在常规的基因组学研究中，人们常常把“参照基因组”当作某一物种遗传信息的“规范模板”。但这犹如仅通过一份标准住宅设计图去推断所有家庭的住宅布局，不可避免地忽视了众多个性化的特征。泛基因组（Pan-genome）概念的提出，完全超越了这一限制，为我们展现了一个更加宏大、精确且不断变化的物种遗传全貌。

本期将聚焦泛基因组在遗传疾病相关研究中的优势。

一、突破“单一参考”的局限：从个体代表性到群体包容性

自 2003 年人类基因组计划（HGP）完成以来，GRCh38 等线性参考基因组虽为基因组学研究奠定了基石，但其本质是一个拼接自少数个体（且以欧洲血统为主）的“共识”序列，无法反映人类群体内部巨大的遗传多态性。尤其在复杂区域——如着丝粒周边（pericentromeric）、端粒附近（subtelomeric）、节段重复序列（segmental duplications, SDs）及 rDNA 阵列中——仍存在约 150 Mb 的缺口。即便 2022 年 T2T-CHM13 实现了首个端粒到端粒（T2T）无缺口单倍体组装，它仍是单一单倍型，无法代表结构变异（SVs）的群体多样性。

HPRC（人类泛基因组参考联盟）基于 47 个全球分布个体（94 条单倍型）构建的泛基因组，首次实现了对人类基因组“常见变异空间”的系统性覆盖，从根本上解决了传统参考中“参考偏向”（reference bias）问题——即非参考等位基因在比对中被系统性低估或误判。

图 1 两个泛基因组项目所采集样本的地理来源

• HPRC（人类泛基因组参考联盟）：47 个个体，来自非洲、美洲、亚洲、欧洲四大洲；

• CPC（中国泛基因组联盟）：58 个核心样本，覆盖中国 36 个少数民族。

泛基因组的核心理念在于：用图结构（graph-based pangenome）替代线性序列，整合多个高质量、单倍型分型（haplotype-phased）的个体基因组，构建一个能容纳多种等位基因、插入缺失、倒位、拷贝数变异等的“参考网络”。

泛基因组图谱能容纳 SNV、Indel、CNV、倒位等各类变异，能覆盖节段重复序列（SDs）这一传统“盲区。从机制上解释了新生儿中高达 1/800 的罗伯逊易位（Robertsonian translocations, ROBs）发生率，证明泛基因组可解析染色体结构病的起源。

相比 GRCh38，新增 119 Mb 常见多态序列，新增 1,115 个新基因重复（novel gene duplications），其中约 90 Mb 源于结构变异（SVs）。

二、显著提升变异检出能力与准确性

23 年的一篇综述^[1]明确指出，以泛基因组替代 GRCh38 作为比对参考后，变异检测性能获得飞跃式提升：

• 小变异（SNV/Indel）检测错误率降低 34%：因图结构可将 reads 更准确地锚定至其真实来源的等位路径，避免了在高度同源区域（如 SDs）的错配。

• 每单倍型检出的结构变异数量增加 104%：即翻倍！这意味着大量以往“不可见”的 SVs（尤其是复杂 SVs，如嵌套插入、倒位伴随缺失）被系统性揭示。例如，HPRC 泛基因组新增了 119 Mb 的常见多态序列和 1,115 个新基因重复——其中约 90 Mb 源于 SVs。

具体来看，泛基因组的最大价值之一，在于它首次使得对高度重复、传统上难以比对的区域进行系统性群体遗传学研究成为可能：

1.  节段重复区（SDs）是 SNV 富集与基因转换热点

Vollger et al.（2023）利用 HPRC 泛基因组发现：SDs 中的 SNV 密度比非重复区高 1.6 倍，其中至少 23%归因于基因间基因转换（Interlocus Gene Conversion, IGC）。不同于等位基因间的同源转换，IGC 发生在不同基因座之间，可导致功能基因（如 F8 凝血因子、HBG1 胎儿血红蛋白、C4B 补体）的等位基因“横向传播”，既可能促进有利突变扩散（进化意义），也可能造成致病突变蔓延（疾病风险）。研究识别出 800 余个受 IGC 影响的蛋白编码基因，其中 38 个为进化上高度保守的“约束基因”（constrained genes），突变易致严重表型。

2.  近端着丝粒染色体短臂（acrocentric p-arms）是异源重组温床

Guarracino et al.（2023）通过泛基因组图谱发现：13、14、15、21、22 号染色体的 p-臂因富含 rDNA 阵列与伪同源区（PHRs），在减数分裂中易发生非同源染色体间的异源重组（heterologous recombination），直接导致罗伯逊易位（ROBs）——新生儿中发生率约 1/800。泛基因组首次精准定位 ROBs 断点均位于 PHRs，从机制上解释了这类常见染色体病的起源。

这些区域曾是临床基因组学的“禁区”，如今泛基因组正将其转化为新的致病机制与生物标志物发现源泉。

三、推动精准医学与人群特异性研究：以中国泛基因组（CPC）为例

HPRC 泛基因组虽具开创性，但亚洲样本仅占 13%，存在显著人群偏差。对此，中国泛基因组联盟（CPC）率先响应，基于 58 个核心样本（涵盖 36 个少数民族），构建了首个中国人群代表性泛基因组：

• 新增 189 Mb 多态序列、1,367 个重复蛋白编码基因。

• 发现 78,072 个 SVs，其中 34,223 个为全新变异。

• 鉴定出与角质化、紫外线响应、DNA 修复、免疫及寿命调控相关的新基因/等位基因，部分源于古菌水平基因转移。

尤为关键的是，CPC 数据成功将 558 个 ClinVar 中列为“致病/可能致病/VUS”的变异重分类为“可能良性”——因其在东亚人群中频率过高（而既往公共数据库缺乏亚洲数据）。这直接避免了临床误诊，彰显泛基因组在人群特异性变异解读中的不可替代性：没有足够多样化的泛基因组，罕见病诊断与遗传咨询将长期受制于“欧洲中心主义”偏见。

参考文献

[1] Wang, B., Dang, N., Yang, X., Xu, S., & Ye, K. (2023). The human pangenome reference: the beginning of a new era for genomics. Science Bulletin, 68(14), 1484–1487. 

Sentieon 软件介绍

Sentieon 为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于 BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard 等金标准的数学模型。在匹配开源流程分析结果的前提下，大幅提升 WGS、WES、Panel、UMI、ctDNA、RNA 等测序数据的分析效率和检出精度，并匹配目前全部第二代、三代测序平台。

Sentieon 软件团队拥有丰富的软件开发及算法优化工程经验，致力于解决生物数据分析中的速度与准确度瓶颈，为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案，共同推动基因技术的发展。

截至 2025 年 7 月份，Sentieon 已经在全球范围内为 1860+用户提供服务，用户处理超过 4980+PB 数据量，被世界一级影响因子刊物如 NEJM、Cell、Nature 等广泛引用，引用次数超过 1500 篇。此外，Sentieon 连续数年摘得了 Precision FDA、Dream Challenges 等多个权威评比的桂冠，在业内获得广泛认可。