以前大家一直说已经读完了人类基因组，可真正翻开最后几页才发现，居然还有一大堆空白。那些一直被忽略的区域，偏偏和衰老、癌症、生育、遗传疾病都有关系。这篇发表在《Cell》的评论文章讨论的重点，并不是又发明了一台测序仪，而是宣布一个时代已经结束，另一个时代正式开始。
人类基因组为什么一直都不是完整版
很多人以为，人类基因组计划二十多年前就已经完成，所以今天做基因检测，不过是在已有地图上找不同的位置。
真正的情况却像一本一千页的书，中间有八十页因为太难印刷，被直接撕掉了。后来所有人都拿着这本缺页版教材学习，时间久了，大家甚至忘记它本来就少了内容。论文一开始就指出，人类基因组计划最大的遗憾，就是重复序列无法完整组装，大量重要区域只能留下空缺。
这些缺失区域长期被认为价值不高，因为它们重复太多，像打印机不停复制同一句话。可真正深入以后才发现，这些区域恰恰参与染色体稳定、端粒、着丝粒、多拷贝基因以及大量疾病相关机制，包括衰老、癌症、不孕和遗传疾病。以前看不到，不代表它不存在。
真正的问题并非科学家不知道那里有东西，而是以前的测序技术读得太短。短读长数据遇到重复区域，就像把几千块完全一样颜色的拼图混在一起，电脑根本不知道哪一块应该放在哪里，于是只能留下一个大大的空洞。
T2T真正改变的不是地图，而是地图是否完整
文章不断强调一个关键词：Telomere-to-Telomere，简称 T2T（端粒到端粒）。它表示整条染色体从一端端粒一直连续到另一端端粒，中间没有任何缺口。
这个概念看起来只是一个名字变化，实际上代表评价标准发生了变化。过去很多论文也喜欢写 complete（完整）或者 whole genome（全基因组），后来大家发现，这两个词用得太宽松。真正没有任何缺口的染色体，其实非常少，所以 T2T 成了新的质量标准。
能够进入 T2T 时代，并不是因为算法突然变聪明，而是因为测序终于能够读到几百万碱基长度的超长序列，再配合 PacBio HiFi 高精度长读长和新的组装算法，过去几十年无法跨越的大型重复区域终于第一次能够连续拼接出来。
更有意思的是，这件事情形成了正反馈。第一次得到完整基因组以后，这些过去从未见过的数据，又反过来重新训练测序模型，提高测序准确率，让下一代 T2T 基因组更容易完成。论文认为，高质量参考基因组本身已经成为未来算法持续升级的重要训练数据。
AI时代为什么突然开始重做整个基因组
如果只是为了补齐几段缺失序列，这场技术革命不会引起这么大的关注。真正改变方向的原因，是人工智能的发展，把完整数据突然变成了刚需。
人工智能训练有一个很简单的规律，教材越完整，学出来的模型越聪明。如果教材本身少了八个百分点，而且偏偏少的是最复杂、变化最快的章节，那么模型再聪明，也只能学会一套残缺知识。论文直接指出，以前整个基因组有约8%的内容长期缺失，其中很多还是近年来快速演化形成的区域，因此任何预测模型都会天然存在盲区。
这里出现一个重要概念：Sequence-to-Function Model（序列到功能模型）。它的目标不是记住某段DNA长什么样，而是看到DNA序列以后，就预测它未来会影响哪些蛋白质、哪些组织、哪些疾病风险。这种模型想学会规律，就必须拥有尽可能完整的数据，否则等于一直在拼缺角拼图。
论文拿 AlphaFold 举了一个很有意思的例子。AlphaFold 成功的重要原因，并不仅仅是算法优秀，更重要的是前面几十年积累了足够完整、足够可靠的蛋白质数据库。作者认为，未来基因组领域也需要建立类似的数据基础，把完整基因组、表观基因组、转录组、蛋白质组等各种数据一起组成训练集，让人工智能学习真正完整的生物规则，而不是一直围着残缺参考基因组打转。
另一个容易忽略的变化，是训练数据开始强调来自同一个个体。过去很多数据库东拼一点、西拼一点，不同人的数据混在一起分析。论文认为，未来应该把完整双倍体基因组与同一个人的甲基化、染色质开放状态、转录组等功能数据配对采集，这样人工智能才能准确知道每一个调控元件真正对应哪一条染色体，而不会出现配错对象的情况。
个性化基因组正在取代参考基因组
过去做基因分析，大多数流程都是先把一个人的DNA拿去和标准参考基因组比较，再寻找哪里发生了变化。这种方法像所有人都穿同一双鞋，再去比较谁的脚比较奇怪。
论文提出的新方向叫 Personalized Genomics（个性化基因组）。它的核心变化不是继续优化参考基因组，而是让每个人拥有属于自己的完整基因组，再把所有分析直接建立在这个人的基因组之上。分析对象第一次从公共模板变成了患者本人。
这样带来的最大变化，是大量过去需要分别完成的检测都有机会统一完成。例如寻找重复扩增、复杂结构变异、多拷贝基因变化等，以前往往需要不同实验分别检测；未来只需要查询患者自己的完整基因组，就可能一次完成分析。论文把这种变化描述成，把许多单独检测转换为针对完整个人基因组的直接查询。
作者进一步设想未来医疗流程：先完成低成本全基因组测序，然后重建个人完整双倍体基因组，再结合数据库和最新文献，由人工智能完成搜索、推理与总结，最后交给临床医生解释诊断、风险预测和治疗方案。人工智能负责处理指数级增长的信息，人类医生负责最终医学判断，两者形成新的协作方式，而不是彼此替代。
文章最后留下一个耐人寻味的判断。过去二十多年，行业一直努力回答的是“如何测完整个基因组”；现在真正的问题已经变成“如何理解整个基因组”。前一个问题主要属于测序技术，后一个问题则属于人工智能、生物学和医学共同面对的新挑战。从补齐缺页，到真正读懂整本书，这才是作者眼中 T2T 时代真正开始的地方。
从测完整基因组，到读懂整个生命系统
真正值得关注的变化，并不是测序仪越来越快，而是整个研究目标已经发生了变化。以前大家拼命把DNA一个字一个字读出来，现在真正困难的是理解这些文字为什么这样排列，又为什么会决定生命活动。
论文专门提出一个容易被忽略的问题。对于能够直接改变蛋白质编码的突变，人们已经可以比较准确预测影响，因为遗传密码规则已经研究几十年。但是，大量位于非编码区域的变异，依然很难判断后果，例如影响基因调控、RNA剪接以及各种调控网络的变化。这说明，人类真正不了解的内容，大部分仍然藏在非编码区域。
过去这些区域长期缺失，所以很多预测模型天然存在知识盲区。如今T2T完整基因组第一次把这些区域连续展示出来，再配合同一个人的甲基化、转录组等功能数据，人工智能终于能够学习整个调控网络，而不是只学习其中最容易观察的一部分。论文认为，这些原本处于"黑暗区域"的序列，正在不断揭示新的基因组织方式和调控规律，并将持续提高未来预测模型的准确率。
整篇评论最后一句其实点出了全文真正想表达的中心思想。
过去几十年，整个基因组时代关注的是 Sequencing Whole Genomes（测完整个基因组）；未来真正的重要任务将变成 Understanding Whole Genomes（理解整个基因组）。前者属于数据获取的问题，后者属于知识生成的问题，而人工智能恰好站在这两个时代的交汇点上。
总结：
完整基因组解决的是数据缺口，个性化基因组解决的是参考偏差，人工智能解决的是知识理解。真正的竞争开始从测得出来，转向看得明白。
以前缺的是DNA，现在缺的是理解。
原文期刊：Cell
发表日期：2026年8月6日
原文标题：Filling the holes in whole genomes: A vision for personalized genomics from telomere to telomere
作者单位背景：Johns Hopkins University、Shanghai Jiao Tong University、Beijing Institute of Genomics, Chinese Academy of Sciences、Genome Institute of Singapore、University of California, Santa Cruz