IF50.5｜四代家系全基因组解析人类新发突变率

用五种测序技术拼出28人四代家系，首次看清重复区域的新发突变全貌。

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

人类新发突变（de novo mutation, DNM）是遗传病和进化的基础，但以往研究多依赖短读长测序，难以覆盖着丝粒、片段重复、Y染色体异染色质等高度重复区域。端粒到端粒（T2T）参考基因组虽然补齐了约8%的重复序列，但基于单一参考的变异检测仍存在参考偏差。CEPH 1463是一个被研究了三十年的多代家系，此前已有短读长测序的DNM数据，但重复区域的突变率仍不清楚。本研究利用五种互补的测序技术，对28名家庭成员进行全基因组测序和组装，旨在系统性地消除区域、变异类型和参考基因组带来的偏差，建立人类DNM的基准数据集。

科学问题

卡在哪里： 此前基于短读长测序的DNM研究通常报告每代约60-70个突变，但系统性地排除了基因组中最易突变的重复区域，如着丝粒、片段重复和Y染色体卫星DNA。此外，短读长难以区分生殖系突变与合子后突变，也无法准确解析串联重复的长度变化。

本文要回答： 构建一个高质量的四代家系参考资源，全面解析人类新发突变率，包括单核苷酸变异、插入缺失、串联重复和结构变异，并评估重复区域对突变率的贡献。

技术路线

作者主要用了：PacBio HiFi、ONT超长、Strand-seq、Illumina、Element AVITI。

作者对CEPH 1463家系的28名成员进行了五种测序技术的全基因组测序，其中PacBio HiFi、Illumina和Element数据来自外周血DNA，ONT超长和Strand-seq数据来自淋巴母细胞系。利用Verkko和hifiasm两种算法构建了G1-G3的单倍型分型基因组组装，G4仅用HiFi组装。通过多平台数据交叉验证，结合家系传递信息，系统性地检测了SNV、indel、串联重复和结构变异的新发突变，并利用重组图谱和单倍型分析区分生殖系突变与合子后突变。

图 1　Fig. 1。图1展示了CEPH 1463家系的28名成员及测序策略。G2-G4成员使用外周血DNA进行PacBio HiFi、Illumina和Element测序，G1-G3成员使用淋巴母细胞系进行ONT超长和Strand-seq测序。家系扩展到第四代和G3配偶，为跨代验证新发突变提供了基础。

核心亮点

亮点 1｜每代平均152个新发突变

在排除合子后突变后，作者估计每代传递98-206个新发突变，平均152个，远高于短读长研究的60-70个。其中生殖系SNV约74.5个，非串联重复indel约7.4个，串联重复来源的indel或结构变异约65.3个，着丝粒DNM约4.4个。男性个体中，Y染色体每代约12.4个新发事件。这些数据首次将重复区域纳入全基因组突变率估计，揭示了突变负荷的真实规模。

图 2　Fig. 2。图2a显示G2和G3个体中生殖系新发突变、合子后突变和indel的数量，其中G3个体还展示了串联重复DNM。图2b显示生殖系SNV的平均等位基因平衡接近0.5，而合子后SNV的平均等位基因平衡低于0.25。图2c显示生殖系SNV有显著的父本年龄效应，而合子后SNV没有。图2d显示新发SNV在着丝粒和片段重复中显著富集。

亮点 2｜串联重复是最易突变位点

作者利用TRGT对768万个串联重复位点进行基因分型，发现平均每个样本有65.3个串联重复新发突变，突变率为4.74×10^-6/位点/单倍型/代。短串联重复（STR）突变率（5.50×10^-6）高于可变数目串联重复（VNTR，0.83×10^-6）。二核苷酸基序突变率高于同聚物，且基序长度大于6 bp时突变率随基序增大而升高。75%的串联重复新发突变来自父本。此外，作者鉴定出32个跨代或同代复发的串联重复位点，其中16个位点观察到3次以上独立突变事件。

图 3　Fig. 3。图3a展示了不同基序大小的串联重复突变率，二核苷酸基序突变率最高，基序大于6 bp时突变率随基序增大而升高。图3b显示75%的串联重复新发突变来自父本。图3c和3d展示了一个跨代复发的串联重复位点，该位点有10次独立的新发扩张或收缩事件。

亮点 3｜着丝粒结构变异影响动粒位置

在288个完整组装的着丝粒中，作者评估了150次跨代传递，发现18个新发结构变异（12%），其中13个位于α-卫星高阶重复（HOR）阵列。这些变异均为HOR单元整数倍变化，大小从680 bp到12,228 bp不等。染色体6着丝粒具有最多几乎完全相同的HOR单元，也表现出最多的复发结构事件。通过CpG甲基化分析，作者发现位于CDR内的结构变异会导致CDR中心位置平均偏移约260 kb，提示着丝粒结构突变可能改变动粒附着位点。

图 4　Fig. 4。图4a总结了正确组装的着丝粒数量及跨代传递情况，其中18个着丝粒携带新发结构变异。图4b显示这些结构变异的大小分布。图4c展示了一个染色体6着丝粒α-卫星HOR阵列中的新发缺失，该缺失被传递给下一代。图4d-f展示了一个染色体9着丝粒的复杂结构变异，包括一次获得和一次丢失。图4g显示位于CDR内的结构变异导致CDR中心位置偏移。

亮点 4｜Y染色体突变率高出常染色体一个数量级

利用G1祖父的Y染色体组装作为参考，作者在5名G2-G3男性中鉴定出48个新发SNV，平均每代9.6个，突变率为1.99×10^-7/碱基/代，比常染色体高一个数量级。其中45个SNV位于Yq12异染色质卫星区域，29%的突变与Yq12其他位置完全匹配，提示基因间转换（interlocus gene conversion）驱动了这种高突变率。此外还发现9个indel和5个结构变异，后者均影响整个DYZ2重复单元。82%的Y染色体DNM位于短读长无法可靠比对的区域。

图 5　Fig. 5。图5a展示了携带R1b1a-Z302 Y染色体的9名男性家系成员及Y染色体组装的两两比较。图5b总结了Y染色体新发突变，包括48个SNV、9个indel和5个结构变异，其中大多数位于Yq12异染色质区域。图5c和5d展示了一个新发SVA插入事件，该插入在父亲中为低频率嵌合体，但在祖父的单倍型中不存在，提示该事件起源于G2的合子后阶段。

亮点 5｜16%的新发SNV为合子后起源

通过单倍型分析和等位基因平衡，作者将119个新发SNV归类为合子后突变（PZM），占常染色体新发SNV的16%。与生殖系突变不同，PZM没有父本偏倚（1.38:1），也没有亲本年龄效应。在四个有后代样本中，64.5%的PZM传递给了下一代，表明这些突变也存在于生殖细胞。PZM在片段重复中富集3.9倍，提示早期胚胎细胞分裂中的错误可能在这些区域更为频繁。

亮点 6｜重组与结构变异无关联

作者构建了高分辨率重组图谱，在22次传递中鉴定出1,503个减数分裂断点，分辨率中位数约2.5 kb。父本重组显著偏向染色体末端，母本重组事件多于父本（1.4:1）。值得注意的是，27个常染色质新发结构变异均不与重组断点重叠，不支持同源染色体间非等位同源重组（NAHR）作为这些变异的主要机制。此外，作者观察到亲本年龄与重组断点数呈负相关，但这一现象需要更多家系验证。

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、ONT超长、Strand-seq、Illumina、Element AVITI
• 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： 从事人类遗传变异、新发突变、基因组组装或重复区域分析的研究者。

带走一句

做DNM分析时，只用短读长会系统性低估突变率，尤其是重复区域；多平台长读长加家系传递验证是金标准。