2. 串联重复与复杂变异的生物学与临床背景

要理解长读长测序为什么在串联重复分析中不可替代，必须先回到这些重复序列本身的生物学组织方式。串联重复（tandem repeat）是指一段DNA序列以首尾相接的方式多次拷贝，拷贝单元（repeat unit）长度从1 bp到数百kb不等。按单元长度和拷贝数，基因组中的串联重复大致可分为几个层次：短串联重复（STR，通常2–6 bp单元）、可变数目串联重复（VNTR，约6–100 bp单元）、微卫星（microsatellite，常与STR混用，指1–6 bp单元）、大卫星（minisatellite，约10–100 bp单元）以及着丝粒卫星（centromeric satellite，单元可达171 bp甚至更长，形成兆碱基级高阶重复阵列）。这些区域合计占人类基因组的相当比例，却长期是短读长测序的“暗区”。

从分子机制看，串联重复的拷贝数并非静态。DNA复制过程中的滑链（slippage）是STR长度突变的主要来源：复制叉处新生链与模板链短暂解离再错配，可导致一个或数个重复单元的增加或减少。错配修复（MMR）系统负责纠正这类错误，因此MSH2、MSH6、MLH1、PMS2等MMR基因失活时，微卫星长度突变率急剧升高，表现为微卫星不稳定（MSI）。这一机制把重复序列的稳定性直接与肿瘤发生联系起来：MSI-H（高度不稳定）是Lynch综合征的分子标志，也是免疫检查点抑制剂疗效预测的重要生物标志物。在遗传病中，STR扩增则表现为另一类经典机制——动态突变。例如HTT基因CAG重复超过约40次导致亨廷顿病，FMR1基因5'UTR的CGG重复超过200次引起脆性X综合征，DMPK基因CTG扩增导致强直性肌营养不良。这些疾病的共同特征是：重复长度与发病年龄、严重程度呈相关性，且存在代际遗传时的进一步扩增（遗传早现）。

大卫星和着丝粒卫星的结构更复杂。着丝粒区域由α卫星（alphoid DNA）以171 bp单元组成高阶重复（HOR），每个HOR约1–2 kb，再串联成数百kb至数Mb的阵列。这些阵列的拷贝数、方向和组织形式在个体间高度可变，且与着丝粒功能、染色体分离密切相关。短读长测序无法跨越这些长阵列，导致比对歧义和组装断裂；而长读长（如PacBio HiFi、ONT超长读长）可以跨越数十kb，直接读出重复单元的数量、方向和内部变异。

片段重复（segmental duplication，SD）是另一类与复杂重排密切相关的结构。SD指长度>1 kb、序列一致性>90%的基因组片段，在人类基因组中约占5%。当两个SD位于不同染色体或同一染色体的不同位置时，它们之间的非等位同源重组（NAHR）可产生缺失、重复、倒位或易位。例如17q21.31的H2单倍型包含一个约900 kb的倒位，其断点位于两个SD内；22q11.2的DiGeorge综合征则由低拷贝重复（LCR22）介导的NAHR引起。这些重排的断点往往落在重复序列内部，短读长难以精确定位，而长读长可以同时锚定断点两侧的独特序列和重复单元，从而解析重排的精确结构。

在肿瘤中，串联重复和复杂重排的意义体现在多个层面。除了MSI，重复序列的拷贝数变化、微卫星位点的杂合性缺失（LOH）以及重复介导的基因融合都是重要的驱动事件。例如，某些肉瘤中的融合基因断点位于重复序列内；某些癌基因的扩增以重复阵列形式出现。在进化层面，串联重复是基因组可塑性的重要来源：重复单元的拷贝数变异（CNV）为自然选择提供了快速调整基因表达和功能的素材，着丝粒卫星的快速演化则与物种形成和染色体隔离有关。

因此，串联重复与复杂变异的分析不能只停留在“检测重复长度”这一层面，而需要同时回答：重复单元是什么、拷贝数多少、方向如何、内部有无中断或变异、断点落在哪里、与参考基因组相比是扩增还是收缩。长读长测序的价值正在于它能够在一个读长内同时覆盖这些信息。下面的SVG以“重复单元长度—拷贝数—临床/进化关联”为线索，把本节涉及的主要重复类型及其核心特征组织在一张关系图中，便于在后续分析中快速定位每一类重复的关键参数和判读要点。