整合转录组学数据的代谢网络研究进展

高通量测序技术的快速发展催生了涵盖各层次细胞生命活动的组学数据,如转录组学数据、蛋白质组学数据和互作组学数据等。同时,全基因组代谢网络模型在不断完善和增多。整合组学数据,对生物细胞的代谢网络进行更深入的模拟分析成为目前微生物系统生物学研究的热点。目前整合转录组学数据进行全基因组代谢网络分析的方法主要以流量平衡分析(FBA)为基础,通过辨识不同条件下基因表达的变化,进而优化目标函数以得到相应的流量分布或代谢模型。本文对整合转录组学数据的FBA分析方法进行总结和比较,并详细阐述了不同方法的优缺点,为分析特定问题选择合适的方法提供参考。     

关于组学大数据背景下《微生物学》教材框架的思考

微生物学是生物学的重要内容,是全国高等院校生物学专业或相关专业的本科生必修的一门核心基础课,其主要任务是给学生提供基础的、系统的、前沿的微生物学知识和理论。随着高通量测序、质谱、芯片等高通量技术的快速发展,生命科学领域快速进入了以海量多元组学(基因组学、转录组学、蛋白质组学、免疫组学、代谢组学等)数据为特征的大数据时代,而这势必会对微生物学教材已有的内容产生冲击和补充。本文对如何在组学大数据背景下对国内经典的微生物学教材进行改革,将目前最具突破性的组学成果整合到已有的教材框架中或革新现有教材框架进行了初步探讨。     

多组学前沿技术专刊序言

后基因组时代,基因组学、转录组学、蛋白质组学及代谢组学等技术应用日趋广泛,功能注释成为生命科学研究的中心任务,多组学整合分析成为全面解析生物学机理的主要手段。本专刊邀请了国内多组学领域的相关专家学者介绍了基因组学、转录组学、蛋白质组学及代谢组学等领域最新进展和应用成果,收录了相关文章28篇,以供从事多组学研究的科研工作者参考。     

以海量数据计算揭示人类疾病发生机制及相关分子标志物

高通量芯片和深度测序技术为在全基因组水平上绘制高分辨率的基因组变异、RNA转录、转录因子结合及组蛋白修饰图谱等研究提供了前所未有的机遇.这些技术彻底改变了以往有关转录组学、调控网络以及表观遗传调控的研究方法,产生了海量的多水平组学数据,并开启了高效数据整合研究的先河.然而,如何有效地整合这些数据仍然是一个巨大的挑战.本文总结了高通量组学数据的产生对相关领域研究的主要影响及其与人类疾病的关系,并介绍了多种用于数据整合分析的生物信息学方法.最后,以炎症疾病为例进行说明.     

Meta-analysis在多种组学领域的应用

Meta-analysis作为一种整合多特征、多数据的统计方法,上世纪90年代被引入生命科学领域。随着高通量测序技术的快速发展,以基因组学、转录组学和蛋白质组学为核心的生命组学逐渐成为生命科学研究的新热点。海量数据的快速产出推动了组学研究的发展,也引发了数据规模过大、难以系统整合等问题。针对上述情况,meta-analysis被广泛地应用于分析各组学数据,方法也不断得到改进。本文系统总结了有代表性的meta-analysis方法,考察了目前meta-analysis在多个组学领域的应用现状,最后讨论了meta-analysis尚待解决的问题并展望未来的发展方向。     

整合分析多组学数据筛选疾病靶点的精准医学策略

随着高通量测序技术的不断发展与完善,对于不同层次和类型的生物组学数据的获取及分析方法也日趋成熟与完善。基于单组学数据的疾病研究已经发现了诸多新的疾病相关因子,而整合多组学数据研究疾病靶点的工作方兴未艾。生命体是一个复杂的调控系统,疾病的发生与发展涉及基因变异、表观遗传改变、基因表达异常以及信号通路紊乱等诸多层次的复杂调控机制,利用单一组学数据分析致病因子的局限性愈发显著。通过对多种层次和来源的高通量组学数据的整合分析,系统地研究临床发病机理、确定最佳疾病靶点已经成为精准医学研究的重要发展方向,将为疾病研究提供新的思路,并对疾病的早期诊断、个体化治疗和指导用药等提供新的理论依据。本文详细介绍了基因组、转录组和表观组等系统组学研究在疾病靶点筛选方面出现的新技术手段和研究进展,并对它们之间的整合分析新策略和优势进行了讨论。     

系统生物技术在工业(药用)微生物菌种选育与高通量筛选中的应用

系统生物学时代,各种高通量组学技术产生了大量数据。一些旨在挖掘数据和整合信息的计算机建模技术也逐渐用于系统水平定量分析细胞代谢。模型有助于指导实验设计,实验结果反过来检验和优化模型,虚实结合,有利于在系统层面认识复杂的代谢过程。根据这些信息,可以设计、优化工业微生物代谢特征,高表达目标代谢物。本文综述了系统生物技术在工业(药用)微生物育种和高通量筛选中的最新应用进展。     

黑曲霉组学研究进展

黑曲霉作为重要的工业发酵菌株,被广泛用于多种有机酸和工业用酶的生产。随着组学技术的日益发展和成熟,黑曲霉的基因组、转录组、蛋白质组、代谢组等组学数据不断增长,宣告着黑曲霉生物过程研究大数据时代的到来。从单一组学的数据分析、多组学的比较到以基因组代谢网络模型为中心的多组学整合研究,人们对黑曲霉高效生产机制的理解不断深入和系统,这为通过遗传改造和过程调控对菌株的生产性能进行理性的全局优化提供了可能。本文回顾和总结了近年来黑曲霉的组学研究进展,并提出黑曲霉组学研究未来的发展方向。     

医学研究生开展转录组学课程必要性的探讨

转录组学是生命科学领域的一门交叉型、发展快速的前沿性学科。随着高通量测序技术的迅猛发展,在收集、整合及数据挖掘的基础上全面系统的研究转录组成为可能。目前,利用转录组学的理论及技术研究疾病的转录组信息,系统全面阐明其基因表达调控规律,构建其基因调控网络,已经成为医学研究领域的热点。通过在医学研究生中开展转录组学这门课程,使研究生掌握其中的科研思维和方法,帮助研究生更清晰地认识疾病发生发展的分子机制,并通过学习这门课程提高研究生的科研能力和水平。     

多组学整合网络: 一把精准解码玉米功能基因组的钥匙

高通量组学技术的快速发展使生命科学进入大数据时代。科学家们从基因组、转录组、蛋白质组和代谢组等多组学数据中剥茧抽丝, 逐步揭示生物体内复杂而巧妙的调控网络。近日, 华中农业大学李林课题组联合杨芳课题组和严建兵课题组构建了玉米(Zea mays)首个多组学整合网络。该网络包括3万个玉米基因在三维基因组水平、转录水平、翻译水平和蛋白质互作水平的调控关系, 由280万个网络连接组成, 构成1 412个调控模块。利用该整合网络, 研究团队预测并证实了5个调控玉米分蘖、侧生器官发育和籽粒皱缩的新基因。进一步结合机器学习方法, 他们预测出2 651个影响玉米开花期的候选基因, 鉴定到8条可能参与玉米开花期的调控通路, 并利用基因编辑技术和EMS突变体证实了20个候选基因的生物学功能。此外, 通过对整合调控网络的进化分析, 他们发现玉米两套亚基因组在转录组、翻译组和蛋白互作组水平上存在渐进式的功能分化。这套集合多组学数据构建的整合网络图谱是玉米功能基因组学研究的重大进展, 为玉米重要性状新基因克隆、分子调控通路解析和玉米基因组进化分析提供了新工具, 是解锁玉米功能基因组学的一把新钥匙。