Science：告别序列依赖，为你的染色体“扫码”——每条染色体竟自带独一无二的“条形码

基因组的 百慕大三角 ：为什么着丝粒如此神秘？

如果你正在拼一幅巨大的拼图，大部分区域，比如风景、建筑，都有着清晰的特征，让你能按图索骥。但突然，你遇到了一大片纯蓝色的天空，成千上万的拼图块看起来一模一样。这就是研究人员在面对着丝粒时的窘境。

人类的着丝粒主要由一种叫做 -卫星DNA(alpha-satellite DNA, aSat)的序列大量串联重复而成。这些重复单元（称为单体 (monomer)）的长度大约为171个碱基对，它们成千上万地排列在一起，构成了长达数百万个碱基对的巨大阵列。更复杂的是，这些重复序列并非一成不变。在不同的人之间，甚至在同一个人的两条同源染色体之间，着丝粒的DNA序列、长度和结构都存在巨大差异。这种 快速进化 的特性，使得通过传统的序列比对方法来研究着丝粒，就像在流沙上建造城堡一样困难。

然而，功能上的保守性提示我们，背后必有蹊跷。无论DNA序列如何变化，着丝粒都必须精确地执行其在细胞分裂中的 牵引绳 功能。这暗示着，决定着丝粒功能的，可能并非DNA序列本身，而是基于这些序列形成的、一种更高级的结构或 表观遗传 标记。

在这片混乱的 -卫星DNA海洋中，有一个相对稳定的 灯塔 着丝粒蛋白B (CENP-B)。它是目前已知的唯一能直接结合特定DNA序列的着丝粒蛋白。它识别并结合的是一个长约17个核苷酸的特定序列，被称为CENP-B盒 (CENP-B box)。

研究人员提出了一个大胆而巧妙的假设：既然直接比较那些杂乱无章的 -卫星DNA序列行不通，那么，我们能否忽略序列本身，转而关注这些CENP-B盒 灯塔 的空间分布规律呢？或许，在不同的染色体上，这些CENP-B盒之间的距离 (distance)遵循着某种特定的、被保守下来的 节拍 或 韵律 。如果这个假设成立，我们就能将复杂难解的DNA序列 解码 成一组简单的数字 也就是这些灯塔之间的距离值，从而找到一种全新的、可量化的方式来描述和比较着丝粒。

为了验证这一想法，他们开发了一套名为 基因组着丝粒分析 (Genomic Centromere Profiling,GCP)的计算流程。这个工具的核心功能，就是自动化地在整个基因组中定位每一个CENP-B盒，并精确计算出相邻两个CENP-B盒之间的碱基对距离。这就像是给基因组配备了一把高精度的 数字尺子 ，专门用来测量这些关键地标之间的间距。

从混乱中发现秩序：每条染色体都有自己的 节拍

当研究人员将GCP流程应用于目前最完整的人类参考基因组 T2T-CHM13 时，惊人的发现出现了。分析结果显示，CENP-B盒之间的距离并非随机分布，而是集中在几个特定的数值范围内。这些距离值背后，隐藏着着丝粒的基本结构单元 -卫星单体的组织方式。例如，一个约150个碱基对 (bp)的距离，意味着几乎每一个 (every-monomer) -卫星单体上都有一个CENP-B盒。一个约323 bp的距离，则对应着 隔一模式 (every-other-monomer)，即一个单体有CENP-B盒，下一个则没有，如此交替出现，这也是在大多数染色体中最常见的组织形式。此外，还存在着约492 bp（隔二模式）、663 bp（隔三模式）、833 bp（隔四模式）等更长的距离。

这仅仅是开始。真正让研究人员兴奋的是，当他们将这些距离数据按染色体进行分类后，一幅壮观的图景展现在眼前。他们绘制了一张热图，图中每一行代表一个特定的距离值，每一列代表一条染色体，颜色的深浅则表示该距离在对应染色体上出现的频率。

这张热图清晰地揭示了：每条人类染色体都拥有一套独一无二的、由CENP-B盒间距构成的 条形码 ！

例如，17号染色体的 条形码 以高频率的 每一模式 （约148-150 bp）为主，显示出非常密集的CENP-B盒排布。而X染色体则是一个 异类 ，它的条形码中几乎完全没有最常见的 隔一模式 （323 bp左右的距离），其最主要的节拍是 隔二模式 （约494 bp）和 隔四模式 （约833 bp），这表明X染色体的着丝粒经历了一条与众不同的演化路径。其他染色体，如1、5、19号染色体等，则共享着一种以 隔一模式 （约320、322、324 bp）为主的相似条形码，但彼此之间仍有细微差别。

这个发现的意义是革命性的。它意味着，我们终于有了一种不依赖于DNA序列比对，却能精确区分不同染色体着丝粒的方法。这个 条形码 就像是每条染色体的 身份证 。为了验证其普适性，研究人员将分析扩展到了更多的人类基因组样本中，包括来自不同个体的RPE-1和HG002细胞系的二倍体基因组。结果令人振奋：无论是在不同个体间，还是在同一个体的两条同源染色体之间，这种染色体特异性的 条形码 都表现出了高度的保守性。这有力地证明，这套 节拍系统 并非偶然，而是被写进人类遗传物质深处的一套稳定而古老的建筑规则。

不止于中心：绘制全新的全基因组 CENP-B导航图

随着研究的深入，一个更大的惊喜浮出水面。研究人员发现，CENP-B盒并非只存在于着丝粒这个 核心区 。它们实际上像星辰一样，散布在每条染色体的整个臂区 (chromosome arms)！这些位于着丝粒之外的CENP-B盒，被研究人员命名为 外着丝粒序列 (ectocentromeric sequences,ECSs)。

更令人惊讶的是，就连过去被认为完全没有CENP-B盒的Y染色体，也被发现其臂区上存在着这些序列。这些臂区上的CENP-B盒同样不是随机散落的，它们的排布位置、方向（正向或反向）以及组织方式，也构成了每条染色体独有的模式。

基于这一发现，研究人员构建了一幅前所未有的全基因组地图。他们将这种利用着丝粒元件（CENP-B盒）的分布模式来定义基因组特征的方法，巧妙地命名为 Cen-teny 一个融合了 Centromere （着丝粒）和 Synteny （同线性）的自创新词。这幅 Centeny图谱 ，用不同颜色的标记（例如，蓝色代表正向，红色代表反向）在每条染色体上标注出所有CENP-B盒的位置和方向。

这幅图谱就像一个高精度的全基因组GPS导航系统，其威力很快就得到了证实。研究人员分析了一个已知的特殊细胞系 RPE-1，该细胞系的X染色体发生了一次易位 (translocation)，其长臂的末端与10号染色体长臂的一部分发生了交换。在 Centeny图谱 上，这一切变得一目了然。研究人员发现，在这条衍生X染色体上，其 Centeny图谱 前半部分完美匹配正常的X染色体 条形码 ，但在易位断点之后，图谱模式突然切换，变成了10号染色体长臂所特有的 条形码 ！这种清晰的模式拼接，如同一份不容置疑的 法证报告 ，地指出了结构变异的发生位置和拼接来源。

解码着丝粒的 三板斧 ：分类，寻踪，和纠错

有了这套强大的GCP流程和 Centeny 概念，研究人员进一步开发了三个环环相扣的分析模型，如同三板斧，精准地劈开了着丝粒研究中的重重迷雾。

第一板斧：基于 条形码 的染色体家族重分类 (Model 1)。过去，研究人员根据 -卫星单体的序列相似性，将人类染色体划分为几个 超家族 。现在，研究人员利用CENP-B盒间距的 条形码 作为特征，对人类染色体进行了重新聚类。结果显示，染色体被分成了四个主要的新 超家族 ，例如4、18、9、11号染色体聚为一类，而X和17号染色体则因其独特的 条形码 自成一派。

第二板斧：追踪着丝粒的 分层演化 历史 (Model 2)。着丝粒如何演化？一个流行的理论是 分层扩张 。研究人员的第二个模型，巧妙地将这一过程可视化了。他们用不同的颜色表示CENP-B盒在连续单体中的出现模式，形成了一幅 彩虹图 。在X染色体的 彩虹图 上，他们观察到主区域呈现稳定的 隔二模式 ，但在其一侧，出现了一个明显的 扩张区 ，模式突然变成了密度急剧下降的 隔八模式 。这幅图生动地描绘了X染色体着丝粒的演化史。

第三板斧：利用 节拍模块 进行精准注释和纠错 (Model 3)。研究人员提出了 k-pattern 即由k个连续的CENP-B盒间距值组成的 节拍模块 。每个染色体都有一套独特的 k-pattern 曲库。这个模型被用作一个高精度的 探针 来注释精细结构。例如，在1号染色体一个长达1.7兆碱基对的倒位 (inversion)区域，尽管发生了剧烈的结构重排，倒位内部的 k-pattern 节拍模块却几乎完美保留，表明维持正确的 节拍 对于功能至关重要。这个模型甚至能直接从原始测序数据中 打捞 出特定染色体的着丝粒片段。

跨越个体与物种的 通用语言 ：从人类泛基因组到灵长类近亲

这项研究的视野并未止步于单个参考基因组。为了验证这套 条形码 系统的普适性，研究人员将其应用到了人类泛基因组参考联盟 (HPRC)的海量数据中，分析了来自全球不同人群的225个单倍型。结果再次印证了他们的发现：CENP-B盒的染色体特异性模式在整个人类群体中都惊人地保守。同时，这个工具也展现了其作为基因组 质检员 的威力，轻易地就识别出了一些在组装过程中被错误分配的DNA片段。

最后，研究人员将目光投向了更广阔的演化时空，他们分析了我们最亲近的灵长类亲戚 黑猩猩 (chimpanzee)、倭黑猩猩 (bonobo)和大猩猩 (gorilla)的基因组。分析结果为这个故事写下了最辉煌的注脚：构成人类染色体 条形码 的核心距离值，在这些灵长类物种中同样存在！尽管物种之间存在数百万年的演化差距，这套基本 语法规则 却被保留了下来。

这一发现强烈地暗示，我们今天在人类染色体上看到的这套 条形码 系统，并非新生事物，而是一个在数千万年前的灵长类共同祖先中就已经存在的、深刻烙印在基因组中的古老建筑蓝图。

一把解开 生命暗物质 的钥匙

这项杰出的研究，为我们打开了一扇全新的窗户，让我们得以窥见基因组 禁区 着丝粒 内部的深刻秩序。它告诉我们，生命的编码方式远比我们想象的要丰富。有时，信息并不在于 字母 （DNA序列），而在于 节奏 （功能基序的间距）。

研究人员发现的染色体特异性 条形码 和绘制的 Centeny图谱 ，以及他们开发的GCP分析工具箱，共同构成了一套革命性的研究框架。它不仅能帮助我们以前所未有的分辨率和可扩展性来注释、比较和理解着丝粒，还能快速识别染色体结构变异，评估基因组组装质量，并追溯染色体的演化历史。

更重要的是，这项工作开启了无数新的可能性。散布在染色体臂区的那些 外着丝粒序列 (ECSs) 究竟扮演着什么角色？它们是否参与了染色质的高级折叠，或者调控着基因的表达？这些 条形码 在癌症等疾病中是否会发生改变？我们能否利用这套系统去探索更多物种的基因组奥秘？

这把钥匙已经交到我们手中，通往生命 暗物质 世界的大门已经敞开。一个关于着丝粒生物学的全新探索时代，正等待着我们去开启。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻