2003 - 人類基因組計劃（30 億鹼基對全部讀出）#

案件摘要#

2003 年 4 月，人類基因組計劃 (Human Genome Project, HGP) 宣布完成： 30 億鹼基對、約 2 萬個基因的人類基因組全部定序。這場 13 年、27 億美元、跨六國的偵探行動（1990–2003），與私人公司 Celera（Venter）展開著名的競賽—— 生命的完整說明書被讀出，醫學從此進入基因組時代。

前因 -- 為什麼會有這個案子#

讀完的誘惑：Sanger 定序（1977）證明序列可讀，但通量太低—— 30 億鹼基對用 1980 年代的方法要數千年。通量是兇手。
HGP 的誕生（1985–1990）：1985 年 UC Santa Cruz 的會議提出構想； 1988 年美國國會撥款、Watson 出任首任主管（後由 Collins 接任）； 1990 年正式啟動——目標：15 年、30 億美元、讀完 30 億鹼基對。
公共 vs 私人的競賽：1998 年，Craig Venter 的 Celera Genomics 宣布用霰彈槍定序 (whole-genome shotgun) + 超級電腦，3 年讀完—— 直接跳過公共計劃的「逐步作戰」策略。競賽加速了偵破。

線索與推理 -- 數學式、程式、理論#

核心推理一：霰彈槍定序的數學#

Celera 的策略：把基因組隨機打碎成數千萬段短讀，全部定序後用重疊比對組裝回來：

\[ \text{覆蓋率 } C = \frac{N \times L}{G}, \qquad N \text{ 讀數}, L \text{ 讀長}, G \text{ 基因組大小}. \]

Lander–Waterman 定律（1988）：讀的起點在基因組上的分佈是泊松過程，缺口（gaps）的期望數：

\[ E[\text{gaps}] = N e^{-C}, \qquad C = \ln N \text{ 時缺口趨近 } 1. \]

覆蓋率 8–10 倍即可組裝出近乎完整的基因組——30 億 × 10 = 300 億鹼基的定序量， Celera 的 300 台 Capillary 電泳儀 + Compaq 超級電腦，日夜不停跑了 3 年。

核心推理二：公共計劃的逐步作戰（Hierarchical）#

公共計劃的策略：先把基因組切成大片段（BAC，~150 kb）、畫出每段在染色體上的位置（物理圖譜）、再逐段霰彈槍定序。慢但組裝容易（每段位置已知）。 兩種策略的競賽 = 電腦科學的經典權衡：組裝的簡單性 vs 定序的通量。

Python：覆蓋率與缺口的泊松偵查#

import numpy as np

def shotgun_coverage(G, N, L, rng=None):
    rng = rng or np.random.default_rng(0)
    starts = rng.integers(0, G - L, size=N)      # 讀的起點（均勻隨機）
    genome = np.zeros(G, bool)
    for s in starts: genome[s:s+L] = True
    return genome

G, L = 10_000_000, 500                          # 10 Mb 模擬、讀長 500
for C_target in [1, 5, 10]:
    N = int(C_target * G / L)
    covered = shotgun_coverage(G, N, L)
    print(f"覆蓋率 {C_target}x → 實際覆蓋 {covered.mean()*100:.1f}%")

輸出：

覆蓋率 1x → 實際覆蓋 63.2%
覆蓋率 5x → 實際覆蓋 99.4%
覆蓋率 10x → 實際覆蓋 100.0%

覆蓋率 1x 時恰好覆蓋 \(1 - e^{-1} = 63.2\%\) ——泊松過程的精確預測（Lander–Waterman 定律）。

競賽的時間線#

年份	事件
1990	HGP 啟動（15 年、30 億美元）
1998	Celera 宣布霰彈槍定序、3 年完成
2000/6	兩陣營共同宣布工作草圖完成（柯林頓與布萊爾視訊見證）
2003/4	完成版發表（99% 覆蓋、99.99% 準確度），比原定提前 2 年
2004	Nature：《Finishing the euchromatic sequence of the human genome》

結案 -- 後果與影響#

基因組時代的誕生：30 億鹼基對可讀之後—— 個人化醫學、癌症基因組、罕見疾病診斷、藥物基因組學全部起飛。
意外的謎題：基因只有 ~2 萬個（與線蟲差不多！）—— 「基因數 = 複雜度」的假設崩塌。複雜度藏在表觀遺傳、非編碼 RNA、選擇性剪接——這些是 HGP 之後的新懸案。
定序成本的暴跌：2003 年定序一個人類基因組要 ~27 億美元（HGP 成本）； 2023 年只要 ~200 美元——比摩尔定律還快 1000 倍（"超摩尔定律"）。 讀基因從國家級工程變成消費級服務。
CRISPR 的鋪路：能讀才能寫——HGP 的序列資料是 CRISPR （見 2012-CRISPR基因編輯.md）設計嚮導 RNA 的必要資料庫。
競賽的公道：HGP 與 Celera 各自發表（Nature vs Science, 2001），組裝方法論的功勞屬於兩陣營——公共的嚴謹 + 私人的速度 = 雙引擎偵破。

關鍵人物與文獻#

Francis Collins：HGP 主管（NHGRI）；Craig Venter：Celera 創辦人。
Eric Lander：Nature 409, 860 (2001)——HGP 的主要論文；Lander–Waterman 定律 (1988)。
相關案件：1977-Sanger定序法.md、1997-桃莉羊複製.md、2012-CRISPR基因編輯.md。