人类参考基因组 Human reference genome CHM13/hg19/hg38/GRCh37/GRCh38/b37/hs375d

本文基于 https://github.com/Cloufield/CTGCatalog/tree/main/Reference_data/Genome

目前使用较为广泛的人类参考基因组的版本有（20221011更新）：

• CHM13
• GRCh38 / h38
• GRCh37 / hg19
• hs375d
• b37
• humanG1Kv37

---

CHM13

目前最新的参考基因组版本，利用long-read seq技术与名为CHM13 的纯合的完全性葡萄胎（complete hydatidiform mole）的细胞系，T2T项目完成了人类第一个完整的参考基因组CHM13，该成果与其相关研究于2022年发表于Science上。

• 链接: https://github.com/marbl/CHM13
• 内容: chr1-22(CHM13),chrX(CHM13),chrY(NA24385),chrM(CHM13)
• 参考: Nurk, S., Koren, S., Rhie, A., Rautiainen, M., Bzikadze, A. V., Mikheenko, A., … & Phillippy, A. M. (2022). The complete sequence of a human genome. Science, 376(6588), 44-53.

GRCh38 / hg38

由基因组参考联合会 (Genome Reference Consortium)发布，正式名称为GRCh38（Genome Research Consortium human build 38），也被称为hg38（Human genome build 38， UCSC发布的版本），初版发布于2013年12月，特点是使用ALT contigs来代表常见的复杂变异，例如HLA loci.

GRCh38 (GRCh38.p14) 链接: https://www.ncbi.nlm.nih.gov/assembly/GCF_000001405.40

UCSChg38 链接： https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/

该版本的组装主要包含：

• 组装的染色体：1-22号染色体(chr1-22)，X(chrX)，Y染色体(chrY)，以及线粒体DNA(chrM)
• Unlocalized sequences ：已知位于某一染色体上，但方向和位置未知， 该类序列有_random后缀标注
• Unplaced sequences：未知染色体来源的序列，有chrU_ 前缀标注
• Aalternate loci/ALT contigs ：有 _alt 后缀标注，为某一区域可能的其他序列，表示这一区域的基因多样性

此外还包括：

• Pseudo-autosomal regions (PAR): XY染色体上的同源序列
• Homologous centromeric and genomic repeat arrays: 着丝粒 与 基因组重复序列（卫星DNA）
• EBV & decoys：EB病毒 与 诱饵序列等不能map到人类基因组的序列

---

GRCh37/ hg19

基因组参考联合会 (Genome Reference Consortium)于2009年2月发布的历史版本，近年发表文献多使用这一版本，但逐渐再向 GRCh38 过渡。

GRCh38 相比 GRCh37，修改了8000多错误的单核苷酸，纠正了若干错误组装的区域，填充了部分gap，新增了着丝粒（centromeres）的序列，并且大幅增加了alternate loci的数量。

University of California at Santa Cruz (UCSC) 于 2009 年 2 月发布的人类基因组组装hg19，与GRCh37序列基本相同，但具有不同的线粒体序列和其他替代的单倍型组装。对染色体的命名不同，为“1”，“2”。

GRCh37.p13 : https://www.ncbi.nlm.nih.gov/assembly/GCF_000001405.25

UCSC hg19: http://hgdownload.cse.ucsc.edu/goldenpath/hg19/bigZips/

---

hs37d5

在 千人基因组项目第二阶段 （1000 genome phase II） 中组装的参考基因组，来自Broad Institute，主要包括以下序列：

• GRCh37：Integrated reference sequence from the GRCh37 primary assembly (chromosomal plus unlocalized and unplaced contigs)
• rCRS 线粒体序列：The rCRS mitochondrial sequence (AC:NC_012920)
• 人疱疹病毒 4 型 1 类：Human herpesvirus 4 type 1 (AC:NC_007605)
• 级联诱饵序列的数据（名称的由来）：Concatenated decoy sequences (hs37d5cs.fa.gz)

---

b37

在 千人基因组项目第一阶段 （1000 Genomes Project Phase I ） 中组装的参考基因组，由Broad Institute发布，该组装主要基于GRCh37，包括来自 GRCh37、rCRS 线粒体序列和人疱疹病毒 4 型 1 类的数据。

• 文件名: Homo_sapiens_assembly19.fasta
• 来源: the 1000 Genomes Project Phase I and III, Broad Institute
• URL : https://data.broadinstitute.org/snowman/hg19/
• 内容: 1…22,X,Y,MT, unlocalized sequences (GL000191.1 …), unplaced sequences(GL000211.1 …) , NC_007605

humanG1Kv37

• 文件名: human_g1k_v37.fasta
• 来源: the 1000 Genomes Project Phase I and III, Broad Institute
• URL : http://ftp.1000genomes.ebi.ac.uk/vol1/ftp/technical/reference/
• 内容: 1…22,X,Y,MT, unlocalized sequences (GL000191.1 …), unplaced sequences(GL000211.1 …)
• 描述: no haplotype sequence or EBV （与b37相比，不包括NC_007605）
• 描述的URL: https://www.internationalgenome.org/category/assembly

参考资料：

https://gatk.broadinstitute.org/hc/en-us/articles/360035890711?id=23390

https://cloud.google.com/life-sciences/docs/resources/public-datasets/reference-genomes

https://www.sciencedirect.com/science/article/pii/S0888754317300058