基于新一代测序的藏族高原适应性基因组结构变异研究

Genetic basis of Tibetan high altitude adaptation (HAA) has been a research hotspot of studying human adaptation to the environment. EPAS1 and EGLN1 are the two representative genes identified as HAA signals by using genome-wide single nucleotide polymorphism (SNP) data, while the potential functional variations of the two genes are different: EGLN1 has been found a high-frequency missense mutation at coding region but EPAS1 does not have one, which suggests that the function of EPAS1 is influenced by other types of genetic variants. However, we recently found a potential functional copy number variant at downstream of EPAS1 with high frequency in Tibetan, which supports that structural variants (SV) in Tibetan genome might contribute to HAA. Based on these discoveries and the fact that previous efforts mainly considered SNP in the HAA study, this project will focus on the systematical study of SV in Tibetan genome. We plan to apply the next-generation sequencing technology to deep-sequence Tibetan whole genome and construct a comprehensive Tibetan SV map. Using Han Chinese as a reference population, we will conduct a series of systematical and comprehensive analyses to identify Tibetan-specific SVs, and we will do further research on the HAA associated variants and explore their mechanism. The project will provide new insight into the molecular mechanism of Tibetan high-altitude adaptation.

藏族高原适应的遗传基础一直是人类进化遗传学和高原医学的研究热点。EPAS1和EGLN1是近年来基于单核苷酸多态性(SNP)研究发现的两个最具代表性的高原适应候选基因，但潜在的功能性变异却在两个基因中存在显著差异：DNA测序研究已发现EGLN1中存在高频的错义突变，而在EPAS1中却未能发现，这提示EPAS1的功能性变异是其他类型。而我们近期对藏族EPAS1的初步分析发现了有潜在功能的高频DNA拷贝数变异，很大程度上支持藏族基因组中可能存在DNA结构变异(SV)与其高原适应紧密关联。鉴于以上观察及以往藏族高原适应研究主要基于SNP，本项目将针对藏族基因组SV展开系统研究。拟通过新一代测序技术对藏族基因组进行深度测序，全面系统地构建其SV图谱；同时以汉族等平原人群为参照，筛选出藏族特异性SV，并鉴定高原适应性的功能变异，进一步探索其发生和作用机制，为阐明藏族高原适应的分子机理提供新视角。

藏族高原适应的遗传基础一直是人类进化遗传学和高原医学的研究热点，然而目前针对藏族基因组中结构变异及其与高原适应的相关性研究依旧缺乏。为此，我们结合了第二代短读长和第三代长读长的测序技术，对藏族基因组中的结构变异进行了系统的检测。我们利用第三代测序技术对一个藏族样本(ZF1)进行了全基因组测序，并对其进行从头组装，得到2.89Gb的藏族参考基因组（contig N50=24.57Mb, scaffold N50=58.80Mb）。在此基础之上，构建了包含17,900个结构变异的藏族基因组结构变异图谱。通过与其它东亚三代测序个体基因组的比较，发现了6,505个藏族个体ZF1特有的结构变异，这些变异涉及1,832个基因区域。这些与结构变异相关的基因在GTP酶活性（FDR=1.78E-05）上有富集。在构建的藏族参考基因组以及结构变异图谱的基础上，我们以汉族人群作为参照人群，用全基因组二代测序的数据从群体水平上分析了汉藏人群频率分化。汉藏差异最大的前5%的结构变异中，我们发现了MKL1上一个163bp的缺失与藏族的肺动脉压具有显著相关性（FDR=0.002）。此外，针对位于EPAS1基因下游可能与藏族血红蛋白浓度相关的并且汉藏分化差异最大的这个结构变异，我们解析了它在藏族中的遗传起源，发现该变异所在区域与EPAS1基因一样可能来源于丹尼索瓦人，并且发现了藏族基因组EPAS1以及其下游总长~300kb的区域有着非常复杂的祖先来源成分，其中夹杂着丹尼索瓦人、尼安德特人与古西伯利亚人等成分。基于这段区域，我们重构了藏族遗传演化的模型，阐明了藏族的遗传演化历史。这些研究成果为藏族遗传学研究和医学研究提供了高质量的参考基因组，并对进一步探索藏族人群高原适应的分子机理提供了新视角。