北京
基因组完成图（T2T）时代的到来，使得人类基因组研究进入了前所未有的完整阶段。然而，当组装趋于完整，如何定义和评估基因组的“正确性”便成为了摆在研究者面前的核心挑战。特别是对于着丝粒、节段性重复等复杂重复区域，传统评估方法往往产生相互矛盾的结果，让人难以判断组装序列是否真正可靠。近日，中国科学院北京基因组研究所（国家生物信息中心）康禹团队联合北京大学人民医院高占成团队、中国食品药品检定研究院黄杰团队等多家机构，在The Innovation发表了题为“Approaching an Error-Free Diploid Human Genome Using a Support-Based Validation Framework”的研究论文。研究团队提出了基于测序支持的基因组验证框架——Sufficient Alignment Support（SAS），并以此为指导完成了T2T-YAO v2.0——全球首个全基因组支持验证的二倍体人类基因组，达到接近无组装错误的质量标准，残余错误显著低于国际基准基因组HG002 v1.1。
从“找差异”到“看支持”：重新定义基因组正确性
传统基因组评估方法通常依赖测序reads与组装之间的差异信号来推断错误。然而，当这些方法被应用于T2T-YAO v1.1时，研究团队发现了不同方法给出的“残余错误”数量差异巨大：基于k-mer评估估计残余错误约为10³–10⁴个，而基于差异检查的方法识别出63,398个碱基水平差异、25.61 Mb异常覆盖区域和1,050个结构断裂。更关键的是，不同评估方法之间的一致性极低，各差异检测工具之间一致的错误碱基信号只有126个，原因在于复杂区域存在严重的平台偏倚、比对歧义和算法阈值带来的噪声，导致现有“残余错误”检测方法产生大量假阴性和假阳性判断。以这些“残余错误”指导的迭代校正，会引入大量过校正（overcorrection），无法逐渐减少残余错误和实现收敛。
面对这一困境，研究团队提出了一个根本性的思路转变：与其依赖对“差异”的推断，不如直接看“支持”——每一条测序读段都是对样本中DNA分子的独立实验观测，基因组序列的正确性应当由足够且一致的读段支持来定义。如果一个组装区域能够得到足够、协调的读段支持，它就拥有直接的实验依据；反之，缺乏充分支持的区域应被优先列为潜在残余错误并进一步核查。
基于这一原则，团队开发了SAS（Sufficient Alignment Support）框架。SAS以滑动窗口的方式扫描全基因组，直接评估每个区域是否有足够的一致reads支持，而非依赖不同工具之间的差异信号协调。在模拟SNP、Indel和倒位事件的测试中，SAS的F1分数超过0.99。应用于T2T-YAO v1.1后，SAS定位到21,511个缺乏充分支持的碱基窗口和4,438个结构窗口，这些信号主要富集在rDNA阵列、着丝粒等复杂重复区域。
图1. 基于读段支持的组装错误识别。将多种相互独立的测序技术（Element AVITI、PacBio Revio SPRQ 和 ONT ultra-long R10）以及常用的错误检测方法（SV 和 SNV 检测工具、基于 k-mer 的评估方法）应用于同一基因组组装时，所识别出的错误集合在很大程度上并不一致。这反映了不同测序平台和分析工具在比对信号以及错误定义上的差异。作者提出了一种基于支持（support-based）的组装正确性评估框架，其中，组装正确性由独立测序reads能否提供一致支持来判定。缺乏充分支持或比对支持不一致的区域被视为候选错误，从而为基因组组装评估提供一个统一的、基于实验证据的判定标准。read 比对中的红点表示 read 与组装序列之间的错配（mismatch）。
迭代校正：从v1.1到v2.0的系统性精修
SAS不仅是一把“尺子”，更是一张“地图”——它能精准定位需要修正的区域，指导迭代式精修。研究团队受到人类基因组计划“clone-by-clone”的分层范式的启发，借鉴了物理图谱→BAC文库→Sanger测序逐级精细化的策略，采用层级化修正策略：先利用Pore-C和ONT超长读段解决 Mb 至 kb 尺度的结构与连续性问题，再利用 Element Q50和HiFi数据精修碱基层面的序列。
图2.整合不同尺度测序证据的分层基因组纠错框架。 依次利用 Pore-C、ONT ultra-long reads 以及高精度测序数据（HiFi 和 Element），分别解析结构、连续性和单碱基水平的组装错误。SE，结构错误（structural error）；BE，碱基水平错误（base-level error）。
经过47轮迭代纠错，T2T-YAO v2.0最终实现：所有非rDNA区域的非同聚物相关碱基错误（nh-BE）全部清零；剩余不支持区域仅剩348个同聚物区，占全基因组位点的0.014%；结构层面，仅剩一处12 kb区域局部深度略超SAS阈值，该区域可能源于高重复序列的局部比对歧义。总体而言，SAS指导的组装迭代纠错在现有测序技术限制下，实现了对人类基因组残余错误的系统性清除，获得了结构与碱基层面均经支持验证的高质量组装。
多重独立评估：T2T-YAO v2.0的残余信号显著低于国际基准基因组HG002 v1.1
团队随后用基于k-mer、结构、覆盖度和碱基差异等多种正交方法重新评估T2T-YAO v2.0。Merqury的21-mer QV由67升至76，31-mer QV由62升至68；在加入ONT来源k-mer后，没有检测到错误21-mer，残余的“错误k-mer”来自HiFi和短读长测序偏倚无法覆盖的基因组区域，在加入ONT来源k-mer后，覆盖rDNA以外的全部基因组，使错误21-mer数量降至0。但作者同时强调：重复区域中k-mer方法灵敏度有限，因此“零错误k-mer”不能等同于“绝对零错误基因组”。
在碱基层面，多种变异识别工具检出的高置信SNV样差异（GQ>20）从v1.1的63,398个降至v2.0的2,354个。大多数剩余信号来自同聚物区域；非同聚物相关差异仅38个，其中36个位于rDNA区域，另外2个经人工检查有充分读段支持。总体上，与高质量人类基因组基准组装 HG002 v1.1 相比，在多种评估方法的平行比较下，T2T-YAO v2.0 的残余信号总体相当或更低，尤其是残余结构错误信号的数量和影响范围均明显更少。
图3. SAS评估T2T-YAO V2.0 与HG002 V1.1残存的组装错误。T2T-YAO V2.0的错误率远远小于HG002 V1.1。hBE，同聚物碱基错误。nhBE，非同聚物碱基错误。SE，结构错误。
不止于“完整”，更在于“可靠”
T2T-YAO v2.0的价值不仅在于技术层面的精良，更在于它提供了一个经过实验证据验证的东亚人群二倍体参考基因组，尤其让过去最难解析的复杂重复区域变得可比较、可解释。
在重复区域的精细解析方面，研究团队系统表征了T2T-YAO v2.0中的节段性重复、着丝粒、近端着丝粒染色体短臂和端粒区域。SD区域在两个单倍型间表现出高度共线性，但与T2T-CHM13的比较则显示出显著的结构多样性。着丝粒区域共鉴定出536种HOR单体类型、320,424个序列。全基因组共解析出2,412,242个同聚物位点。
在基因注释方面，98.65% 的T2T-CHM13注释基因成功映射到T2T-YAO v2.0至少一个单倍型。研究还鉴定出3,012个（母本）和4,112个（父本）多拷贝基因额外拷贝，其中64.18% 位于SD区域内。值得注意的是，959个多拷贝基因在T2T-YAO与T2T-CHM13间存在拷贝数差异，进一步证实了重复区域在不同人群中的巨大结构多样性。
从单一参考到群体基因组：SAS基于支持的验证范式意义
随着群体规模基因组计划的推进，完整二倍体基因组正以前所未有的速度积累。然而，如果缺乏统一的正确性评估标准，技术假象就可能被传播到参考基因组、泛基因组框架和下游生物医学分析中。
SAS框架的核心贡献在于：它提供了一种不依赖参考基因组、不依赖机器学习训练、直接基于实验证据的验证范式。更重要的是，SAS的评估和指导精修均可扩展到全基因组尺度，为群体规模的基因组精修提供了可行的技术路径。
当然，研究团队也坦诚指出了当前方法的局限性：SAS依赖reads比对，在高度重复区域仍受比对模糊性限制；同聚物区域和rDNA阵列仍是当前测序技术难以完全解决的“硬骨头”；SAS验证的是组装与测序数据的一致性，而非绝生物学正确性的证明。
尽管如此，T2T-YAO v2.0的发布标志着人类基因组学从“追求完整”迈入“追求可靠”的新阶段。随着完整的人类基因组在不同人群中不断积累，建立基因组正确性的严格标准，将成为构建可靠参考、基准基因组分析和实现精准医学的关键前提。
原文信息
论文题目：Approaching an Error-Free Diploid Human Genome Using a Support-Based Validation Framework
期刊： The Innovation
在线发表：2026年8月27日
论文链接：https://www.cell.com/the-innovation/fulltext/S2666-6758(26)00290-0
SAS代码仓库：https://github.com/KANGYUlab/sas-pipeline
T2T-YAO资源：https://github.com/KANGYUlab/T2T-YAO-resources
作者信息
中国科学院北京基因组研究所（国家生物信息中心）康禹、北京大学人民医院高占成、中国食品药品检定研究院黄杰、中国科学院大学于军为共同通讯作者；中国科学院北京基因组研究所（国家生物信息中心）楚亚男、黄濯、邵长君、临汾中心医院郭淑明为共同第一作者。
01｜
02｜
03｜
04｜
快点亮"在看”吧！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
