Референсные геномы как измерительная инфраструктура

Секвенсоры читают не геномы, а фрагменты — прочтения, — и всё, что дальше, от вызова вариантов до опознания видов, есть сравнение этих фрагментов с референсными последовательностями, уже собранными и опубликованными кем-то другим. База геномов поэтому не столько библиотека, сколько калибровочный эталон: прибор — секвенсор, но шкала — база, та же роль, какую в измерениях играют сертифицированные эталонные материалы.

Почему выводу нужен референс

Вариант называют там, где прочтение расходится с референсом, тогда как выборка совпадает с ним в остальном; прочтение метабаркодирования становится видом потому, что почти идентичный штрихкод уже лежит в библиотеке. Обе операции молчаливо предполагают, что референс покрывает истину. Сборка сама по себе — трудная часть: длинные прочтения перекрывают повторы, которые схлопываются в коротких, хромосомный уровень требует скаффолдинга по сближению концов, а аннотация — модели генов, пути — переносится от родичей и наследует их ошибки. Готовый референс — оценка со структурой, а не фотография.

Смещение представленности — это смещение измерения

Покрытие мирового биоразнообразия и человеческого генетического разнообразия перекошено — модельные организмы, культуры и скот, а в генетике человека — популяции европейского происхождения, — и перекос переходит в каждое сравнение. Вид, которого нет в библиотеке штрихкодов, — это не просто «не опознан»: его прочтения приписываются ближайшему секвенированному родственнику. У популяции, отсутствующей в базах вариантов, варианты читаются как редкие и потому подозрительные, а шкалы риска, обученные на представленном большинстве, вне его теряют точность. Общий закон: оценка, построенная на референсе, наследует его слепые пятна, и отсутствие данных не остаётся нейтральным — оно превращается в уверенную ошибочную классификацию. Для охраны природы след конкретен: когда вид входит в библиотеку в лице одного экземпляра, всякая другая популяция вида измеряется как отклонение от этой одной особи, а генетическое разнообразие, благодаря которому вид и выживает, записывается в базу как аномалия.

Пангеномы и напряжение с суверенитетом

Дизайн с единственным референсом сжимает всю вариацию, которой нет в выбранной особи, в аномалии. Пангеном — набор сборок или граф, несущий вариацию целой популяции, — возвращает утраченную базовую линию: каждая особь отображается куда-то, и «отличие от референса» перестаёт быть артефактом того, кого секвенировали первым. Строить пангенومные ресурсы дорого, но механически; труднее напряжение политическое. Контроль доступа к геномным данным — ради биобезопасности, ради справедливого раздела выгод, ради национального преимущества — реален и защитим, однако точность метода — сетевое благо: каждая база, ушедшая в тень, и каждая популяция, секвенированная только за стеной, ухудшают выводы у всех остальных. Суверенитет и качество референса тянут врозь, и честная позиция — назвать этот компромисс, а не делать вид, что разрозненный набор закрытых баз измеряет то же, что и открытый.