İnsan Y kromozomunun eksiksiz dizilimi
(nature.com)- Uzun palindromik yapılar ve tekrar dizileri nedeniyle son ana kadar boş kalan Y kromozomu T2T-Y ile tamamlandı ve insan referans genomundaki büyük bir boşluk kapatıldı
- Mevcut GRCh38-Y’de Y kromozomunun yarısından fazlası eksikti; yeni dizi 62.460.029 baz çifti (bp) uzunluğunda olup 30 milyon bp’den fazlasını ekliyor
- Tamamlanan dizi, TSPY, DAZ, RBMY gen ailelerinin amplikonik yapısını ve çoğu TSPY ailesinden olan 41 ek protein kodlayan geni ortaya çıkarıyor
- Yq12 heterokromatin bölgesinde human satellite 1·3 blokları dönüşümlü olarak görülüyor; tekrar dizileri, uydu DNA ve non-B DNA motiflerinin dağılımı kromozom genelinde analiz edilebilir hale geliyor
- T2T-Y, CHM13 genom assembly’siyle birleştirilerek 24 insan kromozomunun tamamı için eksiksiz bir referans dizi kaynağı olarak kullanılıyor
Son kalan Y kromozomu boşluğu
- İnsan Y kromozomunun dizilenmesi ve assembly’si, uzun palindromik yapılar, tandem tekrarlar ve segmental duplikasyonlar içeren karmaşık tekrar yapısı nedeniyle çok zordu
- GRCh38 referans dizisinde Y kromozomunun yarısından fazlası eksikti ve Y kromozomu tamamlanmamış son insan kromozomu olarak kalmıştı
- T2T consortium, HG002 genomundan türetilen insan Y kromozomunun eksiksiz 62.460.029 bp dizisi olan T2T-Y’yi tamamladı
- T2T-Y, GRCh38-Y’deki çeşitli hataları düzeltiyor ve referans diziye 30 milyon bp’den fazla ekliyor
Yeni ortaya çıkan genler ve tekrar yapıları
- T2T-Y, TSPY, DAZ, RBMY gen ailelerinin eksiksiz amplikonik yapısını gösteriyor
- Yeni referans dizi, çoğu TSPY ailesinden olan 41 ek protein kodlayan gen içeriyor
- Yq12 heterokromatin bölgesinde human satellite 1 ve 3 bloklarının dönüşümlü olarak göründüğü bir örüntü doğrulandı
- Assembly’nin tamamlanmasıyla Y kromozomu tekrar dizileri bütüncül olarak değerlendirilebildi ve daha önce bilinmeyen satellite array’ler de tanımlandı
- Yeni satellite array’ler çoğunlukla PAR1’deydi
- TSPY, RBMY, DAZ’dan birinin composite repeat unit’i içinde yer alan subunit repeat’ler de tanımlandı
Assembly sürecinde ortaya çıkan yapısal zorluklar
- HG002’nin X/Y kromozomu assembly’si, HiFi reads tabanlı assembly string graph ile analiz edildi
- En karmaşık tangled yapı, Y q-arm’daki heterochromatic satellite region ile sınırlıydı
- X/Y subgraph, PAR1 ve PAR2 üzerinden bağlanıyordu
- PAR1’de HiFi sequencing bias kaynaklı graph discontinuity gözlendi
- Gözlenen 11 break’in 9’u iki kromozomun PAR1 bölgelerindeydi
- Y kromozomunda 5’in 5’i PAR1’deydi
- P1–P3 palindromic region’da manual pruning ve ONT read integration ile tekrar yapısı çözüldü
- P3’ün tamamını ve P2’nin iki palindrome’unu içeren, neredeyse eksiksiz inverted tandem repeat biçimindeki 3 hairpin yapı vurgulandı
- Kalan belirsizlik, aday yeniden yapılandırmalar için ONT read alignment değerlendirmesiyle çözüldü
Strand-seq ve varyant analiziyle doğrulama
- 65 Strand-seq library’si GRCh38-Y ve T2T-Y üzerinde karşılaştırıldığında, GRCh38-Y’de birden çok reverse direction coverage spike görüldü
- Bu spike’lar HG002 ile inversion polymorphism olduğunu düşündürüyor ve haplogroup farkından kaynaklanıyor olabilir
- T2T-X ve T2T-Y’de aynı spike’ların gözlenmemesi, HG002 assembly’sinin yapı ve yön doğruluğunu doğruladı
- P5 palindromic arm’ları arasındaki unique sequence’de 3 kb inversion T2T-Y hatası olarak tanımlandı, ancak population polymorphic olduğu doğrulandığından bu assembly version’da düzeltilmedi
- T2T-Y’de her Strand-seq library’sinde strand state change rastgele dağıldı; misassembly veya collapse kanıtı yok
- Extended Data analizinde 15 kişiden 5’inin HG002’de bulunan P3 palindrome inverted variant’a sahip olduğu doğrulandı
PAR, Yq12, non-B DNA motifleri
- PAR1 subgraph’ında green edge gap ve düzensiz node coverage, PAR1 genelinde HiFi sequencing bias olduğunu gösteriyor
- PAR1, SINE repeat ve non-B DNA motifleri bakımından zengin; bu özellik sequencing gap nedeni olabilir
- T2T-Y genelindeki non-B DNA motif dağılımı analizinde, Yq’daki HSat3 ve sentromer çevresi satellite sequence’lerin A-phased repeat, direct repeat ve STR açısından daha zengin olduğu görüldü
- HSat1B, inverted repeat ve mirror repeat açısından daha zengin
- PAR region’da da non-B DNA sequence enrichment gözlendi
- TSPY gene array, G4 ve Z-DNA motifleri bakımından zengin
- Her TSPY copy’sinde, TSPY’nin yaklaşık 500 baz upstream’inde bir G4 peak bulunuyor
- Quadron score 19’u aşarsa stable G4 structure olarak kabul ediliyor
24 insan kromozomu için referans dizi kaynağı
- Araştırmacılar T2T-Y’yi mevcut CHM13 genom assembly’siyle birleştirip mevcut popülasyon varyantı, klinik varyant ve fonksiyonel genomik verilerini haritalayarak 24 insan kromozomunun tamamı için eksiksiz bir referans dizi oluşturdu
- Tüm kaynak listesi marbl/CHM13 üzerinden indirilebilir
- T2T-CHM13v2.0, T2T-CHM13+Y assembly
- reference analysis set
- gene annotation, repeat annotation, epigenetic profiles
- 1KGP ve SGDP variant-calling sonuçları
- gnomAD, ClinVar, GWAS, dbSNP veri setleri
- Assembly, NCBI ve EBI üzerinden de sağlanıyor; GenBank accession GCA_009914755.4
- Annotation ve ilgili kaynaklar UCSC Genome Browser’daki
hs1, Ensembl Genome Browser’daki T2T-CHM13v2.0 ve NCBI data-hub üzerinden de incelenebilir - Olası assembly sorunları marbl/CHM13-issues üzerinden görülebilir ve takip edilebilir
Açık analiz verileri ve kod
- 1KGP ve SGDP short-read alignment ile variant call’lar AnVIL workspace üzerinden sağlanıyor
- Gerton lab’in ham verilerine Stowers Original Data Repository üzerinden erişilebilir
- Araştırmada kullanılan sequencing data Supplementary Table 1’de listelenmiştir
- Veri analizi ve görselleştirme için geliştirilen custom code GitHub ve Zenodo’da yayımlandı
- Kullanılan yazılımlar ve parametreler, ek ayrıntılarla birlikte Supplementary Methods’ta belirtilmiştir
1 yorum
Hacker News yorumları
Eski insan genomunu çözme yarışını hatırlamayanlar için ekleyeyim: O dönemde önde giden rakipler Celera Genomics ve Human Genome Project idi.
Craig Venter’ın yönettiği Celera, dizilemeyi tamamladığını duyurmuştu; ama gerçekte genom modelini istatistiksel olarak bir araya getirmek için şuradan buradan küçük örnekler alan shotgun yöntemini kullanmıştı ve yaklaşık 5 yıl sonra tüm genomu dizilemiş olmadığını kabul etti.
Referans: https://www.technologyreview.com/2007/09/04/223919/craig-ven...
O dönemde shotgun dizileme “kestirme yol” diye eleştiriliyordu, ama bugün kromozom yürütme ortadan kalktı ve shotgun standart hâline geldi.
Yerini alacaksa Oxford Nanopore gibi uzun okuma teknolojileri alır; ancak hâlâ veri montajı gerekiyor ve uçtan uca kesintisiz diziyi doğrudan elde edecek düzeyde değil.
35 yıl önce: https://www.nytimes.com/1987/12/13/magazine/the-genome-proje...
33 yıl önce: https://www.nytimes.com/1990/06/05/science/great-15-year-pro...
29 yıl önce, rekabet kızışıyor: https://www.nytimes.com/1994/02/22/science/scientist-at-work...
24 yıl önce, rekabet sürerken: https://www.nytimes.com/1999/03/23/science/who-ll-sequence-h...
23 yıl önce, taslak tamamlandı: https://archive.nytimes.com/www.nytimes.com/library/national...
20 yıl önce: https://www.nytimes.com/2003/04/15/science/once-again-scient...
2 yıl önce: https://archive.nytimes.com/www.nytimes.com/library/national...
Celera’nın shotgun yaklaşımı, parçaları birleştirmek için muazzam hesaplama gücü ve gelişmiş algoritmalar gerektirdiğinden zorluydu; nihai montaj hesaplaması, algoritma ve veriler 64 GB paylaşımlı bellek gerektirdiği için Compaq’ın AlphaServer GS160’ında çalıştırıldı.
O dönemde GS160 devasa bir UNIX makinesiydi ve birden fazla makine arasında birleşik I/O/dosya sistemiyle sıkı şekilde kümelenebiliyordu.
Shotgun montajının başlıca yazarı, daha önce BLAST’ı geliştirmiş ve Udi Manber ile birlikte suffix array’i tasarlamış olan Gene Myers’tı.
Kamu projesinde de elle yapılan, akademik tarzda yaklaşıma bağlı kalan birçok ekip olduğu için sorunlar vardı; Eric Lander bunu endüstriyel bir sürece dönüştürdükten sonra Boston’daki MIT/Harvard özel araştırma laboratuvarı Broad Institute’un işletilmesine taşıdı.
Bugün her gün petabayt ölçeğinde dizi verisi üretilip bulutta saklanıyor ve genom, insan araştırmalarının temel aracı hâline geldi; ancak karmaşık fenotipleri anlama potansiyeli henüz tam olarak ortaya çıkmış değil.
Celera’nın yaptığı işin değeri vardı ve en azından benim izlenimime göre ne yaptıklarını da gizlemiyorlardı.
Buna “istatistiksel hile” demektense yenilik demek daha doğru.
Genetik yapı insandan insana farklıyken, insan genomunun tamamen çözüldüğünü söylemek tam olarak ne anlama geliyor, merak ediyorum.
Her insanın DNA/RNA baz dizilimi farklı değil mi?
https://www.nytimes.com/2002/04/27/us/scientist-reveals-secr...
Bildiğim kadarıyla daha yeni projeler daha geniş birey grupları kullandı.
Bazı projeler birden fazla bireyi karıştırıp birlikte diziliyor, bazıları ise her bireyi ayrı ayrı diziliyor.
İnsanlar arasındaki büyük ölçekli yapı birbirine çok benzer ve bireysel varyasyonları modellemek için gelişmiş yöntemler ortaya çıktığından bu büyük bir sorun değil.
Referans dizilim içinde alternatifleri ifade eden graf yapıları https://www.biomedcentral.com/collections/graphgenomes adresinde açıklanıyor; bunlar yalnızca tek baz farklılıklarını değil, büyük delesyonlar, yeniden düzenlenmeler ve inversiyonlar gibi daha karmaşık varyasyonları da içerebilir.
Referans genom, genomik için Rosetta Stone gibi; başka bireylerin DNA/RNA dizilimlerini referansa hizalayıp anlamak ve karşılaştırmak için bir ölçüt olur.
Kusursuz değildir; referansta eksik bölgeler veya çok değişken DNA bölgeleri olabilir.
Human Pangenome Reference Consortium’ın (HPRC) https://humanpangenome.org/ amacı, bu sorunu çözmek için çeşitli popülasyonlardan bireyleri dizilemek; ayrıca popülasyon genelindeki verileri analiz edecek yeni hesaplama modelleri de geliştiriliyor.
Diğer kromozomlara da benzer bir yöntem uygulandı.
Genom, çok sayıda [ATCG]+ megabayttan oluşuyorsa, o dizilime sahip olmak bize ne söylüyor diye merak ediyorum.
Sadece bakıp “ha, ...ATGCTACGACTACGACTAGCG... ilginçmiş” mi diyoruz?
Bu yılın başlarında Guarracino ve Garrison’ın Nature makalesi de dahil olmak üzere dikkat çeken makaleler vardı.
Pangenom genellikle bir türün yüzlerce veya daha fazla genomunu/haplotipini birbirine bağlayan karmaşık bir graf modelidir; kavramsal olarak türlerin ötesine ya da tek bir bireyin içindeki hücrelere, örneğin kanser pangenomuna da genişletilebilir.
İdealleştirilmiş bir insan pangenom grafında her kişi, her otozom üzerindeki iki iplik ve X·Y kromozomları ile mitokondriyal genomdan geçen iplikler olarak temsil edilir.
Gen dizilemenin zor olmasının nedeni, çoğu yöntemin uzun gen dizilimlerini önce rastgele parçalara ayırıp sonra her parçayı ayrı ayrı dizilemesi diye anlıyorum.
Tüm genomu elde etmek için bu parçaları tekrar doğru sıraya dizmek gerekir; parçalar arasında örtüşme olduğu için bu mümkün olsa da, tekrar eden bölgeler varsa yalnızca örtüşmeye bakarak doğru şekilde birleştirmek zordur.
Nanopore adlı yeni bir teknik de var; DNA’yı gerçekten küçük bir delikten geçiriyor ve deliğin içindeki baz çiftine göre elektriksel özelliklerin değişmesine dayanıyor.
Ancak dizilime bağlı olarak deterministik biçimde hata üretmeye yatkın; makalenin tamamını göremediğim için burada tam olarak ne yaptıklarını bilmiyorum ama iki yaklaşımı birleştirdiklerini duymuştum.
Ardından HiFi contig’lerini birbirine bağlamak ve kromozomun gerçekten zorlu bölgelerini kapsamak için Nanopore dizileme kullandılar.
Doğru anladığım kadarıyla, modern büyük ölçekli dizilemenin tamamı shotgun dizilemedir.
DNA rastgele parçalanır, her parça dizilenir ve ardından tekil parçalar olan okumalar bir genom montajlayıcı ile birleştirilir.
İnsan genomu kayıtlarıyla ilgili hep aklımda olan “aptalca bir soru” var.
Hepimizin DNA’sı farklıyken, “insan genomu” ortalama DNA gibi bir şey mi, örnek alınan birinin DNA’sı mı, yoksa hepimizde ortak olan şeylerin bir özeti mi, merak ediyorum.
İnsanlar arasındaki fark, 3 milyar baz içinde birkaç milyon baz kadar; görece küçük.
Tarihsel olarak referans genom, birkaç bireyin ortalaması/mozaği gibiydi; eksileri açık olsa da okumaları çoğunlukla doğru konumlara yerleştirmek ve incelenen genomu kendine özgü kılan farklar olan varyantları çağırmak için yeterliydi.
En yeni uçtan uca T2T referansı, uzun okuma teknolojisinden gelen yeni bilgiler sayesinde tamamen Utah’taki HG002 bireyine dayanıyor.
Genomun popülasyon modeli gerekiyorsa pangenom gerekir.
“pangenome graph”, “variation graph” ve human pangenome project’e bakabilirsiniz.
Bu haberin tarihi şimdi değil, geçen Aralık olmalı.
T2T ekibi geçen Aralık ayında preprint’i [1] yayımladı ve Mart’ta verileri [2] açtı; ancak hakem değerlendirmesi süreci nedeniyle Nature’da resmen ancak şimdi yayımlandı.
Yayın takvimi gerçekten yavaş olabiliyor; ilgili bilim insanları bunu zaten biliyor ve bu montaj üzerinde çalışıyorlarken, böyle durumlarda biçimsel yayının ne anlamı olduğu sorgulanabilir.
[1] https://www.biorxiv.org/content/10.1101/2022.12.01.518724v1....
[2] https://github.com/marbl/CHM13
Bu, “çalışan bir klavye sürücüsü var” durumuna mı daha yakın, yoksa “standart 104 tuşlu US QWERTY dizilimindeki 104 tuşun tamamını tanımladık” durumuna mı?
Bazı CNC komutlarını anlıyoruz ama kontrol mekanizması ya da sıralama hakkında henüz iyi bir anlayış yok
Bir gün tuşları tanımlayacağız ama sürücüye hâlâ çok uzağız; daha da önemlisi, her tuşun ne yaptığını anlamaya da hâlâ çok uzağız
Yalnız ham verideki belirli bitleri değiştirince klavyenin ilginç şekillerde bozulduğunu keşfettik
Bu epey büyük bir olay
Artık 24 kromozomun tamamının eksiksiz çözümlendiği anlamına geliyor; özette yazdığı gibi Y kromozomu, özellikleri nedeniyle bugüne kadar çözümlenmesi zor olmuştu
Sonra 2022'de bitti, şimdi de yine bitti deniyor
İleride “yeniden tamamlandı”ya giden başka kalan kilometre taşları var mı merak ediyorum
Y kromozomu gerçekten şimdiye kadar bir istisna olarak mı görülüyordu?
Konudan biraz saparak, çok eğlenceli ve öğretici bir kitap olarak Steve Jones'un Y - The Descent of Man kitabını şiddetle öneririm
Daha fazla kromozomun haritalanıp çözümlendiğini görmek heyecan verici
Lise düzeyi biyoloji bilgisiyle sorarsam, genler, gen ifadesi ve etkileşimler konusunda korelasyonun ötesine geçip kesin bir anlayışa ulaşmış durumda mıyız, merak ediyorum
“Mavi göz”ü örnek alırsak [1], OCA2'nin kahverengi/mavi göz renginde rol oynadığını biliyoruz; ama geri kalan 20.000 genin hiç rol oynamadığından ya da gerekli olmadığından emin olabilir miyiz?
Sıradan biri gibi tahmin yürütürsem, mavi göz elde etmek için birden fazla genin hepsinin açık, etkin ya da mevcut olması gerekiyormuş gibi geliyor; tek bir konumdaki basit bir on/off durumundan çok bir tarife benziyor
[0] https://www.goodreads.com/work/editions/436071-y-the-descent...
[1] https://www.nature.com/articles/s41433-021-01749-x
Sorun, mavi gözü nasıl tanımlayacağımızla başlıyor
Tek bir fenotip değil; mavi gözün farklı aralıkları var ve bu farklar insanlar arasındaki oldukça küçük varyasyonlara karşılık geliyor
Bağlantısını verdiğin makale [1] oldukça iyi, ama tam olarak anlamak için epey zaman gerekiyor
Sonuçta mavi gözlere sahip olmak için gözlerinizin olması gerekir; rengi kontrol etmek için de gözleri açmayı sağlayan çeşitli düzeneklere ihtiyaç vardır
Örneğin görece yakın zamanda epigenetik büyük ilerleme kaydetti; geniş anlamıyla, DNA'nın kendisi değişmeden hücre davranışının nasıl değiştiğini inceler [1]
Bu da çevresel etkiler ile genetik etkiler arasındaki eski soruyu daha ayrıntılı biçimde yeniden sormamıza yol açıyor
Göz rengini belirlemede kaç kromozomun rol oynadığından tamamen emin değiliz, ama oldukça iyi tahminler var
Güncel tahminlere göre sayı yaklaşık 16; OCA2 ve HERC2 en büyük etkiye sahip, ancak pek çok başka gen de küçük etkiler yapıyor [2]
Alıntı yapılan makale mükemmel, ama gen düzenlenmesi, intronlar ve ekzonlar gibi standart lise biyolojisinden çok üniversiteye giriş/AP Biology düzeyine daha yakın konuları da ele alıyor
Daha genel olarak, genetikte herhangi bir şeyi %100 tam kesinlikle söyleyebileceğimiz bir aşamaya yakında ulaşmanın zor olduğunu düşünüyorum
Genetik ve genel olarak biyoloji muazzam ilerleme kaydetti, ama insan genomunun karmaşıklığını doğal olarak hafife almamak gerekir
Henüz anlamadığımız şeyler kesinlikle var ve bir süre daha böyle olacak
Pratikte, göz rengi gibi basit bir fenotipte bile başka genler etkili olabilir; ancak genellikle birkaç genle bile oldukça doğru tahmin yapılabilir
Örneğin bir çalışma, yalnızca 6 genle göz rengini yaklaşık %75 doğrulukla tahmin etti [3]
Daha ilginç olan, fenotipi etkileyen bir genin, o özelliği belirleyen genetik bilgiyi doğrudan depolamadığı durumların da olabilmesi
Yani o gen özelliği doğrudan belirlemez; başka bir geni etkiler ve o başka gen, özelliğin ifade edilmesinde daha doğrudan rol oynar
Birden fazla genin birbirini ve başka genleri etkilediğini, ayrıca çalışmalarda çevresel ve demografik yanlılıkların da dikkate alınması gerektiğini düşününce genetiğin ne kadar hızlı karmaşıklaştığı görülüyor
[1] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2791696/
[2] https://www.nature.com/articles/jhg2010126
[3] https://doi.org/10.1016/j.cub.2009.01.027
Bu heyecan verici bir haber
Bu çalışmanın uygulamalarını öğrenmek isterseniz şu ACM SIGPLAN açılış konuşmasına bakabilirsiniz: https://youtu.be/JTU3JYp3JYc?si=jOZz611ATQar3Gec
DNA'yı anlamama, bütün bir lise biyoloji dersinden daha fazla yardımcı oldu