最新Cell公布功能基因网络研究新技术

wnavy200299

2 H$ K0 p  K  ?% X2 W" W3 x, E2 Z1 j( T' c9 h
摘要： 近日由美国加州大学圣地亚哥分校医学院的科学家领导的一个国际研究小组开发了一种新方法可用于解析未知基因的功能，并将其置于交互式功能网络中揭示基因间相互作用及所致相关细胞事件的机制。  
% T- Y) o- g) I$ ~" l- I8 r2 |. o% W7 x% J' t. Q

* R, ^9 z" F) S% H近日由美国加州大学圣地亚哥分校医学院的科学家领导的一个国际研究小组开发了一种新方法可用于解析未知基因的功能，并将其置于交互式功能网络中揭示基因间相互作用及所致相关细胞事件的机制。, p: x2 M; ?* |/ M/ u

7 k, u6 a& P. {加州大学圣地亚哥分校Ludwig癌症研究所有丝分裂机制研究实验室主任、细胞与分子医学教授Karen Oegema和纽约大学生物学系基因组学与系统生物学中心助理教授Kristin C. Gunsalus是这一研究项目的共同负责人。相关研究成果发表在4月29日的《细胞》（Cell）杂志上。3 X  s. e/ r3 Z5 w" B1 Q7 t- g

4 z2 ?5 N( C- j* t9 B* {4 m在过去十年的时间里，基因组测序计划生成了组成生物体的必需基因的完整列表。然而由于目前对其中大量基因的功能仍不清楚，从而阻碍了研究人员完全解密它们的细胞信号通路以及相互作用对人类疾病的影响机制。' S, X2 Y/ T0 m5 X+ p9 A1 d( x" `

" U2 _. u9 v, K( ]# \1 R0 Q在这一文章中，研究人员选择了秀丽隐杆线虫开展研究。秀丽隐杆线虫是一种广泛用于研究动物细胞过程的重要模式生物。近年来，科学家们一直致力于构建线虫及其他模式生物体的基因功能系统目录，并投入大量的精力将基因置于交互网络中开展研究。在这些网络中，研究人员将功能相似的基因直接连接在一起，将不同功能的基因进一步分隔开。研究人员通常基于相似的已知功能的基因而推断未知基因的功能
* c$ k; P5 ?. C
% [) F0 _! @$ I1 V5 g生成能解析基因功能差异的功能图谱通常需要大量的信息。目前研究人员是通过一种称为“高通量”筛选的技术而获得这些信息的。研究人员通过分别抑制基因的方法，追踪单个细胞的行为从而了解这些基因在细胞中的作用。, c! b. F0 B1 B
/ Q. b$ c5 y4 n5 ~0 t8 s
Oegema与文章的第一作者、加州大学圣地亚哥分校医学院Ludwig 研究所的博士后工作人员Rebecca Green决定采用一种不同的方法。“我们没有对单个细胞进行监控，而是在多细胞生物体的复杂组织结构（此处是线虫的生殖器官）上研究了基因的抑制效应，”Green说。& F+ P' o  f3 m0 M+ G$ D

4 b' x$ H$ y( R/ N$ b科学家们在线虫中抑制不同的基因生成了显著差异的含有丰富信息的组织结构效应谱，从而构建出了单个基因的“指纹图谱”可用于预测基因的功能。: L  s  I2 M  N- H
; h7 I# W0 i9 u- k
Gunsalus及其同事开发了一种基于Java的工具显示基因网络，Oegema等利用这一新技术定量分析了基因与基因之间的相互作用，并将这些信息输入到一个功能基因网络中，从而构建了一个包含818个线虫必需基因的集成功能网络。
% @# `# z: x- q
8 i) d. \, t( X- u科学家们称这一网络可用于预测相关人类基因的功能。在接下来的工作中，他们计划利用更广阔的技术生成其他生物体包括脊椎动物的功能基因网络。
! U- W8 Z3 D! Z$ `+ q: u+ b; ]
% Y) Y' r# F; y7 g( f: ]. i- {+ s! E7 e6 W& y
A High-Resolution C. elegans Essential Gene Network Based on Phenotypic Profiling of a Complex Tissue- s7 U7 G: d$ \. S$ P$ c
; d) {. X% Z% v
High-content screening for gene profiling has generally been limited to single cells. Here, we explore an alternative approachprofiling gene function by analyzing effects of gene knockdowns on the architecture of a complex tissue in a multicellular organism. We profile 554 essential C. elegans genes by imaging gonad architecture and scoring 94 phenotypic features. To generate a reference for evaluating methods for network construction, genes were manually partitioned into 102 phenotypic classes, predicting functions for uncharacterized genes across diverse cellular processes. Using this classification as a benchmark, we developed a robust computational method for constructing gene networks from high-content profiles based on a network context-dependent measure that ranks the significance of links between genes. Our analysis reveals that multi-parametric profiling in a complex tissue yields functional maps with a resolution similar to genetic interaction-based profiling in unicellular eukaryotespinpointing subunits of macromolecular complexes and components functioning in common cellular processes.
2 Z% c7 q1 w1 ]( b  w/ N' v& M* d& s0 e% a; ?7 ^. o
来源：(http://www.ebiotrade.com/)
' d  v, H4 p+ H8 p  e. J9 Q
$ N4 M. m" n: ]8 t# u

kjeldahl

这个不错啊。。