填补整个基因组的空白：从端粒到端粒的个性化基因组学的愿景

科学问题

人类基因组学长期依赖单一参考基因组比对短读长数据，但复杂重复序列常因拼接困难而被遗漏。这导致近15%的基因组区域无法有效比对，难以准确解析非编码调控区与多拷贝变异。本文旨在探讨如何结合长读长测序算法突破与人工智能序列预测模型，构建包含完整单倍型相位的个人T2T基因组，进而实现从变异检测到功能预测的范式转变。

背景与领域脉络

人类基因组计划虽在2001年公布草图，但受限于当时的克隆与测序技术，遗漏了约8%富含高度重复序列的关键区域。此后二十年间，二代全基因组重测序虽成为主流，但短读长策略无法跨越着丝粒和片段重复，导致大量复杂变异被严重低估。直到纳米孔超长测序与高保真长读长技术融合，加之新型图组装算法的演进，研究人员才在2022年首次破译T2T-CHM13完整人类基因组。如今AI模型蓬勃发展，为彻底解读这些盲区的功能机制创造了前所未有的契机。

方法与技术路线

本文系统归纳了T2T基因组重建与下游功能建模的技术路线。在测序平台方面，研究整合了读长达兆碱基级别的牛津纳米孔超长测序，以及准确率超过99.9%的PacBio HiFi高保真测序。算法层面依托Verkko等双图组装工具，并结合Hi-C或家系三联体数据完成二倍体基因组定相。验证策略涵盖HG002、YAO和I002C等活体样本，以及RPE-1、KOLF2.1J和H9等细胞系。研究还将表观修饰、长读长转录组与AlphaGenome等AI大模型串联，以评估调控变异效应。

主要结果

创新点

本文颠覆了依赖单一人类参考基因组（如GRCh38）比对变异的传统范式，提出了“以个体为中心”的个性化T2T全基因组分析路线。过去的二代短读长重测序难以跨越复杂重复区，导致约15%的关键功能区沦为盲区。本文主张直接完成个体的高精度二倍体无缝组装，并首次明确将T2T完整组装、单倍型定相多组学数据与序列到功能AI模型深度整合，为彻底解密非编码调控密码提供了全新的计算架构。

意义与影响

该路线将临床精准医学从粗放的已知靶向Panel筛查，升级为全基因组无盲区查询。这不仅能彻底检出致病性微卫星与串联重复扩增，还解决了复杂单倍型结构变异导致的误诊难题。在基础研究层面，无缝基因组消除了转录组与表观组比对歧义，使顺式调控元件与其靶等位基因的配对误差基本归零。这为开发通用型基因组基础AI模型铺平了道路，加速推动了生命蓝图由被动读取走向机制预测。

局限与待验证

目前全自动完成无差错二倍体T2T组装仍有技术难度，高同源性极度均一的串联卫星区仍可能残留拼接缺口与定相错误。其次，长读长测序与深层多组学联合采集成倍推高了检测成本，限制了其在临床大规模筛查中的即刻普及。此外，复杂环境与时间维度的远端基因调控规律极其繁复，AI模型目前的跨组织泛化预测精度依然有待严格验证。

对我们的相关性

做基因组学与遗传学的研究者可直接借鉴双图组装与超长长读长定相策略，将关注点从SNP转向此前无法检测的着丝粒重复扩增。单细胞与空间组学学者可借助个性化单倍型参考序列，精确将RNA读长或染色质可及性信号分配至父本或母本等位基因，规避比对偏差。对于生物AI开发者，本文指明了极具价值的训练底座：唯有采用完全对齐的完整单倍型组学数据，才能训练出不具系统性偏差的序列到功能大模型。

术语速查