高同源區段SNP分型（一）

一、核心概念
 
高同源區段指的是在不同DNA序列之間，存在異常高程度的序列一致性的基因組區域。
“同源”：這意味著這些序列共享一個共同的祖先序列。高相似性通常是由于在進化過程中，這些區域受到強烈的功能約束或受限于復制時間而未分化。
 
二、高同源區段的類別
 
1.亞基因組
在異源多倍體生物中（如小麥、棉花、油菜），它們由兩個或多個不同的祖先物種雜交形成。形成的新基因組中，來自不同祖先的幾套染色體組就被稱為亞基因組。
 
與高同源區段的關系：
這些不同的亞基因組擁有共同的遠古祖先，因此它們之間在整體上就是同源的。在異源多倍體物種中，不同亞基因組之間的同源染色體上存在大量高同源區段。例如，小麥A基因組上的某個基因區段，在B和D基因組的對應位置上，幾乎一定能找到序列高度相似的區段。這些高同源區段的存在是多倍體物種進行基因表達調控（例如部分同源基因的選擇性沉默或表達）和減數分裂時染色體正確配對的分子基礎，同時也為育種提供了豐富的遺傳變異。
 
2.假基因
 
假基因是基因組中由于突變（如移碼突變、無義突變、啟動子缺失等）而喪失原有蛋白質編碼功能的基因拷貝。
 
與高同源區段的關系：
假基因來源于功能性基因的復制（通過逆轉錄或基因組DNA復制），因此在誕生之初，它與它的親本功能基因的序列是高度同源的。隨著時間推移，由于不再受到自然選擇的壓力，假基因會積累更多突變，其序列同源性會逐漸降低。但一個“年輕”的假基因與其功能基因之間，依然會是一個典型的高同源區段。識別假基因的主要方法之一，就是在基因組中發現與功能基因序列高度相似但含有致命突變（如提前出現終止密碼子）的區段。
 
3.重復序列
指在基因組中重復出現多次的DNA序列。可分為兩大類：串聯重復序列：如衛星DNA（著絲粒、端粒區）、微衛星DNA。散在重復序列：如轉座子，包括DNA轉座子和逆轉錄轉座子。
 
與高同源區段的關系：
重復序列的本質就是自我復制和增殖。同一個家族的重復序列（尤其是轉座子）在基因組中有成千上萬個拷貝。這些拷貝之間序列高度相似，構成了基因組中最大、最常見的高同源區段。這些高同源區段是基因組組裝的主要挑戰，因為短的測序讀數無法準確區分這些幾乎一模一樣的區域，容易導致錯誤。同時，它們也是染色體在減數分裂時發生非等位同源重組的主要根源，從而導致基因缺失、重復等結構變異。
 
4.同源基因
指來源于一個共同祖先基因的那些基因。根據來源方式可分為：
直系同源基因：源于物種形成事件（如人類和老鼠的胰島素基因），通常保留相同功能。
旁系同源基因：源于基因復制事件（如人類體內的多個珠蛋白基因），功能可能分化。
 
與高同源區段的關系：
同源基因之間必然存在同源區段，但其相似性“高”與否取決于進化時間和功能約束。近期產生的旁系同源基因（如人類HBA1和HBA2珠蛋白基因）：序列一致性極高，是典型的高同源區段。它們可能形成基因簇。古老的同源基因：雖然同源，但經過億萬年的變異積累，序列相似性可能已經不高，主要在關鍵功能域上保留較高相似性。
 
測序過程中，高相似性的序列容易引發測序錯誤和數據分析的困難。那如何解決這問題呢？