- Kromosom Y yang masih menyisakan celah hingga terakhir karena struktur palindrom panjang dan sekuens berulang kini diselesaikan sebagai T2T-Y, menutup kekosongan besar dalam genom referensi manusia
- GRCh38-Y sebelumnya kehilangan lebih dari separuh kromosom Y, dan sekuens baru berskala 62.460.029 pasangan basa (bp) menambahkan lebih dari 30 juta bp
- Sekuens lengkap ini mengungkap lebih jauh struktur ampliconic dari famili gen TSPY, DAZ, RBMY serta 41 gen pengode protein tambahan yang sebagian besar berasal dari keluarga TSPY
- Di wilayah heterokromatin Yq12, blok human satellite 1·3 muncul secara bergantian, sehingga distribusi sekuens berulang, DNA satelit, dan motif non-B DNA dapat dianalisis di seluruh kromosom
- T2T-Y digabungkan dengan perakitan genom CHM13 dan dimanfaatkan sebagai sumber daya sekuens referensi lengkap untuk seluruh 24 kromosom manusia
Celah terakhir yang tersisa pada kromosom Y
- Kromosom Y manusia sangat sulit untuk disequencing dan dirakit karena struktur berulang yang kompleks yang mencakup palindrom panjang, pengulangan tandem, dan duplikasi segmental
- Dalam sekuens referensi GRCh38, lebih dari separuh kromosom Y hilang, sehingga kromosom Y tetap menjadi kromosom manusia terakhir yang belum selesai
- Konsorsium T2T menyelesaikan T2T-Y, yaitu sekuens lengkap kromosom Y manusia sepanjang 62.460.029 bp yang berasal dari genom HG002
- T2T-Y memperbaiki berbagai kesalahan pada GRCh38-Y dan menambahkan lebih dari 30 juta bp ke sekuens referensi
Gen dan struktur berulang yang baru terungkap
- T2T-Y menunjukkan struktur ampliconic lengkap dari famili gen TSPY, DAZ, RBMY
- Sekuens referensi baru ini juga mencakup tambahan 41 gen pengode protein, yang sebagian besar merupakan keluarga TSPY
- Di wilayah heterokromatin Yq12, terkonfirmasi pola kemunculan bergantian blok human satellite 1 dan 3
- Dengan selesainya perakitan, sekuens berulang pada kromosom Y dapat dievaluasi secara menyeluruh, dan array satelit yang sebelumnya belum diketahui juga berhasil diidentifikasi
- Array satelit baru terutama berada di PAR1
- Subunit repeat yang termasuk dalam satu composite repeat unit dari salah satu di antara TSPY, RBMY, atau DAZ juga berhasil diidentifikasi
Tantangan struktural yang terungkap selama proses perakitan
- Perakitan kromosom X/Y dari HG002 dianalisis menggunakan assembly string graph berbasis HiFi reads
- Struktur tangled yang paling kompleks terbatas pada wilayah satelit heterokromatik di lengan q kromosom Y
- Subgraf X/Y terhubung di PAR1 dan PAR2
- Di PAR1, teramati graph discontinuity akibat bias sequencing HiFi
- Dari 11 break yang teramati, 9 berada pada PAR1 di kedua kromosom
- Pada kromosom Y, 5 dari 5 break berada di PAR1
- Di wilayah palindromik P1–P3, struktur berulang diselesaikan melalui manual pruning dan integrasi ONT read
- Disorot 3 struktur hairpin berbentuk inverted tandem repeat yang nyaris lengkap, mencakup seluruh P3 dan dua palindrome pada P2
- Ambiguitas yang tersisa diselesaikan dengan evaluasi alignment ONT read terhadap kandidat rekonstruksi
Verifikasi Strand-seq dan analisis varian
- Hasil perbandingan 65 library Strand-seq terhadap GRCh38-Y dan T2T-Y menunjukkan beberapa reverse direction coverage spike pada GRCh38-Y
- Spike ini mengindikasikan inversion polymorphism terhadap HG002, kemungkinan karena perbedaan haplogroup
- Spike yang sama tidak teramati pada T2T-X dan T2T-Y, sehingga akurasi struktur dan orientasi assembly HG002 terkonfirmasi
- Pada unique sequence di antara lengan palindromik P5, inversi 3 kb diidentifikasi sebagai kesalahan T2T-Y, tetapi karena dikonfirmasi sebagai polymorphic pada populasi, kesalahan ini tidak diperbaiki pada versi assembly ini
- Pada T2T-Y, strand state change di tiap library Strand-seq terdistribusi acak, tanpa bukti misassembly maupun collapse
- Analisis Extended Data mengonfirmasi bahwa 5 dari 15 orang memiliki varian inverted palindrome P3 yang ada pada HG002
PAR, Yq12, motif non-B DNA
- Pada subgraf PAR1, green edge gap dan node coverage yang tidak merata menunjukkan bias sequencing HiFi di seluruh PAR1
- PAR1 kaya akan SINE repeat dan motif non-B DNA, dan karakteristik ini mungkin menjadi penyebab sequencing gap
- Analisis distribusi motif non-B DNA di seluruh T2T-Y menunjukkan bahwa HSat3 pada Yq dan sekuens satelit di sekitar sentromer lebih kaya akan A-phased repeat, direct repeat, dan STR
- HSat1B lebih kaya akan inverted repeat dan mirror repeat
- Di wilayah PAR juga teramati pengayaan sekuens non-B DNA
- Array gen TSPY kaya akan motif G4 dan Z-DNA
- Pada setiap copy TSPY terdapat satu puncak G4 sekitar 500 basa di hulu TSPY
- Jika skor Quadron melebihi 19, struktur G4 dianggap stabil
Sumber daya sekuens referensi untuk 24 kromosom manusia
- Para peneliti menggabungkan T2T-Y dengan perakitan genom CHM13 yang sudah ada, lalu memetakan data varian populasi, varian klinis, dan genomika fungsional yang tersedia untuk membuat sekuens referensi lengkap bagi seluruh 24 kromosom manusia
- Daftar lengkap sumber daya dapat diunduh dari marbl/CHM13
- T2T-CHM13v2.0, T2T-CHM13+Y assembly
- reference analysis set
- gene annotation, repeat annotation, epigenetic profiles
- hasil variant-calling 1KGP dan SGDP
- dataset gnomAD, ClinVar, GWAS, dbSNP
- Assembly juga tersedia melalui NCBI dan EBI, dengan accession GenBank GCA_009914755.4
- Annotation dan sumber daya terkait juga dapat dijelajahi melalui
hs1di UCSC Genome Browser, T2T-CHM13v2.0 di Ensembl Genome Browser, serta NCBI data-hub - Potensi isu assembly dapat diperiksa dan dilacak di marbl/CHM13-issues
Data analisis dan kode yang dipublikasikan
- Alignment short-read dan variant call untuk 1KGP dan SGDP tersedia di AnVIL workspace
- Data mentah dari lab Gerton dapat diakses melalui Stowers Original Data Repository
- Data sequencing yang digunakan dalam penelitian ini tercantum pada Supplementary Table 1
- Custom code yang dikembangkan untuk analisis dan visualisasi data dipublikasikan di GitHub dan Zenodo
- Perangkat lunak dan parameter yang digunakan dijelaskan beserta rincian tambahan dalam Supplementary Methods
1 komentar
Komentar Hacker News
Sebagai tambahan bagi yang tidak ingat perlombaan penguraian genom manusia dulu, pesaing terdepan saat itu adalah Celera Genomics dan Human Genome Project
Celera, yang dipimpin Craig Venter, mengumumkan bahwa mereka telah menyelesaikan penguraiannya, tetapi sebenarnya mereka menggunakan metode shotgun, yaitu mengambil sampel-sampel kecil dari berbagai bagian lalu merakit model genom secara statistik; sekitar 5 tahun kemudian mereka mengakui bahwa mereka belum mengurai seluruh genom
Referensi: https://www.technologyreview.com/2007/09/04/223919/craig-ven...
Saat itu shotgun sequencing dikritik sebagai “jalan pintas”, tetapi sekarang chromosome walking sudah menghilang dan shotgun menjadi standar
Jika digantikan, kemungkinan oleh teknologi long-read seperti Oxford Nanopore, tetapi masih membutuhkan perakitan data dan belum sampai pada tingkat memperoleh sekuens tersambung dari ujung ke ujung secara langsung
35 tahun lalu: https://www.nytimes.com/1987/12/13/magazine/the-genome-proje...
33 tahun lalu: https://www.nytimes.com/1990/06/05/science/great-15-year-pro...
29 tahun lalu, persaingan memanas: https://www.nytimes.com/1994/02/22/science/scientist-at-work...
24 tahun lalu, persaingan sedang berlangsung: https://www.nytimes.com/1999/03/23/science/who-ll-sequence-h...
23 tahun lalu, draf selesai: https://archive.nytimes.com/www.nytimes.com/library/national...
20 tahun lalu: https://www.nytimes.com/2003/04/15/science/once-again-scient...
2 tahun lalu: https://archive.nytimes.com/www.nytimes.com/library/national...
Pendekatan shotgun Celera sulit karena membutuhkan daya komputasi sangat besar dan algoritma canggih untuk merakit fragmen; komputasi perakitan final dijalankan di Compaq AlphaServer GS160 karena algoritma dan datanya membutuhkan memori bersama 64GB
Saat itu GS160 adalah mesin UNIX raksasa, dan dapat dibuat menjadi klaster rapat dengan I/O serta filesystem terintegrasi antar-mesin
Penulis utama perakitan shotgun adalah Gene Myers, yang sebelumnya membuat BLAST dan bersama Udi Manber menggagas suffix array
Proyek publik juga bermasalah karena banyak tim tetap mempertahankan pendekatan manual bergaya akademik; setelah Eric Lander mengubahnya menjadi proses industrial, ia melanjutkannya dengan mengoperasikan Broad Institute, lembaga riset swasta MIT/Harvard di Boston
Kini data sekuens berskala petabyte dibuat setiap hari dan disimpan di cloud, dan genom telah menjadi alat dasar dalam riset manusia, tetapi potensinya untuk memahami fenotipe yang kompleks belum sepenuhnya terungkap
Apa yang dilakukan Celera punya nilai, dan setidaknya menurut kesan saya, mereka juga tidak menyembunyikan apa yang telah mereka lakukan
Daripada “akal-akalan statistik”, lebih tepat menyebutnya inovasi
Karena susunan genetik tiap manusia berbeda, saya penasaran apa sebenarnya arti pernyataan bahwa genom manusia telah diuraikan sepenuhnya
Bukankah urutan basa DNA/RNA berbeda untuk setiap orang?
https://www.nytimes.com/2002/04/27/us/scientist-reveals-secr...
Setahu saya, proyek-proyek terbaru menggunakan kelompok individu yang lebih luas
Ada proyek yang mencampur beberapa individu lalu mengurutkannya bersama-sama, ada juga yang mengurutkan tiap individu secara terpisah
Struktur skala besar antarmanusia sangat mirip, dan karena kini ada metode canggih untuk memodelkan variasi per individu, ini bukan masalah besar
Struktur graf yang merepresentasikan alternatif di dalam sekuens referensi dijelaskan di https://www.biomedcentral.com/collections/graphgenomes, dan dapat mencakup bukan hanya perbedaan satu basa, tetapi juga variasi yang lebih kompleks seperti delesi besar, penyusunan ulang, dan inversi
Genom referensi, seperti Rosetta Stone dalam genomika, menjadi acuan untuk menyelaraskan, memahami, dan membandingkan sekuens DNA/RNA individu lain terhadap referensi tersebut
Ini tidak sempurna, sehingga bisa saja ada wilayah yang hilang dari referensi atau wilayah DNA yang sangat bervariasi
Tujuan Human Pangenome Reference Consortium (HPRC) https://humanpangenome.org/ adalah mengatasi masalah ini dengan mengurutkan individu dari populasi yang beragam, dan mereka juga sedang mengembangkan model komputasi baru untuk menganalisis data seluruh populasi
Pendekatan serupa juga diterapkan pada kromosom lain
Jika genom adalah megabyte berisi [ATCG]+ yang sangat banyak, saya penasaran apa yang bisa diberitahukan oleh fakta bahwa kita memiliki sekuens itu
Apakah kita sekadar melihatnya dan berkata, “Oh, ...ATGCTACGACTACGACTAGCG... menarik”?
Awal tahun ini ada beberapa makalah yang menarik perhatian, termasuk makalah Nature oleh Guarracino dan Garrison
Pangenom biasanya merupakan model graf kompleks yang merangkai ratusan atau lebih genom/haplotipe dari satu spesies, dan secara konseptual dapat diperluas melampaui spesies atau ke sel-sel di dalam satu individu, misalnya pangenom kanker
Dalam graf pangenom manusia yang diidealkan, tiap orang direpresentasikan sebagai dua untaian pada tiap autosom, serta untaian yang melewati kromosom X dan Y serta genom mitokondria
Saya memahami alasan pengurutan gen sulit adalah karena kebanyakan metode terlebih dahulu memecah sekuens gen yang panjang menjadi potongan-potongan acak, lalu mengurutkan tiap potongan secara terpisah
Potongan-potongan itu harus disusun kembali dalam urutan yang benar agar menjadi genom utuh; ini dimungkinkan karena ada tumpang tindih antar potongan, tetapi jika ada wilayah berulang, sulit menyambungkannya secara akurat hanya berdasarkan tumpang tindih
Ada juga teknik baru bernama Nanopore, yang secara fisik melewatkan DNA melalui pori kecil dan memanfaatkan perubahan sifat listrik sesuai pasangan basa di dalam pori tersebut
Namun teknik ini cenderung menghasilkan kesalahan dengan cara yang deterministik bergantung pada sekuens, dan karena saya tidak bisa melihat keseluruhan makalah, saya tidak tahu persis apa yang dilakukan di sini, tetapi saya pernah mendengar bahwa kedua pendekatan itu digabungkan
Setelah itu, mereka menggunakan sequencing Nanopore untuk menyambungkan contig HiFi dan mencakup wilayah kromosom yang benar-benar sulit
Sejauh pemahaman saya benar, semua sequencing skala besar modern adalah shotgun sequencing
DNA dipecah secara acak, tiap potongan diurutkan, lalu bacaan berupa potongan-potongan individual itu dirakit dengan perakit genom
Saya punya “pertanyaan bodoh” yang selalu saya miliki tentang pencatatan genom manusia
Karena DNA kita semua berbeda, saya penasaran apakah “genom manusia” itu semacam DNA rata-rata, DNA seseorang yang dijadikan sampel, atau garis besar dari hal yang sama pada kita semua
Perbedaan antarmanusia relatif kecil, sekitar beberapa juta basa dari 3 miliar basa
Secara historis, genom referensi lebih mirip rata-rata/mosaik dari beberapa individu, dan meski kelemahannya jelas, itu cukup untuk menempatkan bacaan pada posisi yang umumnya benar serta memanggil varian, yaitu perbedaan yang membuat genom yang diuji menjadi unik
Referensi T2T end-to-end terbaru sepenuhnya didasarkan pada individu HG002 dari Utah berkat informasi baru dari teknologi bacaan panjang
Jika membutuhkan model genom tingkat populasi, yang dibutuhkan adalah pangenom
Lihat “pangenome graph”, “variation graph”, dan human pangenome project
Berita ini seharusnya mengacu pada Desember tahun lalu, bukan sekarang
Tim T2T merilis pracetak [1] pada Desember tahun lalu dan membuka data [2] pada Maret, tetapi baru sekarang diterbitkan secara resmi di Nature karena proses peer review
Jadwal penerbitan memang bisa sangat lambat, dan para ilmuwan yang berminat sudah mengetahuinya serta sedang bekerja dengan rakitan ini, sehingga dalam kasus seperti ini saya bertanya-tanya apa arti penerbitan formal
[1] https://www.biorxiv.org/content/10.1101/2022.12.01.518724v1....
[2] https://github.com/marbl/CHM13
Apakah ini lebih mirip “sudah ada driver keyboard yang berfungsi”, atau lebih mirip “sudah mengidentifikasi semua 104 tombol pada tata letak standar 104-key US QWERTY”?
Sebagian perintah CNC dipahami, tetapi belum ada pemahaman yang baik tentang mekanisme kontrol atau urutannya
Suatu hari nanti tombol-tombolnya akan diidentifikasi, tetapi masih sangat jauh dari driver, dan yang lebih penting, masih jauh juga dari memahami apa fungsi tiap tombol
Namun sudah diketahui bahwa mengubah bit tertentu pada data mentah membuat keyboard rusak dengan cara yang menarik
Ini peristiwa yang cukup besar
Artinya sekarang seluruh 24 kromosom sudah sepenuhnya didekode, dan seperti tertulis di abstrak, kromosom Y selama ini sulit didekode karena karakteristiknya
Lalu selesai lagi pada 2022, dan sekarang katanya selesai lagi
Saya penasaran apakah masih ada tonggak tersisa menuju “selesai lagi” berikutnya
Apakah kromosom Y memang benar-benar dianggap pengecualian sampai sekarang?
Sedikit menyimpang, tetapi saya sangat merekomendasikan Y - The Descent of Man karya Steve Jones sebagai buku yang sangat menarik dan edukatif
Menyenangkan melihat makin banyak kromosom dipetakan dan didekode
Dengan pengetahuan biologi setingkat SMA, saya penasaran apakah dalam hal gen, ekspresi gen, dan interaksi, kita sudah melampaui korelasi hingga mencapai pemahaman yang pasti
Mengambil contoh “mata biru” [1], kita tahu OCA2 terlibat dalam warna mata cokelat/biru, tetapi bisakah kita yakin bahwa 20.000 gen lainnya sama sekali tidak terlibat atau tidak diperlukan?
Menebak dengan cara orang awam, untuk mendapatkan mata biru sepertinya beberapa gen harus sama-sama menyala, aktif, atau ada; tampaknya lebih mirip resep daripada sekadar on/off sederhana di satu lokasi
[0] https://www.goodreads.com/work/editions/436071-y-the-descent...
[1] https://www.nature.com/articles/s41433-021-01749-x
Masalahnya dimulai dari bagaimana mendefinisikan mata biru
Ini bukan satu fenotipe tunggal, melainkan ada berbagai rentang mata biru, dan perbedaannya berkaitan dengan variasi yang cukup halus antarmanusia
Makalah [1] yang ditautkan cukup bagus, tetapi perlu waktu lumayan untuk memahaminya sepenuhnya
Bagaimanapun, untuk memiliki mata biru, Anda harus punya mata, dan untuk memeriksa warnanya, Anda juga perlu berbagai perangkat untuk membuka mata
Misalnya, baru relatif belakangan ini epigenetika berkembang besar; secara luas, bidang ini mempelajari bagaimana perilaku sel berubah tanpa DNA itu sendiri berubah [1]
Ini membuat pertanyaan lama tentang pengaruh lingkungan dan pengaruh genetik perlu diajukan kembali dengan lebih halus
Saya tidak sepenuhnya yakin berapa kromosom yang terlibat dalam menentukan warna mata, tetapi ada perkiraan yang cukup baik
Perkiraan terbaru sekitar 16, dengan OCA2 dan HERC2 memiliki pengaruh terbesar, tetapi banyak gen lain juga memberi pengaruh kecil [2]
Makalah yang dikutip itu bagus, tetapi juga membahas topik yang lebih dekat ke biologi pengantar universitas/AP Biology daripada biologi SMA standar, seperti regulasi gen, intron, dan ekson
Secara lebih umum, saya rasa kita tidak akan segera mencapai tahap di mana sesuatu dalam genetika bisa dinyatakan 100% lengkap dan pasti
Genetika dan biologi secara keseluruhan telah berkembang luar biasa, tetapi kompleksitas genom manusia tidak boleh diremehkan begitu saja
Jelas masih ada hal-hal yang belum kita pahami, dan itu akan tetap begitu untuk sementara
Secara praktis, bahkan fenotipe sederhana seperti warna mata bisa dipengaruhi gen lain, tetapi biasanya beberapa gen saja sudah cukup untuk memperkirakannya dengan cukup akurat
Misalnya, satu studi memprediksi warna mata dengan sekitar 75% akurasi hanya menggunakan 6 gen [3]
Yang lebih menarik, ada juga kasus ketika gen yang memengaruhi fenotipe tidak secara langsung menyimpan informasi genetik yang menentukan sifat tersebut
Dengan kata lain, gen itu tidak menentukan sifat secara langsung, melainkan memengaruhi gen lain, dan gen lain itulah yang lebih langsung terlibat dalam ekspresi sifat
Banyak gen saling memengaruhi, lalu memengaruhi gen lain lagi, ditambah lagi penelitian harus mempertimbangkan bias lingkungan dan demografis; terlihat betapa cepat genetika menjadi rumit
[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
Ini kabar yang menggembirakan
Kalau ingin tahu penerapan dari pekerjaan ini, sebaiknya tonton keynote ACM SIGPLAN ini: https://youtu.be/JTU3JYp3JYc?si=jOZz611ATQar3Gec
Ini lebih membantu saya memahami DNA daripada seluruh pelajaran biologi SMA