Humangenomprojekt

A, C, G und T sind die vier Buchstaben zur Darstellung der DNA-Basen.

Das Programm sollte die Reihenfolge der DNA-Basen bestimmen und Karten sowie Werkzeuge zur Lokalisierung und Untersuchung von Genen bereitstellen. Eine Referenzsequenz schafft gemeinsame Koordinaten: Beobachtungen verschiedener Labore lassen sich denselben Genomregionen zuordnen, statt auf unvereinbaren lokalen Karten zu beruhen.

Ihr Wert lag in der wissenschaftlichen Infrastruktur. Eine wiederverwendbare Sequenz ermöglichte weitere Fragen zu biologischer Funktion, Evolution und Krankheiten. Sie erklärte jedoch nicht von sich aus die Funktion jeder Base und war keine Behandlung.

Das öffentliche Konsortium arbeitete hierarchisch. Große DNA-Fragmente, häufig in bakteriellen künstlichen Chromosomen (BACs) gespeichert, wurden kartiert und zur Abdeckung des Genoms ausgewählt. Jeder ausgewählte Klon wurde weiter zerlegt, mit Sanger-Chemie sequenziert und aus überlappenden Lesesequenzen rechnerisch zusammengesetzt. Anschließend wurden die Klon-Assemblies zu einer größeren Referenz angeordnet.

BACs erhalten große DNA-Fragmente stabil in Bakterien, sodass kartierte Abschnitte für die Sequenzierung verfügbar bleiben. Bei der Sanger-Sequenzierung wird die Synthese von Kopien an bestimmten Basen abgebrochen; die Kopien werden nach Länge getrennt, um die Basenreihenfolge zu rekonstruieren.

Die Karte begrenzte die möglichen Positionen der Fragmente und verringerte Mehrdeutigkeiten. Wiederholungen konnten dennoch nahezu identisch aussehen; durch Verzerrungen beim Klonieren waren manche Sequenzen unterrepräsentiert. Die Fertigstellung erforderte deshalb gezielte zusätzliche Lesesequenzen sowie Kontrollen der Überlappungen und der Assembly-Konsistenz, nicht bloß mehr automatisierte Sequenzierung. Eine zusammengesetzte Sequenz ist eine Rekonstruktion aus Messungen, keine Fotografie eines Chromosoms.

Das International Human Genome Sequencing Consortium vereinte 20 Zentren in den USA, Großbritannien, Frankreich, Deutschland, Japan und China. NHGRI und das US-Energieministerium leiteten den amerikanischen Beitrag; der Wellcome Trust unterstützte den britischen. Biologen, Ingenieure und Computerspezialisten teilten sich die verteilte Produktionsaufgabe.

Die Abschlussmitteilung von 2003 vergleicht eine ursprüngliche US-Schätzung von 3 Milliarden USD mit einem gemeldeten Betrag von 2,7 Milliarden USD, jeweils in Dollar des Haushaltsjahres 1991. Das sind offizielle Programmangaben, keine unabhängig geprüfte weltweite Gesamtausgabe. Die spätere Darstellung des NHGRI betont ausdrücklich, wie schwierig eine genaue Abrechnung über internationale Geldgeber hinweg ist. Die Sequenz wurde offen zur Wiederverwendung bereitgestellt.

Das Programm lief von 1990 bis 2003. Im Juni 2000 wurde ein Arbeitsentwurf angekündigt; im Februar 2001 folgte die Forschungsarbeit des öffentlichen Konsortiums. Am 14. April 2003 gab das Konsortium den Abschluss bekannt und stellte eine weitgehend fertiggestellte Referenz bereit. Dieser Programmmeilenstein ist von der späteren technischen Veröffentlichung zu unterscheiden.

Im Oktober 2004 beschrieb die Abschlussarbeit Build 35: 2,85 Milliarden Nukleotide, 341 Lücken, ungefähr 99 % des Euchromatins und eine geschätzte Fehlerrate von etwa 1 Ereignis je 100 000 Basen. Diese Ergebnisse gelten für die untersuchte Assembly und dürfen nicht als exakte Messwerte der Mitteilung vom April 2003 rückdatiert werden. Jene Mitteilung nannte 99 % der genhaltigen Regionen bei 99,99 % Genauigkeit. Abdeckung und Genauigkeit messen unterschiedliche Eigenschaften.

Euchromatin enthält die meisten Gene, ist aber nicht das gesamte Genom. Stark repetitive heterochromatische Bereiche, darunter Zentromerregionen, blieben schwer aufzulösen. Ein hoher Anteil abgedeckten Euchromatins darf daher nicht mit demselben Anteil an der gesamten menschlichen DNA gleichgesetzt werden.

Die Referenz war außerdem ein Mosaik mehrerer Spender, weder beide Chromosomenkopien eines repräsentativen Menschen noch ein Katalog der gesamten menschlichen Variation. Sequenzvollständigkeit, Korrektheit der Assembly, Repräsentation von Populationen und biologische Interpretation sind eigenständige Anforderungen. Das Erreichen des Fertigstellungsstandards des Programms beseitigte diese Grenzen nicht.

Die am 31. März 2022 veröffentlichte Arbeit von Nurk und Kollegen beschrieb T2T-CHM13: eine Assembly mit 3,055 Milliarden Basenpaaren ohne Sequenzlücken in den Autosomen und im X-Chromosom; das Y-Chromosom fehlte. PacBio-HiFi- und ultralange Oxford-Nanopore-Lesesequenzen halfen, zuvor unzugängliche repetitive Regionen aufzulösen. Die verwendete Zelllinie war nahezu homozygot, was die Unterscheidung der Chromosomenkopien vereinfachte.

Die Arbeit benennt weiterhin Modellsequenzen für einige ribosomale DNA-Arrays, deren interne Reihenfolge nicht vollständig aufgelöst wurde. „Lückenlos“ bedeutet also nicht, dass jede Wiederholungskopie direkt und eindeutig bestimmt wurde. T2T war die Leistung eines späteren Konsortiums, kein 2003 vom Humangenomprojekt geliefertes Ergebnis. Eine einzelne Assembly kann zudem nicht die gesamte menschliche Vielfalt repräsentieren.

Am 10. Mai 2023 veröffentlichten Liao und Kollegen den ersten HPRC-Entwurf: 47 phasierte diploide Assemblies, entsprechend 94 Haplotypen. Phasierung trennt die von den beiden Eltern geerbten Chromosomensequenzen. Die Ausrichtung mehrerer Assemblies in Variationsgraphen schafft alternative Sequenzpfade, statt alle Menschen auf eine einzige lineare Referenz abzubilden.

Die Arbeit berichtet über 119 Millionen zusätzliche Basenpaare polymorpher euchromatischer Sequenz gegenüber GRCh38. Die untersuchten Analyseverfahren verringerten Fehler bei der Erkennung kleiner Varianten um 34 % und erhöhten die Zahl erkannter Strukturvarianten pro Haplotyp um 104 %. Dies sind Vergleiche innerhalb der Studie, keine universellen Verbesserungen und kein Nachweis entsprechender klinischer Vorteile. Der Entwurf erfasste weder alle Varianten noch war er fehlerfrei; schwierige Wiederholungen und die Repräsentation weiterer Populationen blieben Herausforderungen. GRCh38 ist eine spätere Referenz, nicht die unveränderte Sequenz von 2003.

Ein dauerhaftes Ergebnis ist eine öffentlich wiederverwendbare Referenz sowie eine Kultur des schnellen Sequenzaustauschs, gestützt auf die Bermuda-Prinzipien. Die Ressource verbesserte die Präzision von Genannotation und vergleichender Genomanalyse. Die späteren T2T- und Pangenomergebnisse zeigen, wie nachfolgende Programme diese Grundlage prüfen und erweitern konnten.

Das Programm förderte auch Forschung zu ethischen, rechtlichen und sozialen Folgen: Datenschutz, Einwilligung und mögliche genetische Diskriminierung sind neben der technischen Leistung relevant. Bessere Sequenzdaten belegen nicht automatisch die Ursache einer Krankheit und liefern keine Therapie; Interpretation und klinische Bewertung benötigen zusätzliche Evidenz. Das Humangenomprojekt bleibt abgeschlossen. Künftige Aktualisierungen dieser historischen Darstellung sollten belegte Neubewertungen und Folgeergebnisse erfassen, ohne dem geschlossenen Programm neue Fristen oder spätere Leistungen zuzuschreiben.