欢迎收看2021年4月2日的研究综述，这是布罗德研究所的科学家及其合作者发表的近期研究的重复快照。
微生物的基因交换随着工业化而加速
细菌通过水平基因转移(HGT)共享多种性状(抗生素耐药性等)的基因。HGTs在肠道微生物组中发生的速率，以及工业化对这个速率的影响，目前还不清楚。在细胞中,马修Groussin,马蒂尔德波耶特和研究所成员Eric传染病和微生物项目的Alm和合作者在国际全球微生物保护协会报告,高度频繁发生在个体,更在工业化的设置中,积累了许多人口在过去的两三个人类一代又一代。他们在对数千个细菌基因组进行测序后得出了这些结论，这些样本来自于跨越一系列工业化时期的15个种群。请阅读麻省理工学院新闻故事了解更多。
靶向AML中的细胞应激反应
尽管许多癌症药物以直接驱动肿瘤进展的蛋白质为靶点，但这些药物并不是对每个人都有效，而且肿瘤经常产生耐药性。其他关键的生存途径，如细胞应激反应途径，也因此成为吸引人的药物靶点。在《科学转化医学》杂志上，Blandine Roux (Université de Paris)、Camille Vaganay (Paris)、Alexandre Puissant (Paris)、研究所成员Kimberly Stegmaier、Lina Benajiba (Paris)和同事对急性髓系白血病(AML)小鼠模型进行了集中筛选，以确定急性髓系白血病存活所必需的应激反应基因。他们鉴定了参与DNA修复的蛋白质VCP，并将其作为一个潜在靶点，为此他们开发了一种可以减少小鼠AML生长的药物。
驾驶座上的热点突变
IKZF3热点突变可能驱动慢性淋巴细胞白血病(CLL)，但其功能尚不清楚。一个由Gregory Lazarian, Shanye Yin, Elisa ten Hacken，癌症项目的研究所成员Catherine Wu, Dana-Farber癌症研究所和哈佛医学院领导的团队在小鼠模型中显示，突变基因破坏DNA结合特异性和目标选择，导致老年小鼠的cll样疾病。携带该突变的人类肿瘤细胞改变了B细胞受体和NF-kappaB信号，并降低了药物敏感性。这项研究强调了IKZF3作为一种致癌基因通过转录失调的作用，并建议联合治疗有助于克服耐药性。更多信息请访问《癌细胞》。
在机器学习模型中寻找偏见
使用带有偏差的数据训练机器学习模型会导致不准确的表现和数据解释。Fatma-Elzahraa Eid, Haitham Elmarakeby, Yujia Alina Chan, Nadine Fornelos，癌症项目的副成员Eliezer Van Allen，斯坦利精神病研究中心的副成员Kasper Lage，和同事们开发了一种审计生物学机器学习模型的方法。他们用这种方法检查了三个模型，发现了未被识别的偏差，这些偏差降低了模型在新数据集上的性能。研究小组得出的结论是，当模型从数据中学习的信号很弱时，模型就会从数据中学习偏差。作者提供了工具来调整他们的审计框架以适应其他生物医学应用。从今天的沟通生物学和心理学学习更多。
乳腺癌脑转移的治疗靶点
转移到大脑的HER2+乳腺癌细胞对控制颅外部位疾病的治疗有抗药性。准会员Rakesh Jain,马修·范德Heiden癌症研究所成员计划,基诺费拉罗(MGH),阿里,阿尔巴Luengo(麻省理工学院),代谢组学平台和其他地方的和他的同事们研究了代谢不同乳房肿瘤内外大脑和发现,脂肪酸合成是提升脑转移。他们的研究结果发表在《自然癌症》杂志上，表明脂肪酸合酶的遗传和化学抑制抑制了乳腺癌在大脑中的生长，从而突出了一种潜在的治疗方法。
检测精神疾病之间的遗传差异
精神疾病是高度相关的，因此许多研究都集中在它们的基因相似性上。比较少的研究考察了它们之间的差异，因为这样的分析需要收集和匹配个人层面的个案数据。博士后学者Wouter Peyrot和医学与人口遗传学项目的助理成员Alkes Price开发了一种新的方法，称为病例GWAS，通过分析病例对照GWAS汇总统计数据来寻找两种不同疾病病例的等位基因频率差异。在《自然遗传学》中，他们将个案GWAS应用于8种精神疾病的数据，并在病例中鉴定出196个具有不同等位基因频率的基因座，为这些疾病之间的差异提供了新的生物学见解。
为测序技术中的结构变异检测设定基准
结构变异(长度大于50个碱基对的基因组改变)用短读全基因组测序比用长读全基因组测序更难检测(srWGS vs lrWGS)，但lrWGS更慢，也更昂贵。在《美国人类遗传学杂志》上，Xuefang Zhao, Harrison Brand，医学和人口遗传学项目的研究院成员Michael Talkowski，及其同事比较了srWGS和lrWGS的结构变异检测，以建立并量化每种技术的独特优势。他们估计srWGS可以检测出人类基因组中超过10,000个结构变异，但lrWGS提供了更好的检测插入和重复介导变异的方法。
从图像分析预测细胞健康状况
格雷戈里,领导的研究小组疗法的发展高级研究中心的科学家玛丽亚Kost-Alimova成像平台高级主管和研究所科学家安妮木匠,癌症项目副主任巴斯克斯堡的依赖关系图,和纳拉辛格,高级组长也在成像平台,开发了两个新的显微镜分析集体测量细胞健康——70个不同的指标包括增殖、凋亡、DNA损伤和细胞周期。研究人员进一步将细胞绘画技术与这些分析相结合，并确定简单的机器学习算法可以直接从细胞绘画图像中预测许多细胞健康读数。他们成功地验证了对1500多个复合扰动的细胞健康结果的预测，这些扰动使用细胞绘画成像，并开发了一个web应用程序来浏览预测。了解更多的细胞分子生物学。
