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。     

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.     

计算RNA组学:非编码RNA结构识别与功能预测

真核生物基因组中包含大量非编码RNA基因,计算RNA组学采用信息科学等多学科方法解析ncRNA的结构与功能.本文就ncRNA数据存储与管理、ncRNA基因识别与鉴定、ncRNA靶标识别与功能预测等问题,对目前计算RNA组学的主要研究方法和内容进行了评述.     

基于Web服务的流感病毒基因组自动化翻译注释系统

随着流感病毒基因组测序数据的急剧增加,深入挖掘流感病毒基因组大数据蕴含的生物学信息成为研究热点。基于中国流感病毒流行特征数据,建设一个集自动化、一体化和信息化的序列库系统,对于实现流感病毒基因组批量快速翻译、注释、存储、查询、分析具有重要的应用价值。本课题组通过集成一系列软件和工具包,并结合自主研发的其他功能,在底层维护的2个关键的参考数据集基础上另外追加了翻译注释信息最佳匹配的精细化筛选规则,构建具有流感病毒基因组信息存储、自动化翻译、蛋白序列精准注释、同源序列比对和进化树分析等功能的自动化系统。结果显示,通过Web端输入fasta格式的流感病毒基因序列,本系统可针对参考序列片段数据集(blastdb.fasta)进行Blast同源性检索,可以鉴定流感病毒的型别(A、B或C)、亚型和基因片段(1~8片段);在此基础上,通过查询数据库底层用于翻译、注释的基因片段参考数据集,可以获得一组肽段数据集,然后通过循环调用ProSplign软件对其进行预测。结合精细化的筛选准入规则,选出与输入序列匹配最好的翻译后产物,作为该输入序列的预测蛋白,输出为gbk,asn和fasta等通用格式的文件,给出序列长度、是否全长、病毒型别、亚型、片段等信息。基于以上工作,另外自主研发了系统其他的附加功能如进化树分析展示、基因组数据存储等功能,构建成基于Web服务的流感病毒基因组自动化翻译注释系统。本研究提示,系统高度集成系列软件以及自有的注释翻译数据库文件,实现从序列存储、翻译、注释到序列分析和展示的功能,可全面满足我国高通量基因检测数据共享化、本土化、一体化、自动化的需求。     

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。     

利用语义网技术实现的分布式异构食品微生物数据整合

随着高通量测序技术的迅速发展和食品微生物研究的逐步深入,产生了大量的数据和知识,且以不同的数据格式分布在各种数据库中。为了更好地支持食品微生物的相关研究,从各种分布式、异构的数据和知识中,进行数据提取与转换,并形成一个整合的数据平台显得尤为重要。FoodMicrobes数据库利用语义网技术,建立了一个食品微生物的整合型数据平台。该平台从各种开放的公共数据库,提取了与食品微生物相关的基因、基因组、基因功能、蛋白质序列与结构、代谢途径、文献、专利等信息,利用RDF的方法,对数据进行转换,并建立了数据之间的关联,实现了数据整合,是目前在食品微生物领域以语义网方式建立的第一个数据库。在该平台中,实现了将食品微生物的物种、菌株层面的宏观信息与基因组、蛋白质、代谢与功能等微观层面信息的贯通,并通过友好的数据检索界面,为用户进行食品微生物研究提供了重要的工具。     

四膜虫功能基因组数据库增量更新2016:生活史和减数分裂转录组及磷酸化蛋白组资源建设

原生动物嗜热四膜虫是一种优良单细胞真核模式生物,以其作为研究对象在基础生物学领域的研究已经取得了一系列突破性的成果。2006年,其大核基因组测序完成并发表,标志着四膜虫的研究进入了功能基因组时代。2013年基于基因芯片、基因网络和转录组数据,我们构建了四膜虫功能基因组数据库,其目前已成为模式生物嗜热四膜虫研究的两个重要数据库之一。在过去几年里,随着对四膜虫功能基因组学研究的深入,相关组学数据也实现了一定积累,对这些数据的整合也非常迫切。基于此,我们对四膜虫功能基因组数据库进行了增量更新。更新内容主要包括三个方面:(1)四膜虫生活史不同时期转录组数据;(2)四膜虫接合生殖减数分裂过程转录组数据;(3)磷酸化蛋白组数据。此次增量更新进一步提升和完善了四膜虫功能基因组数据库的内容和功能,对以四膜虫为对象的相关研究工作具有重要作用。     

系统生物学研究中不同组学数据的整合

高通量实验方法的发展导致大量基因组、转录组、代谢组等组学数据的出现,组学数据的整合为全面了解生物学系统提供了条件.但是,由于当前实验技术手段的限制,高通量组学数据大多存在系统偏差,数据类型和可靠程度也各不相同,这给组学数据的整合带来了困难.本文以转录组、蛋白质组和代谢组为重点,综述了近年来组学数据整合方面的研究进展,包括新的数据整合方法和分析平台.虽然现存的数据统计和网络分析的方法有助于发现不同组学数据之间的关联,但是生物学意义上的深层次的数据整合还有待于生物、数学、计算机等各种领域的全面发展.     

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。     

微生物遗传多样性的挖掘和代谢工程应用

随着近年来系统生物学研究的深入,微生物的基因组、转录组、蛋白组及代谢组等不同层次的组学信息不断增加。我国具有丰富的微生物多样性,但目前对多样性的研究大多集中在物种多样性及生态多样性方面,对微生物菌株水平遗传多样性的研究还刚刚起步。以酿酒酵母和链霉菌为例,结合本课题组的成果,总结了近年来利用其基因组序列及转录组蛋白质等功能基因组信息,开发利用其遗传多样性的研究进展。在工业酿酒酵母中发现了多个独特的功能基因,包括絮凝基因及与环境胁迫耐性相关的调节蛋白基因,还发现了独特的启动子序列。此外,在海洋放线菌基因组中也发现了独特的调节基因。对微生物遗传多样性的挖掘利用,不仅有助于深入理解微生物不同菌株中独特的调节方式,也为微生物的代谢工程改造提供了大量新的可利用的遗传组件。     

生命与健康大数据中心资源

生命与健康多组学数据是生命科学研究和生物医学技术发展的重要基础。然而,我国缺乏生物数据管理和共享平台,不但无法满足国内日益增长的生物医学及相关学科领域的研究发展需求,而且严重制约我国生物大数据整合共享与转化利用。鉴于此,中国科学院北京基因组研究所于2016年初成立生命与健康大数据中心(BIG Data Center, BIGD),围绕国家人口健康和重要战略生物资源,建立生物大数据管理平台和多组学数据资源体系。本文重点介绍BIGD的生命与健康大数据资源系统,主要包括组学原始数据归档库、基因组数据库、基因组变异数据库、基因表达数据库、甲基化数据库、生物信息工具库和生命科学维基知识库,提供生物大数据汇交、整合与共享服务,为促进我国生命科学数据管理、推动国家生物信息中心建设奠定重要基础。     

大规模蛋白质功能预测方法的进展

全基因组测序的快速发展在获得大量序列信息的同时也迫切需要获取功能信息,用生物信息学方法进行大规模蛋白质功能预测在这种需求中获得发展。这些预测方法从基于序列同源性发展到基于genomic-context获得功能相关蛋白质对。基于genomic-context的方法具体有基因融合、染色体邻近、相似系统发生谱等。由于各种方法的偏向性,最新的趋势是整合多种方法的数据,组成蛋白质相互作用网络,通过分析网络的结构进行蛋白质功能预测。     

基于Web的基因组序列数据库管理系统的设计与实现

设计一种基于网络的可用来存储和注释海量DNA数据的数据库模型。整个过程分为三部分：首先是构建数据库框架,然后对原始基因组序列数据进行批量注释并输出有效格式导入数据库,最后通过一个友好的用户交互界面,实现对基因组数据的在线读取,查询,注释等操作。设计的数据库用于解决大量产生并有待分析的基因组序列的有效存储和管理问题。     

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。     

代谢组学技术及其在临床研究中的应用

在后基因组时代, 系统生物学研究成为人们关注的焦点。转录组学、蛋白质组学等功能基因组学研究方法可同时检测药物或其他因素影响下大量基因或蛋白质的表达变化情况, 但这些变化不能与生物学功能的变化建立直接联系。代谢组学方法则可为代谢物含量变化与生物表型变化建立直接相关性。代谢组学研究的目的是定量分析一个生物系统内所有代谢物的含量, 进行全面代谢物分析需要分析化学技术的支撑, 核磁共振和基于质谱的分析技术是代谢组学研究的两种主要技术手段。代谢组学研究可产生大量数据信息, 对这些数据进行分析离不开化学统计学的应用, 比如主成分分析、多维缩放、各种聚类分析技术以及功能差异分析等。文章综述了近年来代谢组学分析技术及数据分析技术的研究进展, 在此基础上, 对代谢组学在临床研究及临床前研究中的应用研究进展进行了综述。对疾病代谢表型图谱的研究有助于人们了解疾病发生、发展以及致死的机制; 在临床条件下, 这些代谢图谱可以作为疾病诊断、预后以及治疗的评判标准。代谢物组成的变化是毒物胁迫对机体造成的最终影响, 利用代谢组技术可以直接反映毒物对机体的影响。质谱技术、核磁共振技术的应用使得药物筛选过程可以快速完成, 并有助于实现个性化用药。此外, 利用代谢组学技术还可以进行已知酶的新活性研究, 也可以研究未知酶。     

系统生物学

随着人类基因组测序计划的完成和后基因组时代的到来,国际上基因组、转录组、蛋白质、代谢组乃至表型组工作的相继开展,随着各种类型功能基因组数据的爆炸性增长,信息整合和数据挖掘的重要性显得尤为突出。有人将细胞的基因组、转录和蛋白质组综合起来称为操纵子组(Operomics)来研究功能,正体现了这种认识。 同时,随着研究的深度和复杂性增加,从生物     

KEGG数据库在生物合成研究中的应用

KEGG(Kyoto Encyclopedia of Genes and Genomes)提供了一个操作平台,即以基因组信息(GENES)和化学物质信息(LIGAND)为构建模块,通过代谢网络(PATHWAY)将基因组和生物系统联系起来,然后根据功能等级进行归纳分类(BRITE)。KEGG还为各种组学研究提供相关软件,用于代谢途径重建、遗传分析和化合物比对。作为一个综合数据库,KEGG不仅指导生物燃料、药物和新材料等生物基化学品的合成,而且致力于研究日趋严重的环境问题。系统介绍了KEGG数据库的结构、功能及其相关工具的最新进展,并展望在生物合成中的应用前景。     

环境微生物宏基因组学研究中的生物信息学方法

高通量测序技术的发展促进了组学技术在环境微生物研究中的广泛应用,而宏基因组学是目前最为关键和成熟的组学方法。生物信息学在微生物宏基因组学研究中具有至关重要的作用。它贯穿于宏基因组学的数据收集和存储、数据处理和分析等各个阶段,既是宏基因组学推广的最大瓶颈,也是目前宏基因组学研究发展的关键所在。本文主要介绍和归纳了目前在高通量宏基因组测序中常用的生物信息学分析平台及其重要的信息分析工具。未来几年之内,测序成本的下降和测序深度的增加将进一步增大宏基因组学研究在数据存储、数据处理和数据挖掘层面的难度,因此相应生物信息学技术与方法的研究和发展也势在必行。近期内我们应该首先加强基础性分析和存储平台的建设以方便普通环境微生物研究者使用,同时针对目前生物信息分析的瓶颈步骤和关键任务重点突破,逐步发展。     

作物育种学领域新的革命:高通量的表型组学时代

传统的表型组学研究已严重滞后于高速发展的基因组、转录组及蛋白质组学,这也制约了作物育种学、功能基因组学等领域研究的深入开展。为突破这一瓶颈,国内外科研工作者经不懈的努力开发出了各类具有自动化、高精度、高通量特点的表型组学分析平台,并将该平台与各类"组学"研究相结合,这将是作物育种学领域的一次新的技术革命。本文对植物表型组学的概念和研究意义进行了介绍和分析,并对高通量表型组学分析平台进行了详细介绍,同时对未来表型组学的发展和各类组学及生物大数据的综合利用进行了展望。     

Meta-Mesh——元基因组数据分析系统

随着元基因组数据的不断增多,建立一个包含高品质的元基因组样本(也称为"微生物群落")数据的集成化的分析平台成为可能,使得微生物群落样本能够被有效分析、比较与搜索,从中发现更加深入的生物学意义。然而,一方面目前大部分元基因组数据库仅仅提供了简单的数据存储,缺乏良好的样本注释或者仅仅提供了很少的分析功能。另一方面,用于计算微生物群落数据相似性的方法所能够接受的样本数据量非常有限。长期以来,科学家们一直在寻找有效的方法计算海量微生物群落之间的相似性,从而研究样本之间的相似度并发现元基因组数据信息的相关性。Meta-Mesh是一个全新的在线元基因组分析系统,它包括元基因组数据库和分析平台,可以对元基因组样本进行系统、有效地分析,并实现样本的群落结构比较和精确搜索。其中,元基因组数据库已经从公共领域和内部实验室收集了超过7 000个高品质、带有有效注释的样本。同时,Meta-Mesh的分析平台提供了多种在线分析工具,可以对元基因组样本进行群落的结构分析与注释,多角度比较,并能通过快速索引策略和群落结构相似性算法在数据库中高效搜索近似的样本。Meta-Mesh通过"人体微生物群落样本的数据库搜索识别"以及"基于相似度矩阵的样本的聚类"等一系列的元基因组研究案例证明了其分析方面的性能。作为一个在线的元基因组数据库和分析系统,Meta-Mesh将服务于元基因组样本的快速分析、识别、比对、搜索等相关领域。