参照ゲノム

ゲノムの長さは、複数の異なる方法で測定することができる。

ゲノムの長さを測定する簡単な方法は、アセンブリ内の塩基対の数を数えることです。^{[ 8 ]}

ゴールデンパスは、ハプロタイプや偽常染色体領域などの冗長な領域を除外した、長さの代替尺度です。^{[ 9 ] [ 10 ]}これは通常、物理マップ上にシーケンス情報を重ね合わせて足場情報を組み合わせることによって構築されます。これはゲノムがどのように見えるかの「最良の推定値」であり、通常はギャップが含まれるため、典型的な塩基対アセンブリよりも長くなります。^{[ 11 ]}

参照ゲノムのアセンブリでは、リードが重複してコンティグが作成されます。コンティグは、コンセンサス配列の連続したDNA領域です。^{[ 12 ]}コンティグ間にギャップがある場合は、PCRとシーケンスによるコンティグの増幅、または細菌人工染色体（BAC）クローニングのいずれかによって、スキャフォールディングによって埋めることができます。^{[ 13 ] [ 12 ]}これらのギャップを埋めることが常に可能とは限らないため、その場合は参照アセンブリで複数のスキャフォールドが作成されます。^{[ 14 ]}スキャフォールドは、3つのタイプに分類されます。1) 配置済み：染色体、ゲノム座標、および方向が既知。2) 未局在：染色体のみが既知で、座標または方向が不明。3) 未配置：染色体が不明。^{[ 15 ]}

コンティグとスキャフォールドの数、およびそれらの平均長は、参照ゲノムアセンブリの品質評価において、他の多くのパラメータの中でも特に重要なパラメータです。これは、元のゲノムからの最終マッピングの連続性に関する情報を提供するからです。染色体あたりのスキャフォールドの数が少なくなり、最終的に単一のスキャフォールドが染色体全体を占めるようになると、ゲノムアセンブリの連続性は高くなります。^{[ 16 ] [ 17 ] [ 18 ]}その他の関連パラメータは、N50とL50です。N50 は、アセンブリの 50% がこの長さ以上の断片に含まれているコンティグ/スキャフォールドの長さであり、L50 は、長さが N50 であるコンティグ/スキャフォールドの数です。N50 の値が高いほど L50 の値は低くなり、その逆もまた同様で、アセンブリの連続性が高いことを示しています。^{[ 19 ] [ 20 ] [ 21 ]}

ヒト参照ゲノムの原型は、ニューヨーク州バッファローの匿名ボランティア13名から得られた。ドナーは、1997年3月23日（日）付のバッファロー・ニュース紙の広告で募集された。最初の男性10名と女性10名のボランティアは、プロジェクトの遺伝カウンセラーとの面談を依頼され、血液を提供してDNAが抽出された。DNAサンプルの処理方法の結果、参照ゲノムの約80%は8名から得られた。RP11と指定された1名の男性が、ゲノム全体の66%を占めている。ABO血液型システムはヒトによって異なるが、ヒト参照ゲノムにはOアレルのみが含まれており、他のアレルは注釈されている。^{[ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ]}

DNA シーケンスのコストが下がり、新しい全ゲノムシーケンス技術が登場するにつれて、より多くのゲノム配列が生成され続けています。いくつかのケースでは、ジェームズ D. ワトソンなどの人々のゲノムが大規模並列 DNA シーケンスを使用して組み立てられました。^{[ 27 ] [ 28 ]} 参照 (アセンブリ NCBI36/hg18) とワトソンのゲノムを比較すると、330 万の単一ヌクレオチド多型の違いが明らかになり、彼の DNA の約 1.4 パーセントは参照ゲノムとまったく一致しませんでした。^{[ 26 ] [ 27 ]}大規模な変異があることがわかっている領域については、参照遺伝子座と並行して代替遺伝子座のセットが組み立てられます。

ゲノム参照コンソーシアムによってリリースされた最新のヒト参照ゲノムアセンブリは、2017年にGRCh38でした。^{[ 30 ]}いくつかのパッチが追加され、これを更新しました。最新のパッチはGRCh38.p14で、2022年2月3日に公開されました。^{[ 31 ] [ 32 ]}このビルドでは、アセンブリ全体でギャップが349個しかなく、約15万個のギャップがあった最初のバージョンと比較して大幅に改善されています。^{[ 23 ]}ギャップは主にテロメア、セントロメア、長い反復配列などの領域にあり、最大のギャップはY染色体の長腕に沿ってあり、長さが約30Mb（Y染色体の長さの約52%）の領域です。^{[ 33 ]}参照ゲノムに貢献するゲノムクローンライブラリーの数は、長年にわたって着実に増加し、60を超えているが、個々のRP11は依然として参照ゲノムの70%を占めている。^{[ 34 ]}この匿名の男性のゲノム解析は、彼がアフリカ系ヨーロッパ人の祖先であることを示唆している。^{[ 34 ]} GRCのウェブサイトによると、ヒトゲノムの次のアセンブリリリース（バージョンGRCh39）は現在「無期限延期」となっている。^{[ 35 ]}

2022年、オープンなコミュニティベースの取り組みであるテロメア-to-テロメア（T2T）コンソーシアム^{[ 36 ]}は、アセンブリにギャップのない、完全にアセンブルされた最初の参照ゲノム（バージョンT2T-CHM13）を公開しました。バージョン2.0になるまでY染色体は含まれていませんでした。^{[ 37 ] [ 38 ]}このアセンブリにより、セントロメアおよびペリセントロメア配列の進化を調べることができます。コンソーシアムは、特にシーケンスが困難な複雑な反復領域のアセンブリ、クリーニング、および検証に厳密な方法を採用しました。^{[ 39 ]}セグメント重複を正確にシーケンスするために、超長リード（>100 kb）シーケンスを使用しました。^{[ 40 ]}

T2T-CHM13は、ほぼ半数体の胞状奇胎由来の細胞株CHM13hTERTから配列決定された。「CHM」は「完全胞状奇胎」の略で、「13」はその細胞株番号である。「hTERT」は「ヒトテロメラーゼ逆転写酵素」の略である。この細胞株には、テロメア長の維持に関与し、細胞株の不死化に寄与するTERT遺伝子がトランスフェクションされている。^{[ 41 ]}胞状奇胎には同じ親ゲノムのコピーが2つ含まれているため、ほぼ半数体である。これにより対立遺伝子変異が排除され、配列決定の精度が向上する。^{[ 40 ]}

最近のゲノムアセンブリは以下のとおりです。^{[ 42 ]}

最近のマウスゲノムアセンブリは以下のとおりです。^{[ 42 ]}