CHM13

テロメア間コンソーシアム CHM13 プロジェクト

私たちは、多くの技術を使用して CHM13hTERT ヒト細胞株の配列を決定しました。培養細胞株からヒトゲノム DNA を抽出しました。 DNA はネイティブであるため、修飾された塩基は保存されます。データには、30x PacBio HiFi、120x カバレッジの Oxford Nanopore、70x PacBio CLR、50x 10X Genomics、さらに BioNano DLS および Arima Genomics HiC が含まれます。ワシントン大学/PacBio によって生成され、NCBI SRA から入手できる PacBio データを除き、ほとんどの生データはこのサイトから入手できます。

UCSC ブラウザ ハブは、CHM13 および T2T 霊長類で利用できます。 hs1 の UCSC Genome Browser に統合されるまで、このハブに対して更新が行われます。レガシー UCSC ブラウザは、v2.0、v1.0、および v1.1 バージョンで使用できます。

すべてのゲノムリピートのインタラクティブなドットプロット視覚化も resgen.io から入手できます。アセンブリで特定された既知の問題は、CHM13 の問題で追跡されます。

最新のアセンブリリリース

T2T-CHM13v2.0 (T2T-CHM13+Y)

Y を使用したヒトゲノムの完全な T2T 再構成。v1.1 からの変更点は、GIAB と HPRC の両方によって配列決定された GIAB HG002/NA24385 サンプルからの完成した染色体 Y の追加です。このゲノムは、NCBI (GCA_009914755.4) および UCSC でも入手できます。 UCSC ブラウザーはブラウザー自体に Genbank アクセッションを配列名として表示しますが、BED/bigBed/BAM/CRAM/bigWig およびその他の形式でアノテーションをロードしたり、「chr1/2/etc」名を使用して検索したりできることに注意してください。

以前のアセンブリ リリースは以下から入手できます。

• T2T-CHM13: v0.7 ～ v1.1
• T2T-HG002XY: v0.7-2.7

ダウンロード

シーケンスデータ

CHM13 用に生成されたシーケンス データセットは、このページで入手できます。

分析セット

マッピングベースの研究のリファレンスとして T2T-CHM13v2.0 (T2T-CHM13+Y) を使用するための分析セットは、README とともに aws で入手できます。

• chm13v2.0.fa.gz: T2T チームによって発見されたリピート モデルを使用してソフトマスクされたシーケンスを含む T2T-CHM13v2.0 アセンブリ。元の配列アクセッション番号は FASTA ヘッダーに表示されます。
• chm13v2.0_noY.fa.gz: Y染色体を除く。このファイルには CHM13 細胞株に由来する配列のみが含まれており、T2T-CHM13v1.1 と同一です。このファイルは、CHM13 のアセンブリのベンチマークに使用します。
• chm13v2.0_PAR.bed: 偽常染色体領域 (PAR)
• chm13v2.0_maskedY.fa.gz: chrY の PAR は「N」にハードマスクされます
• chm13v2.0_maskedY.rCRS.fa.gz: chrY の PAR は「N」にハードマスクされ、ミトコンドリアは rCRS に置き換えられました (AC:NC_012920.1)

2022 年 9 月 28 日更新: すべての分析セットの fa.gz ファイルが bgzip で再圧縮されました。インデックス ファイルは、README の更新された md5 とともに aws で入手できます。

遺伝子アノテーション

• JHU RefSeqv110 + Liftoff v5.2: これには、Y 染色体上のアンプリコニック遺伝子の精選されたアノテーションが含まれており、GENCODEv35 CAT/Liftoff および RefSeqv110 アノテーションのアノテーション エラーを修正します。 T2T-Y で見つかった追加のコピーには、RefSeq で利用可能な最も近い遺伝子に注釈が付けられ、複数の遺伝子が同じ共通名を持つことが可能になりました。このファイルは、元のファイルの特殊文字の問題を修正するために変更されています。詳しい説明はここでご覧いただけます。 v5 から v5.1 への更新ログはここから入手できます。
• UCSC GENCODEv35 CAT/リフトオフ v2
  • ソートされた GFF および TABIX インデックスの VEP 用の CAT/Liftoff v1 アノテーション
  • CAT/Liftoff v1 アノテーションから翻訳された転写産物をコードするタンパク質。これらは遺伝子ではなく転写物であり、転写物 ID (LOFF_G ではなく LOFF_T などの ID) によってのみ検索できることに注意してください。
• FTP からの NCBI RefSeqv110
• HPRC プロジェクトの EBI GENCODEv38 r2

注釈を繰り返す

• サイトバンド
• セグメント重複、v2022-03-11 (シンプルおよびフルベッド形式)
• Cen/Sat v2.1: より包括的なセントロメア/サテライト リピート アノテーション。 (霊長類の Cen/Sat トラックと一致するように色を変更しました)
• RepeatMasker v4.1.2p1.2022Apr14 ベッドまたはネイティブアウト。これは、T2T ゲノムからの新しいリピート モデルを使用したカスタムRepeatMasker ライブラリを構築するための優れたリソースと、RepeatMasker を実行するためのウォークスルーです。
• 複合リピート、2022DEC
• 新しい衛星、202212 月
• chrXY シーケンス クラス、v1
• テロメア
• Y 固有の注釈
  • 回文と逆反復、v1
  • アンプリコン v1
  • AZFa、AZFb、AZFc、DYZ v1

エピジェネティックプロファイル

• ENCODE、T2T-CHM13v2.0 でリコール
• HG002 および CHM13 5mC CpG および ONT および HiFi からのその他のメチル化

バリアント呼び出し

• 1000 ゲノム プロジェクト、T2T-CHM13v2.0 でリコールされました。すべての染色体、3,202 サンプル全体、または関連のない 2,504 サンプルについて利用できるようになりました。リファレンス セット、bam、および vcf ファイルも AnVIL_T2T_CHRY で入手できます。
• 1000 ゲノム プロジェクト - 血縁関係のないサンプルの人口別対立遺伝子頻度。さらに、一親等および二親等の親戚として発見された 14 人を除外します (詳細はこちら)。
• 1000 ゲノム プロジェクト - 上記のバリアント コールを使用して、SHAPEIT5 と段階的に進行しました。
• Simons Genome Diversity Project、T2T-CHM13v2.0 でリコールされました。リファレンス セット、bam、および vcf ファイルも AnVIL_T2T_CHRY で入手できます。
• FTP の gnomAD v3.1.2: これは GRCh38 からのリフトオーバー バージョンで、Ensembl Variant Effect Predictor を使用した PolyPhen-2 および SIFT からの分子的結果の予測と転写物特異的変異有害性スコアが注釈付けされています。
• ショートリード アクセシビリティ マスク (combined_mask の作成に使用される 3 つのマスクを含む) は、ここから入手できます。説明を参照
• ClinVar 20220313、GRCh38 から引き継がれました。説明を参照
• GWAS v1.0、GRCh38 からリフトオーバー。説明を参照
• dbSNP ビルド 155、GRCh38 から引き継がれました。説明を参照
• GRCh38-Y 座標で消失するバリアント、T2T-Y を参照として使用する場合の v0.005、詳細はここにあります。

リフトオーバーのリソース

• 1:1 リフトオーバー GRCh38 <-> T2T-CHM13v2.0、説明を参照
  • GRCh38/hg38 -> T2T-CHM13v2.0: grch38-chm13v2.chain
  • GRCh38/hg38 <- T2T-CHM13v2.0: chm13v2-grch38.chain
  • アライメント grch38-chm13v2.paf
• 1:1 リフトオーバー hg19 <-> T2T-CHM13v2.0
  • GRCh37/hg19 -> T2T-CHM13v2.0: hg19-chm13v2.chain
  • GRCh37/hg19 <- T2T-CHM13v2.0: chm13v2-hg19.chain
  • アライメント hg19-chm13v2.paf

非シンテニック領域

• 上記の鎖の GRCh38 および GRCh37 と比較して非シンテニック (ユニーク) な領域
  • GRCh38/hg38: chm13v2-unique_to_hg38.bed
  • GRCh37/hg19: chm13v2-unique_to_hg19.bed
• T2T-CHM13v1.0 および T2T-CHM13v1.1 と hg38Y からの非シンテニー領域 (Aganezov et al.)科学、2022
  • T2T-CHM13v1.0: chm13.draft_v1.0_plus38Y.no_snyteny_1Mbp.bed
  • T2T-CHM13v1.1: chm13_v1.1_plus38Y.no_snyteny_1Mbp.bed

ファイルダウンロード時の注意事項

ファイルは、アマゾン ウェブ サービスによって s3://human-pangenomics/T2T/CHM13 の下で、およびこの Web インターフェイスを通じて寛大にホストされます。

直接の HTTP リンクとして利用できますが、アマゾン ウェブ サービスのコマンドライン インターフェイスを使用するとダウンロードのパフォーマンスが向上します。参照は、 s3://アドレス指定スキームを使用するように修正する必要があります。つまり、ダウンロードするにはhttps://s3-us-west-2.amazonaws.com/human-pangenomics/T2T/をs3://human-pangenomics/T2Tに置き換えます。 。たとえば、 CHM13_prep5_S13_L002_I1_001.fastq.gz現在の作業ディレクトリにダウンロードするには、次のコマンドを使用します。

 aws s3 --no-sign-request cp s3://human-pangenomics/T2T/CHM13/10x/CHM13_prep5_S13_L002_I1_001.fastq.gz .

または、完全なデータセットをダウンロードするには、次のコマンドを使用します。

 aws s3 --no-sign-request sync s3://human-pangenomics/T2T/CHM13/ .

s3 コマンドを使用して、データセットに関する情報を取得することもできます。たとえば、人間が判読できる形式ですべてのファイルのサイズを報告します。

 aws s3 --no-sign-request ls --recursive --human-readable --summarize s3://human-pangenomics/T2T/CHM13/ 

またはテクノロジー固有のサイズを取得します。

 aws s3 --no-sign-request ls --recursive --human-readable --summarize s3://human-pangenomics/T2T/CHM13/nanopore/fast5
aws s3 --no-sign-request ls --recursive --human-readable --summarize s3://human-pangenomics/T2T/CHM13/nanopore/rel2
aws s3 --no-sign-request ls --recursive --human-readable --summarize s3://human-pangenomics/T2T/CHM13/assemblies

このガイドに従ってmax_concurrent_requestsなどの設定を修正すると、ダウンロードのパフォーマンスがさらに向上します。

接触

このデータセットに関する問題は、この Github リポジトリで提起してください。

データの再利用とライセンス

すべてのデータはパブリック ドメイン (CC0) に公開されており、その再利用が推奨されています。このデータの作成に「Telomere-to-Telomere」（T2T）コンソーシアムを使用していることを認め、引用していただければ幸いです。私たちのコンソーシアムの詳細については、T2T ホームページでご覧いただけます。また、関連する引用のリストは以下でご覧いただけます。

T2T-CHM13v2.0、v2.0 および T2T-Y 染色体に沿ってリリースされたデータセット

• Rhie A、Nurk S、Cechova M、Hoyt SJ、Taylor DJ 他ヒト Y 染色体の完全な配列。バイオRxiv、2022年。

ヒトゲノムの完全な配列と関連論文 (T2T-CHM13v0.9-v1.1):

1. Nurk S、Koren S、Rhie A、Rautiainen M、他。ヒトゲノムの完全な配列。科学、2022 年。
2. フォルジャーMRら完全なヒトゲノムにおける部分的重複とその変異。科学、2022 年。
3. ガーシュマン A ら。完全なヒトゲノムにおけるエピジェネティック パターン。科学、2022 年。
4. アガネゾフ S、ヤン SM、ソト DC、キルシェ M、ザラテ S、他完全な参照ゲノムにより、ヒトの遺伝的変異の分析が向上します。科学、2022 年。
5. ホイト SJ 他テロメアからテロメアへ: ヒトのリピート要素の転写およびエピジェネティックな状態。科学、2022 年。
6. アルテモース N, et al.ヒトセントロメアの完全なゲノムおよびエピジェネティックマップ。科学、2022 年。
7. ワグナー J ら医学的に関連する常染色体遺伝子に挑戦するための厳選されたバリエーションベンチマーク。ナットバイオテクノロジー、2022年。
8. マッカートニー AM、シャフィン K、アロンジェ M 他完璧を追求する: テロメアからテロメアへのゲノムアセンブリの検証と磨き上げ戦略。ナットメソッド、2022。
9. Formenti G、Rhie A、他。 Merfin: k-mer 検証によるバリアント フィルタリング、アセンブリ評価、および磨きが改善されました。ナットメソッド、2022。
10. ジェイン・Cら。 Winnowmap2 を使用した反復参照配列へのロングリード マッピング。ナットメソッド、2022。
11. アルテモース N、マスラン A、スミス OK 他DiMeLo-seq: タンパク質と DNA の相互作用をゲノム全体でマッピングするためのロングリードの単一分子メソッド。ナットメソッド、2022。

以前の引用:

1. フォルジャーMRら単一分子の高忠実度ロングリードを使用した、一倍体ヒトゲノムのアセンブリと変異検出の向上。人類遺伝学年報、2019 年。
2. Miga KH、Koren S 他完全なヒト X 染色体のテロメアからテロメアへのアセンブリ。自然、2020年。
3. Nurk S、Walenz BP、他。 HiCanu: 忠実度の高いロングリードからのセグメント重複、サテライト、対立遺伝子バリアントの正確なアセンブリ。ゲノム研究、2020 年。
4. ログスドン GA、他完全なヒト染色体 8 の構造、機能、および進化。Nature、2021。

歴史

 * rel1 and 2: 2nd March 2019. Initial release.
* asm v0.6 and canu rel2 assembly: 28th May 2019. Assembly update.
* Hi-C data added: 25th July 2019. Data update.
* asm v0.6 alignments of rel2 added: 30th Aug 2019. Data Update
* rel3: 16th Sept 2019. Data update.
* chrX v0.7, canu 1.9 and flye 2.5 rel3 assembly: 24th Oct 2019. Assembly update.
* shasta rel3 assembly: 20th Dec 2019. Assembly update.
* chr8 v3, rel4 data: 21 Feb 2020. Data and assembly update.
* update rel3 partition names since some tars included more than a single partition. 16 Apr 2020.
* add CLR/HiFi mappings to chrX v0.7. 8 May 2020.
* update partitions 23,28,30,53,55 and add 227-231 (data was missing from upload). 13 May 2020. Data update.
* add rel5 guppy 3.6.0 data: 4 Jun 2020. Data update.
* add chr8 v9. Aug 26 2020. Assembly update.
* add v0.9/v1.0 genome releases. Sept 22 2020. Assembly update.
* add v0.9/v1.0 alignment files. Sept 29 2020. Assembly update.
* add new UW data. Oct 6 2020. Data update.
* add rna-seq data. Dec 4 2020. Data update.
* add repeat and telomere annotations for v1.0. Dec 17 2020. Assembly annotation update.
* v1.1 assembly and related files. May 7 2021. Assembly update.
* v2.0 assembly and related files. Dec 2 2022. Assembly and annotation update.
* 1KGP variant calls for all chromosomes. Jan. 3 2023. Annotation update.
* 1KGP and SGDP bam / vcf released publicly on [AnVIL_T2T_CHRY](https://anvil.terra.bio/#workspaces/anvil-datastorage/AnVIL_T2T_CHRY). May 23, 2023. Data Update.
* 1KGP AF release. Jul 6 2023. Annotation update.
* Curated RefSeq/Liftoff v5.1 release. Jul 6 2023. Annotation update.
* Curated RefSeq/Liftoff v5.2 release. Aug 23 2024. Protein coding gene annotation update.
* Link page for custom RepeatMasker library with T2T repeats. Nov 19 2024.