HapMap五周年回首
作者简介：曾长青，GA黄金甲北京基因组所钻研员，博士生导师。CUSBEA奖学金、卓越青年基金、首批新世纪百千万人才工程国度级人拔获得者。作为“十五”沉大攻关项目课题组长、国际HapMap打算Steering Committee Member和 “中华单体型图合作组」刭集人，掌管HapMap“中国卷”的执行。重要从事疾病有关基因定位、群体遗传学和基因组多态钻研，部门成就在Nature,Nature Genetics, PNAS等杂志颁发。
今年10月，是人类基因组国际HapMap打算启动8周年和这一沉大国际合作的重要工作实现5周年。几年间，全球领域的基因组出格是人类基因组的钻研，已经成为性命科学的最前沿学科，HapMap也成为利用最为宽泛、深刻并不休美满更新的人类最大数据库。本文回首性介绍HapMap打算及其近年来在基因组学和人类健全领域的沉要作用。
1、人类基因组的HapMap和国际HapMap打算
(1)何谓HapMap
HapMap是Haplotype Map 的简称，Haplo意为单一，在基因组中专指来自父母的一对染色体中的一条。Haplotype就是单条染色体中的一段，译作单体型(有人译作单倍型)，是描述遗传差距的一种重要方式。DNA作为遗传物质，不只编码了物种间的差距，物种内分歧个别之间的差距也含在其中，均阐发为基因组之间的DNA序列差距，也就是基因组的多态性上。
DNA由四种核苷酸单个衔接而成，基因组最常见的多态就是单核苷酸多态(single nucleotide polymorphism)，简写为SNP或SNPs(复数)，指在群体中染色体的某一位点上由分歧的核苷酸组成(图1)。
图1 单核苷酸多态位点SNP和单体型。A：在来自4个个别的一段6kb序列上，大部门核苷酸一样但有5处显示分歧(彩色)即SNPs。B：这段6kb区域的20个邻近SNPs组成单体型(Haplotypes)。摘自Nature. 426:189-193。
目前发现的人类基因组中的SNP位点已经超过一千万。在人群中，染色体上每一二百个核苷酸就有一个SNP位点。单体型描述的是一段单条染色体上的序列差距，就是由SNP位点的挨次分列组成。因而也能够说单体型是别离来自父母的单条染色体上SNP的散布和传递模式。凭据邻近SNP的连锁个性(即连锁不平衡)，单体型上的多个SNPs还能够由少数几个tag即标签SNP代表。Haplotype Map是单体型图谱，就是全基因组上所有DNA序列的SNP散布和人群频率、标签SNPs、连锁性质与法规等。
(2)HapMap的内容
HapMap的内容是一个巨大的“人类遗传用表”。遗传学钻研的性质在于解析变异及其传递法规。对于人类基因组中的千百万个SNPs来说，只管好多SNPs对于阐发型可能并没有贡献，个别的性状差距，也就是肆意两幼我之间的遗传差距，就蕴藏在这些SNPs和单体型之中。若是说人类基因组测序打算打开了我们自身的遗传密码这本天书，那么地球上每幼我的天书都是一种版本，HapMap揭示的就是分歧天书版本之间的差距与法规。从个别的基因组测序到全基因组SNPs在人群中的散布和单体型的构建，HapMap打算标志取群体基因组学钻研的起头，旨在通过对于海量SNPs的人群检测及其推算分析，构建全人类的遗传用表，从而钻研者能够从中查到基因组中各类地位的SNP以及在重要人群中的组成、频率和单体型与标签SNP情况。
(3)HapMap的沉要价值
HapMap的沉要价值在于揭示复杂性疾病的遗传成分。复杂性疾病是相对于单基因病(如血友病等)而言，也是常见疾病，如高血压、肿瘤、心灵性疾病、糖尿病等。其产生往往是遗传和环境成分共同作用的了局，遗传成分涉及多个基因和分子通路，而不阐发为单基因的孟德尔遗传。因而罹患这类疾病的易感性，蕴含对分歧环境或药物的敏感性等，都隐匿在多个基因的微效变异即SNP和单体型及其组合中，并且有很大的个别差距。因而，揭示这类疾病的遗传模式必要大量的群体样本和发现与检测极多的SNPs进行关联分析，这在HapMap构建之前险些是不成能的。国际单体型图打算(TheInternational HapMap Project)的重要主张就是构建分歧人群的高密度SNP图谱，通过度析推算确立单体型及其中SNPs的连锁性质和标签SNPs，从而使钻研人员能够凭据这一巨大的遗传图表和所揭示的人类群体的分子遗传机造，为发现复杂性疾病的有关易感基因确定钻研规划和选择必要进行分析的标签SNPs。
(4)HapMap打算的启动和重要工作的实现
国际单体型图打算经过3年的谋划，于2002年10月29日在华盛顿召开由加拿大、中国、日本、尼日利亚、英国和美国6个参与国代表出席的第一次战术会议；岷蠛献髯(Consortium)召开新闻颁布会向全球颁发这一打算的正式启动。HapMap打算参与国中加、钟注日、英和美国别离承担全基因组10%，10%，25%，24%和31％的SNP分型工作。尼日利亚提供非裔样品，中国和日本共同提供亚裔样品，美国提供了欧裔样品。第一次战术会议上决定了HapMap两阶段的战术。第一阶段是针对非、亚、欧裔的270个DNA样品在全基因组领域以均匀每5 000个核苷酸(5 kb)一个SNP的密度进行大规模SNP分型鉴定，构建5 kb单体型图。第二阶段是将HapMap的分型密度增至2kb左右。HapMap打算的运作由列国代表组成的Steering Committee及其下属的若干工作幼组掌管执行执行。
3年后的2005年10月26日，由国际合作组总掌管人，现任美国NIH掌管人Francis Collins向全世界颁发了一个拥罕见亿数据的人类基因组单体型图的成功构建，以及一个更精密的遗传图谱即将实现(图2)。
图2 2005年10月26日美国盐湖城HapMap新闻颁布会场，国际合作组掌管人，时任美国国立人类基因组钻研所所长FrancisCollins代表所有参与国和国际合作组颁发人类基因组单体型图的圆满实现。
各中心的巨大抵力使分型密度比预计提高了近40％，共针对一百多万SNPs构建了密度约3.6kb的数据库和HapMap。美国卫生和公共服务部部长Mike Leavitt在会上评价和描述了HapMap打算的意思和远景。新闻颁布会上还刊行了载有HapMap及其长文“人类基因组的单体型图谱”的Nature杂志。HapMap这一工作的实现，也标志取这个巨大项主张“中国卷”的实现。中国科学家为这一打算做出了10％的贡献。
(5)HapMap打算的后期工作和进展
HapMap打算的第一阶段工作实现后，国际合作组委托Perlegen Sciences 实现第二阶段扩大SNP分型密度的工作。2007年10月18日，国际合作组在Nature上颁发了凭据第二阶段数据构建的人类基因组的第二代HapMap。至HapMap 二期共发现了超过一千万的人类基因组的SNPs，实现了约310万SNPs(≥5％)在270个样品中的分型反映。这些SNPs约占预测的遗传变异的25%~35%，并使第二代HapMap的分辨率达到均匀不到1kb一个SNP，比预约打算超过100％，正确度达到99.8%。
为使HapMap拥有更大参考性，在前两个阶段近10亿SNP数据的基础上，一个新的人群分析HapMap 3启动并于2010年9月在Nature上颁发了新的海量数据。与前两期内容分歧的是，HapMap 3旨在大量扩充人群样本和发现低频率SNPs。共160万的常见SNPs在来自全球11幼我群的1 184个别中进行了分型反映，使HapMap拥有更宽泛的代表性。同时，还在其中692样品中进行了1Mb区域(10kb×10)的沉测序，以发现新的低频率SNPs。显然，随着更无数据的产生，人类基因组的HapMap将不休更新使之涵盖更多人群特异数据和拥有更为精密的分辨率。
2、沉新相识的基因和染色体——HapMap对于人类基因组结构的沉大贡献
(1)基因寓意的订正
早在2005年之初，HapMap尚未实现之时，Science就预测这一打算的实现将是性命科学获得的最沉猛进展之一；至昔时底HapMap又被两院院士评为世界10大科技进展中的第5位。简直，HapMap打算的了局与利用及其由此引出的更多基因组规模的深刻钻研带来了遗传学和基因组学的全面知识更新，甚至蕴含现代分子生物学概想中的基因与染色体的结构。作为HapMap的卫星项目起头的ENCODE 打算(Encyclopedia Of DNAElements，DNA元件百科全书)于2007年宣告实现。这一扩大到涉及11个国度80家机构参与的钻研通过整合推算测序数据和尝试分析，鉴定出人类基因组中所有的职能组分，蕴含编码基因、非编码基因、调控区域、染色体结构维持和调节等所有类型DNA元件的散布和组织方式。合作组同时在Nature和Genome Research上颁发了29篇论文，详尽描述了在所分析的1%人类基因组区域内最为齐全的生理职能元件，还对好多传统的分子生物学界说做出颠覆性扩大或订正。例如，microRNA，非编码RNA等的普遍存在使“一个基因一个酶”，“中心法令”等都不再是性命科学的金科玉律。这些革命性进展为进一步意识基因组的职能蓝图启发了路路，对疾病的遗传钻研产生了沉大影响。
(2)全新的结构差距和拷贝数变异概想
固然HapMap打算的指标是对于单核苷酸多态位点的模式分析，一个未曾预感的沉大成就是通过对于单体型的分析所发现的基因组中同样宽泛存在的结构差距(structural variation，SV)，蕴含DNA序列的插入、删除、倒位、易位等。这些结构差距大幼很不均一，可在数十个至数百万核苷酸之间。HapMap 揭示出结构变异是基因组中一种常见但由于经典检测技术的缺点而知之甚少的遗传多态性。由于好多结构多态可在HapMap这一高密度差距图谱上留下“印记”，近年来随着对HapMap的分析利用使人类对于自身染色体的结构多态性产生了全新的意识。仅2006年就有3个幼组从分歧角度构建了人类基因组的缺失图谱。随着对DNA片段的插入和删除愈来愈多的发现，拷贝数变异(copy numbervariation, CNN)成为描述这类遗传差距的最新名词。这类新发现的遗传变异覆盖了人类基因组约莫20%的区域，估计10％～20％的可“调节”基因活性的遗传变异是CNV。同SNP一样， CNV可导致先性子疾病并与多种复杂性疾病的产生有关。HapMap的实现不只导致了人类基因组拷贝数量多态性打算(The CNV Project)的启动，也为高通量筛查CNV 提供了全新的钻研战术和尝试伎俩。必要指出的是，拷贝数变异多产生在沉复序列，目前对于“断点”地位的精密确定极具技术挑战性。因而一些钻研曾导致CNV在基因组中的覆盖度达40%～60%的过高估计。正确定位CNV有待于更先进伎俩如单分子测序等的发展。
3、HapMap打算对于基因组科学和系统生物学的极大推动
若是说人类基因组打算奠定了基因组学的基础，HapMap打算则开启了群体基因组学的时期，并且在很大水平上参加催生了系统生物学的发展。HapMap提供了全基因组SNPs 的群体散布图谱并揭示了人群内的遗传结构，不只构建了“群体基因组学(populationgenomics)” 基础还成立了一种新的钻研战术。这些使天然选择和人群演化成为近年来基因组学钻研的又一热点；诖，近年来还获得了若干人类阳性天然选择图谱和数据库。尤其值得一提的是，2010年我国多个幼组通过独立或合作钻研，数月间先后在Science，PNAS，Mol. Biol. Evol.登载多篇文章论述藏族对于高原低氧适应性的分析了局，所有钻研均选取HapMap的汉族数据作为对照进行比力。这些成就不只为深刻的群体遗传学钻研和疾病的遗传成分及基因职能分析提供了新的视野，还大大加深了人类对于环境的适应过程和人群表型分化的意识。
HapMap打算不只带来更多全基因组规模的大型钻研，还大大推动了对多个物种的系统基因组学钻研。如上述ENCODE 打算实现之后，一个更大规模的多物种ENCODE项目又发展起来，以解析ENCODE守旧区域在分歧物种中的细节，进一步相识物种演化过程中的基因组系统变动。利用HapMap数据进行的基因表白钻研，还为分子通路和网络钻研奠定了数据基础。正是这些钻研的汇集和整合，推进了系统生物学的产生和深刻发展。
4、利用遗传用表解析疾病原因
人类遗传用表HapMap已经宽泛用于疾病钻研。HapMap打算的立项主张是为复杂性疾病的基因定位钻研提供基础数据、钻研战术和先进技术。在此之前，复杂性疾病的遗传钻研始终不足有效规划。重要原因在于这些疾病不只是遗传和环境成分共同作用的了局，并且其遗传因子涉及多个基因和多条基因产品互作的分子网络或代谢通路。在这类疾病的遗传因子中每个基因的变异对于疾病的贡献并不显著，但其某种未知整合却成为个别罹患疾病的风险。同时，这些分歧的易感基因或位点在疾病中的作用有很大的个别差距。因而，若是在群体规模将所有的SNPs进行筛查以确定疾病的有关基因，这在耗资上是无法做到的。HapMap打算利用基因组学“单体型板块”、“标签SNP”等道理，一方面描述了个别差距位点的散布和传递法规，另一方面构建了以人群中遗传差距的传递模式为重要内容的图谱。其中无冗余的分型SNPs超过310万，连同用于质控和低频率SNP位点，整个HapMap打算在270个样品中进行了分型的SNPs达到630多万，超过所估计存在的人类SNPs数量的一半。这些供全球免费下载的数十亿份数据，为各类规模的病例-对照关联分析提供了极为沉要的工具和数据，使大规模的对于复杂性疾病的关联分析成为可行的易感基因定位伎俩。对于较为传统的使用家系样品进行的单基因病连锁分析，HapMap的海量数据使高密度SNPs成为比传统的微卫星象征有更高的解析度和正确率的遗传象征，并使连锁与关联分析的结合使用成为更为有效的定位步骤。
从HapMap打算对表发放数据，就揭开了通过SNP分型进行病例-对照的关联分析的序幕。HapMap的实现使候选基因或全基因组的病例-对照关联分析在全球领域得到遍及，并且推进了几个“超大型”的复杂性疾病遗传成分分析打算的立项和执行，蕴含GAIN(geneticAssociation Information Network，遗传关联信息网络)、POPRES(POPulation REference Sample，群体参照样本)、WTCCC(The Welcome Trust Case-Control Consortium，Welcome基金会病例对照合作组)和多个针对某一疾病如高血压等的大型结合钻研。其共同特点是选取蕴含标签SNPs的全基因组芯片，进行GWA(genome-wideassociation)钻研，又称GWAS(GWA studies)，即不思考先验知识直接通过对大样品量(上千份)进行整个基因组的关联分析钻研。例如，2007年11月WTCCC汇报了对超过16000个样本所进行的针对双向感情阻碍等7种常见复杂性疾病的GWAS了局，在克罗恩病(Crohn’s disease)等5个疾病中发现至少一个易感基因信号。GAIN 打算则为把稳力分散/多动症等6种复杂性疾病的GWAS钻研提供支持，寻找易感基因和新的诊断步骤。HapMap作为人类遗传用表已经宽泛用于疾病有关基因定位钻研。
复杂性疾病有关基因定位钻研是持久索求和缓慢堆集的过程。然而，大量全球性的大规模GWAS钻研亦逐步露出出很多问题和局限，蕴含部门大型钻研没有发现显著信号，分歧人群了局沉复性差，无法诠释疾病有关信号的生物学意思，易感性对于疾病的真正贡献不足评估和与领导临床相脱节等。这些现实上显示出揭示多基因常见疾病遗传机造的复杂性和难度，也反映了一些初期对于使用现有步骤一举解决复杂性疾病遗传机理的等待可能过于乐观单一。对于一种涉及多种分子通路的复杂性疾病来说，发显熹所有的遗传成分也许如同实现一幅复杂的拼图(jigsaw)，必要大量元件的堆集和逐步拼接。以现有基因组学知识思考和综合分析GWAS了局，人群的遗传布景差距和部门易感性位点是较低频SNP可能是GWAS信号不显著和人群沉复性差的沉要原因。此表，样品网络过程中临床尺度的弃取、分类、节造等方面的差距，也可能降低落复试验的分辨率。对此，将千人基因组等项目发现的低频率SNPs也整合至GWAS钻研中，以及扩大样品量或进行若干个类似GWAS的结合分析即Meta analysis，将使发现阳性信号的可能性大为提高。最近，一个由超过100个钻研中心参与的糖尿病有关国际合作组对总共8 000多个病人和近40 000对照进行荟萃分析，发现了12个与胰岛素排泄有关的II型糖尿病的易感基因和位点。此表，随着越来越多的远距离调控因子及非编码RNA的发现，非基因区的信号也将获得越来越多的诠释。毋庸置疑，与基因组学及其先进技术的迅快更新相比，在HapMap基础上以关联分析为主的大规模复杂性疾病易感基因的定位钻研无疑将是一个持久索求和缓慢堆集能力最终全面整合了局的过程。
5、HapMap打算对于中国基因组科学的沉大推动
如同人类基因组打算，HapMap打算的实现是一个里程碑式的成就，从钻研战术到分析与推算的多种伎俩和算法，均代表了最先进的科研成就和进展，拥有极高利用性和创新性。HapMap“中国卷”为构建占人类基因组10％的3号、21号染色体和8号染色体短臂的单体型图以及提供一半的亚洲样品。重要内容于2002年纳入国度“十五”科技攻关打算，其中2.5%的工作由香港创新科技署和香港大学教育赞助委员会结合赞助的香港幼组实现。HapMap中国卷10%的工作量对于承担团队是极为严格的考验和挑战。HapMap其他成员都是占有高通量SNP分型系统和经验丰硕的一流中心，只有中国团队从采办装置设备起头，各方面从一路头就落后他人一年。出格是，北京课题组资金严沉不及。双沉巨大压力下团队孤注一掷，超负荷追赶，采取一系列措施提高反映能力和降低成本，节俭所有可能经费，最终在精诚合作和相互援手下，中国团队实现了超过3 500万的SNP分型反映，保质保量地实现了中国卷工作并成为最早实现补洞的国度。
从人类基因组打算的1%到HapMap打算的10%，中国同蓬勃国度一路参与了揭示人类遗传机造全貌的两个雄伟打算，也是其中唯一产生数据的发展中国度。1％项主张参加使我国在基因组学这一学科领域得到迅快起跑，HapMap10％的贡献则标示着中国科学在基因组学这一新兴学科中的飞跃发展。这一汗青过程不只显示了我国在基因组学的巨猛进取以及国民和国力对于这一人类最大公益项主张支持，还体现了中国科学家抓住汗青机缘、把握学科前沿进展，从落后领域冲天而起的拼搏与成功。中国的参加发展训练了钻研行列，并极大推进了基因组学在中国的发展。在中华民族的遗传多态和沉大疾病的基因组钻研方面，多项沉要钻研成就和高水平论文每年都在递增产生。我国在这一领域已经获得大量世界当先成就并将以更大的性命力持续发展下去。
6、基因组科学带头的先进技术伎俩的发展
基因组科学发展的一个沉要特点就是与先进技术伎俩极其缜密的相互结合和推进，正是这种亲昵关系产生了科学与技术共同的迅猛发展。同早期测序技术落后的情况分歧，多种比力成熟的SNP分型技术在HapMap打算的执行之初已经发展起来，从而保障了HapMap打算的3年圆满实现。HapMap打算不只有力推动了SNP技术的急剧发展，还大大推进了多种基因组学技术的研发。出格是多种密度的全基因组SNP芯片为病例-对照钻研提供的有效工具，险些被所有大型疾病有关钻研选取。同时，在SNP杂交芯片基础上，多种全基因组规模的其他分子检测芯片陆续开发出来，蕴含定量检测转录本表白、microRNA、DNA甲基化等检测芯片，已在人和多种模式生物中获得大量利用。通过基于SNP或微列阵的比力基因组杂交(comparative genomic hybridization，Array-CGH)，则成为发现和钻研拷贝数量差距的沉要伎俩。
值得一提的是用于SNP分型的高通量芯片杂交技术还催生了利用微型“霰弹法”测序战术的二代测序技术的研发，近两三年来以高通量为特点的新一代测序仪已经成熟并迅快占据了市场。无论在钻研战术和伎俩，还是分析内容的种类和深度上，二代测序仪的遍及都带来了基因组学钻研的革命性思路和进展。如群体基因组规模的测序项目千人基因组打算的前期工作(Pilot project)已由二代测序伎俩实现，蕴含对两个三体家系的深度测序(均匀42X)，159个HapMap样品的低度测序(2-6X)和对697个别的部门表显子测序。美国NIH启动的肿瘤基因组打算(The Cancer Genome Atlas，TCGA)目前在以胶质细胞瘤、肺癌和卵巢癌为先导，通过二代测序进行肿瘤基因组的分析。此表，在SNP杂交芯片的基础上与二代测序同时发展起来的还有通过度子探针进行基因组上指标序列捕获的技术。凭据钻研必要的定造靶点探针和针对全基因组编码部门的商品化表显子探针将指标序列从整个基因组上特异性捕获下来，与二代测序联用，已经成为一种新的钻研步骤，极大推进了有关基因定位、医学沉测序等复杂性疾病钻研。
7、公益事业的鲜丽范例
作为沉大国际性公益事业，HapMap的成功合作和实现，再一次突破基因专利对于人类健全事业的挑战。自人类基因组测序的工作框架图颁发，钻研SNP和基因组多态性便成为新的钻研热点。出格是，人类基因组的SNP图谱是通向确定复杂性疾病易感基因与位点的钥匙，导致又一次出现了多个私营集团因基因专利的巨大商机而多方位鼓起的全基因组规模钻研热潮，再次使人类基因组打算所提出的数据共享准则受到严沉挑战。由此，国际合作组提出了人类基因组钻研的第二个战术工作，以多国合作大局共同构建单体型图的国际HapMap打算应运而生。为了与可能的基因或SNP专利赶超功夫，合作组出格采取了凭据项目进度随时颁布数据的战术。在HapMap网站大将所有阶段性数据即时发出供全球钻研人员无偿使用(www.hapmap.org)。最终HapMap的所罕见据，蕴含低频和罕见SNPs、分型技术、算法与了局等，全数无偿颁布，供全球其他钻研所用。
这些行动使人们再一次解除了对大规模疾病有关基因和位点的专利的哀愁。如同测序打算的全人类共享运作与私营企业试图争先基因专利的强烈竞争的一个更大规模的沉演，最终受当局支持的公益项目以其无法超过的规模和快率迫使多个启动更早的企业有关项目，出格是针对复杂性疾病的打算烧毁对于SNPs的专利尝试。不止一个企业有偿或无偿地将数据纳入到HapMap打算中，甚至从竞争转为沉要参与者。最终一个高密度的HapMap和目前拥罕见十亿数据的人类基因组多态数据库成为全人类共有的贵重财富。
还在HapMap打算酝酿之时，少数资深学者对于这一耗资甚大的打算所构建的HapMap能否为后续的疾病有关基因钻研提供沉要数据怀有疑难并影响到一些我国粹者。同时还存在是否“值得”耗资参与这样的公益项主张疑难。对此，自2004年起头显露的全球领域对于HapMap了局的大量利用已经充分证了然HapMap数据对于遗传多态和基因组钻研的不成代替的沉要意思，HapMap的奠基用对于后续发展的系列全基因组规模钻研的巨大作用现实上大大超出意料。而中国作为参与国之一，目前在基因组学方面获得的瞩目成就亦早已证明益莫大焉。HapMap计整齐经将基因组学钻研引向新的阶段，对人类健全产生着深远影响。一个全面揭示所有复杂性疾病的有关基因和人类遗传机造的时期在来临。
本文颁发于：《科学新闻》中国生物钻研热点论文特约稿——Vol. 5 No. 6 2010
