1 背景与历史
1.1 前期科学铺垫
1.1.1 遗传学与分子生物学奠基
人类基因组计划的科学根基可追溯至19世纪。1866年，奥地利修士格里戈尔·孟德尔通过豌豆杂交实验提出遗传因子假说，成为经典遗传学的起点。20世纪初，托马斯·亨特·摩尔根在果蝇中证实基因位于染色体上，并建立了遗传连锁理论。1953年，詹姆斯·沃森与弗朗西斯·克里克提出DNA双螺旋结构模型，揭示了遗传信息的存储与复制机制。此后，分子生物学技术迅猛发展：1977年，弗雷德里克·桑格发明了链终止法（即桑格测序法），使DNA测序成为可控实验；1985年，聚合酶链式反应（PCR）技术的问世进一步加速了基因扩增与检测。至1980年代末，科学家已对细菌、酵母等模式生物完成全基因组测序，为人类基因组的大规模探索积累了方法论与经验。
1.2 计划启动与组织架构
1.2.1 主要参与国与机构
人类基因组计划于1990年10月1日正式启动，由美国国立卫生研究院（NIH）与能源部（DOE）牵头，初期年度预算约2亿美元。国际协作网络迅速形成：英国威康信托基金会资助的桑格研究所（现威康桑格研究所）、日本理化学研究所与东京大学、德国马克斯·普朗克分子遗传学研究所、法国国家基因组测序中心（Génoscope）、以及中国国家人类基因组北方与南方研究中心等先后加入。计划设置了协调委员会，统一制定测序标准、数据共享政策与伦理准则，并定期召开国际会议同步进展。中国作为唯一的发展中国家参与方，承担了人类第3号染色体短臂末端约3000万个碱基的测序任务，标志着中国基因组学研究进入国际前沿。
1.3 时间线与里程碑
1.3.1 1990-1998：草图阶段
计划的前八年集中于两大核心任务：构建高分辨率遗传与物理图谱，以及开始大规模测序。1994年，第一张人类基因组遗传连锁图谱公布，包含约6000个遗传标记；1995年，物理图谱覆盖过半基因组。1996年，酵母基因组（第一个真核生物基因组）测序完成，验证了测序策略的可行性。1998年，私营企业塞雷拉基因组公司（Celera Genomics）宣布利用全基因组鸟枪法独立测序，形成与公共计划的“赛跑”局面。同年，公共计划提前启动大规模测序，当年底已完成约10%的序列。
1.3.2 1998-2003：完成阶段
1999年，国际人类基因组测序联盟（IHGSC）宣布第22号染色体（第一条人类染色体）完整测序完成。2000年6月26日，时任美国总统比尔·克林顿与英国首相托尼·布莱尔通过电视联合宣布，人类基因组工作草图的完成率已达90%。2001年2月，《自然》和《科学》杂志分别发表IHGSC与塞雷拉公司的基因组草图，标志着人类基因组序列的基本轮廓问世。2003年4月14日（距沃森、克里克发表DNA双螺旋结构恰好50年），IHGSC正式宣布人类基因组计划所有目标均已达成，完成度达99.99%，剩余缺口主要为高度重复区域。整个计划总计投入约30亿美元，提前两年完成。
2 技术与方法
2.1 DNA测序技术
2.1.1 桑格测序法的规模化应用
人类基因组计划的核心测序方法为桑格测序法的自动化版本。该方法利用DNA聚合酶在引物延长过程中随机掺入双脱氧核苷三磷酸（ddNTP），使链终止于特定碱基位置。随后，通过毛细管电泳分离不同长度的片段，由荧光标记检测并读取序列。自动测序仪（如ABI 3730xl）每天可产出约100万个碱基。为达到30亿碱基对的测序总需求，全球数百台测序仪24小时连续运行，每台每年可完成约1.5亿碱基的测序。该过程需先对基因组进行随机打断、克隆至细菌人工染色体（BAC）载体，然后逐一测序，最终拼接。尽管效率较低、成本高，但桑格测序法提供了高精度的基准数据，成为后续所有测序技术的“金标准”。
2.1.2 全基因组鸟枪法策略
塞雷拉基因组公司于1998年推广的“全基因组鸟枪法”是一种激进策略：直接将人类基因组DNA随机切割成约2000碱基的片段，测序后依靠强大的计算机算法（如“Assembler”软件）直接拼接。公共计划起初采用“克隆-测序-逐步拼接”的分层次策略，但在塞雷拉的竞争下，也引入鸟枪法加速进度。两种策略互补：分层次策略可保证大片段区间的精确连接，鸟枪法则擅长快速覆盖。最终，公共计划的序列覆盖了约85%的常染色质区域，鸟枪法提供了局部高深度覆盖与变异检测的补充数据。
2.2 基因图谱构建
2.2.1 遗传连锁图谱
遗传连锁图谱利用家系中多态性标记（如微卫星、短串联重复序列）的重组频率来估算基因间的相对距离（单位为厘摩，cM）。图谱构建需先收集大型家系群体（如CEPH参考家系），通过基因分型记录标记在子代的分离模式。1994年发布的第一张人类遗传图谱包含约6000个微卫星标记，平均分辨率约0.7 cM（约700千碱基）。该图谱为疾病基因的连锁分析提供了骨架：科学家可先定位一个遗传标记附近，再通过精细定位缩小范围。后续结合物理图谱，遗传图谱协助将克隆片段按正确顺序排列。
2.2.2 物理图谱
物理图谱反映DNA分子上真实碱基的物理距离（单位为碱基对）。人类基因组计划的主要策略是构建覆盖全基因组的“BAC重叠群图谱”：将基因组DNA克隆至BAC载体中（插入片段约150千碱基），通过限制性酶切指纹或序列标签位点（STS）标记，确定不同BAC克隆的重叠关系，从而拼出连续覆盖。1995年底，物理图谱已覆盖约95%的常染色质区，平均每100千碱基便有一个STS标记。图谱为测序提供了精确的“路标”，确保每个BAC克隆在染色体上的位置已知，最终拼接成染色体规模的连续序列。
2.3 数据分析与组装
2.3.1 序列比对算法
测序获得的海量短片段需通过计算组装成长序列。公共计划开发了“Phred”软件（自动识别碱基质量）和“Phrap”软件（基于序列相似性将片段拼接为连续片段）。塞雷拉则使用了“全基因组组装器”，将数十亿短片段先聚类再比对，计算时间和内存消耗极大。常用比对算法如BLAST（1990年开发）用于搜索序列相似性，帮助注释基因；而用于组装的核心算法则是基于重叠-布局-共识模型的动态规划方法。2001年发表的序列中，约90%以上的碱基错误率低于10⁻⁴，这依赖于多次迭代的比对与校正。
2.3.2 缺口填充与验证
由于高重复序列（如着丝粒和端粒）、GC含量极低或极高的区域难以克隆和测序，基因组中存在多个间隙。IHGSC专门成立“缺口填充”小组，通过设计替代PCR引物、使用不同菌株的BAC文库或长读长测序（如使用PacBio技术的前身——Sanger长片段策略）逐一攻克。截至2003年，常染色质区域的缺口已由最初约400个减少至不足300个。最终序列通过以下方式验证：与遗传连锁图谱交叉检验（确保距离一致），以及对随机区域进行重测序（统计错误率）。人类参考基因组经多次更新后，已成为全球生物学研究的标准参照。
3 主要成果
3.1 基因组序列的完整发布
3.1.1 人类参考基因组（GRCh系列）
2003年公开的人类基因组序列是首个“完整”版本，命名为“参考基因组”（Build 35或NCBI 35）。此后，GRCh38于2013年发布，GRCh38.p14为最新修补版，涵盖来自多个匿名捐赠者的DNA。参考基因组全长约3.1 Gb（30.9亿碱基对），其中约2.95 Gb为常染色质区域。多余部分来自异染色质（如着丝粒周围）和尚未完全解析的重复序列。参考基因组以FASTA格式提供，并按染色体编号（1-22、X、Y及线粒体DNA）排序，成为全球所有基因组分析工具（如BWA、GATK）的基准。其发布推动了数以万计的疾病基因组研究，并直接催生了商业个人基因组测序服务。
3.2 基因数目与功能注释
3.2.1 基因编码区与非编码区
早期预测人类基因总数在5-10万之间，但HGP最终确认约2万-2.5万个蛋白编码基因，与果蝇（约1.4万）和线虫（约1.9万）的数量相当，却只有水稻基因组的一半。这一“基因数少”的结论令科学界震惊，也引发了对非编码区功能的重新审视。人类基因组中约98.5%的序列不编码蛋白质，包含大量非编码RNA基因（如microRNA、长链非编码RNA）、调控元件（启动子、增强子）、转座子（约占45%）以及“基因沙漠”（无基因的大段区域）。基因注释工作由GENCODE和RefSeq等数据库持续维护，每年修订，最新版本注释约2万个蛋白编码基因，以及数万个非编码基因。
3.3 基因组变异图谱
3.3.1 单核苷酸多态性（SNP）与结构变异
HGP为人类基因组提供一个“平均”参考，但不同个体之间约有0.1%（约300万个碱基）的差异。早期通过比较来自不同种群的DNA序列，鉴定出超过100万个单核苷酸多态性（SNP）位点，储存在dbSNP数据库。这些SNP为群体遗传学、疾病关联研究（如全基因组关联分析，GWAS）提供了高密度标记。此外，还发现更多结构变异：拷贝数变异（CNV）、倒位、插入与缺失等，其总和在个体间差异中占比甚至超过SNP。例如，2004年科学家首次鉴定出约255个区域存在大规模缺失或重复。这些变异图谱揭示了人类表型多样性（如肤色、对药物的反应等）的遗传基础，并帮助解释一些同卵双胞胎的差异来源。
4 伦理、法律与社会影响
4.1 隐私保护与基因歧视
4.1.1 美国基因信息反歧视法案（GINA）
随着基因检测的普及，个体面临因基因信息遭歧视的风险。美国国会于2008年通过了《基因信息反歧视法案》（Genetic Information Nondiscrimination Act, GINA），明确规定：健康保险公司不得根据基因检测结果拒绝承保或提高保费；雇主不得因基因信息而解雇、不录用或歧视雇员。GINA覆盖了大多数健康保险和就业场景，但未涵盖人寿保险、长期护理保险或残疾人保险等领域。该法案被视作HGP伦理成果的立法体现，也是全球基因隐私保护的典范。类似立法在英国（《人类组织法案》）、日本和欧盟成员国相继出现，但在发展中国家仍属罕见。
4.2 伦理审查与知情同意
HGP最早设立了“伦理、法律与社会影响”（ELSI）项目，约占整个计划预算的3%-5%，专门研究隐私、同意、歧视、公平等议题。在DNA样本采集阶段，要求所有匿名捐献者签署明确的知情同意书，并允许随时退出。相关伦理委员会还强调了“社区参与”原则：例如在冰岛和托斯卡纳等遗传隔离人群的基因组计划中，需通过公众听证会获取广泛认可。ELSI的设立成为后来所有大型生物医学研究计划（如国际千人基因组计划）的标配，标志着科学对人文关怀的主动融合。
4.3 “脱氧核糖核酸（DNA）所有权”争议
4.3.1 人类基因组共有宣言
HGP早期，部分基因序列被申请商业专利，引发“人类基因能否被私有化”的激烈辩论。1996年，联合国教科文组织（UNESCO）通过《关于人类基因组与人权的宣言》，宣布人类基因组是人类共同遗产，不属于任何个人或国家，不得用于商业垄断。1997年，国际人类基因组组织（HUGO）发表声明，重申基因序列应作为公共资源开放获取。塞雷拉基因组公司虽然自行测序，但在公众压力下，最终将约40%的序列公开（以“防贪吃”方式延迟公布，但比预期更早释放数据）。至2003年计划完成时，人类基因组数据已完全进入公共领域，任何个人或机构均可免费下载，这为全球数百万项研究扫清了知识产权障碍。
5 后续发展与衍生项目
5.1 国际单体型图计划（HapMap）
HGP提供了序列参考，但无法解释人群中疾病易感性的差异。国际单体型图计划（2002-2005年）旨在构建人类基因组的单体型（haplotype）图，即一组连续SNP的连锁模式。项目采集了来自非洲、亚洲、欧洲三个大陆的270个个体的DNA，对约100万个SNP进行分型，发现人类基因组被划分为约10万个“单体型块”（block），每个块内SNP高度相关。HapMap为全基因组关联研究（GWAS）提供了廉价的代用标记：研究者只需检测少数“标签SNP”，即可推断整个单体型块的状态。截至2010年，GWAS已发现数千个与常见疾病（如糖尿病、高血压、抑郁症）相关的位点。
5.2 千人基因组计划
千人基因组计划（2008-2012年）真正实现了“不同人类群体的高深度变异图谱”。该计划对来自26个群体的2504个个体的低覆盖度（约4×）全基因组测序，同时对部分样本进行重测序（高覆盖度），鉴定出超过8800万个SNP和小插入/缺失、5万个结构变异。该数据库首次提供了全球主要种族（欧洲裔、非洲裔、东亚裔、南亚裔、美洲原住民）的常染色体、性染色体和线粒体的完整变异谱系，下游应用包括：1）精准定义祖先信息标记；2）预测药物代谢酶（如CYP2D6）的种族差异；3）校正基因组分析中的参考等位基因频率。
5.3 精准医学与个体化医疗
HGP催生了个体化基因组学与精准医学的概念。2015年，美国启动“精准医学倡议”（PMI），后续更名为“All of Us研究计划”，计划招募100万美国志愿者，收集基因组、表型及生活数据，以开发用于预防和治疗疾病的个性化方法。在临床实践中，基因测序已用于：单基因遗传病诊断（如囊性纤维化、亨廷顿病）、化疗药物毒性预测（如TPMT和UGT1A1基因）、肿瘤驱动基因变异检测（如EGFR、BRAF）。个体化医疗还延伸至营养基因组学（根据基因型指导饮食）和运动遗传学，尽管部分应用仍存在争议。
5.4 基因编辑技术的关联
HGP揭示了人类基因组的完整序列与功能元件的精确定位，为下一代基因编辑工具提供了“导航地图”。CRISPR-Cas9技术（2012年开发）凭借HGP开发的详细注释，可精准靶向任意基因。2020年，诺贝尔化学奖授予埃马纽埃尔·卡彭蒂耶和詹妮弗·杜德纳，以表彰他们在CRISPR领域的贡献。目前基于HGP数据的编辑应用包括：纠正镰状细胞病患者的致病突变、改造T细胞用于癌症免疫治疗、以及培育抗病农作物。但基因编辑也引发新一轮伦理争议，特别是2018年“贺建奎事件”（声称基因编辑婴儿），突显了HGP时代遗留的遗传伦理挑战的延续。
6 文化影响与趣闻
6.1 大众媒体中的“基因组热”
HGP启动不久，即成为科幻电影和畅销书的灵感来源。1997年电影《GATTACA》（《千钧一发》）描绘了一个基因决定社会阶级的反乌托邦世界，其中“GATTACA”本身就是DNA碱基序列的变体（G、A、T、C）。2000年，美国《时代》杂志将人类基因组计划评为“年度突破”，封面是一个DNA双螺旋。畅销书如《基因组：人种自传23章》（马特·里德利，1999年）和《DNA：生命的秘密》（詹姆斯·沃森，2003年）面向普通读者普及了HGP的成果。网络上也涌现出大量“DNA测试”商业活动（如23andMe、AncestryDNA），用户可居家获取自己的欧洲/非洲/东亚血统比例，甚至发现远房表亲。媒体常放大“基因决定论”，带来“基因万能与宿命论”的迷思，但HGP恰在反驳：多数复杂性状（如身高、智力、性格）由多基因与环境共同决定，而非单基因控制。
6.2 幽默彩蛋：染色体上的“基因笑话”
6.2.1 名为“PAN”的基因与面包烘焙梗
在HGP基因注释阶段，科学家偶尔以趣闻命名基因。其中一个著名的“面包梗”源于名为“PAN”的基因：它编码一个真核生物中与蛋白质折叠有关的伴侣蛋白（CCT/TRiC复合体亚基），其命名与希腊牧神“潘”（Pan）无关，而是“聚合酶III相关”的缩写。但在非编码区注释中，有生物信息学研究者调侃：若有一群与烘焙相关的基因，就应称之为“BAKER”家族。实际上，名为“BAK1”的基因是一个调控细胞凋亡的激酶，与面包毫无关联。然而，真正的“彩蛋”出现在人类参考基因组的某些注释文件中：一些极端重复序列被标记为“junk DNA”（垃圾DNA），另一区域（如X染色体着丝粒）被临时命名为“the yawning gap”（哈欠缺口），以此自嘲测序的艰难程度。这些幽默细节反映了HGP科学家在长年枯燥测序中保持的轻松心态，也成为少数“圈内人”才懂的科研梗。