IF31.7｜中东近完整基因组揭示近交结构并提升致病变异发现

六个中东家系的高质量组装基因组，为解析近交与罕见病提供新视角。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

长读长测序技术已使人类基因组完整组装成为常规，但已完成的参考基因组多来自欧洲或东亚人群。中东人群地处人类迁徙与文明交汇处，具有独特的遗传结构和高近亲婚配率，导致神经发育等遗传病发病率升高。然而，中东人群在基因组学研究中严重缺乏代表性，高质量组装基因组稀缺，限制了对近交如何塑造基因组结构和疾病架构的理解。

科学问题

卡在哪里： 现有参考基因组（如CHM13、HG002）主要代表欧洲或东亚血统，中东人群特有的遗传变异和单倍型结构未被充分捕获。此前对中东家系的遗传诊断多依赖短读长测序和微阵列，未能识别出致病变异，提示存在参考基因组偏差或复杂结构变异未被检出。

本文要回答： 本研究旨在利用从头组装方法构建六个中东家系的高质量基因组，解析其遗传结构、近交模式，并评估中东特异性参考基因组对变异检测和疾病诊断的价值。

技术路线

作者主要用了：PacBio HiFi、Illumina短读长、trioHifiasm、PAV、RFMix、Automap。

作者对六个中东核心家系（18个个体）进行PacBio HiFi长读长和Illumina短读长测序，利用trioHifiasm进行分型组装，获得高质量单倍型基因组。随后将组装结果与CHM13等参考基因组比对，鉴定新序列、结构变异和HLA/KIR等位基因。基于组装比对进行变异检测，结合家系分析筛选致病变异，并评估中东参考基因组对读长比对和变异检测的改善效果。

图 1　Fig. 1。图1展示六个中东家系的地理分布和遗传祖先构成。b图显示苏丹家系非洲祖先成分>99%，而卡塔尔家系GAR和PAR成分最高。c图PCA显示各家系与相应祖先群体聚类。d图局部祖先分析显示苏丹个体染色体高度同质，而其他个体存在更多混合。

核心亮点

亮点 1｜中东基因组揭示大量新序列与免疫基因新等位基因

六个中东家系的组装基因组共鉴定出42.2 Mb的新序列，其中13.8%影响已知基因。新序列主要位于着丝粒和重复区域，但非重复区域的新序列富集于外显子和内含子/UTR。在HLA和KIR基因中，共发现75个新等位基因，其中11个在编码区有突变，包括10个新错义突变。这些新等位基因的系统发育分析显示部分新等位基因聚集，提示可能来自共同创始者。

图 2　Fig. 2。图2展示组装质量指标和分型准确性。a图显示儿童组装在contig N50、QV等指标上优于父母。b图Hapmer blob图显示卡塔尔2儿童组装中母源和父源单倍型清晰分离。c图相位块NG图显示低切换错误率。d图Flagger评估显示>99%序列为可靠单倍型区块。

亮点 2｜高近交水平导致长纯合片段覆盖大量基因

中东参与者平均携带43.8 Mb的中等长度ROH和69.1 Mb的长ROH，是约鲁巴参考家系的五倍。约旦父亲的长ROH累计达174.6 Mb，其中6号染色体上52.9 Mb的ROH覆盖794个基因，12号染色体上37.6 Mb的ROH覆盖620个基因。72%的ROH片段包含至少一个pLI>0.9的蛋白编码基因，提示近交可能使隐性有害变异暴露。

图 3　Fig. 3。图3展示组装与CHM13的比对情况。a图显示各染色体比对覆盖度高。b图显示平均完整性达93%，14条染色体>99%完整。c图显示卡塔尔2儿童10号染色体由单一contig跨越着丝粒。d图显示新序列长度分布，主要位于着丝粒和重复区域。

亮点 3｜组装变异检测优于读长检测，发现新候选致病变异

基于组装的变异检测相比传统读长检测多识别出50%的候选致病变异。在六个先证者中共筛选出23个候选变异，包括16个缺失、6个插入和1个SNV，其中12个为隐性遗传，11个为新生变异。两个变异被分类为致病性，一个为可能致病性，涉及NFIX、TSC2和ABO基因。此外，在KIF1A和GABRG1等基因中发现高兴趣VUS变异。

图 4　Fig. 4。图4展示基因覆盖和HLA/KIR新等位基因。a图和b图显示蛋白编码基因等主要基因类别覆盖度达97-100%。c图显示HLA和KIR基因中CDS区新突变数量。d图HLA-DQB2系统发育树显示新等位基因与已知等位基因的聚类关系。

亮点 4｜中东参考基因组改善读长比对和变异检测

使用中东特异性参考基因组MER1（基于CHM13替换6条染色体为中东单倍型）进行比对，相比CHM13、HG002和CN1，未映射读对比例降低，单端比对读段减少。变异检测方面，MER1相比GRCh38、CN1和CHM13分别减少7.1倍、2.3倍和1.3倍的变异中位数，表明更接近的参考基因组能减少假阳性变异。

图 5　Fig. 5。图5展示结构变异和ROH分析。a图显示相比GRCh38，CHM13检出更多SV缺失。b图显示家系中特有SV在重复区域和片段重复中的分布。c图显示非非洲祖先片段变异密度低于非洲片段。d图显示中东个体ROH累计长度远高于约鲁巴参考。e图显示约旦父亲6号和12号染色体上超长ROH。f图显示ROH中pLI>0.9基因比例。g图显示候选致病变异在组装和读长检测中的差异。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： PacBio HiFi、Illumina短读长、trioHifiasm、PAV、RFMix、Automap
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事人类基因组学、罕见病遗传诊断和群体遗传学研究的科研人员。

带走一句

对于近交群体或罕见病家系，从头组装结合家系分析能显著提升致病变异检出率，并减少参考基因组偏差。