被忽视的宏卫星DNA：癌症与染色体不稳定背后隐藏的推手

人类基因组中有大片区域长期被贴上了“垃圾DNA”的标签——这些看似毫无用处的重复序列一度被认为是进化残留的分子化石。这其中就包括名为SST1/NBL2的宏卫星（Macrosatellites），它们是灵长类特异的串联重复序列，聚集在我们近端着丝粒染色体（13、14、15、21和22号）的着丝粒附近。如今，由长读长测序技术驱动的新研究正在迫使我们彻底改变这一看法。这些曾被忽视的区域，如今被发现与癌症、人类最常见的染色体结构重排，甚至一部分唐氏综合征病例密切相关。

什么是SST1/NBL2宏卫星？

宏卫星是异常巨大的DNA重复模块。以NBL2宏卫星为例，它由长度为1.4千碱基对的单元在染色体上重复多次构成，具体重复次数尚不明确，已知存在于第13、14、15和21号染色体上。多年来，这些区域因其庞大的规模和高度重复性，让传统的短读长测序技术束手无策，因此它们在基因组组装中几乎是完全“隐形”的。

这一切随着长读长测序平台的到来而改变。牛津纳米孔（Oxford Nanopore）和PacBio测序仪能够产生足以横跨整个重复阵列的长读长。借助这些技术，“端粒到端粒”（T2T）联盟首次组装出了完整的人类基因组，精确地包含了这些区域。

与癌症的惊人联系

一个最引人注目的发现是，SST1/NBL2重复序列在肿瘤中频繁出现去甲基化（demethylated），即失去甲基化学基团，这是人类肿瘤中最常见的表观遗传学改变之一。这种去甲基化“唤醒”了这些沉睡的重复序列。当表观遗传的沉默枷锁被打开后，这些区域就被积极转录了。

这一转录过程产生了一个此前未知的分子：一种名为TNBL（意为“肿瘤相关NBL2转录本”）的长链非编码RNA。不同于最早在结直肠癌中的发现，后续研究表明TNBL会形成核仁周围聚集体，并与参与关键细胞过程的蛋白质发生物理相互作用，包括剪接因子SAM68和DNA损伤应答途径的组分。

不过，研究人员强调，直接因果链条尚未建立。目前并不清楚TNBL是主动驱动了肿瘤形成，还是仅仅是癌细胞中全基因组表观遗传混乱的副产品。

罗伯逊易位与唐氏综合征

SST1/NBL2序列位于近端着丝粒染色体的短臂上，而这里正是罗伯逊易位的热点区域。罗伯逊易位是人类最常见的染色体结构重排，当两个近端着丝粒染色体在着丝粒处融合时便会发生。当这种融合涉及21号染色体时，就可能导致可遗传的21三体，这占全部唐氏综合征病例的一小部分，大约为4%。

新的研究数据将SST1/NBL2定位为基因组结构脆弱区域的一个标志物。虽然这些重复序列本身未被证实是这些易位的直接原因，但它们的存在和表观遗传状态可能会影响周围染色质结构的稳定性。

长读长测序如何解锁这些发现？

在长读长测序技术成熟之前，整个研究领域几乎不可能存在。短读长技术会将DNA打碎成太小而无法跨越长串联重复的片段，导致这些测序读段在组装过程中要么被错误折叠，要么被直接丢弃。改变游戏规则的关键技术进步包括：

• 完整的基因组组装： 主要基于PacBio HiFi和牛津纳米孔数据构建的T2T人类参考基因组，终于填补了包含SST1/NBL2的近端着丝粒染色体短臂上的空白。
• 直接的结构变异检测： 有研究使用低覆盖度的纳米孔测序，精准定位了重复区域内的平衡易位断点，而这些断点是荧光原位杂交（FISH）和短读长测序所遗漏的。
• 重复序列转录本的发现： 纳米孔测序有能力读取全长RNA分子——无需短读长RNA测序所需的组装步骤——这使得研究人员能够识别出像TNBL这样、其他方法“看不见”的重复序列衍生转录本。

未来之路：生物标志物与更广阔的可能

目前的研究仍处于基础发现阶段，但临床应用的潜力已初现轮廓。如果TNBL或其他宏卫星来源的RNA被证实对癌症具有功能性贡献，它们将可以作为疾病生物标志物——在血液或组织中可检测到的信号——或者甚至成为治疗癌症的突破口。它们与剪接和DNA修复机制的相互作用暗示，其参与的通路可能具有“可成药的”潜力。

长读长测序如今使得研究这些区域的天然人类变异成为可能——个体间和肿瘤间在重复拷贝数、甲基化和表达上的差异——这对于理解它们的生物学意义至关重要。

就目前而言，SST1/NBL2宏卫星的故事有力地提醒我们：人类基因组中仍有重要的篇章有待阅读。而翻开这些篇章的工具，终于到来了。