• 快讯 Broad将COVID-19病毒测序工作扩大到东北地区的各种监测

    来源专题:人类遗传资源和特殊生物资源流失
    编译者:yanyf@mail.las.ac.cn
    发布时间:2021-04-17
    过去一年,麻省理工学院和哈佛大学布罗德研究所(Broad Institute of MIT and Harvard)处理了来自养老院、大学、医疗机构、无家可归者收容所、K-12学校和其他组织的1500多万份COVID-19检测。与此同时,布罗德大学病毒基因组学小组的科学家每周与当地临床和公共卫生合作伙伴合作,分析数十个COVID-19阳性样本的病毒基因组,跟踪病毒的传播,并帮助他们的合作伙伴发现和管理疫情。 现在,在与美国疾病控制和预防中心(Centers for Disease Control and Prevention,简称cdc)合作下,该组织正在加大COVID-19病毒测序工作的力度,以便能够在我们的社区对病毒进行基因组监测。广泛的基因组平台和病毒基因组的研究小组正在测序和分析病毒材料COVID-19积极监测患者样本,关于病毒的变异在马萨诸塞州的联邦和新英格兰,比如那些首次发现在英国,巴西和南非。科学家们也在寻找新出现的变异,这需要进一步的研究。 目前,该研究所每周正在从该研究所的COVID-19诊断设施和外部合作伙伴来源对数百份阳性样本进行测序,到今年春季晚些时候,将增加到每周5000份样本。 Broad的数据科学平台正利用生物信息学工具支持这项工作,使数据能够快速分析并与CDC和其他合作伙伴共享。该协会将继续与州公共卫生部门、CDC和更大的科学界共享SARS-CoV-2序列数据,以协助应对大流行。 随着病毒传播,它自然会发生新的突变;其中一些可能会使其更具传染性,对患者更危险,或通过接种疫苗预防的可能性更低。通过监测样本之间病毒基因组序列的差异以及随着时间的推移,科学家可以跟踪病毒是如何变化的,并确定控制病毒传播的新机会,例如,通过修改疫苗,使其能够抵御新的、正在出现的变种。 “我们正在生成的数据将使我们更好地了解这种病毒如何在我们的社区中传播,并将为检测和减缓有关变种的传播提供见解,”Bronwyn MacInnis说。他是布罗德研究所传染病和微生物组项目的病原体基因组监测主任,也是病毒基因组组的联合负责人。 “显然,需要对病毒进行更多的基因组测序,以便在社区监测COVID-19,”基因组学平台主任Stacey Gabriel表示。“我们很幸运能够将我们最先进的基因组学设施和高通量测序和自动化的专业知识用于这一紧迫的公共卫生需求。” 过去一年,麻省理工学院和哈佛大学布罗德研究所(Broad Institute of MIT and Harvard)处理了来自养老院、大学、医疗机构、无家可归者收容所、K-12学校和其他组织的1500多万份COVID-19检测。与此同时,布罗德大学病毒基因组学小组的科学家每周与当地临床和公共卫生合作伙伴合作,分析数十个COVID-19阳性样本的病毒基因组,跟踪病毒的传播,并帮助他们的合作伙伴发现和管理疫情。 现在,在与美国疾病控制和预防中心(Centers for Disease Control and Prevention,简称cdc)合作下,该组织正在加大COVID-19病毒测序工作的力度,以便能够在我们的社区对病毒进行基因组监测。广泛的基因组平台和病毒基因组的研究小组正在测序和分析病毒材料COVID-19积极监测患者样本,关于病毒的变异在马萨诸塞州的联邦和新英格兰,比如那些首次发现在英国,巴西和南非。科学家们也在寻找新出现的变异,这需要进一步的研究。 目前,该研究所每周正在从该研究所的COVID-19诊断设施和外部合作伙伴来源对数百份阳性样本进行测序,到今年春季晚些时候,将增加到每周5000份样本。 Broad的数据科学平台正利用生物信息学工具支持这项工作,使数据能够快速分析并与CDC和其他合作伙伴共享。该协会将继续与州公共卫生部门、CDC和更大的科学界共享SARS-CoV-2序列数据,以协助应对大流行。 随着病毒传播,它自然会发生新的突变;其中一些可能会使其更具传染性,对患者更危险,或通过接种疫苗预防的可能性更低。通过监测样本之间病毒基因组序列的差异以及随着时间的推移,科学家可以跟踪病毒是如何变化的,并确定控制病毒传播的新机会,例如,通过修改疫苗,使其能够抵御新的、正在出现的变种。 “我们正在生成的数据将使我们更好地了解这种病毒如何在我们的社区中传播,并将为检测和减缓有关变种的传播提供见解,”Bronwyn MacInnis说。他是布罗德研究所传染病和微生物组项目的病原体基因组监测主任,也是病毒基因组组的联合负责人。 “显然,需要对病毒进行更多的基因组测序,以便在社区监测COVID-19,”基因组学平台主任Stacey Gabriel表示。“我们很幸运能够将我们最先进的基因组学设施和高通量测序和自动化的专业知识用于这一紧迫的公共卫生需求。” 对测序速度的需要 自大流行开始以来,由研究所成员、哈佛大学教授帕迪斯·萨贝提(Pardis Sabeti)领导的病毒基因组学小组一直在对来自马萨诸塞总医院、马萨诸塞大学医学中心、马萨诸塞和罗德岛公共卫生部门的数百份COVID-19阳性样本进行测序,以及其他合作伙伴,了解病毒是如何在我们的社区中传播的,并因过度蔓延的事件而加速传播。病毒基因组学小组的计算主管丹尼·帕克说:“这些基因组数据对我们的州和国家公共卫生合作伙伴至关重要,无论是协助疫情调查还是监测所关注的变异。”他们设计了病毒测序方案和自动计算管道,将测序位组装成完整的基因组。 该团队还与数据科学平台合作,将工作流程应用于Terra——一个由Broad、Verily和微软开发的安全、可扩展、开源的云计算平台,允许生物医学研究人员访问、分析和共享数据——以研究病毒的突变、进化和传播。利用他们去年的方法,研究人员发现了病毒是如何首次传入大波士顿地区的,以及它如何在受灾严重的城市地区传播。 “由于我们实验室现有的病原体基因组测序专业知识和工作流程,我们能够利用SARS-CoV-2的早期数据,在我们的实验室快速建立了测序过程,对病毒在我们地区的传播做出发现,”戈登·亚当斯说,传染病和微生物组计划的高级研究员。 2020年末,当科学家们发现了全球和新英格兰地区关注的新型SARS-CoV-2变种时,麦金尼斯和其他研究人员认识到,有必要将该研究所的大规模高通量测序能力应用于更广泛的社区监测。病毒基因组学小组首席科学家凯蒂·西德勒(Katie Siddle)表示:“由于COVID-19感染人数众多,病毒有很多机会获得新的突变,这些突变可能使其更好地传播,或逃避我们的免疫反应,我们可以用病毒基因组学进行研究。” 学院领导的关心和支持下,科学家们制定了一个目标不仅扩大现有的病毒基因组的测序能力组的5 - 10倍,但也建立广泛的基因组平台第一次大规模病毒测序项目,使用一些病毒基因组学的基础已经奠定了集团。在CDC的支持下,该项目于2021年3月底启动。 安德里亚·博尔赫斯(Andrea Borges)在布罗德基因组学平台的诊断设施处理患者样本,以进行COVID-19检测。一批covid -19阳性样本被“精心挑选”用于病毒测序。这要归功于博通公司(Broad Communications)的斯科特•萨松。 为了扩大病毒测序的规模,由斯科特·安德森(Scott Anderson)领导的基因组学平台实验室自动化团队,依靠他们与平台开发团队一起实施的一些创新,在大流行早期建立了大规模诊断实验室。安德森说:“在扩大诊断测试规模方面获得的知识基础上,我们能够以灵活、高通量的方式快速开发新的COVID-19测序流程。” 高级生物自动化工程师马修·李(Matthew Lee)设计了一种新的自动化程序,从布罗德的检测设施中“精选”出一部分阳性样本用于测序。由于目前只有1%到2%的样本呈阳性,为了每天达到目标的1000个基因组,大约有1000个96孔板的样本必须经过处理和精心挑选。安德森说:“这不是一项简单的任务,自动化是平稳有效运行的关键。” 用于测序的诊断样本。这要归功于博通公司(Broad Communications)的斯科特•萨松。 由该平台开发团队的Brendan Blumenstiel和Matt DeFelice领导的基因组学平台研究人员调整了现有的SARS-CoV-2样本准备和分析方案,在测序中心的自动化、高通量机器上运行。 “包括Sabeti实验室在内的全球团队已经建立并公开分享了针对新冠病毒基因组和测序的方法。因此,当Broad决定在基因组学平台上启动大规模测序工作时,我们可以迅速确定并验证一种可扩展的方法。”Blumenstiel说。“因为相关人员已经在类似的挑战上合作了十多年,我们能够迅速启动这个有影响力的项目。” 到云 从基因组学平台的高通量过程中获得的病毒序列数据将被发送到Terra数据存储库,进行快速处理、分析和打包,以便与CDC、州和地方卫生部门共享,以及公共科学数据库,包括国家生物技术信息中心的GenBank和Sequence Read Archive,以及GISAID。 为了创建这一系统,数据科学平台和病毒基因组学小组共同努力,扩大过去一年开发的用于数据处理、分析和质量控制的Terra工作流程,目标是在未来几周内尽可能多地实现工作流程的自动化。“我们的工作是确保数据及时处理一致,因此它可以提供最有利于实时公共卫生,”克里斯汀Loreth说,数据科学平台的联盟高级经理曾与病毒基因组组织处理和分析工作流集成到Terra的平台。洛雷斯还在数据科学平台(Data Sciences Platform)内领导工作,并与病毒基因组学集团(Viral Genomics Group)、美国疾病控制与预防中心(CDC)等机构合作,支持将Terra作为病原体基因组学计算的通用平台,供正在进行SARS-CoV-2测序的美国公共卫生实验室使用。 Terra的分析工具可以在大量序列数据中识别SARS-CoV-2突变和变异,还可以表明病毒样本是否为已知的值得关注的变异。这些数据一旦与临床和公共卫生合作伙伴分享,就可以帮助指导公共卫生决策,并为开发疫苗和疗法的努力提供信息。病毒基因组学小组及其合作者也在研究这些数据,以确定新出现的变种,并检查病毒的遗传流行病学。 任何用户都可以使用远大集团的基于web的SARS-CoV-2可视化工具“吉祥”(Auspice)来研究这些数据。 随着基因组学平台提高其用于大规模监测的病毒测序能力,病毒基因组学小组将继续对更多具有感兴趣的特定特征的目标样本集进行测序,如可能的疫苗逃逸(完全接种疫苗的个人COVID-19检测呈阳性)和长期感染,或与合作伙伴合作进行集群调查。此外,他们还将继续深入探索病毒在社区中的演变和传播。 Broad的科学家还与美国疾病控制与预防中心(CDC)合作,帮助建立一个由测序中心组成的全国网络,为美国各地社区提供基因组监测,并对SARS-CoV-2的进化和传播提供更广泛的视角。 麦金尼斯说:“英国在广泛的基因组监测方面做得很好。”“重要的是,我们美国人也要做同样的事情,让全国都了解这些变种是如何进化的。”
  • 快讯 新的地图将数千个遗传变异与疾病基因联系起来

    来源专题:人类遗传资源和特殊生物资源流失
    编译者:yanyf@mail.las.ac.cn
    发布时间:2021-04-17
    全基因组关联研究(GWAS)已经确定了数千种与多种疾病相关的遗传变异。但是这些研究往往不能确定基因变异会带来什么特定的特征或疾病。 曾在麻省理工学院和哈佛大学布罗德研究所(Broad Institute of MIT)做博士后研究员、现为斯坦福大学(Stanford University)助理教授的杰西·恩格里茨(Jesse enggreitz)说:“挑战在于,这些变体中的许多都难以解释。”当基因变异出现在基因组中不为蛋白质编码的区域时,比如被称为增强子的区域,它们就更难解释。这些非编码元件调节基因的活性,而这些基因往往位于离增强子很远的地方,而且它们在不同类型的细胞中作用不同。 为了解决这个问题,在Broad工作的时候,enggreitz和Broad的合作者一起开发了一个模型,预测在特定细胞类型中增强子调节的基因。现在,由enggreitz和Broad创始董事Eric Lander(正在休假)领导的一项合作研究已经在131种细胞类型和组织中利用该模型创建了增强子与其目标基因的连接图。利用这些地图,该团队将GWAS研究中的5000多个信号与包括癌症和心脏病在内的72种性状和疾病的近2250个基因联系起来。 “我们现在有能力全面观察许多类型的细胞,并且第一次对这些非编码增强子和变异体的作用做出合理准确的预测,”enggreitz说。 研究小组还表明,他们的模型,称为接触活性(ABC)模型,准确地预测了哪些增强子包含炎症性肠病(IBD)的风险变体。该研究揭示了IBD可能的生物学机制,并为进一步研究其他疾病的调控因素奠定了基础。 提高模型 研究人员的ABC模型根据两个相对简单的因素预测哪个增强子调节哪个基因:增强子与其目标基因启动子接触的频率,以及增强子的活性水平。在他们的研究中,该团队将他们的模型应用于131个代表不同细胞类型、组织和细胞系的样本,创建了100多个地图,预测每个样本中的增强子及其潜在基因靶标。 科学家们很快意识到,这些地图可以帮助他们识别与某些性状或疾病有关的基因变异。他们发现,之前在GWASs中发现的IBD变体经常与预测的增强子重叠。此外,IBD风险变异发生在与IBD相关的细胞类型,如肠道免疫细胞。 接下来,该团队将他们的模型应用于72种疾病和性状,并将5036个GWAS信号与2249个基因联系起来。在这些基因中,577似乎在多种性状或疾病中发挥作用,通过在不同类型的细胞中作用的增强子变异。研究结果表明,ABC模型可以帮助研究人员识别增强子内可能与疾病相关的变异,并选择研究疾病机制时关注的细胞类型。 “我们的模型对我们缩小选择范围非常有用,”约瑟夫·纳赛尔(Joseph Nasser)说。他曾是布罗德大学的科学家,现在是加州理工学院(California Institute of Technology)的研究生,也是该研究的第5位合著者之一。“如果我们感兴趣的一种变体与一种预计可以调节基因的增强子重叠,但这种增强子只在少数细胞类型中存在,这对试图弄清楚这种变体如何介导疾病风险有很大帮助。” 对炎症性肠病 为了验证他们的模型,研究人员观察了一种特定的增强剂,模型预测这种增强剂与一种名为PPIF的基因有关。该基因为亲环蛋白D编码,这是一种参与细胞产生能量线粒体活动的蛋白质。研究小组在他们预测的增强子中发现了一种与IBD相关的变异,这表明增强子在IBD中可能很重要。通过在实验室中调节一种免疫细胞中的这种增强剂,研究小组发现这种增强剂调节了细胞的线粒体功能。研究结果有效地将研究小组的一项预测与细胞内的实际活动联系起来。 这项研究在研究炎症性肠病方面向前迈进了一步,在美国,炎症性肠病影响着大约300万成年人。更广泛地说,它还帮助研究人员锁定对特定疾病或特征可能很重要的庞大人类基因组的部分。“这将真正加速理解不同功能的过程,因为我们现在可以锁定我们应该研究的确切细胞类型和基因组合,”恩格尔茨说。“这项研究汇集了来自世界各地具有不同专长的人。这是一次与许多人的惊人合作。” 其他四位共同第一作者是布罗德大学的Drew Bergman,现在Bristol Myers Squibb的Charles Fulco,柏林自由大学的Philine Guckelberger和斯坦福大学的Benjamin Doughty。 科学家们利用从一个人身上收集的数据生成了100多张增强基因地图。他们希望继续完善他们的模型,更多的这样的地图将从不同的人和数百种细胞类型生成,纳赛尔说。“这项研究更多的是打开这个问题的书,而不是关上它。” 部分支持这项研究提供了广泛的研究所,美国国立卫生研究院,哈佛大学的社会学者,戈登和贝蒂·摩尔和基础研究专项斯坦福大学的西尔·帕卡德儿童医院,斯坦利Zhengxu,应他的基础,精神病学研究中心。
  • 快讯 工业化的生命如何重塑微生物群

    来源专题:人类遗传资源和特殊生物资源流失
    编译者:yanyf@mail.las.ac.cn
    发布时间:2021-04-09
    人类肠道内生活着数千种不同的细菌。大多数是有益的,而另一些可能是有害的。麻省理工学院、麻省理工学院布罗德研究所和哈佛大学联合开展的一项新研究表明,这些细菌种群可以在宿主的有生之年通过来回传递基因进行自我改造。 研究人员还表明,这种基因转移更频繁地发生在生活在工业化社会的人的微生物群系中,这可能与他们特定的饮食和生活方式有关。 “一个意料之外的后果,人类居住在城市可能是我们创造了条件,非常有利于居住在我们肠道内的细菌相互交换基因,”Eric Alm说,麻省理工学院微生物信息中心主任和疗法,生物工程教授和麻省理工学院土木与环境工程学院成员的传染病和微生物项目广泛,和新的研究的资深作者。 研究标志着全球第一个主要从微生物保护协会(GMbC),一个财团,收集世界各地的弱势人群的微生物样本为了保护细菌物种流失的风险随着人类越来越暴露在全球工业化的饮食和生活方式。 麻省理工学院研究员、Broad博士后学者马修·格鲁辛(Mathieu Groussin)是这篇论文的主要作者之一,他说:“我们在农村和偏远地区发现的大多数物种,在工业化世界是看不到的。”“微生物组的组成完全改变了,同时不同物种的数量也在减少。工业化微生物群多样性较低可能是肠道健康不佳的反映。” 麻省理工学院的研究助理、Broad博士后马蒂尔德·波耶特(Mathilde Poyet)也是发表在《细胞》杂志上的这项研究的主要作者。该论文的其他作者包括来自丹麦、法国、南非、喀麦隆、加拿大、芬兰、新西兰、坦桑尼亚、西班牙、瑞典、加纳和尼日利亚机构的研究人员。 微生物多样性 GMbC于2016年成立,其使命是在人类微生物群落消失之前保护其多样性。到目前为止,该项目已经从全球34个人群中收集了样本。GMbC联盟包括来自样本采集国家的科学家。 “这项工作是由麻省理工学院领导的,但它确实是一个全球合作,”Poyet说。“通过我们的国际联盟,我们正在花费时间和精力收集和保存单个细菌菌株,以便我们可以无限期地将它们保存到后代,但所有这些细菌及其衍生物仍然属于提供它们的参与者。” 以前的工作表明,生活在工业化社会的人的微生物组组成与生活在相对孤立的农村人的微生物组组成有很大不同。非工业化种群通常有更大的细菌多样性,包括许多在工业化种群中看不到的物种。据推测,饮食、抗生素使用和接触土壤细菌的差异是造成这些差异的原因。 在细胞研究中,研究人员探索了水平基因转移的现象,这种现象发生在生活在同一环境中的细菌相互传递基因时。2011年,Alm的实验室发现,人类肠道是这类基因交换的热点。然而,根据研究人员当时使用的技术,他们只能确定这些基因转移可能发生在过去5000年的某个时候。 在他们的新研究中,研究人员能够更精确地估计这些转移发生的时间。为此,他们比较了不同种类肠道细菌的基因差异。当他们比较来自同一个人的细菌种类时,他们发现基因相似性比来自两个不同人的相同细菌种类的相似性要高得多,这证实了水平基因转移可以在一个人的一生中发生。 “真正令人兴奋的事情之一本文我们终于能够回答的问题是否水平转移的速度一直在人类微生物组在过去的几千年,还是真的在每个人的一生中,肠道的细菌不断来回交易基因,“Alm说。 交换特征 根据不同的物种,研究人员发现细菌每年可能获得10到100个新基因。研究人员还发现,生活在工业化社会的人们的基因交换率要高得多,而且他们还发现了最常见交换的基因类型的差异。 例如,他们发现,在用抗生素治疗牲畜的牧民群体中,抗生素耐药性基因的交换率最高。他们还发现,来自非工业化社会的人们,尤其是狩猎采集者,对与纤维降解有关的基因交换率很高。研究人员说,这是有道理的,因为这些人群通常比工业化人群消耗更多的膳食纤维。 研究人员发现,在工业化人群中发现的微生物中,促进基因转移的基因交换率特别高。这些微生物对与毒性有关的基因也有更高的交换率。研究人员现在正在研究这些基因如何影响炎症性疾病,如肠易激综合症,这在工业化社会比非工业化社会更常见。 这项研究由麻省理工学院微生物组信息学和治疗学中心、拉斯穆森家族基金会和布罗德研究所资助。 改编自麻省理工学院的一篇新闻稿。
  • 快讯 研究综述:2021年3月26日

    来源专题:人类遗传资源和特殊生物资源流失
    编译者:yanyf@mail.las.ac.cn
    发布时间:2021-04-09
    欢迎收看2021年3月26日的研究综述,这是布罗德研究所科学家及其合作者发表的近期研究的重复快照。 小儿癌症DepMap显示独特的依赖性 儿童癌症比成人癌症有更少的靶向治疗。找到更多的儿童癌症的药物靶点,博士后学者Neekesh Dharia,研究所主任Todd Golub癌症科学主任巴斯克斯堡的依赖关系图,金伯利Stegmeier协会成员,从癌症和合作者团队的依赖关系图,癌症计划,和遗传扰动平台使用大规模CRISPR-based屏幕寻找小儿癌症的遗传相关性。他们发现了这些癌症类型特有的许多依赖性,这为药物开发提供了新的途径。作者说成人和儿童癌症依赖性之间的差异表明将成人癌症药物重新用于儿童是不够的。请阅读《自然遗传学》和《博德和波士顿儿童医院的故事》。 在代表性不足的人群中,低覆盖率的下一代测序比传统的GWAS测序有优势 GWAS研究在确定基因变异如何影响各种疾病的风险方面发挥了强大的作用。然而,由于大多数GWAS数据是从欧洲血统的人群中收集的,它们的准确性——以及发现新的变异的能力——在代表性不足的人群中是有限的。在《美国人类遗传学杂志》上,神经gap -精神病研究团队和医学与人口遗传学项目(MPG)成员、联合科学家Alicia Martin及其同事已经证明,低覆盖下一代测序为非欧洲血统人群提供了一种成本效益高的替代常用的GWAS阵列。他们证明,低至4倍的测序覆盖率可以识别在其他人群中未观察到的变异,而成本与传统的GWAS方法相当。 神经元诞生的时间而非地点的重要性 胆碱能神经元产生神经递质乙酰胆碱,通过这些神经元投射到前脑,帮助控制注意力、动机和学习能力。虽然最近的研究表明,这些投射以一种高度特定的方式刺激不同的前脑区域,但对于神经元如何协调它们的活动却知之甚少。凯思琳·Allaway,罗伯特·马彻德(纽约大学),斯坦利中心的研究所成员戈登·费希尔和同事们表明,这些神经元的相对年龄(它们在发育过程中出现的阶段)决定了它们刺激前脑的哪个区域。年老的神经元倾向于向中心深处投射,而年轻的神经元只伸向外围。 寻找肠道微生物的硫切断酶 肠道中产生硫化氢的细菌水平升高与炎症性肠病、克罗恩病、溃疡性结肠炎和结肠直肠癌等疾病有关。在化学生物学和治疗科学项目的研究所成员Emily Balskus和他的同事报告了甘基自由基酶isethionate亚硫酸盐裂解酶(IslA)的结构,这种酶在细菌Bilophila wadsworthia中可以裂解isethionate中的C-S键,产生亚硫酸盐,亚硫酸盐是硫化氢的前体。更好地了解B. wadsworthia裂解这个键的机制可能会导致针对产生硫化氢的细菌的药物治疗。阅读更多细胞化学生物学。 药物开发的新数学 当开发一种新的药物分子时,化学家需要知道它的结合自由能,这是它与目标蛋白亲和力的量度。然而,这个数字是出了名的难以计算。通过将经典化学计算与计算机视觉领域的机器学习技术相结合,麻省理工学院(MIT)的丁新强(Xinqiang Ding)和表观基因组计划(Epigenomics Program)的副成员张斌(Bin Zhang)开发了一种名为DeepBAR的方法,它可以计算药物-目标组合的结合自由能,比目前的方法快50倍。DeepBAR的高效可以为药物筛选和蛋白质设计与工程提供参考。更多信息请参见《物理化学学报》和麻省理工学院新闻报道。 生物条形码显示出了迅速膨胀的身体 为了探索人体的细胞系,包括Sara Bizzotto、Yanmei Dou (HMS)、Javier Ganz、Peter Park (HMS)和MPG副成员、哈佛医学院和波士顿儿童医院的Christopher Walsh在内的一个团队对来自三个个体的多个组织进行了高深度全基因组测序。他们鉴定了数百种体细胞单核苷酸变体,将其作为单细胞内的内源性条形码来重建早期胚胎细胞分裂,并揭示祖细胞进入组织、胚层和器官的轨迹。这项研究表明,一个胚胎从单层囊胚转变为多层的原肠,有大约170个细胞池。 儿童病毒性疾病的更好的生物标记物 在疟疾流行的环境中,儿童发热性呼吸道疾病很难诊断,因为疟疾或病毒感染和细菌继发感染通常同时发生,并表现出类似的症状。地址需要改进的诊断,研究所成员Dyann Wirth传染病和微生物项目的高级组长迈克尔•吉列d·r·摩尼研究所科学家和蛋白质组学平台高级主管史蒂文•卡尔和合作者用蛋白质分析和机器学习工具来分析从195年莫桑比克肺炎患儿临床血液样本。研究小组发现了区分病毒性和细菌性肺炎的新的生物标记物,这可以为儿科肺炎抗生素治疗的基于实地的分类快速诊断提供基础。 找到目标的两种方法 转座子是带有相关蛋白质的DNA序列——转座酶——它允许DNA被“剪切和粘贴”到其他地方。一些转座子吸收了CRISPR-Cas组件,创造了crispr相关的转座子(CAST)系统。虽然这些系统使用CRISPR rna针对特定的位点进行插入,但奇怪的是,在相关的CRISPR阵列的靶向区域却找不到它们。在《细胞》一书中,Makoto Saito, Alim Ladha, Jonathan Strecker, Guilhem Faure,核心研究所成员张锋及其同事描述了两种不同的模型之间的归巢转位模式:一种由专门的引导RNA促进,另一种由专门的归巢蛋白质促进。这些观察突出了转座子系统的多样性。
  • 快讯 研究综述:2021年4月2日

    来源专题:人类遗传资源和特殊生物资源流失
    编译者:yanyf@mail.las.ac.cn
    发布时间:2021-04-09
    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。