2024年12月6日，来自西湖大学俞晓春团队在学术期刊《科学》上发表了标题为”The complete telomere-to-telomere sequence of a mouse genome.“的研究成果，报道了小鼠基因组端粒到端粒的完整序列。
1977年，弗雷德里克·桑格开创了第一代测序技术，虽然仅限于测试单个基因的片段，甚至一个基因的全貌。随着第二代高通量测序技术的崭露头角，这一困境有所突破，一次性解读成千上万短DNA片段；尽管依旧受制于片段长度，通常在100-300碱基对（bp）之间。至2010年左右，第三代测序技术横空出世，可以单独测序每一条DNA分子；现在，我们终于能够读取更长的DNA片段，达到10-50千碱基对（kb，1kb=1000bp）甚至更长。人类基因组约有30亿碱基对，第三代测序技术的崛起，像是为科学家解谜人类基因图谱的探索之旅加上了一记加速器。
小鼠作为生命科学研究中最普遍的实验动物和模式生物，承担着重要使命。由于许多生物实验无法在人类身上进行，因此小鼠的基因组DNA信息直接关系到人类健康的探寻。正因如此，对小鼠基因组DNA的认知与研究团队的工作息息相关。
2022年3月31日，《科学》（Science）发表文章报道了名为“端粒到端粒联盟”的国际科学团队，完成了第一个完整的、无间隙的人类基因组序列，填补了2003年“人类基因组计划”遗留下的8%尚未读取的基因区域。目前小鼠的基因“档案”中，最完整的是参考基因组GRCm39，同样也存在约7%-8%未被解析的区域。既然人类的“基因拼图”已完成，想必小鼠的“拼图”也胜利在望了？
俞晓春团队综合了众多三代基因测序技术，让它们互相补足，开发了一把能够充分挖掘小鼠基因的“金铲子”。他们以最常用的小鼠C57BL/6的单倍体胚胎干细胞（mhaESC）为样本，进行了基因测序和组装，获得了长度为2.77 Gbp（表示十亿个碱基对）的完整的高质量小鼠参考基因组序列，其中包含215.23 Mbp（表示一百万个碱基对）先前未被鉴定的序列，填补了约7.7%的基因组空白。
mhaESC基因组与先前参考基因组的共线性比对结果
基因组DNA “拼图”的步骤
第一步，测序技术把所有拼图（即片段）上的图案（即碱基对）读完；接着，计算机对这些信息进行数据处理；最后，复杂算法会完成“拼装”（即基因组组装），形成完整的全貌。这个过程涉及到了PacBio HiFi、Oxford Nanopore超长、Illumina短读长、Hi-C和BioNano光学图谱等多项基因测序技术。
关于小鼠基因的新发现
首先，发现了新的蛋白质编码基因。顾名思义，这些基因的作用是编码对应的蛋白质。与先前的参考基因组版本相比，该研究额外注释了639个蛋白质编码基因，其中先前未被发现的全新的蛋白质编码基因有140个（这是因为639个基因中部分为已知基因的“重复”拷贝）。这些新的蛋白质编码基因可能参与多种生物学过程，为未来的研究提供了新的方向。
第二，较精确地“看清”核糖体DNA的基因序列。核糖体是细胞内的“蛋白质工厂”，负责合成蛋白质。核糖体DNA是细胞中的一种特殊DNA，它专门负责编码核糖体的RNA（rRNA）——一种核糖体的重要组成部分，帮助核糖体合成蛋白。用简洁的比拟来说，核糖体DNA给出了细胞内rRNA的“蓝图”。这个发现为进一步解析核糖体潜在的蛋白质翻译功能的差异性提供参考。
第三，解析了着丝粒区域的基因序列详情。着丝粒是染色体上的一个特殊区域，帮助染色体在细胞分裂时，将遗传物质平均分配到两个新的细胞中。本研究的结果显示，小鼠各染色体之间的着丝粒长度具有明显差异，且序列内部富含转座元件和片段重复（SD），同时还有散在的基因分布，表明该区域可能会进行活跃的转录和转座事件，驱动着丝粒区域进行适应性改变等行为。对着丝粒区域的解析，有助于理解因着丝粒功能缺陷导致的染色体重排、非整倍性等相关疾病的发病机制。
总的来说这项研究对单倍体胚胎干细胞的端粒到端粒基因组进行了测序和组装。结果揭示了超过7.7%的先前未发现的小鼠基因组序列，包括核糖体DNA阵列、中心体周围和子端粒区域，以及另外140个被预测为蛋白质编码的基因，有助于解决同源基因基因组的知识空白。
文章来源：
Junli Liu, Qilin Li, Yixuan Hu, Yi Yu, Kai Zheng et al, The complete telomere-to-telomere sequence of a mouse genome. DOI: 10.1126/science.adq8191, Science：最新IF：63.714
