丝绸之路沿线交融，苗瑶语族人群在云贵地区世代繁衍，蒙古、突厥人群曾游牧于北部风沙地，通古斯语族抵抗严寒一路向北，台-卡岱（侗台）族群的先辈亦曾穿梭于南方丛林河谷。悠久的人群历史、丰富的地理气候环境，塑造了中华民族独特的遗传多样性，构成了人类泛基因组研究不可或缺的东方画卷。构建能够代表中华民族遗传多样性的中国人群泛基因组图谱势在必行且迫在眉睫，这将极大提高捕获罕见或低频遗传变异的灵敏度和准确性，支撑服务中国人遗传多样性研究、复杂疾病分子机制研究和精准医学研究与应用。

中国人群泛基因组联盟”一期36个族群画像集

中科院院士、分子微生物学家赵国屏认为：“这一成果表明我国科学家在人类基因组学领域的研究水平得到了显著提升。我相信这项工作对我国的人类基因组学和医学中的复杂疾病遗传基础研究等领域会起到重要的推动作用。”

助力遗传学、医学研究，服务人民生命健康

在第一期研究计划中，CPC对代表中国36个族群的58个样本采用最新的第三代高保真基因组测序技术进行了深度测序，结合最新的单倍型基因组组装方法，获取了116个高质量单倍型基因组，并以图基因组的方式构建了高质量中国人群参考泛基因组。该泛基因组图谱总共包含约3.01 Gb个碱基对的序列信息，在现有人类参考基因组的基础上新增了约1.9亿个碱基对的新序列，包含约590万个小变异（单核苷酸多态性变异和小规模插入/缺失变异）和约3.4万个结构变异（Structural variation, SV），涉及至少1367个蛋白编码基因复制事件等。其中，约500万个碱基对新序列存在于95%以上的单倍型中，被视为中国人群基因组核心序列，可能与中国人群特有的较为稳定的生物学功能或表型特征相关。

CPC一期核心样本地理分布及语系、族群、遗传聚类关系

同时，CPC新发现的遗传变异影响了具有潜在功能和经受过适应性进化的基因，这些基因可能与亚洲人群特有的疾病易感性及表型多样性有关，这也证实了将人群专属高质量泛基因组用于基因组学和医学研究的潜力和必要性。此外，研究人员在CPC参考图谱中发现了相当大比例的古人来源基因序列——平均每个族群和每个样本中分别有约15Mb和约9.5Mb的古人来源新序列——这可能是前期开展大量研究却未在现代人基因组中发现的古人基因渗入序列，或将为东亚现代人基因组中的古人基因渗入研究乃至整个古DNA领域提供新的信息资料和线索。

未来，中国人群参考泛基因组不仅有助于中华民族共同体的遗传学研究，还将改变过去依赖主体基于欧洲白人的参考基因组而导致东亚特有罕见变异检出精确度难以提升的困境，应用于我国重大疾病的遗传机制解析，从而提高我国生物医学数据分析的质量和效率，服务人民生命健康。

中国人群泛基因组图谱已公开在线发布：
https://pog.fudan.edu.cn/cpc/#/；https://github.com/Shuhua-Group/Chinese-Pangenome-Consortium-Phase-I
该项研究所涉及的样本信息和数据的公开发表已获得国家人类遗传资源管理部门批准。该项研究得到了国家自然科学基金重点项目、基础科学中心、国家重点研发计划等项目的资助。

论文链接：https://www.nature.com/articles/s41586-023-06173-7
原文转载自：复旦大学

署名文章|Science! 中国科学院昆明动物研究所在灵长类进化遗传领域取得重大突破

人类长期关注灵长类动物的起源和演化。该方向研究不仅有助于回答人类起源问题，也有助于我们更多地了解人类独特身体结构特征的演变历史。非人灵长类动物在生物学、演化学、药理学等领域中扮演着重要角色，但目前仅有不到10%的非人灵长类动物的参考基因组被测序。

浙江大学生命演化研究中心张国捷教授团队联合昆明动物研究所吴东东教授团队、西北大学齐晓光教授团队和其他国内外合作者在Science杂志在线发表题为“Phylogenomic analyses provide insights into primate evolution”（基因组学分析提供了对灵长类演化的洞见）的研究论文。该论文回答了与灵长类演化相关的一系列问题。

灵长类动物演化或受物种大灭绝事件影响

据介绍，此次研究对象覆盖了50个灵长类动物物种，跨越了38个属和14个科，其中包括了之前研究中较少涉及的新世界猴和原猴；研究中有27个新的高质量基因组数据，这些新数据可以提供更多、更准确的遗传信息。全面的数据则有利于更深入地了解灵长类动物的演化历程。专家表示，这个时间距离6550万年前那次造成非鸟恐龙灭绝的白垩纪末期大灭绝事件非常近，大致临近白垩纪与古近纪交界时间。这意味着灵长类动物的演化可能受到了物种大灭绝事件的影响。

此外，研究人员通过重建灵长类的祖先核型演化过程，观察到在染色体水平上核型演化模式总体上是保守的。这表示在不同谱系之间，染色体大多数都保持了类似的结构和数量。

最新研究采用了更多染色体级别的原猴物种进行研究，弥补了之前由于数据不足而导致偏差的问题。这项研究发现，人的8号染色体对应到原猴的两条染色体上。因此，研究人员推测类人猿下目祖先以及所有灵长类祖先中的两条染色体在狭鼻类出现后融合成一条染色体，最终演变成人类8号染色体。这项研究校正了前人对人类8号染色体在灵长类物种中的起源历程的推断。

人类第8号染色体在灵长类起源过程中不同假说的示意图。张国捷课题组供图

灵长类动物大脑经历了快速演化

灵长类动物在演化过程中的大脑体积变化非常引人注目。最初的原猴亚目和眼镜猴，它们的脑容量非常有限，但随着时间的推移，新世界猴及旧世界猴出现后，它们的脑容量不断增大，最终在大猿类和人类的演化过程中，相对脑容量进一步增大。相对脑容量的增大与智力程度密切有关，同时也反映了物种演化适应环境的能力。

研究人员发现了一些基因在灵长类的演化历程中受到了强烈的正选择（即倾向于富集更多氨基酸变化）。这包括一些前人的实验研究已经发现的与大脑发育有关的关键基因，这些基因的突变会导致小鼠的大脑功能受损。此外，研究人员还发现了一些非编码区域在四个关键的灵长类演化节点（类人猿下目的祖先、狭鼻类祖先、大猿祖先和人类）中发生了加速演化。这些区域落在大脑发育相关基因的调控区域，这些结果表明了灵长类动物在漫长的演化过程中通过调节大脑相关基因的表达不断地优化大脑构造。

研究人员认为，这些发现表明在灵长类动物大脑演化成更发达形态的过程中，有很多基因和调控区域参与，这丰富了我们对灵长类大脑演化分子机制的认识。

灵长类物种脑容量演化历程及此过程中基因组上的变化。张国捷课题组和吴东东课题组合作供图

猿类尾巴丢失或与基因调控序列突变有关

尾巴是很多动物的标志性特征之一，尤其是对于一些动作灵敏的灵长类物种，长短不一的尾巴能够帮助它们稳定身体、转向和控制速度。“然而，猿类和人都失去了尾巴，这成为它们区别于其他灵长类的重要特征。研究表明，这一现象可能与一些特定的基因调控序列的突变有关。”周龙说。

在人猿共同祖先中，研究人员检测到多个基因的非编码调控区域积累了大量变异，其中包括KIAA1217。人的KIAA1217基因发生突变可能会导致脊柱和尾椎畸形，影响脊柱的正常发育；而在小鼠中，这个基因的突变则会导致尾椎数量的减少。研究人员发现，这个调控区域落在基因的增强子区域，并且与KIAA1217基因落在同一个拓扑结构关联域中，证明这个区域和基因有很强的交互作用，可能调控了KIAA1217基因的表达。

不同的灵长类有不同的饮食习惯和消化系统，有些灵长类如叶食性的疣猴喜欢吃树叶。为了适应这种饮食，它们演化出独特的前肠系统。此次研究还发现了一些关键的消化基因在疣猴的祖先受到正选择而积累了特殊的氨基酸变异，来适应这种特殊饮食的状态。疣猴演化出能够消化脂肪酸的能力，配合它们独特的前肠和肠道微生物使它们能够应付食叶性饮食。

KIAA1217基因的调控区域在猿类中的快速演化可能导致其丢失尾巴。张国捷课题组和吴东东课题组合作供图

项目文章 | Cell！李家堂团队揭示蛇类的起源与演化机制

北京时间2023年6月19日晚，中国科学院成都生物研究所李家堂团队在《细胞》杂志上在线发表论文“Large-scale snake genome analyses provide insights into vertebrate development”。该论文基于大规模多组学技术与基因编辑等研究手段，全面揭示了蛇类起源及特有表型演化的遗传机制。

中国科学院成都生物研究所博士生彭长军、昆明动物研究所吴东东研究员和成都生物研究所助理研究员任金龙为该论文共同第一作者，成都生物研究所李家堂研究员为该论文的独立通讯作者。希望组为本研究提供了三代测序、NextDenovo（V 1.0）组装、NextPolish （V1.01）矫正和注释服务。

全球蛇类约4000种，广泛分布于除南极洲外的各大洲陆地和海洋，在进化历史上处于脊椎动物演化的关键节点，是脊椎动物的重要类群。蛇类演化出了四肢缺失、身体延长、左右肺不对称发育等特殊表型，揭示这些特殊表型的遗传机制对理解脊椎动物演化历史具有重要意义。

蛇类特有性状的演化遗传机制

基于染色体水平蛇类基因组数据集构建了迄今最有力的蛇类系统发育框架，推断蛇类起源于约1.18亿年前早白垩纪，支持了蛇类是由蜥蜴演化而来的假说。

蛇类四肢缺失、身体延长、内脏器官不对称发育等重要遗传机制

基于谱系基因组与基因编辑等研究发现，蛇类PTCH1蛋白特异性缺失的三个氨基酸残基可能是其四肢缺失的重要遗传机制之一。大量编码及非编码调控元件的快速演化驱动了蛇类身体的延长。为适应身体延长，蛇类的内脏器官发生了不对称发育，如其左肺大多趋近于退化，而右肺则较为发达。蛇类丢失了控制器官对称发育的DNAH11和FXJ1B基因，是其左、右肺不对称发育的重要遗传因素。

此外，研究还探讨了红外感应蛇类和穴居的盲蛇类物种特殊表型的演化遗传机制。研究发现与热响应相关的PMP22基因和与三叉神经发育相关的NFIB基因的非编码调控元件的趋同演化是部分蛇类能够感知红外光谱的重要遗传驱动力。而盲蛇类物种则通过RPGRIP1等基因的丢失及CHIA等基因的快速演化以适应穴居生活，并形成专食蚂蚁及蚂蚁卵的食性。

李家堂团队未来将聚焦开发玉米蛇为模式动物并开展演化发育生物学研究。同时，围绕蛇毒等重要遗传资源的挖掘和运用，为抗蛇毒血清及蛇毒衍生药物的研发提供科学支撑。研究团队将推动从基础科学到应用基础科学的发展，更好地服务国家重大战略需求。

本研究得到中国科学院B类先导科技专项、国家自然科学基金等项目的资助。

相关论文信息：https://doi.org/10.1016/j.cell.2023.05.030

自ONT测序数据用于基因组组装以来，适用软件一直很少，且市面上的组装软件要么极其消耗计算资源，要么组装效果非常差，该问题不仅导致大量ONT de novo项目积压、交付困难，更阻碍了高质量基因组组装及其后续科学研究，基于此希望组集团首席生信技术官胡江先生主导开发了NextDenovo软件用于解决上述组装难题。

近日，由希望组、中国科学院昆明动物研究所联合在bioRxiv预发表了题为“An efficient error correction and accurate assembly tool for noisy long reads”一文，介绍了目前广泛使用的组装工具NextDenovo，它能够快速纠正三代高错误率数据并进行后续组装，与其他类似工具相比错误更少，速度更快。

NextDenovo首先进行测序read之间的比对（图1A），然后过滤掉重复比对，同时根据比对深度分割嵌合的reads（图1B）。NextDenovo采用了kmer评分链（KSC）算法执行初始化的矫正，值得说明的是该算法也成功在我们之前发布的polish工具NextPolish中使用（图1C）。最后，从校正的区域中提取低分值区（LSR，对应高错误率区域），做进一步矫正（图1D）。进一步利用人类基因组chr.1的模拟数据和实际的生物样本测序数据，对NextDenovo、Canu（v2.0）和Necat（v0.0.1）的纠错性能进行测试。结果表明就校正速度而言，NextDenovo在模拟数据上分别比Canu和Necat快7.44倍和1.13倍，在实际生物数据上分别快69.25倍和1.63倍。对于校正后的数据大小，NextDenovo可以分别在模拟数据和实际生物数据上校正比Canu多2.21%、4.54%的数据，但比Necat少1.65%、1.00%的数据。重要的是，在模拟数据和实际生物数据上，NextDenovo校正reads的平均错误率分别比Canu低1.82%和1.31%，比Necat低0.35%和0.09%。NextDenovo校正reads的平均精度高于99%，接近PacBio-HiFi reads 准确度，而校正后reads的长度比HiFi reads长得多。总之，NextDenovo不仅纠错速度更快，而且纠错后reads错误率更低、更均匀，嵌合比例更少。

图1 NextDenovo组装示意图

研究者进一步利用NextDenovo对35名不同人种的ONT测序数据进行高质量基因组组装（其中非洲13名，东亚6名，东南亚4名，南亚6名，中东2名，欧洲2名，大洋洲1名，美国1名）（图2A）。基于单核苷酸多态性(SNPs)的主成分分析(PCA)与1000个基因组计划数据集的整合表明，35个基因组共同覆盖了现代人类存在的大部分遗传多样性。研究者首先评估了NextDenovo与Flye在人类基因组组装方面的性能（图2B）。NextDenovo和Flye组装得到的基因组大小相似（2.83 Gb），基因组覆盖率约为90.84%，但与Flye相比，NextDenovo组装覆盖了更多的单拷贝基因，保留了更多的多拷贝基因。此外，与玉米和水稻基因组组装的结果一样，NextDenovo组装比Flye组装包含更长的NGA50(大1.03-1.61倍)和更少的contigs (LGA50的68.18%-96.97%)。更重要的是，NextDenovo组装平均包含388个错误装配，约为Flye组装的70%，而NextDenovo组装的平均QV也略高于Flye组装。

图2 35个人类基因组的从头组装

片段重复（SDs）是复杂的DNA片段，具有几乎相同的序列，很难通过短读长来组装。长读长基因组测序组装技术的发展促进了SDs的检测。本研究通过使用“片段重复进化结构的Brisk推断”（BISER），确定了每个个体平均133.6Mbp的非冗余SD序列，大约相当于人类基因组的4.7%。研究结果表明，总SD大小和基因组大小之间存在显著的相关性（R2=0.9641，p<2.2e-16）。根据非洲和非非洲组装之间的SD频率差异，进一步确定了非洲特定的SD热点。结果表明，高度分化的热点在着丝粒周围区域富集（图3），这与T2T-CHM13中预测的基因组不稳定性热点一致。

长读长组装为全面发现片段重复，特别是涉及SDs的重复基因提供了希望。研究者认为这些高质量的组装应该有助于检测基因重复（图3）。特别是在10个个体(包括8个亚洲人和2个非洲人)中发现了具有开放阅读框和多个外显子的唾液淀粉酶(AMY1)基因拷贝的增加。例如，来自越南和泰国的两个人分别获得了4个和3个额外的AMY1基因，这可能有助于提高他们消化大米等淀粉类食物的能力。事实上，AMY1基因额外拷贝的获得被认为是高淀粉饮食人群的特征，尤其是东亚和东南亚人群。此外，四个基因家族簇，包括优先表达的黑色素瘤抗原（PRAME）、嗅觉受体（OR）、G抗原（GAGE）和黑色素瘤相关抗原（MAGEA），显示出具有同源基因的密集SDs簇（图3）。因此，长读测序使准确组装那些具有高度相似的同源簇特征的基因组区域成为可能，包括那些包含扩展的串联重复基因的基因组区域。

图3  重复基因和SD热点的分布

总之，本研究介绍了一种高效且准确度高的适配ONT数据的组装工具NextDenovo，该工具在测试数据和真实人类基因组的组装中效果极佳，对比其他软件优势明显，在基因组组装领域应用广泛。NextDenovo软件的使用将为种群规模的长读长数据基因组组装铺平道路，从而促进利用纳米孔长读测序数据进行人类泛基因组的构建。