Проект «Геном человека»

A, C, G и T — четыре буквы, обозначающие основания ДНК.

Программа ставила задачу определить порядок оснований ДНК и создать карты и инструменты для поиска и изучения генов. Референсная последовательность задаёт общие координаты: наблюдения разных лабораторий можно отнести к одним и тем же участкам генома, не полагаясь на несовместимые локальные карты.

Её ценность состояла в создании научной инфраструктуры. Повторно используемая последовательность позволяла ставить новые вопросы о биологических функциях, эволюции и заболеваниях. Сама по себе она не объясняла функцию каждого основания и не являлась методом лечения.

Государственно финансируемый консорциум использовал иерархический подход. Крупные фрагменты ДНК, часто поддерживаемые в бактериальных искусственных хромосомах (BAC), картировали и отбирали для покрытия генома. Каждый выбранный клон делили на более мелкие фрагменты, секвенировали методом Сэнгера и вычислительно собирали из перекрывающихся прочтений. Затем сборки клонов упорядочивали в более крупную референсную последовательность.

BAC стабильно сохраняют крупные фрагменты ДНК в бактериях, оставляя картированные участки доступными для секвенирования. При секвенировании по Сэнгеру синтез копий останавливают на определённых основаниях, затем разделяют копии по длине, чтобы восстановить порядок оснований.

Карта ограничивала возможные положения фрагментов, уменьшая неоднозначность. Однако повторы могли выглядеть почти одинаково, а смещения при клонировании приводили к недостаточной представленности некоторых последовательностей. Поэтому доводка требовала прицельных дополнительных прочтений и проверки перекрытий и согласованности сборки, а не просто увеличения объёма автоматического секвенирования. Собранная последовательность — реконструкция по измерениям, а не фотография хромосомы.

Международный консорциум по секвенированию генома человека объединил 20 центров в США, Великобритании, Франции, Германии, Японии и Китае. NHGRI и Министерство энергетики возглавляли американскую часть работы; Wellcome Trust поддерживал британскую. Биологи, инженеры и специалисты по вычислениям распределили между собой масштабную производственную задачу.

В объявлении о завершении 2003 года исходная американская оценка в 3 миллиарда USD сопоставляется с сообщённой суммой 2,7 миллиарда USD, обе — в долларах 1991 финансового года. Это официальные показатели программы, а не независимо проверенная сумма мировых расходов. Более поздний материал NHGRI прямо отмечает трудность точного учёта затрат разных международных спонсоров. Последовательность была открыто предоставлена для повторного использования.

Программа осуществлялась с 1990 по 2003 год. Рабочий черновик был объявлен в июне 2000 года; в феврале 2001 года вышла статья публичного консорциума. 14 апреля 2003 года консорциум объявил о завершении программы и предоставил практически законченную референсную последовательность. Эту веху следует отличать от последующей технической публикации.

В октябре 2004 года статья о доводке описала Build 35: 2,85 миллиарда нуклеотидов, 341 пробел, около 99% эухроматина и оценочную частоту ошибок примерно 1 событие на 100 000 оснований. Эти результаты относятся к сборке, исследованной в статье; их нельзя задним числом выдавать за точные измерения из объявления апреля 2003 года. В том объявлении указывались 99% областей, содержащих гены, при точности 99,99%. Покрытие и точность измеряют разные свойства.

Эухроматин содержит большинство генов, но не составляет весь геном. Сильно повторяющиеся гетерохроматиновые области, включая центромерные, оставались трудными для расшифровки. Поэтому высокий процент покрытия эухроматина нельзя представлять как такой же процент всей ДНК человека.

Кроме того, референс был мозаикой нескольких доноров: он не описывал обе хромосомные копии одного репрезентативного человека и не являлся каталогом всей человеческой изменчивости. Полнота последовательности, правильность сборки, представленность популяций и биологическая интерпретация — отдельные требования. Достижение принятого программой стандарта доводки не устранило эти ограничения.

Статья Nurk и коллег, опубликованная 31 марта 2022 года, описала T2T-CHM13 — сборку из 3,055 миллиарда пар оснований без пробелов в последовательностях аутосом и X-хромосомы; Y-хромосома отсутствовала. Прочтения PacBio HiFi и сверхдлинные прочтения Oxford Nanopore помогли разрешить повторяющиеся области, недоступные прежним подходам. Исходная клеточная линия была почти гомозиготной, что упрощало различение хромосомных копий.

При этом статья указывает на модельные последовательности некоторых массивов рибосомной ДНК, внутренний порядок которых не был полностью определён. Поэтому «без пробелов» не означает прямого и однозначного определения каждой повторяющейся копии. T2T — достижение более позднего консорциума, а не результат, представленный проектом «Геном человека» в 2003 году. Одна сборка также не может отразить всё разнообразие человечества.

10 мая 2023 года Liao и коллеги опубликовали первый черновой пангеном HPRC: 47 фазированных диплоидных сборок, соответствующих 94 гаплотипам. Фазирование разделяет хромосомные последовательности, унаследованные от каждого родителя. Выравнивание нескольких сборок в графах вариаций позволяет представить альтернативные пути последовательности вместо сопоставления всех людей с единственным линейным эталоном.

Статья сообщает о добавлении 119 миллионов пар оснований полиморфных эухроматиновых последовательностей относительно GRCh38. В исследованных вычислительных процессах ошибки обнаружения малых вариантов сократились на 34%, а число выявленных структурных вариантов на гаплотип увеличилось на 104%. Это сравнения внутри исследования, а не универсальные улучшения и не доказательство соответствующей клинической пользы. Черновик не охватывал все варианты и не был безошибочным; сложные повторы и представленность дополнительных популяций оставались проблемами. GRCh38 — более поздний референс, а не неизменённая последовательность 2003 года.

Долговременные результаты — общедоступный референс и культура быстрого обмена последовательностями, поддержанная Бермудскими принципами. Этот ресурс повысил точность аннотации генов и сравнительного анализа геномов. Последующие результаты T2T и пангенома показывают, как другие программы смогли проверить и расширить эту основу.

Программа также поддерживала исследования этических, правовых и социальных последствий: наряду с техническими показателями важны конфиденциальность, согласие и риск генетической дискриминации. Более качественные последовательности сами по себе не устанавливают причинность заболевания и не создают терапию; интерпретация и клиническая оценка требуют дополнительных доказательств. Проект «Геном человека» остаётся завершённым. Будущие обновления этой исторической справки должны учитывать документированные переоценки и последующие результаты, не приписывая закрытой программе новые сроки или более поздние достижения.