基因組測序為什麼沒完沒了？

01-05

目前已有序列數據（並不是完整基因組數據）的動物分布：

其實很多物種的基因組還沒測，目前不存在測了又測，所以這個問題我把範圍縮減在：為何人的基因組測了又測上。

首先要明白，一個基因組拼完後，得到結果的質量，就和聖鬥士一樣，是分等級的。當然因為逼格比較高，所以最高是白金級的，青銅什麼的就不能算了。(目前一千美元能測的，應該算鋼鐵聖鬥士。。。)

GRCh38，也就是目前科研上使用的最新版本的人參考基因組，上圖看上去數據很完美，但在指導醫療實踐上是有問題的，因為它是來源於混合樣本，並不能反映任何一個人的單倍型基因組。比如，MAPT(微管相關 $au$ 蛋白)區域，與神經退行性疾病(e.g.帕金森)高度相關的區域，在這種關鍵區域上，混合樣本測得的DNA序列沒什麼意義。

所以，現在老外搞了個「精準參考基因組」計劃（中文名我瞎起的，英文名叫

Reference Genomes Improvement Project）。選取有代表性的人種：

計劃採用的路線是用PacBio數據de novo組裝，配合BioNano Irys光學圖譜來搭腳手架。最後用細菌人工染色體+PacBio來補洞。

這裡稍微解釋下，為何測高質量的個人基因組需要de novo，而不是resequencing：因為每個人各自都攜帶有自身獨特的、正常的結構變異，使用resequencing也就是比對現成的參考基因組，那麼這部分信息毫無疑問會丟失掉。這也是結構變異相關研究比較難做的地方，比如研究癌症，那麼最好的對照不是其他正常人，而是自身的正常組織，比如癌與癌旁。

參考資料：

The evolution of animal genomes

Project - The Elizabeth H. and James S. McDonnell III Genome Institute at Washington University

-------------------------------------------------更新---------------------------------------------------------------

Q: de novo 是不是更貴？

價格由選用的技術與所需數據量決定。當然de novo對數據質量、數量、讀長、算力都要求更高。

可以把測序拼基因組當成是拼圖遊戲，有參考基因組，就是拼圖的時候，你已經知道最後要拼成的圖是啥樣子了，也就是可以大致確定手上的碎片是在哪個位置。而無參考基因組，就是拼的時候，並不知道最後結果是什麼樣子。

拼圖遊戲的難點在於，圖形是否有很多碎片都是同一個樣子的（一個基因組是否有許多短重複序列），如果這些碎片完全相同（測序儀讀長小於重複序列長度時），你是無法將這些碎片唯一定位到最後的拼圖裡的。

我認為這裡所說測序應該分成幾部分：研究性測序；應用性測序

研究性測序：比如某個物種的基因組圖譜，針對某個疾病的群體研究等

應用性測序：比如測個人基因組對疾病進行預測

為什麼一直測，應該有下面幾個原因：

1. 首先是遺傳信息的決定作用。所有表型都是遺傳和環境的共同作用，但遺傳是根本，環境是起影響作用；遺傳信息里，作為大多數物種遺傳物質的DNA當然應該首要關注。所以要測基因組。地球上如此多的物種，目前尚有大量物種未被測序，所以還一直在測啊測（當然，研究目的就有譬如：開發物種本身經濟價值，進化研究等）

2. 同一物種的個體，是有異質性，也就是有個體差異的，正因為這種差異，才會有進化，對有經濟價值的物種也才有育種的可能。所以，這就要對同一物種不同個體（即群體）進行測序，這也就是為什麼測了5個人後，還測百人，測千人，現在還要測百萬人

3. 健康診斷，目前已經有分子診斷、基因診斷，而基因組診斷則是更全面，更本質的診斷（當然目前還有一系列問題沒有解決），所以將來會出現人人基因組的局面，那時會是：每個人都在測啊測。

當然，還有一些技術上的原因，開始以為測10個基因組就可以解決問題了，但現在發現測100個都還不夠，所以就測了一個又一個。

個人理解，請各位不吝指教

1、不同物種要進行新的測序，現在已測序的物種相當來說還不算多吧

2、對同一個物種重測序，我想你要問的是這個吧。因為即使同一個物種，比如人，個體間還是有差異的，不然為什麼人和人之間不一樣呢？這些差異在genome上的表現有SNPs、indel（插入缺失）、SV（結構變異）、CNV（拷貝數變異）。這些差異有些導致的是正常的人之間的差異，比如不同的膚色不同的體格，有些則導致的是基因疾病，具體例子我就不多說了，這個網上一搜一大把。如果不進行重測序，你怎麼能檢測到這些差異呢

話說回來，物種的單個體測序只是為了得到該物種genome的一個reference，真正有實際意義有研究價值的是後面的重測序，因為有對比有差異才能更好的知道基因的作用

因為有這麼多的生物，每個生物體的基因組都不一樣。再加上表觀遺傳學之類的東西，相同的DNA，最終的結果也不一樣，於是就測啊，測啊~~~

對於高等生物，比如人類，一些個體高度差異的基因片段有重大的科研與醫療價值。比如MHC、TCR/BCR等等。

對於微生物，基因組發生變化就像吃飯喝水一樣尋常。這些變化經常與致病力的變化相關，比如：

為啥有些禽流感病毒能感染人？
為啥有些流感病毒死亡率個位數，有些死亡率兩位數？
為啥中了一些大腸桿菌之後拉血，中了另一些水瀉，中了另一些腦炎？

另外，很多現有的基因組，其參考序列的質量是非常可疑的，特別是複雜程度高的區域，比如TCR座位。如果你需要研究這些，那麼幾乎只能親自重新擼一遍。

所以，騷年，來一發三代吧。。。

補充一下@王毅和@劉晶星的答案：

除了最簡單的DNA層面的測序，還有其他層面的（比如RNA，比如 DNA 甲基化）的測序。而這些測序的結果是根據時間和空間的不同而隨時發生變化的。在不同條件（包括時間和空間上）對他們進行測序，能夠讓我們更好的了解到作用機制。

另外，在單個基因組的層面上，除了整個基因組的測序，還有選擇性的測序，比如前面提到的SNP，都可以算是選擇性的測序。所以你也可以看到同一個人測不同次數的情況。

在非單個基因組的層面上，值得一提的有Metagenome（宏基因組），是直接把環境里拿來的sample拿來測序和還原。站在基因組的角度上來看生物多樣性。這也是非常有趣的。

總之，測序是了解生命信息的一種非常好的工具。既然工具好，那麼見得多也就不奇怪了。

按照我個人的理解，對於某個物種來說，只進行一次測序，並不能準確反應這個物種的基因組結構，理由很簡單：就算不考慮誤差，個體之間也有差異，而且某些種群也處在不斷進化的過程中，其基因頻率會改變。所以需要不斷重測序，使數據更加準確。

原因好多啊。

先說說技術上的。

測序技術目前大概有三代，速度一代比一代快，精度也是越來越高，但是都不能一次測很長的片段，大概測個500bp（鹼基對）就不行了。所以在大規模測序的時候，要把大片段分成小片段測。一個大家比較熟悉的方法是鳥槍法，就是隨機給它打斷，測好很多很多小片段以後，再根據小片段兩段和其他片段有重複的部分把小片段拼接起來。

大概這個樣子

這麼搞會有如下幾個問題：

1、不是所有的小片段都能被測到的，這就導致一個基因組裡不是所有的鹼基都能被測到。關於這個有一個公式：

P0表示任何一個鹼基不能被測到的概率，e就是自然常數，L表示每個小片段的長度，N表示測的片段數，G表示整個基因組的大小。LN/G整體稱為測序深度，就是你把基因組來回測了多少次。

那麼如果我們只測一次的話

P0=e^-1=0.3678

相當於平均有36%的鹼基沒有被覆蓋到，這不是白測嘛。那怎麼辦呢？只能不斷增加測序深度，也就是題主說的沒完沒了地測。

2、基因組裡有很多重複的序列，其中有一類是長度很短，但是重複次數非常多的重複，就像ATATATATATATATATATAT……這樣，可以一下重複幾千個。那麼在拼接片段的時候就會出現很大的問題，比如兩個片段，一個是AGGCATAT，一個是ATATATAT，這你怎麼拼呢，拼成AGGCATATATAT，還是AGGCATATATATAT，這樣的重複序列一多，計算機就不會拼了。

染色體大家都知道是這樣的

我隨便找的一個結構比較清晰的圖。

染色體中間有個著絲粒（centromere），兩端有兩段結構叫端粒，大家注意看著絲粒附近和端粒部分是橙色的，這塊我們叫異染色質（heterochromatin），它就是我剛才說的重複序列很多的部分。所以你別看人類基因組計劃說已經完成草圖了，這兩塊地方基本沒測。

當然這些重複序列裡面不會藏著太多基因，所以大家也不是那麼迫切想去測它。

3、測序是有準確度的，測每一個鹼基都有可能出錯，這個概率在人類基因組計劃時代還挺高的，大概1%吧，第二代測序在2010年的錯誤率大概是0.001%，現在的第三代更好一些了，但是還是會出錯的。

要知道一個幾千bp的基因，產生一個點突變可能就會導致致死遺傳病，你一下給測錯1%還得了？但是這個問題也沒有什麼太好的解決辦法，只能重複測很多次，重複測兩次某一個位點都被測錯的概率就是（1%）^2=0.001%（這是理想情況，實際上有一些位點更容易被測錯）

非技術上的原因就更多了。

人類基因組計劃時代，科學家還根本沒想到除了鹼基序列，其上的修飾也會對基因功能有至關重要的作用。所以當然當年在測人類基因組的時候，表觀遺傳學修飾這些東西就沒有測。

後來發現這東西太重要了，甲基化的胞嘧啶一度被稱為第五種鹼基，不測不行，只好重新測咯。

那過幾年再發現乙醯化，再來一輪。

如果再過幾年再發現個什麼十六烷化，還得再來。

更要命的是，這些修飾全都是動態的，在細胞周期的不同時期不同位點的甲基化程度可能變得很厲害。這就要用到更先進的手段了。

歸根結底我覺得還是當年的科學家太樂觀，以為知道了鹼基序列就知道了一切，沒想到拿到鹼基序列後怎麼分析一頭霧水（所以有了生物信息學），又不斷發現別的地方還有遺傳信息，於是只好不斷修修補補，就顯得沒完沒了的。

話說回來，這不是好事嘛，如果沒有這些新發現，多少生物狗又要轉行了。

來個打油的吧。

地球物種千千萬，生命個個自成型。

群體組織和細胞，時時處處變不定。

農林牧漁需求廣，個性醫療顯威風。

博大世界趣事多，測序永遠不會停。

題主知道單細胞測序嗎。。

你說的應該是重測序吧，雖然已經得到好多物種的參考基因組了，但是生物個體間差異的存在是由於每個基因組都是不同的，再者對於基因組本身、基因組和蛋白質、基因組影響性狀等方面的機制還不是很清晰，需要大量的數據進行研究，總結規律，進行論證。

因為每個人的基因組序列都不一樣。這些不同造成了每個人的外貌，性格，體質，和疾病的易感性等等生物學特徵都不同。了解這些不同對每個人都有意義。而這個世界上，還沒有幾個人知道自己全部的基因組序列。

基因測序，適可而止，否則就是誤區，原因有：

1，基因的修飾

2，基因的整體效應

3，基因的個體背景

4，基因間相互作用。

5 ，基因的時效性

等等，都不是簡單的測序可以解決的，國內華大的方向有誤，不推崇

因為他們始終不明白，在不了解源數據結構的情況下，把編譯後二進位的東西還原成源碼，基本是不可能的……

因為遠沒有飽和啊。

理想的研究狀態每個生物樣品都要測序，且要3個以上的重複。現在許多物種都只測了參考基因組，更多的物種都沒測完，更別說你想一次實驗幾百個上千的樣品單獨測序了。

這還只是基因組DNA水平上的測序。甲基化，轉錄組，蛋白組，小RNA各種各樣都要測序。

父親因為肺癌在華大做的508個的測序。價格高，無卵用。

測序需要改進的太多，切割、批裝、改進複製工具、綜合其他顯微技術，，，五年內還會有大的進步，不信等著瞧

任何東西都是有完沒完的吧，這些東西隨著科技的進步都在不斷的發展之中！

極多，差異，變異

因為基因測序技術已經是個工具了，用在各種認知、改性和診斷中。

所有工具在被替代前都是這樣，扳手螺絲多少年了，還不是沒完沒了的在用。