معلومة

كيف كانت الجينات موجودة قبل تطوير المعلوماتية الحيوية؟


أود أن أعرف الإجراء التفصيلي لكيفية تمكن العلماء في وقت سابق من تحديد الجينات مثل كيف تمكنا من تحديد موقع جين هنتنغتون في عام 1983؟


تم إنشاء أقدم خرائط الجينوم من الإشريكية القولونية عن طريق إساءة استخدام اقتران طفرات Hfr الخاصة. أفترض أنك معتاد إلى حد ما على الاقتران البكتيري - عملية نقل المادة الجينية بين الخلايا البكتيرية.

عادة فقط التليفون المحمول يتم نقل البلازميدات. إنهم يحملون ما يلزم ترا-جينات لبناء نظام الجنس والنسخ والتحويل. هم أيضا بحاجة إلى oriT-الموقع (أصل التحويل) ، حيث يتم بدء النقل. البلازميد المحمول الشهير هو البلازميد F.

قامت بعض الخلايا الطافرة بدمج البلازميد F في كروموسومها الرئيسي عن طريق إعادة التركيب. وبالتالي ، فإنهم قادرون على نقل الجينوم بأكمله إلى خلية متلقية. تسمى هذه السلالات سلالات Hfr (التردد العالي لإعادة التركيب) وقد تم استخدامها بشكل مكثف في رسم خرائط الجينوم المبكر.

اكتشفوا أن سلالة Hfr تستغرق حوالي 100 دقيقة لنقل جينومها بالكامل إلى خلية أخرى. عن طريق مقاطعة الاقتران (على سبيل المثال عن طريق الاهتزاز الشديد) ، تم مقاطعة النقل ويمكن تقسيم الجينوم إلى أقسام حسب وقت النقل (10 دقائق ، 20 دقيقة ، 30 دقيقة وما إلى ذلك).

تم الكشف عن وظيفة الجينات (أو أقسام الجينوم) عن طريق تزاوج سلالات Hfr مع طفرات معيبة. إذا كان المتحور غير قادر على النمو على السكروز على سبيل المثال ، فقد تم إجراء العديد من تجارب الاقتران بأوقات تزاوج مختلفة. عندما كان المتحولة قادرًا على النمو على السكروز مرة أخرى بعد التزاوج ، تم التحقق من وقت النقل. إذا كانت السلالة قادرة على النمو مرة أخرى بعد 30 دقيقة من الاقتران ، ولكن ليس بعد 20 دقيقة ، فقد عرفوا أن الجينات اللازمة لنمو السكروز تقع في منطقة 20-30 دقيقة.

استغرق الأمر قدرًا هائلاً من التجارب مع مجموعة واسعة من المسوخات لإنشاء أول خريطة لـ بكتريا قولونية الجينات ، ولكن تم تحقيقه حتى قبل معرفة تسلسل النيوكليوتيدات.


فقط لتكملة فيثاغيروس.

كان التسلسل والمعلوماتية الحيوية موجودًا بالفعل في عام 1983 ، في الواقع نشر فريدريك سانجر وزملاؤه طريقتهم الآلية في التسلسل (تسلسل سانجر) في عام 1977. وقد نشروا التسلسل الكامل لعاثيات البكتيريا φX174. كانت الطرق الأخرى لتسلسل الحمض النووي موجودة منذ أول طريقة في عام 1970 أنشأها راي وو.


المعلوماتية الحيوية

مقدمة

تجمع المعلوماتية الحيوية ، باعتبارها تخصصًا جديدًا ناشئًا ، بين الرياضيات وعلوم المعلومات والبيولوجيا وتساعد في الإجابة على الأسئلة البيولوجية. تم استخدام كلمة "المعلوماتية الحيوية" لأول مرة في عام 1968 وتم تقديم تعريفها لأول مرة في عام 1978. كما تمت الإشارة إلى المعلوماتية الحيوية باسم "علم الأحياء الحسابي". ومع ذلك ، بالمعنى الدقيق للكلمة ، يتعامل علم الأحياء الحسابي بشكل أساسي مع نمذجة الأنظمة البيولوجية. المكونات الرئيسية للمعلوماتية الحيوية هي (1) تطوير أدوات وخوارزميات برمجية و (2) تحليل وتفسير البيانات البيولوجية باستخدام مجموعة متنوعة من أدوات البرمجيات وخوارزميات معينة.


مراجع

بارانوفا AV ، أورلوف يل. الأوراق المقدمة في 7 مدرسة العلماء الشباب "علم الأحياء والمعلوماتية الحيوية" (SBB'15): ملاحظة تمهيدية. بي ام سي جينيت. 201617: S20.

أورلوف يل ، بارانوفا إيه في ، هوفستايدت آر ، كولشانوف إن إيه. علم الجينوم الحسابي في BGRS SB-2016: ملاحظة تمهيدية. علم الجينوم BMC. 201617 (ملحق 14): 996.

Orlov YL، Kolchanov NA، Hofestädt R، Wong L. الافتتاحية - تطوير المعلوماتية الحيوية في سلسلة مؤتمرات BGRS SB: الذكرى العاشرة. J Bioinforma كمبوت بيول. 201715 (2): 1702001.

أورلوف يل ، بارانوفا إيه في ، ماركيل أل. النماذج الحسابية في علم الوراثة في BGRS SB-2016: ملاحظة تمهيدية. بي ام سي جينيت. 201617 (ملحق 3): 155.

تلفزيون تاتارينوفا ، تشين إم ، أورلوف يل. بحث المعلوماتية الحيوية في BGRS-2018. المعلوماتية الحيوية BMC. 201920 (ملحق 1): 33.

أورلوف يل ، بارانوفا إيه في. الافتتاحية: المعلوماتية الحيوية لتنظيم الجينوم وبيولوجيا الأنظمة. الجبهة جينيه. 202011: 625.

Orlov YL، Baranova AV، Hofestädt R، Kolchanov NA. علم الجينوم في مؤتمر Belyaev - 2017. BMC Genomics. 201819 (ملحق 3): 79.

Orlov YL، Baranova AV، Tatarinova TV، Kolchanov NA. علم الوراثة في مؤتمر Belyaev - 2017: ملاحظة تمهيدية. بي ام سي جينيت. 201718 (ملحق 1): 116.

Orlov YL.، Kochetov A.V.، Li G.، Kolchanov N. BMC Genomics 201920 (ملحق 3): 322.

Orlov YL، Galieva ER، Melerzanov AV. أبحاث الجينوميات الحاسوبية في سلسلة مؤتمرات المعلوماتية الحيوية في نوفوسيبيرسك. علم الجينوم BMC. 201920 (ملحق 7): 537.

Balanovska E و Lukianova E و Kagazezheva J و Maurer A و Leybova N و Agdzhoyan A و Gorin I و Petrushenko V و Pylev V و Kostryukova E و Balanovsky O. تحسين التنبؤ الجيني للعين ولون الشعر لسكان شمال أوراسيا. علم الجينوم BMC. 202021 (ملحق 7). https://doi.org/10.1186/s12864-020-06923-1.

Candille SI، Absher DM، Beleza S، Bauchet M، McEvoy B، Garrison NA، Li JZ، Myers RM، Barsh GS، Tang H، Shriver MD. دراسات الارتباط على مستوى الجينوم للجلد والشعر وتصبغ العين المقاس كميًا في أربعة مجموعات أوروبية. بلوس واحد. 20127 (10): e48294.

Chaitanya L ، Breslin K ، Zuñiga S ، Wirken L ، Pośpiech E ، Kukla-Bartoszek M ، Sijen T. Peter de Knijff ، Liu F. ، Branicki W. ، Kayser M. ، Walsh S. the HIrisPlex-S system للعين ، تنبؤ لون الشعر والبشرة من الحمض النووي: مقدمة والتحقق من صحة تطور الطب الشرعي. علوم الطب الشرعي Int Genet. 201835: 123-35.

Sandoval JR، Lacerda DR، Jota MMS، Robles-Ruiz P، Danos P، Paz-y-Miño C، Wells S، Santos FR، Fujita R. تتبع التاريخ الجيني لـ 'Canaris' من الإكوادور وبيرو باستخدام علامات الحمض النووي أحادية الوالدين . علم الجينوم BMC. 202021 (ملحق 7). https://doi.org/10.1186/s12864-020-06834-1.

Barbieri C و Barquera R و Arias L و Sandoval JR و Acosta O و Zurita C وآخرون. المشهد الجينومي الحالي لغرب أمريكا الجنوبية: جبال الأنديز والأمازون وساحل المحيط الهادئ. مول بيول إيفول. 201936 (12): 2698-713.

Suntsova MV ، Buzdin AA. الاختلافات بين جينومات الإنسان والشمبانزي وآثارها في التعبير الجيني ووظائف البروتين والخصائص الكيميائية الحيوية لكلا النوعين. علم الجينوم BMC. 202021 (ملحق 7). https://doi.org/10.1186/s12864-020-06962-8.

Dong X ، Wang X ، Zhang F ، Tian W. تحديد الجينوم الواسع للتسلسلات التنظيمية التي تمر بتطور متسارع في الجينوم البشري. مول بيول إيفول. 201633 (10): 2565–75.

دانيلوف كا ، بارانوفا إيه في ، نيكوجوسوف دا ، موسينكو إس في. مقارنة بين مخرجات التنميط الجيني BeadChip و WGS باستخدام التحقق الجزئي من خلال تسلسل Sanger BMC Genomics 202021 (ملحق 7). https://doi.org/10.1186/s12864-020-06919-x.

Akulova VS، Sharov VV، Aksyonova AI، Putintseva YA، Oreshkova NV، Feranchuk SI، Kuzmin DA، Pavlov IN، Litovka YA، Krutovsky KV. التسلسل الجديد والتجميع والشرح الوظيفي لـ Armillaria borealis الجينوم BMC الجينوم. 202021 (ملحق 7). https://doi.org/10.1186/s12864-020-06964-6.

Kolesnikova AI ، Putintseva YA ، Simonov EP ، Biriukov VV ، Oreshkova NV ، Pavlov IN ، Sharov VV ، Kuzmin DA ، Anderson JB ، Krutovsky KV. تشرح العناصر الوراثية المتنقلة اختلاف الحجم في جينومات الميتوكوندريا لأربعة أنواع من أرميلاريا وثيقة الصلة. علم الجينوم BMC. 201920 (1): 351.

أورلوف يل ، بارانوفا إيه في ، سالينا إي. العلوم الحيوية النباتية الحاسوبية في BGRS SB-2016: ملاحظة تمهيدية. بيول مصنع بيول. 201616 (ملحق 3): 243.


محتويات

تم استخدام مصطلح "metagenomics" لأول مرة من قبل Jo Handelsman ، و Jon Clardy ، و Robert M. Goodman ، و Sean F. Brady ، وآخرون ، وظهر لأول مرة في عام 1998. [5] يشير مصطلح metagenome إلى فكرة أن مجموعة من الجينات يمكن تحليل التسلسل من البيئة بطريقة مماثلة لدراسة جينوم واحد. في عام 2005 ، عرّف Kevin Chen و Lior Pachter (باحثان في جامعة كاليفورنيا ، بيركلي) علم الميتاجينوميات بأنه "تطبيق تقنية الجينوميات الحديثة دون الحاجة إلى عزل الأنواع الفردية وزراعتها في المختبر". [6]

يبدأ التسلسل التقليدي بثقافة خلايا متطابقة كمصدر للحمض النووي. ومع ذلك ، كشفت الدراسات الميتاجينومية المبكرة أنه من المحتمل وجود مجموعات كبيرة من الكائنات الحية الدقيقة في العديد من البيئات التي لا يمكن استزراعها وبالتالي لا يمكن ترتيب تسلسلها. ركزت هذه الدراسات المبكرة على متواليات الرنا الريبوزومي 16S (الرنا الريباسي) التي تكون قصيرة نسبيًا ، وغالبًا ما يتم حفظها داخل الأنواع ، وتختلف عمومًا بين الأنواع. تم العثور على العديد من متواليات الرنا الريباسي 16S التي لا تنتمي إلى أي أنواع مستزرعة معروفة ، مما يشير إلى وجود العديد من الكائنات الحية غير المعزولة. كشفت هذه المسوحات لجينات RNA الريبوزومية المأخوذة مباشرة من البيئة أن الأساليب القائمة على الزراعة تجد أقل من 1 ٪ من الأنواع البكتيرية والبدئية في العينة. [2] يأتي الكثير من الاهتمام بعلم الميتاجينوميات من هذه الاكتشافات التي أظهرت أن الغالبية العظمى من الكائنات الحية الدقيقة قد مرت دون أن يلاحظها أحد من قبل.

تم إجراء العمل الجزيئي المبكر في هذا المجال بواسطة نورمان آر بيس وزملائه ، الذين استخدموا تفاعل البوليميراز المتسلسل لاستكشاف تنوع تسلسل الحمض النووي الريبي الريبوزومي. [7] أدت الأفكار المكتسبة من هذه الدراسات المتقدمة إلى اقتراح بيس فكرة استنساخ الحمض النووي مباشرة من العينات البيئية في وقت مبكر من عام 1985. [8] أدى ذلك إلى التقرير الأول لعزل واستنساخ الحمض النووي السائب من عينة بيئية ، والذي نشره بيس وزملاؤه في عام 1991 [9] بينما كان بيس يعمل في قسم علم الأحياء في جامعة إنديانا. ضمنت جهود كبيرة أن هذه لم تكن إيجابية كاذبة PCR ودعمت وجود مجتمع معقد من الأنواع غير المستكشفة. على الرغم من أن هذه المنهجية كانت مقصورة على استكشاف جينات الترميز غير البروتينية المحفوظة للغاية ، إلا أنها دعمت الملاحظات المبكرة القائمة على التشكل الميكروبي بأن التنوع كان أكثر تعقيدًا بكثير مما كان معروفًا عن طريق طرق الزراعة. بعد ذلك بوقت قصير ، أبلغ هيلي عن العزلة الميتاجينومية للجينات الوظيفية من "مكتبات الحيوانات" التي تم إنشاؤها من ثقافة معقدة للكائنات البيئية التي نمت في المختبر على أعشاب مجففة في عام 1995. [10] بعد مغادرة مختبر بيس ، واصل إدوارد ديلونغ عمله في هذا المجال و نشر أعمالًا أرست إلى حد كبير الأساس للتطور البيئي استنادًا إلى تسلسل التوقيع 16S ، بدءًا من بناء مجموعته للمكتبات من العينات البحرية. [11]

في عام 2002 ، استخدم Mya Breitbart و Forest Rohwer وزملاؤهم التسلسل البيئي للبنادق (انظر أدناه) لإظهار أن 200 لتر من مياه البحر تحتوي على أكثر من 5000 فيروس مختلف. [12] أظهرت الدراسات اللاحقة أن هناك أكثر من ألف نوع فيروسي في البراز البشري وربما مليون فيروسات مختلفة لكل كيلوغرام من الرواسب البحرية ، بما في ذلك العديد من العاثيات. في الأساس ، كانت جميع الفيروسات في هذه الدراسات من الأنواع الجديدة. في عام 2004 ، قام جين تايسون وجيل بانفيلد وزملاؤه في جامعة كاليفورنيا ، بيركلي ومعهد الجينوم المشترك بتسلسل الحمض النووي المستخرج من نظام تصريف المنجم الحمضي. [13] نتج عن هذا الجهد الجينوم الكامل ، أو شبه الكامل ، لحفنة من البكتيريا والجراثيم العتيقة التي قاومت سابقًا محاولات استزراعها. [14]

ابتداءً من عام 2003 ، قاد كريج فنتر ، قائد المشروع الموازي الممول من القطاع الخاص لمشروع الجينوم البشري ، الحملة العالمية لأخذ عينات المحيطات (GOS) ، التي طافت حول العالم وجمع عينات ميتاجينية طوال الرحلة. يتم ترتيب جميع هذه العينات باستخدام تسلسل البندقية ، على أمل تحديد جينومات جديدة (وبالتالي كائنات جديدة). اكتشف المشروع التجريبي ، الذي تم إجراؤه في بحر سارجاسو ، الحمض النووي لما يقرب من 2000 نوع مختلف ، بما في ذلك 148 نوعًا من البكتيريا لم يسبق لها مثيل. [15] طاف فنتر حول العالم واستكشف الساحل الغربي للولايات المتحدة تمامًا ، وأكمل رحلة استكشافية لمدة عامين لاستكشاف بحر البلطيق والبحر الأبيض المتوسط ​​والبحر الأسود. كشف تحليل البيانات الميتاجينومية التي تم جمعها خلال هذه الرحلة عن مجموعتين من الكائنات الحية ، واحدة تتكون من أصناف تتكيف مع الظروف البيئية لعيد أو مجاعة ، والثانية تتكون من عدد أقل نسبيًا ولكن أكثر وفرة وعلى نطاق واسع من الأصناف المكونة أساسًا من العوالق. [16]

في عام 2005 ، نشر ستيفان سي شوستر وزملاؤه في جامعة ولاية بنسلفانيا التسلسل الأول لعينة بيئية تم إنشاؤها باستخدام تسلسل عالي الإنتاجية ، وفي هذه الحالة تسلسل حراري متوازي على نطاق واسع طورته 454 Life Sciences. [17] ظهرت ورقة بحثية أخرى في وقت مبكر في هذا المجال في عام 2006 من قبل روبرت إدواردز ، فورست روهير ، وزملائهم في جامعة ولاية سان دييغو. [18]

كان استعادة تسلسلات الحمض النووي التي تزيد عن بضعة آلاف من الأزواج الأساسية من العينات البيئية أمرًا صعبًا للغاية حتى أتاحت التطورات الحديثة في التقنيات البيولوجية الجزيئية إنشاء مكتبات في الكروموسومات الاصطناعية البكتيرية (BACs) ، والتي وفرت نواقل أفضل للاستنساخ الجزيئي. [20]

تحرير ميتاجينوميكس البندقية

ساعد التقدم في المعلوماتية الحيوية ، وتحسينات تضخيم الحمض النووي ، وانتشار القوة الحسابية إلى حد كبير في تحليل تسلسل الحمض النووي المستعاد من العينات البيئية ، مما سمح بتكييف تسلسل البنادق مع عينات ميتاجينوم (المعروف أيضًا باسم بندقية ميتاجينوم كاملة أو تسلسل WMGS). يستخدم هذا النهج لتسلسل العديد من الكائنات الحية الدقيقة المستزرعة والجينوم البشري ، ويقوم بشكل عشوائي بقص الحمض النووي ، وتسلسل العديد من المتواليات القصيرة ، وإعادة بنائها في تسلسل إجماعي. يكشف تسلسل البندقية عن الجينات الموجودة في العينات البيئية. تاريخيًا ، تم استخدام مكتبات النسخ لتسهيل هذا التسلسل. ومع ذلك ، مع التقدم في تقنيات التسلسل عالي الإنتاجية ، لم تعد خطوة الاستنساخ ضرورية ويمكن الحصول على عوائد أكبر لبيانات التسلسل بدون هذه الخطوة التي تتطلب جهدًا كبيرًا. توفر الميتاجينوميات البنادق الرشاشة معلومات حول كل من الكائنات الحية الموجودة وما هي عمليات التمثيل الغذائي الممكنة في المجتمع. [21] نظرًا لأن جمع الحمض النووي من البيئة لا يخضع للرقابة إلى حد كبير ، فإن الكائنات الحية الأكثر وفرة في العينة البيئية يتم تمثيلها بشكل كبير في بيانات التسلسل الناتجة. لتحقيق التغطية العالية اللازمة لحل الجينوم لأعضاء المجتمع الذين يعانون من نقص التمثيل ، هناك حاجة إلى عينات كبيرة ، غالبًا ما تكون باهظة. من ناحية أخرى ، فإن الطبيعة العشوائية لتسلسل البنادق تضمن أن العديد من هذه الكائنات ، والتي من شأنها أن تمر دون أن يلاحظها أحد باستخدام تقنيات الاستزراع التقليدية ، سيتم تمثيلها على الأقل ببعض مقاطع التسلسل الصغيرة. [13]

تحرير تسلسل عالي الإنتاجية

ميزة تسلسل الإنتاجية العالية هي أن هذه التقنية لا تتطلب استنساخ الحمض النووي قبل التسلسل ، وإزالة أحد التحيزات الرئيسية والاختناقات في أخذ العينات البيئية. استخدمت الدراسات الميتاجينومية الأولى التي أجريت باستخدام التسلسل عالي الإنتاجية التسلسل الحراري المتوازي 454. [17] هناك ثلاث تقنيات أخرى تُطبق بشكل شائع على أخذ العينات البيئية وهي آلة الجينوم الشخصي Ion Torrent ، و Illumina MiSeq أو HiSeq ونظام أبلايد بيوسيستمز سوليد. [22] هذه التقنيات لتسلسل الحمض النووي تولد شظايا أقصر من نظام سانجر لتسلسل Ion Torrent PGM وينتج 454 تسلسل حراري نموذجيًا

400 نقطة أساس ، تنتج Illumina MiSeq قراءات 400-700 نقطة في البوصة (اعتمادًا على ما إذا كانت خيارات النهاية المزدوجة مستخدمة) ، وتنتج SOLiD قراءات 25-75 نقطة أساس. [23] تاريخيًا ، كانت أطوال القراءة هذه أقصر بكثير من طول قراءة تسلسل سانجر النموذجي

750 نقطة أساس ، ولكن تقنية Illumina تقترب بسرعة من هذا المعيار. ومع ذلك ، يتم تعويض هذا القيد من خلال عدد أكبر بكثير من قراءات التسلسل. في عام 2009 ، تولد metagenomes المتسلسلة بالحرارة 200-500 ميجا قاعدة ، وتولد منصات Illumina حوالي 20-50 جيجا بايت ، لكن هذه المخرجات زادت بأعداد كبيرة في السنوات الأخيرة. [24]

يجمع نهج ناشئ بين تسلسل البندقية والتقاط التشكل الكروموسوم (Hi-C) ، والذي يقيس قرب أي تسلسلين DNA داخل نفس الخلية ، لتوجيه تجميع الجينوم الميكروبي. [25] تقنيات تسلسل القراءة الطويلة ، بما في ذلك PacBio RSII و PacBio Sequel من Pacific Biosciences ، و Nanopore MinION ، GridION ، PromethION من Oxford Nanopore Technologies ، هي خيار آخر للحصول على قراءات تسلسل بندقية طويلة والتي يجب أن تسهل عملية التجميع. [26]

البيانات الناتجة عن تجارب الميتاجينوميات هائلة وصاخبة بطبيعتها ، وتحتوي على بيانات مجزأة تمثل ما يصل إلى 10000 نوع. [1] أنتج تسلسل ميتاجينوم كرش البقر 279 جيجا بايت ، أو 279 مليار زوج قاعدي من بيانات تسلسل النوكليوتيدات ، [28] بينما حدد كتالوج الجينات الميكروبيوم في الأمعاء البشرية 3.3 مليون جين تم تجميعها من 567.7 جيجا بايت من بيانات التسلسل. [29] يمثل جمع المعلومات البيولوجية المفيدة وتنظيمها واستخراجها من مجموعات البيانات بهذا الحجم تحديات حسابية كبيرة للباحثين. [21] [30] [31] [32]

تحرير التصفية المسبقة للتسلسل

تتطلب الخطوة الأولى في تحليل البيانات الميتاجينومية تنفيذ بعض خطوات التصفية المسبقة ، بما في ذلك إزالة المتواليات الزائدة عن الحاجة ومنخفضة الجودة وتسلسلات الأصل المحتمل لحقيقة النواة (خاصة في metagenomes من أصل بشري). [33] [34] تشمل الطرق المتاحة لإزالة تسلسل الحمض النووي الجيني حقيقيات النواة الملوثة Eu-Detect و DeConseq. [35] [36]

تحرير التجميع

بيانات تسلسل الحمض النووي من المشاريع الجينومية والميتاجينومية هي نفسها بشكل أساسي ، لكن بيانات التسلسل الجيني توفر تغطية أعلى بينما البيانات الميتاجينومية عادةً ما تكون غير زائدة عن الحاجة. [31] علاوة على ذلك ، فإن الاستخدام المتزايد لتقنيات التسلسل من الجيل الثاني مع أطوال قراءة قصيرة يعني أن الكثير من البيانات الميتاجينومية المستقبلية ستكون عرضة للخطأ. هذه العوامل مجتمعة تجعل تجميع القراءات الميتاجينومية في الجينوم أمرًا صعبًا وغير موثوق به. يحدث الاختلال في التجميع بسبب وجود تسلسلات الحمض النووي المتكررة التي تجعل التجميع صعبًا بشكل خاص بسبب الاختلاف في الوفرة النسبية للأنواع الموجودة في العينة. [37] يمكن أن تتضمن اختلالات التجميع أيضًا توليفة من متواليات من أكثر من نوع واحد في كونتيجس كيميري. [37]

هناك العديد من برامج التجميع ، يمكن لمعظمها استخدام معلومات من علامات النهاية المزدوجة من أجل تحسين دقة التجميعات. تم تصميم بعض البرامج ، مثل Phrap أو Celera Assembler ، لاستخدامها في تجميع جينومات مفردة ولكنها مع ذلك تنتج نتائج جيدة عند تجميع مجموعات البيانات الميتاجينومية.[1] تم تحسين البرامج الأخرى ، مثل مجمّع Velvet ، للقراءات الأقصر الناتجة عن تسلسل الجيل الثاني من خلال استخدام الرسوم البيانية لـ de Bruijn. [38] [39] يسمح استخدام الجينوم المرجعي للباحثين بتحسين تجميع أكثر أنواع الميكروبات وفرة ، ولكن هذا النهج مقيد بمجموعة فرعية صغيرة من الشعب الميكروبية التي تتوفر لها الجينومات المتسلسلة. [37] بعد إنشاء التجميع ، يتمثل التحدي الإضافي في "التفكك الميتاجينومي" ، أو تحديد التسلسلات التي تأتي من أي الأنواع في العينة. [40]

تحرير التنبؤ الجيني

تستخدم خطوط أنابيب التحليل Metagenomic طريقتين في شرح مناطق الترميز في contigs المجمعة. [37] النهج الأول هو تحديد الجينات بناءً على التماثل مع الجينات المتوفرة بالفعل للجمهور في قواعد بيانات التسلسل ، عادةً عن طريق عمليات البحث بلاست. يتم تنفيذ هذا النوع من النهج في برنامج MEGAN4. [41] الثانية ، البداية، يستخدم السمات الجوهرية للتسلسل للتنبؤ بمناطق الترميز بناءً على مجموعات التدريب الجيني من الكائنات الحية ذات الصلة. هذا هو النهج الذي تتبعه برامج مثل GeneMark [42] و GLIMMER. الميزة الرئيسية لـ البداية التنبؤ هو أنه يمكّن من اكتشاف مناطق الترميز التي تفتقر إلى المتماثلات في قواعد بيانات التسلسل ، ومع ذلك ، فإنه يكون أكثر دقة عندما تكون هناك مناطق كبيرة من الحمض النووي الجيني المتجاور المتاحة للمقارنة. [1]

تنوع الأنواع تحرير

توفر الشروح الجينية "ماذا" ، بينما توفر قياسات تنوع الأنواع "من". [43] من أجل ربط تكوين المجتمع ووظيفته في الميتاجينومات ، يجب إهمال التسلسلات. Binning هي عملية ربط تسلسل معين بكائن حي. [37] في binning القائم على التشابه ، تُستخدم طرق مثل BLAST للبحث السريع عن علامات التطور أو التسلسلات المماثلة في قواعد البيانات العامة الحالية. يتم تنفيذ هذا النهج في MEGAN. [44] أداة أخرى ، PhymmBL ، تستخدم نماذج ماركوف المحرفة لتعيين القراءات. [1] MetaPhlAn و AMPHORA هما طريقتان تستندان إلى علامات فريدة خاصة بالكليد لتقدير الوفرة النسبية للكائنات الحية مع تحسين الأداء الحسابي. [45] أدوات أخرى ، مثل mOTUs [46] [47] و MetaPhyler ، [48] تستخدم جينات الواسمات العالمية لتوصيف الأنواع بدائية النواة. باستخدام ملف تعريف mOTUs ، من الممكن تحديد الأنواع التي لا تحتوي على جينوم مرجعي ، وتحسين تقدير تنوع المجتمع الميكروبي. [47] الأساليب الحديثة ، مثل SLIMM ، تستخدم مشهد تغطية القراءة للجينوم المرجعي الفردي لتقليل النتائج الإيجابية الزائفة والحصول على وفرة نسبية موثوقة. [49] في التجميع القائم على التركيب ، تستخدم الطرق السمات الجوهرية للتسلسل ، مثل ترددات قليل النوكليوتيد أو تحيز استخدام الكودون. [1] بمجرد إهمال التسلسلات ، من الممكن إجراء تحليل مقارن للتنوع والثراء.

تكامل البيانات تحرير

يُعد الكم الهائل من بيانات التسلسل المتزايدة بشكل كبير تحديًا شاقًا معقدًا بسبب تعقيد البيانات الوصفية المرتبطة بمشاريع الميتاجينوم. تتضمن البيانات الوصفية معلومات مفصلة حول الجغرافيا ثلاثية الأبعاد (بما في ذلك العمق أو الارتفاع) والخصائص البيئية للعينة ، والبيانات المادية حول موقع العينة ، ومنهجية أخذ العينات. [31] هذه المعلومات ضرورية لضمان إمكانية تكرارها ولتمكين التحليل النهائي. نظرًا لأهميتها ، تتطلب البيانات الوصفية ومراجعة البيانات التعاونية وتنظيمها تنسيقات بيانات موحدة موجودة في قواعد البيانات المتخصصة ، مثل قاعدة بيانات الجينوم على الإنترنت (GOLD). [50]

تم تطوير العديد من الأدوات لدمج البيانات الوصفية وبيانات التسلسل ، مما يسمح بالتحليلات المقارنة لمجموعات البيانات المختلفة باستخدام عدد من المؤشرات البيئية. في عام 2007 ، أصدر فولكر ماير وروبرت إدواردز وفريق في مختبر أرغون الوطني وجامعة شيكاغو التعليق التوضيحي السريع Metagenomics باستخدام خادم تكنولوجيا النظام الفرعي (MG-RAST) وهو مورد مجتمعي لتحليل مجموعة بيانات الميتاجينوم. [51] اعتبارًا من يونيو 2012 تم تحليل أكثر من 14.8 تيراباسات (14 × 10 12 قاعدة) من الحمض النووي ، مع أكثر من 10000 مجموعة بيانات عامة متاحة مجانًا للمقارنة داخل MG-RAST. أكثر من 8000 مستخدم قدم الآن ما مجموعه 50000 ميتاجينوم إلى MG-RAST. يوفر نظام الجينومات الميكروبية المتكاملة / الميتاجينومات (IMG / M) أيضًا مجموعة من الأدوات للتحليل الوظيفي للمجتمعات الميكروبية بناءً على تسلسل الميتاجينوم الخاص بها ، بناءً على جينومات العزلة المرجعية المتضمنة في نظام الجينوم الميكروبي المتكامل (IMG) والموسوعة الجينومية لـ مشروع البكتيريا والأركيا (GEBA). [52]

كانت إحدى الأدوات المستقلة الأولى لتحليل بيانات بندقية ميتاجينوم عالية الإنتاجية هي MEGAN (MEta Genome ANalyzer). [41] [44] تم استخدام النسخة الأولى من البرنامج في عام 2005 لتحليل السياق الميتاجينومي لتسلسلات الحمض النووي التي تم الحصول عليها من عظم الماموث. [17] استنادًا إلى مقارنة BLAST بقاعدة بيانات مرجعية ، تقوم هذه الأداة بتنفيذ كل من التصنيف والوظيفة binning ، عن طريق وضع القراءات على العقد الخاصة بتصنيف NCBI باستخدام خوارزمية بسيطة لأسلاف مشتركة (LCA) أو على عقد SEED أو تصنيفات KEGG ، على التوالي. [53]

مع ظهور أدوات التسلسل السريع وغير المكلف ، أصبح نمو قواعد بيانات تسلسل الحمض النووي الآن أسيًا (على سبيل المثال ، قاعدة بيانات NCBI GenBank [54]). هناك حاجة إلى أدوات أسرع وفعالة لمواكبة التسلسل عالي الإنتاجية ، لأن الأساليب القائمة على BLAST مثل MG-RAST أو MEGAN تعمل ببطء لتعليق العينات الكبيرة (على سبيل المثال ، عدة ساعات لمعالجة مجموعة بيانات / عينة صغيرة / متوسطة الحجم [55]). وهكذا ، ظهرت مؤخرًا المصنفات فائقة السرعة ، بفضل الخوادم القوية ذات الأسعار المعقولة. يمكن لهذه الأدوات إجراء التعليقات التوضيحية التصنيفية بسرعة عالية للغاية ، على سبيل المثال CLARK [56] (وفقًا لمؤلفي CLARK ، يمكنها تصنيف "32 مليون قراءة ميتاجينومية قصيرة في الدقيقة" بدقة. بهذه السرعة ، يمكن معالجة مجموعة بيانات / عينة كبيرة جدًا من مليار قراءة قصيرة في حوالي 30 دقيقة.

مع التوفر المتزايد للعينات التي تحتوي على الحمض النووي القديم وبسبب عدم اليقين المرتبط بطبيعة تلك العينات (تلف الحمض النووي القديم) ، تم توفير أداة سريعة قادرة على إنتاج تقديرات تشابه متحفظة. وفقًا لمؤلفي FALCON ، يمكنه استخدام عتبات مريحة وتعديل المسافات دون التأثير على أداء الذاكرة والسرعة.

تعديل الميتاجينوميات المقارن

يمكن أن توفر التحليلات المقارنة بين الميتاجينومات نظرة ثاقبة إضافية على وظيفة المجتمعات الميكروبية المعقدة ودورها في صحة المضيف. [58] يمكن إجراء مقارنات زوجية أو متعددة بين metagenomes على مستوى تكوين التسلسل (مقارنة محتوى GC أو حجم الجينوم) ، أو التنوع التصنيفي ، أو المكمل الوظيفي. يمكن إجراء مقارنات بين التركيبة السكانية والتنوع الوراثي على أساس 16S وجينات واصمات النشوء والتطور الأخرى ، أو - في حالة المجتمعات منخفضة التنوع - عن طريق إعادة بناء الجينوم من مجموعة البيانات metagenomic. [59] يمكن إجراء المقارنات الوظيفية بين metagenomes من خلال مقارنة التسلسلات مع قواعد البيانات المرجعية مثل COG أو KEGG ، وجدولة الوفرة حسب الفئة وتقييم أي اختلافات للأهمية الإحصائية. [53] يؤكد هذا النهج المتمحور حول الجينات على المكمل الوظيفي لـ تواصل اجتماعي ككل بدلاً من المجموعات التصنيفية ، ويظهر أن المكملات الوظيفية متشابهة في ظل ظروف بيئية مماثلة. [59] وبالتالي ، فإن البيانات الوصفية المتعلقة بالسياق البيئي للعينة الميتاجينومية مهمة بشكل خاص في التحليلات المقارنة ، لأنها توفر للباحثين القدرة على دراسة تأثير الموطن على بنية المجتمع ووظيفته. [1]

بالإضافة إلى ذلك ، استخدمت العديد من الدراسات أيضًا أنماط استخدام قليل النوكليوتيد لتحديد الاختلافات عبر المجتمعات الميكروبية المتنوعة. تتضمن أمثلة هذه المنهجيات نهج الوفرة النسبية للديوكليوتيدات بواسطة Willner et al. [60] ونهج HabiSign لغوش وآخرون. [61] أشارت هذه الدراسة الأخيرة أيضًا إلى أنه يمكن استخدام الاختلافات في أنماط استخدام رباعي النوكليوتيدات لتحديد الجينات (أو القراءات الميتاجينومية) الناشئة من موائل معينة. بالإضافة إلى ذلك ، تكتشف بعض الطرق مثل TriageTools [62] أو Compareads [63] قراءات متشابهة بين مجموعتين من مجموعات القراءة. يعتمد مقياس التشابه الذي يطبقونه على القراءات على عدد من الكلمات المتطابقة في الطول ك مشتركة بين أزواج من القراءات.

يتمثل الهدف الرئيسي في علم الميتاجينوميات المقارنة في تحديد المجموعة (المجموعات) الميكروبية المسؤولة عن منح خصائص محددة لبيئة معينة. ومع ذلك ، نظرًا لوجود مشكلات في تقنيات التسلسل ، يجب حساب العناصر الأثرية كما هو الحال في metagenomeSeq. [30] تميز آخرون التفاعلات بين الميكروبات بين المجموعات الميكروبية المقيمة. تم تطوير تطبيق تحليل ميتاجينومي مقارن قائم على واجهة المستخدم الرسومية يسمى Community-Analyzer بواسطة Kuntal et al. [64] والتي تنفذ خوارزمية تخطيط الرسم البياني القائمة على الارتباط والتي لا تسهل فقط التصور السريع للاختلافات في المجتمعات الميكروبية التي تم تحليلها (من حيث تكوينها التصنيفي) ، ولكنها توفر أيضًا رؤى حول التفاعلات المتأصلة بين الميكروبات التي تحدث فيها. وتجدر الإشارة إلى أن خوارزمية التخطيط هذه تتيح أيضًا تجميع metagenomes بناءً على أنماط التفاعل المحتملة بين الميكروبات بدلاً من مجرد مقارنة قيم الوفرة للمجموعات التصنيفية المختلفة. بالإضافة إلى ذلك ، تنفذ الأداة العديد من الوظائف التفاعلية المستندة إلى واجهة المستخدم الرسومية التي تمكن المستخدمين من إجراء تحليلات مقارنة قياسية عبر الميكروبيومات.

استقلاب المجتمع تحرير

في العديد من المجتمعات البكتيرية ، الطبيعية أو المهندسة (مثل المفاعلات الحيوية) ، هناك تقسيم كبير للعمل في التمثيل الغذائي (Syntrophy) ، حيث تكون نفايات بعض الكائنات الحية مستقلبات للآخرين. [65] في أحد هذه الأنظمة ، المفاعل الحيوي الميثاني المنشأ ، يتطلب الاستقرار الوظيفي وجود عدة أنواع تركيبية (Syntrophobacterales and Synergistia) تعمل معًا من أجل تحويل الموارد الخام إلى نفايات مستقلب بالكامل (الميثان). [66] باستخدام دراسات الجينات المقارنة وتجارب التعبير باستخدام المصفوفات الدقيقة أو البروتينات البروتينية ، يمكن للباحثين تجميع شبكة أيضية تتجاوز حدود الأنواع. تتطلب مثل هذه الدراسات معرفة تفصيلية حول أي نسخ من البروتينات يتم ترميزها من خلال أي الأنواع وحتى من خلال أي سلالات من أي نوع. لذلك ، تعد المعلومات الجينومية للمجتمع أداة أساسية أخرى (مع المستقلبات والبروتيوميات) في السعي لتحديد كيفية نقل المستقلبات وتحويلها من قبل المجتمع. [67]

تحرير Metatranscriptomics

تسمح Metagenomics للباحثين بالوصول إلى التنوع الوظيفي والتمثيل الغذائي للمجتمعات الميكروبية ، لكن لا يمكنها إظهار أي من هذه العمليات نشطة. [59] استخراج وتحليل مرنا الميتاجينومي ( metatranscriptome) معلومات عن التنظيم والتعبير لمحات عن المجتمعات المعقدة. بسبب الصعوبات التقنية (نصف العمر القصير للـ mRNA ، على سبيل المثال) في جمع الحمض النووي الريبي البيئي ، كان هناك عدد قليل نسبيًا فى الموقع دراسات ما وراء النسخ للمجتمعات الميكروبية حتى الآن. [59] على الرغم من اقتصارها في الأصل على تقنية المصفوفات الدقيقة ، فقد استخدمت دراسات الترانسكريبتوميكس تقنيات النسخ لقياس تعبير الجينوم الكامل وتقدير المجتمع الميكروبي ، [59] الذي استخدم لأول مرة في تحليل أكسدة الأمونيا في التربة. [68]

تحرير الفيروسات

التسلسل الميتاجينومي مفيد بشكل خاص في دراسة المجتمعات الفيروسية. نظرًا لأن الفيروسات تفتقر إلى علامة سلالات عالمية مشتركة (مثل 16S RNA للبكتيريا والعتائق ، و 18S RNA لحقيقية النواة) ، فإن الطريقة الوحيدة للوصول إلى التنوع الجيني للمجتمع الفيروسي من عينة بيئية هي من خلال الميتاجينوميات. يجب أن توفر metagenomes الفيروسية (تسمى أيضًا الفيروسات) المزيد والمزيد من المعلومات حول التنوع الفيروسي والتطور. [69] [70] [71] [72] [73] على سبيل المثال ، أظهر خط أنابيب ميتاجينومي يسمى Giant Virus Finder أول دليل على وجود فيروسات عملاقة في صحراء مالحة [74] وفي الوديان الجافة في أنتاركتيكا. [75]

تمتلك Metagenomics القدرة على تعزيز المعرفة في مجموعة متنوعة من المجالات. يمكن أيضًا تطبيقه لحل التحديات العملية في الطب والهندسة والزراعة والاستدامة والبيئة. [31] [76]

تحرير الزراعة

التربة التي تنمو فيها النباتات مأهولة بالمجتمعات الميكروبية ، مع وجود غرام واحد من التربة يحتوي على حوالي 10 9-10 10 خلايا ميكروبية والتي تضم حوالي غيغا بايت واحد من معلومات التسلسل. [77] [78] تعد المجتمعات الميكروبية التي تعيش في التربة من أكثر المجتمعات التي يعرفها العلم تعقيدًا ، ولا تزال غير مفهومة جيدًا على الرغم من أهميتها الاقتصادية. [79] تؤدي اتحادات الميكروبات مجموعة متنوعة من خدمات النظم البيئية الضرورية لنمو النبات ، بما في ذلك تثبيت النيتروجين في الغلاف الجوي ، ودورة المغذيات ، وقمع الأمراض ، وعزل الحديد والمعادن الأخرى. [80] يتم استخدام استراتيجيات الميتاجينوميات الوظيفية لاستكشاف التفاعلات بين النباتات والميكروبات من خلال دراسة الزراعة المستقلة لهذه المجتمعات الميكروبية. [81] [82] من خلال السماح بإلقاء نظرة ثاقبة على دور أعضاء المجتمع غير المستزرعون أو النادرون سابقًا في دورة المغذيات وتعزيز نمو النبات ، يمكن أن تساهم مناهج الميتاجينوم في تحسين اكتشاف الأمراض في المحاصيل والثروة الحيوانية وتكييف الممارسات الزراعية المحسنة التي تحسن صحة المحاصيل من خلال الاستفادة من العلاقة بين الميكروبات والنباتات. [31]

تحرير الوقود الحيوي

الوقود الحيوي هو وقود مشتق من تحويل الكتلة الحيوية ، كما هو الحال في تحويل السليلوز الموجود في سيقان الذرة ، وعشب التبديل ، والكتلة الحيوية الأخرى إلى إيثانول السليلوز. [31] تعتمد هذه العملية على اتحادات ميكروبية (رابطة) تحول السليلوز إلى سكريات ، يليها تخمير السكريات إلى إيثانول. تنتج الميكروبات أيضًا مجموعة متنوعة من مصادر الطاقة الحيوية بما في ذلك الميثان والهيدروجين. [31]

يتطلب التفكيك الفعال على نطاق صناعي للكتلة الحيوية إنزيمات جديدة ذات إنتاجية أعلى وتكلفة أقل. [28] تسمح المناهج الميتاجينومية لتحليل المجتمعات الميكروبية المعقدة بالفحص المستهدف للإنزيمات ذات التطبيقات الصناعية في إنتاج الوقود الحيوي ، مثل هيدروليسات الغليكوزيد. [83] علاوة على ذلك ، فإن معرفة كيفية عمل هذه المجتمعات الميكروبية أمر مطلوب للسيطرة عليها ، وعلم الجينات هو أداة رئيسية في فهمهم. تسمح المناهج الميتاجينومية بإجراء تحليلات مقارنة بين الأنظمة الميكروبية المتقاربة مثل تخمير الغاز الحيوي [84] أو العواشب الحشرية مثل حديقة الفطريات لنمل قاطع الأوراق. [85]

تحرير التكنولوجيا الحيوية

تنتج المجتمعات الميكروبية مجموعة واسعة من المواد الكيميائية النشطة بيولوجيًا التي تُستخدم في المنافسة والتواصل. [80] تم الكشف في الأصل عن العديد من الأدوية المستخدمة اليوم في الميكروبات أدى التقدم الأخير في تعدين الموارد الوراثية الغنية للميكروبات غير القابلة للزراعة إلى اكتشاف جينات وأنزيمات ومنتجات طبيعية جديدة. [59] [86] سمح تطبيق الميتاجينوميات بتطوير السلع والمواد الكيميائية الدقيقة ، الكيماويات الزراعية والمستحضرات الصيدلانية حيث يتم الاعتراف بشكل متزايد بفوائد التوليف الكيرالي المحفز بالإنزيم. [87]

يتم استخدام نوعين من التحليل في التنقيب البيولوجي للبيانات الميتاجينومية: الفرز المدفوع بالوظيفة لسمة معبر عنها ، والفحص المدفوع بالتسلسل لتسلسل الحمض النووي محل الاهتمام. [88] يسعى التحليل القائم على الوظيفة إلى تحديد الحيوانات المستنسخة التي تعبر عن سمة مرغوبة أو نشاط مفيد ، متبوعًا بالتوصيف الكيميائي الحيوي وتحليل التسلسل. هذا النهج مقيد بتوافر شاشة مناسبة ومتطلبات التعبير عن السمة المرغوبة في الخلية المضيفة. علاوة على ذلك ، فإن معدل الاكتشاف المنخفض (أقل من واحد لكل 1000 مستنسخ تم فحصه) وطبيعته كثيفة العمالة يحدان من هذا النهج. [89] في المقابل ، يستخدم التحليل المدفوع بالتسلسل تسلسلات الحمض النووي المحفوظة لتصميم بادئات تفاعل البوليميراز المتسلسل لفحص الحيوانات المستنسخة لتسلسل الاهتمام. [88] بالمقارنة مع الأساليب القائمة على الاستنساخ ، فإن استخدام نهج التسلسل فقط يقلل بشكل أكبر من حجم العمل على مقاعد البدلاء المطلوب. يؤدي تطبيق التسلسل المتوازي على نطاق واسع أيضًا إلى زيادة كبيرة في كمية بيانات التسلسل التي يتم إنشاؤها ، والتي تتطلب خطوط أنابيب تحليل المعلومات الحيوية عالية الإنتاجية. [89] النهج القائم على التسلسل للفحص مقيد بنطاق ودقة وظائف الجينات الموجودة في قواعد بيانات التسلسل العامة. في الممارسة العملية ، تستفيد التجارب من مزيج من الأساليب الوظيفية والقائمة على التسلسل بناءً على الوظيفة محل الاهتمام ، وتعقيد العينة المراد فحصها ، وعوامل أخرى. [89] [90] مثال على نجاح استخدام علم الميتاجينوميات كتقنية حيوية لاكتشاف العقاقير موضَّح بالمضادات الحيوية الملاسيدين. [91]

تحرير البيئة

يمكن أن توفر Metagenomics رؤى قيمة في البيئة الوظيفية للمجتمعات البيئية. [92] يشير التحليل الجيني للتحالف البكتيري الموجود في التغوط لأسود البحر الأسترالية إلى أن براز أسد البحر الغني بالمغذيات قد يكون مصدرًا مهمًا للمغذيات للنظم البيئية الساحلية. وذلك لأن البكتيريا التي يتم طردها في وقت واحد مع التغوط بارعة في تكسير العناصر الغذائية في البراز إلى شكل متوفر بيولوجيًا يمكن تناوله في السلسلة الغذائية. [93]

يمكن أيضًا استخدام تسلسل الحمض النووي على نطاق أوسع لتحديد الأنواع الموجودة في جسم مائي ، [94] الحطام المرشح من الهواء ، أو عينة من الأوساخ ، أو حتى براز الحيوانات. [95] هذا يمكن أن يحدد نطاق الأنواع الغازية والأنواع المهددة بالانقراض ، وتتبع التجمعات الموسمية.

تحرير المعالجة البيئية

يمكن أن تحسن Metagenomics استراتيجيات لرصد تأثير الملوثات على النظم البيئية ولتنظيف البيئات الملوثة. زيادة الفهم لكيفية تعامل المجتمعات الميكروبية مع الملوثات يحسن تقييمات احتمالية تعافي المواقع الملوثة من التلوث ويزيد من فرص نجاح التجارب الحيوية أو التحفيز الحيوي. [96]

تعديل توصيف ميكروب الأمعاء

تلعب المجتمعات الميكروبية دورًا رئيسيًا في الحفاظ على صحة الإنسان ، لكن تكوينها والآلية التي تقوم بها بذلك تظل غامضة. [97] يتم استخدام التسلسل الميتاجينومي لتوصيف المجتمعات الميكروبية من 15-18 موقعًا للجسم من 250 فردًا على الأقل.هذا جزء من مبادرة ميكروبيوم الإنسان ذات الأهداف الأولية لتحديد ما إذا كان هناك ميكروبيوم بشري أساسي ، لفهم التغيرات في الميكروبيوم البشري التي يمكن أن ترتبط بصحة الإنسان ، ولتطوير أدوات تكنولوجية ومعلوماتية حيوية جديدة لدعم هذه الأهداف. [98]

تألفت دراسة طبية أخرى كجزء من مشروع MetaHit (Metagenomics of the Human Intestinal Tract) من 124 فردًا من الدنمارك وإسبانيا يتألفون من مرضى يتمتعون بصحة جيدة ويعانون من زيادة الوزن ومرضى القولون العصبي. حاولت الدراسة تصنيف العمق والتنوع الوراثي للبكتيريا المعدية المعوية. باستخدام بيانات تسلسل Illumina GA و SOAPdenovo ، وهي أداة تستند إلى الرسم البياني من Bruijn مصممة خصيصًا للقراءات القصيرة للتجميع ، تمكنوا من إنشاء 6.58 مليون contigs أكبر من 500 bp بطول إجمالي يبلغ 10.3 جيجا بايت وطول N50 يبلغ 2.2 كيلو بايت.

أظهرت الدراسة أن قسمين من البكتيريا ، هما Bacteroidetes و Firmicutes ، يشكلان أكثر من 90٪ من فئات النشوء والتطور المعروفة التي تهيمن على بكتيريا الأمعاء البعيدة. باستخدام ترددات الجينات النسبية الموجودة داخل القناة الهضمية ، حدد هؤلاء الباحثون 1244 مجموعة ميتاجينومية ذات أهمية حاسمة لصحة الأمعاء. هناك نوعان من الوظائف في مجموعات النطاق هذه: التدبير المنزلي وتلك الخاصة بالأمعاء. مجموعات جينات التدبير المنزلي مطلوبة في جميع البكتيريا وغالبًا ما تكون لاعبًا رئيسيًا في المسارات الأيضية الرئيسية بما في ذلك التمثيل الغذائي للكربون المركزي وتخليق الأحماض الأمينية. تشمل الوظائف الخاصة بالأمعاء الالتصاق بالبروتينات المضيفة وحصاد السكريات من الجليكوليبيدات الجليبية. تبين أن المرضى الذين يعانون من متلازمة القولون العصبي تظهر لديهم جينات أقل بنسبة 25 ٪ وتنوع بكتيري أقل من الأفراد الذين لا يعانون من متلازمة القولون العصبي مما يشير إلى أن التغيرات في تنوع القناة الحيوية لدى المرضى قد تكون مرتبطة بهذه الحالة.

في حين أن هذه الدراسات تسلط الضوء على بعض التطبيقات الطبية ذات القيمة المحتملة ، إلا أن 31-48.8٪ فقط من القراءات يمكن مواءمتها مع 194 جينومًا لبكتيريا الأمعاء البشرية العامة و 7.6-21.2٪ للجينومات البكتيرية المتوفرة في GenBank مما يشير إلى أنه لا يزال هناك المزيد من الأبحاث الضرورية التقاط جينومات بكتيرية جديدة. [99]

في مشروع الميكروبيوم البشري (HMP) ، تم تقييم المجتمعات الميكروبية في الأمعاء باستخدام تسلسل الحمض النووي عالي الإنتاجية. أظهر HMP أنه ، على عكس الأنواع الميكروبية الفردية ، كانت العديد من عمليات التمثيل الغذائي موجودة بين جميع موائل الجسم بترددات متفاوتة. تمت دراسة المجتمعات الميكروبية المكونة من 649 ميتاجينومًا مأخوذة من سبعة مواقع أساسية للجسم على 102 فردًا كجزء من مشروع الميكروبيوم البشري. كشف التحليل الميتاجينومي عن اختلافات في الوفرة النوعية المتخصصة بين 168 وحدة وظيفية و 196 مسارًا أيضيًا داخل الميكروبيوم. وشملت هذه التحلل الجليكوزامينوجليكان في القناة الهضمية ، وكذلك نقل الفوسفات والأحماض الأمينية المرتبط بالنمط الظاهري للمضيف (درجة الحموضة المهبلية) في القبو الخلفي. سلط HMP الضوء على فائدة الميتاجينوميات في التشخيص والطب القائم على الأدلة. وبالتالي فإن الميتاجينوميات هي أداة قوية لمعالجة العديد من القضايا الملحة في مجال الطب الشخصي. [100]

تعديل تشخيص الأمراض المعدية

قد يكون التفريق بين الأمراض المعدية وغير المعدية ، وتحديد المسببات الأساسية للعدوى ، أمرًا صعبًا للغاية. على سبيل المثال ، لا تزال أكثر من نصف حالات التهاب الدماغ غير مشخصة ، على الرغم من الاختبارات المكثفة باستخدام أحدث الأساليب المعملية السريرية. يظهر التسلسل الميتاجينومي واعدًا كطريقة حساسة وسريعة لتشخيص العدوى من خلال مقارنة المواد الجينية الموجودة في عينة المريض بقواعد البيانات الخاصة بجميع مسببات الأمراض البشرية المجهرية المعروفة وآلاف الكائنات البكتيرية والفيروسية والفطرية والطفيلية الأخرى وقواعد البيانات الخاصة بالتسلسل الجيني لمقاومة مضادات الميكروبات مع الأنماط الظاهرية السريرية المرتبطة.

  1. ^ أبجدهFز Wooley JC ، Godzik A ، Friedberg I (فبراير 2010). بورن بي ، أد. "كتاب تمهيدي عن الميتاجينوميكس". علم الأحياء الحسابي PLOS. 6 (2): e1000667. بيب كود: 2010 PLSCB. 6E0667W. دوى: 10.1371 / journal.pcbi.1000667. PMC2829047. بميد20195499.
  2. ^ أب
  3. Hugenholtz P ، Goebel BM ، Pace NR (سبتمبر 1998). "تأثير الدراسات المستقلة عن الثقافة على النظرة التطورية الناشئة للتنوع البكتيري". مجلة علم الجراثيم. 180 (18): 4765-74. دوى: 10.1128 / JB.180.18.4765-4774.1998. PMC107498. PMID9733676.
  4. ^
  5. ماركو ، د ، أد. (2011). Metagenomics: الابتكارات الحالية والاتجاهات المستقبلية. Caister Academic Press. ردمك 978-1-904455-87-5.
  6. ^
  7. Eisen JA (مارس 2007). "التسلسل البيئي للبنادق: إمكاناته وتحدياته لدراسة العالم الخفي للميكروبات". علم الأحياء بلوس. 5 (3): e82. دوى: 10.1371 / journal.pbio.0050082. PMC1821061. بميد17355177.
  8. ^
  9. Handelsman J ، Rondon MR ، Brady SF ، Clardy J ، Goodman RM (أكتوبر 1998). "الوصول البيولوجي الجزيئي إلى كيمياء ميكروبات التربة غير المعروفة: حدود جديدة للمنتجات الطبيعية". الكيمياء وعلم الأحياء. 5 (10): R245-9. دوى: 10.1016 / S1074-5521 (98) 90108-9. بميد9818143. .
  10. ^
  11. Chen K ، Pachter L (يوليو 2005). "المعلوماتية الحيوية لتسلسل بندقية الجينوم الكامل للمجتمعات الميكروبية". علم الأحياء الحسابي PLOS. 1 (2): 106-12. بيب كود: 2005 PLSCB. 1. 24 ج. دوى: 10.1371 / journal.pcbi.0010024. PMC1185649. بميد16110337.
  12. ^
  13. لين دي جي ، بيس ب ، أولسن جي جي ، ستال دا ، سوجين إم إل ، بيس إن آر (أكتوبر 1985). "التحديد السريع لتسلسل الحمض النووي الريبي الريبوزومي 16S لتحليلات النشوء والتطور". وقائع الأكاديمية الوطنية للعلوم بالولايات المتحدة الأمريكية. 82 (20): 6955-9. بيب كود: 1985PNAS. 82.6955 لتر. دوى: 10.1073 / pnas.82.20.6955. PMC391288. بميد2413450.
  14. ^
  15. Pace NR ، Stahl DA ، Lane DJ ، Olsen GJ (1986). "تحليل التجمعات الميكروبية الطبيعية بواسطة متواليات RNA الريبوسوم". في مارشال كيه سي. التقدم في علم البيئة الميكروبية. 9. سبرينغر الولايات المتحدة. ص 1 - 55. دوى: 10.1007 / 978-1-4757-0611-6_1. ردمك 978-1-4757-0611-6.
  16. ^
  17. Schmidt TM ، DeLong EF ، Pace NR (يوليو 1991). "تحليل مجتمع العوالق البحرية بواسطة استنساخ الجين 16S rRNA وتسلسلها". مجلة علم الجراثيم. 173 (14): 4371-8. دوى: 10.1128 / jb.173.14.4371-4378.1991. PMC208098. بميد2066334.
  18. ^
  19. Healy FG ، Ray RM ، Aldrich HC ، Wilkie AC ، Ingram LO ، Shanmugam KT (1995). "العزل المباشر للجينات الوظيفية التي تشفر السليلوز من اتحادات الميكروبات في هضم لاهوائي محب للحرارة يتم الاحتفاظ به على lignocellulose". علم الأحياء الدقيقة التطبيقي والتكنولوجيا الحيوية. 43 (4): 667-74. دوى: 10.1007 / BF00164771. بميد 7546604. S2CID31384119.
  20. ^
  21. شتاين جيه إل ، مارش تل ، وو كي واي ، شيزويا إتش ، ديلونج إي أف (فبراير 1996). "توصيف بدائيات النوى غير المزروعة: عزل وتحليل جزء جينوم زوج من 40 كيلو بايت من عوالق بحرية أثرية". مجلة علم الجراثيم. 178 (3): 591-9. دوى: 10.1128 / jb.178.3.591-599.1996. PMC177699. بميد 8550487.
  22. ^
  23. Breitbart M و Salamon P و Andresen B و Mahaffy JM و Segall AM و Mead D وآخرون. (أكتوبر 2002). "التحليل الجينومي للمجتمعات الفيروسية البحرية غير المستزرعة". وقائع الأكاديمية الوطنية للعلوم بالولايات المتحدة الأمريكية. 99 (22): 14250-5. بيب كود: 2002PNAS. 9914250 ب. دوى: 10.1073 / pnas.202488399. PMC137870. بميد 12384570.
  24. ^ أب
  25. تايسون جي دبليو ، تشابمان جيه ، هوجينهولتز ف ، ألين إي ، رام آر جيه ، ريتشاردسون بي إم ، وآخرون. (مارس 2004). "بنية المجتمع والتمثيل الغذائي من خلال إعادة بناء الجينوم الميكروبي من البيئة". طبيعة سجية. 428 (6978): 37-43. بيب كود: 2004 Natur.428. 37 ت. دوى: 10.1038 / nature02340. بميد 14961025. S2CID4420754. (الاشتراك المطلوبة)
  26. ^
  27. هوغنهولتز ف (2002). "استكشاف التنوع بدائيات النواة في العصر الجينومي". بيولوجيا الجينوم. 3 (2): المراجعات 0003. دوى: 10.1186 / gb-2002-3-2-reviews0003. PMC139013. PMID11864374.
  28. ^
  29. Venter JC ، و Remington K ، و Heidelberg JF ، و Halpern AL ، و Rusch D ، و Eisen JA ، وآخرون. (أبريل 2004). "تسلسل الجينوم البيئي لبحر سارجاسو". علم. 304 (5667): 66-74. بيب كود: 2004Sci. 304. 66 فولت. CiteSeerX10.1.1.124.1840. دوى: 10.1126 / العلوم .1093857. PMID15001713. S2CID1454587.
  30. ^
  31. Yooseph S و Nealson KH و Rusch DB و McCrow JP و Dupont CL و Kim M et al. (نوفمبر 2010). "التكيف الجينومي والوظيفي في بدائيات النوى السطحية للمحيطات". طبيعة سجية. 468 (7320): 60-6. بيب كود: 2010 Natur 468. 60 ص. دوى: 10.1038 / nature09530. بميد21048761. (الاشتراك المطلوبة)
  32. ^ أبج
  33. Poinar HN و Schwarz C و Qi J و Shapiro B و Macphee RD و Buigues B وآخرون. (يناير 2006). "Metagenomics إلى paleogenomics: التسلسل الواسع النطاق للحمض النووي الضخم". علم. 311 (5759): 392-4. بيب كود: 2006 Sci. 311..392P. دوى: 10.1126 / العلوم .11123360. PMID16368896. S2CID11238470.
  34. ^
  35. إدواردز آر إيه ، رودريغيز-بريتو ب ، ويجلي إل ، هاينز إم ، بريتبارت إم ، بيترسون دي إم ، وآخرون. (مارس 2006). "استخدام التسلسل الحراري لإلقاء الضوء على البيئة الميكروبية العميقة للمناجم". علم الجينوم BMC. 7: 57. دوى: 10.1186 / 1471-2164-7-57. PMC1483832. PMID16549033.
  36. ^
  37. Thomas T ، Gilbert J ، Meyer F (فبراير 2012). "Metagenomics - دليل من أخذ العينات إلى تحليل البيانات". المعلوماتية الميكروبية والتجريب. 2 (1): 3. دوى: 10.1186 / 2042-5783-2-3. PMC3351745. PMID22587947.
  38. ^
  39. Béjà O و Suzuki MT و Koonin EV و Aravind L و Hadd A و Nguyen LP وآخرون. (أكتوبر 2000). "بناء وتحليل مكتبات الكروموسوم الاصطناعي البكتيري من تجمع ميكروبي بحري". علم الأحياء الدقيقة البيئية. 2 (5): 516–29. دوى: 10.1046 / j.1462-2920.2000.00133.x. PMID11233160. S2CID8267748.
  40. ^ أب
  41. Segata N ، Boernigen D ، Tickle TL ، Morgan XC ، Garrett WS ، Huttenhower C (مايو 2013). "meta'omics الحسابية لدراسات المجتمع الميكروبي". بيولوجيا النظم الجزيئية. 9 (666): 666. دوى: 10.1038 / msb.2013.22. PMC4039370. بميد23670539.
  42. ^
  43. Rodrigue S، Materna AC، Timberlake SC، Blackburn MC، Malmstrom RR، Alm EJ، Chisholm SW (يوليو 2010). جيلبرت جا ، أد. "فتح تسلسل القراءة القصير لعلم الجينات". بلوس واحد. 5 (7): e11840. بيب كود: 2010 PLoSO. 511840 ص. دوى: 10.1371 / journal.pone.0011840. PMC2911387. بميد20676378.
  44. ^
  45. شوستر إس سي (يناير 2008). "تسلسل الجيل التالي يحول بيولوجيا اليوم". طرق الطبيعة. 5 (1): 16-8. دوى: 10.1038 / nmeth1156. بميد 18165802. S2CID1465786.
  46. ^
  47. "Metagenomics مقابل قانون مور". طرق الطبيعة. 6 (9): 623. 2009. doi: 10.1038 / nmeth0909-623.
  48. ^
  49. ستيوارت آر دي ، أوفريت إم دي ، وار إيه ، ويسر إيه إتش ، بريس مو ، لانجفورد كو ، وآخرون. (فبراير 2018). "تجميع 913 جينوم ميكروبي من التسلسل الميتاجينومي لكرش البقر". اتصالات الطبيعة. 9 (1): 870. بيب كود: 2018 NatCo. 9..870 ثانية. دوى: 10.1038 / s41467-018-03317-6. PMC5830445. بميد29491419.
  50. ^
  51. هيراوكا إس ، يانغ سي سي ، إيواساكي دبليو (سبتمبر 2016). "الميتاجينوميات والمعلوماتية الحيوية في الإيكولوجيا الميكروبية: الوضع الحالي وما بعده". الميكروبات والبيئات. 31 (3): 204-12. دوى: 10.1264 / jsme2.ME16024. PMC5017796. PMID27383682.
  52. ^
  53. Pérez-Cobas AE، Gomez-Valero L، Buchrieser C (2020). "مناهج Metagenomic في علم البيئة الميكروبية: تحديث على الجينوم الكامل وتحليلات تسلسل الجين الواسم". الجينوم الميكروبي. 6 (8). دوى: 10.1099 / مجين.0.000409. PMC7641418. بميد 32706331.
  54. ^ أب
  55. Hess M و Sczyrba A و Egan R و Kim TW و Chokhawala H و Schroth G et al. (يناير 2011). "الاكتشاف الميتاجينومي للجينات والجينومات المهينة للكتلة الحيوية من كرش البقر". علم. 331 (6016): 463-7. بيب كود: 2011Sci. 331.463 هـ. دوى: 10.1126 / العلوم .1200387. PMID21273488. S2CID36572885.
  56. ^
  57. Qin J ، Li R ، Raes J ، Arumugam M ، Burgdorf KS ، Manichanh C ، وآخرون. (مارس 2010). "كتالوج الجينات الجرثومية في الأمعاء البشرية تم إنشاؤه بواسطة التسلسل الميتاجينومي". طبيعة سجية. 464 (7285): 59-65. بيب كود: 2010 Natur 464. 59 .. دوى: 10.1038 / Nature08821. PMC3779803. بميد20203603. (الاشتراك المطلوبة)
  58. ^ أب
  59. بولسون جي إن ، ستاين أو سي ، برافو إتش سي ، بوب إم (ديسمبر 2013). "تحليل الوفرة التفاضلية للمسوحات الجينية الواسمة الجرثومية". طرق الطبيعة. 10 (12): 1200-2. دوى: 10.1038 / نميث .2658. PMC4010126. PMID24076764.
  60. ^ أبجدهFز
  61. لجنة الميتاجينوميات: التحديات والتطبيقات الوظيفية ، المجلس القومي للبحوث (2007). علم الميتاجينوميات الجديد: الكشف عن أسرار كوكبنا الميكروبي. واشنطن العاصمة: مطبعة الأكاديميات الوطنية. دوى: 10.17226 / 11902. ردمك 978-0-309-10676-4. بميد21678629.
  62. ^
  63. Oulas A و Pavloudi C و Polymenakou P و Pavlopoulos GA و Papanikolaou N و Kotoulas G et al. (2015). "Metagenomics: أدوات ورؤى لتحليل بيانات تسلسل الجيل التالي المستمدة من دراسات التنوع البيولوجي". المعلوماتية الحيوية ورؤى البيولوجيا. 9: 75-88. دوى: 10.4137 / BBI.S12462. PMC4426941. بميد 25983555.
  64. ^
  65. Mende DR ، Waller AS ، Sunagawa S ، Järvelin AI ، Chan MM ، Arumugam M ، وآخرون. (23 فبراير 2012). "تقييم التجميع الميتاجينومي باستخدام بيانات تسلسل الجيل التالي المحاكاة". بلوس واحد. 7 (2): e31386. بيب كود: 2012 PLoSO. 731386 م. دوى: 10.1371 / journal.pone.0031386. PMC3285633. بميد22384016.
  66. ^
  67. Balzer S ، Malde K ، Grohme MA ، Jonassen I (أبريل 2013). "تصفية القراءات المكررة من 454 بيانات التسلسل الحركي". المعلوماتية الحيوية. 29 (7): 830-6. دوى: 10.1093 / المعلوماتية الحيوية / btt047. PMC3605598. PMID23376350.
  68. ^
  69. محمد MH ، Chadaram S ، Komanduri D ، Ghosh TS ، Mande SS (سبتمبر 2011). "Eu-Detect: خوارزمية للكشف عن تسلسل حقيقيات النوى في مجموعات البيانات الميتاجينومية". مجلة العلوم البيولوجية. 36 (4): 709-17. دوى: 10.1007 / s12038-011-9105-2. بميد21857117. S2CID25857874.
  70. ^
  71. شميدر آر ، إدواردز آر (مارس 2011). "التحديد السريع وإزالة التلوث المتسلسل من مجموعات البيانات الجينومية والميتاجينومية". بلوس واحد. 6 (3): e17288. بيب كود: 2011 PLoSO. 617288 ق. دوى: 10.1371 / journal.pone.0017288. PMC3052304. بميد 21408061.
  72. ^ أبجده
  73. Kunin V ، Copeland A ، Lapidus A ، Mavromatis K ، Hugenholtz P (ديسمبر 2008). "دليل عالم المعلوماتية الحيوية إلى الميتاجينوميات". مراجعات علم الأحياء الدقيقة والبيولوجيا الجزيئية. 72 (4): 557-78 ، جدول المحتويات. دوى: 10.1128 / MMBR.00009-08. PMC2593568. بميد19052320.
  74. ^
  75. Namiki T، Hachiya T، Tanaka H، Sakakibara Y (نوفمبر 2012). "MetaVelvet: امتداد لمجمع Velvet لتجميع de novo metagenome من قراءة تسلسل قصير". بحوث الأحماض النووية. 40 (20): e155. دوى: 10.1093 / nar / gks678. PMC3488206. بميد22821567.
  76. ^
  77. Zerbino DR ، Birney E (مايو 2008). "المخملية: خوارزميات لتجميع القراءة القصيرة لـ de novo باستخدام الرسوم البيانية لـ Bruijn". أبحاث الجينوم. 18 (5): 821-9. دوى: 10.1101 / غرام .074492.107. PMC2336801. بميد18349386.
  78. ^
  79. بيرتون ، جي إن ، لياشكو الأول ، دنهام إم جي ، شندور جي (مايو 2014). "deconvolution على مستوى الأنواع لتجمعات الميتاجينوم مع خرائط احتمالية الاتصال القائمة على Hi-C". G3. 4 (7): 1339–46. دوى: 10.1534 / g3.114.011825. PMC4455782. PMID24855317.
  80. ^ أب
  81. Huson DH ، Mitra S ، Ruscheweyh HJ ، Weber N ، Schuster SC (سبتمبر 2011). "التحليل التكاملي للتسلسلات البيئية باستخدام MEGAN4". أبحاث الجينوم. 21 (9): 1552-60. دوى: 10.1101 / غرام .120618.111. PMC3166839. PMID21690186.
  82. ^
  83. Zhu W ، Lomsadze A ، Borodovsky M (يوليو 2010). "تحديد الجين AB initio في متواليات ميتاجينومية". بحوث الأحماض النووية. 38 (12): e132. دوى: 10.1093 / nar / gkq275. PMC2896542. بميد20403810.
  84. ^
  85. كونوبكا أ (نوفمبر 2009). "ما هي بيئة المجتمع الميكروبي؟". مجلة ISME. 3 (11): 1223 - 30. دوى: 10.1038 / ismej.2009.88. PMID19657372.
  86. ^ أب
  87. Huson DH ، Auch AF ، Qi J ، Schuster SC (مارس 2007). "تحليل MEGAN للبيانات الميتاجينومية". أبحاث الجينوم. 17 (3): 377–86. دوى: 10.1101 / غرام.5969107. PMC1800929. بميد17255551.
  88. ^
  89. Segata N ، Waldron L ، Ballarini A ، Narasimhan V ، Jousson O ، Huttenhower C (يونيو 2012). "تحديد المجتمع الميكروبي الميتاجينومي باستخدام جينات واصمة فريدة من نوعها خاصة بالكليد". طرق الطبيعة. 9 (8): 811-4. دوى: 10.1038 / nmeth.2066. PMC3443552. بميد22688413.
  90. ^
  91. Sunagawa S ، Mende DR ، Zeller G ، Izquierdo-Carrasco F ، Berger SA ، Kultima JR ، et al. (ديسمبر 2013). "تنميط الأنواع الميتاجينومية باستخدام جينات علامة النشوء والتطور العالمية". طرق الطبيعة. 10 (12): 1196-9. دوى: 10.1038 / نميث .2693. بميد24141494. S2CID7728395.
  92. ^ أب
  93. Milanese A و Mende DR و Paoli L و Salazar G و Ruscheweyh HJ و Cuenca M et al. (مارس 2019). "الوفرة الميكروبية والنشاط والتنميط الجينومي للسكان مع mOTUs2". اتصالات الطبيعة. 10 (1): 1014. بيب كود: 2019 NatCo..10.1014M. دوى: 10.1038 / s41467-019-08844-4. PMC6399450. بميد 30833550.
  94. ^
  95. ليو ب ، جيبونز تي ، قدسي إم ، ترينجن تي ، بوب إم (2011). "تقدير دقيق وسريع للملامح التصنيفية من متواليات البنادق الميتاجينومية". علم الجينوم BMC. 12 ملحق 2: S4. دوى: 10.1186 / 1471-2164-12-S2-S4. PMC3194235. بميد21989143.
  96. ^
  97. دادي تي إتش ، رينارد بي ، ويلر إل إتش ، سيملر تي ، رينيرت ك (2017). "SLIMM: تحديد مستوى الأنواع للكائنات الحية الدقيقة من metagenomes". بيرج. 5: e3138. دوى: 10.7717 / peerj.3138. PMC5372838. PMID28367376.
  98. ^
  99. باجاني الأول ، ليوليوس ك ، يانسون ج ، تشن إم ، سميرنوفا تي ، نصرات ب ، وآخرون. (يناير 2012). "قاعدة بيانات الجينوم على الخط (GOLD) v.4: حالة مشاريع الجينوم والميتاجينوميات والبيانات الوصفية المرتبطة بها". بحوث الأحماض النووية. 40 (إصدار قاعدة البيانات): D571-9. دوى: 10.1093 / nar / gkr1100. PMC3245063. بميد22135293.
  100. ^
  101. ماير ف ، بارمان د ، ديسوزا إم ، أولسون آر ، جلاس إم ، كوبال إم ، وآخرون. (سبتمبر 2008). "خادم RAST metagenomics - مورد عام للتحليل التلقائي للتطور والتطور الوظيفي للميتاجينومات". المعلوماتية الحيوية BMC. 9: 386. دوى: 10.1186 / 1471-2105-9-386. PMC2563014. بميد 18803844.
  102. ^
  103. Markowitz VM و Chen IM و Chu K و Szeto E و Palaniappan K و Grechkin Y et al. (يناير 2012). "IMG / M: إدارة بيانات الميتاجينوم المتكاملة ونظام التحليل المقارن". بحوث الأحماض النووية. 40 (إصدار قاعدة البيانات): D123-9. دوى: 10.1093 / nar / gkr975. PMC3245048. بميد22086953.
  104. ^ أب
  105. Mitra S و Rupek P و Richter DC و Urich T و Gilbert JA و Meyer F وآخرون. (فبراير 2011). "التحليل الوظيفي للميتاجينومات و metatranscriptomes باستخدام SEED و KEGG". المعلوماتية الحيوية BMC. 12 ملحق 1: S21. دوى: 10.1186 / 1471-2105-12-S1-S21. PMC3044276. بميد21342551.
  106. ^
  107. بنسون دا ، كافانو إم ، كلارك ك ، كارش-ميزراتشي الأول ، ليبمان دي جي ، أوستل جي ، سايرس إي دبليو (يناير 2013). "GenBank". بحوث الأحماض النووية. 41 (إصدار قاعدة البيانات): D36-42. دوى: 10.1093 / nar / gks1195. PMC3531190. بميد23193287.
  108. ^
  109. Bazinet AL ، Cummings MP (مايو 2012). "تقييم مقارن لبرامج التصنيف المتسلسل". المعلوماتية الحيوية BMC. 13: 92. دوى: 10.1186 / 1471-2105-13-92. PMC3428669. PMID22574964.
  110. ^
  111. Ounit R ، Wanamaker S ، Close TJ ، Lonardi S (مارس 2015). "كلارك: تصنيف سريع ودقيق للتسلسلات الجينية والجينية باستخدام k-mers التمييزي". علم الجينوم BMC. 16: 236. دوى: 10.1186 / s12864-015-1419-2. PMC4428112. بميد 25879410.
  112. ^
  113. براتاس د ، بينهو آج ، سيلفا آر إم ، رودريغيز جي إم ، هوسيني إم ، كايتانو تي ، فيريرا بي جيه (فبراير 2018). "فالكون: طريقة لاستنتاج التركيب الميتاجينومي للحمض النووي القديم". bioRxiv10.1101 / 267179.
  114. ^
  115. Kurokawa K و Itoh T و Kuwahara T و Oshima K و Toh H و Toyoda A et al. (أغسطس 2007). `` كشفت الميتاجينوميات المقارنة عن مجموعات الجينات المخصبة بشكل شائع في ميكروبات الأمعاء البشرية ''. بحوث الحمض النووي. 14 (4): 169-81. دوى: 10.1093 / dnares / dsm018. PMC2533590. بميد17916580.
  116. ^ أبجدهF
  117. سيمون سي ، دانيال آر (فبراير 2011)."التحليلات الميتاجينومية: الاتجاهات الماضية والمستقبلية". علم الأحياء الدقيقة التطبيقي والبيئي. 77 (4): 1153-1161. دوى: 10.1128 / AEM.02345-10. PMC3067235. بميد21169428.
  118. ^
  119. Willner D ، Thurber RV ، Rohwer F (يوليو 2009). "التوقيعات الميتاجينومية لـ 86 ميتاجينوم ميكروبي وفيروسي". علم الأحياء الدقيقة البيئية. 11 (7): 1752–666. دوى: 10.1111 / j.1462-2920.2009.01901.x. بميد19302541.
  120. ^
  121. Ghosh TS، Mohammed MH، Rajasingh H، Chadaram S، Mande SS (2011). "HabiSign: نهج جديد لمقارنة metagenomes والتعرف السريع على التسلسلات الخاصة بالموائل". المعلوماتية الحيوية BMC. 12 ملحق 13 (الملحق 13): S9. دوى: 10.1186 / 1471-2105-12-s13-s9. PMC3278849. بميد22373355.
  122. ^
  123. Fimereli D ، Detours V ، Konopka T (أبريل 2013). "TriageTools: أدوات لتقسيم وتحديد أولويات تحليل بيانات التسلسل عالية الإنتاجية". بحوث الأحماض النووية. 41 (7): e86. دوى: 10.1093 / nar / gkt094. PMC3627586. بميد23408855.
  124. ^
  125. Maillet N ، Lemaitre C ، Chikhi R ، Lavenier D ، Peterlongo P (2012). "المقارنة: مقارنة التجارب الميتاجينومية الضخمة". المعلوماتية الحيوية BMC. 13 ملحق 19 (ملحق 19): S10. دوى: 10.1186 / 1471-2105-13-S19-S10. PMC3526429. PMID23282463.
  126. ^
  127. Kuntal BK ، Ghosh TS ، Mande SS (أكتوبر 2013). "محلل المجتمع: منصة لتصور ومقارنة بنية المجتمع الميكروبي عبر الميكروبيوم". علم الجينوم. 102 (4): 409-18. دوى: 10.1016 / j.ygeno.2013.08.004. PMID23978768.
  128. ^
  129. Werner JJ و Knights D و Garcia ML و Scalfone NB و Smith S و Yarasheski K وآخرون. (مارس 2011). "الهياكل المجتمعية البكتيرية فريدة ومرنة في أنظمة الطاقة الحيوية واسعة النطاق". وقائع الأكاديمية الوطنية للعلوم بالولايات المتحدة الأمريكية. 108 (10): 4158-63. بيب كود: 2011PNAS..108.4158W. دوى: 10.1073 / pnas.1015676108. PMC3053989. PMID21368115.
  130. ^
  131. McInerney MJ ، Sieber JR ، Gunsalus RP (ديسمبر 2009). "التركيب في دورات الكربون العالمية اللاهوائية". الرأي الحالي في التكنولوجيا الحيوية. 20 (6): 623-32. دوى: 10.1016 / j.copbio.2009.10.001. PMC2790021. بميد19897353.
  132. ^
  133. Klitgord N ، Segrè D (أغسطس 2011). "بيولوجيا النظم الإيكولوجية للتمثيل الغذائي الجرثومي". الرأي الحالي في التكنولوجيا الحيوية. 22 (4): 541-6. دوى: 10.1016 / j.copbio.2011.04.018. PMID21592777.
  134. ^
  135. لينينجر إس ، يوريش تي ، شلوتر إم ، شوارك إل ، كي جي ، نيكول جي دبليو ، إت آل. (أغسطس 2006). "العتائق تسود بين بدائيات النوى المؤكسدة للأمونيا في التربة". طبيعة سجية. 442 (7104): 806-9. بيب كود: 2006 Natur.442..806L. دوى: 10.1038 / nature04983. بميد16915287. S2CID4380804.
  136. ^
  137. Paez-Espino D ، Eloe-Fadrosh EA ، Pavlopoulos GA ، Thomas AD ، Huntemann M ، Mikhailova N ، وآخرون. (أغسطس 2016). "الكشف عن فيروم الأرض". طبيعة سجية. 536 (7617): 425-30. بيب كود: 2016 Natur.536..425P. دوى: 10.1038 / nature19094. بميد27533034. S2CID4466854.
  138. ^
  139. Paez-Espino D و Chen IA و Palaniappan K و Ratner A و Chu K و Szeto E وآخرون. (يناير 2017). "IMG / VR: قاعدة بيانات عن فيروسات الدنا المستزرعة وغير المثقفة والفيروسات القهقرية". بحوث الأحماض النووية. 45 (D1): D457-D465. دوى: 10.1093 / nar / gkw1030. PMC5210529. PMID27799466.
  140. ^
  141. Paez-Espino D و Roux S و Chen IA و Palaniappan K و Ratner A و Chu K et al. (يناير 2019). "IMG / VR v.2.0: نظام متكامل لإدارة وتحليل البيانات للجينومات الفيروسية المزروعة والبيئية". بحوث الأحماض النووية. 47 (D1): D678 – D686. دوى: 10.1093 / nar / gky1127. PMC6323928. بميد 30407573.
  142. ^
  143. Paez-Espino D ، Pavlopoulos GA ، Ivanova NN ، Kyrpides NC (أغسطس 2017). "خط أنابيب اكتشاف تسلسل الفيروسات غير المستهدف وتجميع الفيروسات للبيانات الميتاجينومية" (PDF). بروتوكولات الطبيعة. 12 (8): 1673–1682. دوى: 10.1038 / nprot.2017.063. بميد 28749930. S2CID2127494.
  144. ^
  145. كريستنسن DM ، Mushegian AR ، Dolja VV ، Koonin EV (يناير 2010). "اكتشاف أبعاد جديدة لعالم الفيروس من خلال الميتاجينوميات". الاتجاهات في علم الأحياء الدقيقة. 18 (1): 11-9. دوى: 10.1016 / j.tim.2009.11.003. PMC3293453. PMID19942437.
  146. ^
  147. Kerepesi C ، Grolmusz V (مارس 2016). "الفيروسات العملاقة في صحراء كوتش". محفوظات علم الفيروسات. 161 (3): 721-4. arXiv: 1410.1278. دوى: 10.1007 / s00705-015-2720-8. PMID26666442. S2CID13145926.
  148. ^
  149. Kerepesi C ، Grolmusz V (يونيو 2017). "Giant Virus Finder" يكتشف وفرة من الفيروسات العملاقة في الوديان الجافة في أنتاركتيكا ". محفوظات علم الفيروسات. 162 (6): 1671–1676. arXiv: 1503.05575. دوى: 10.1007 / s00705-017-3286-4. بميد 28247094. S2CID1925728.
  150. ^
  151. كوبلاند سي إس (سبتمبر-أكتوبر 2017). "العالم بداخلنا" (PDF). مجلة الرعاية الصحية في نيو اورليانز: 21–26.
  152. ^
  153. يانسون جي (2011). "نحو" Tera-Terra ": تسلسل Terabase لـ Metagenomes الأرضي طباعة البريد الإلكتروني". ميكروب. 6 (7). ص. 309. مؤرشفة من الأصلي في 31 مارس 2012.
  154. ^
  155. Vogel TM ، Simonet P ، Jansson JK ، Hirsch PR ، Tiedje JM ، Van Elsas JD ، Bailey MJ ، Nalin R ، Philippot L (2009). "TerraGenome: اتحاد لتسلسل ميتاجينوم التربة". مراجعات الطبيعة علم الأحياء الدقيقة. 7 (4): 252. دوى: 10.1038 / nrmicro2119.
  156. ^
  157. "صفحة TerraGenome الرئيسية". اتحاد التسلسل الدولي TerraGenome . تم الاسترجاع 30 ديسمبر 2011.
  158. ^ أب
  159. لجنة الميتاجينوميات: التحديات والتطبيقات الوظيفية ، المجلس القومي للبحوث (2007). فهم كوكبنا الميكروبي: العلم الجديد في Metagenomics (بي دي إف) . مطبعة الأكاديميات الوطنية.
  160. ^
  161. تشارلز تي (2010). "إمكانية التحقيق في التفاعلات بين الميكروبات النباتية باستخدام طرق الميتاجينوميات". Metagenomics: النظرية والطرق والتطبيقات. Caister Academic Press. ردمك 978-1-904455-54-7.
  162. ^
  163. Bringel F ، Couée I (22 أيار 2015). "الأدوار المحورية للكائنات الدقيقة في الغلاف الجوي في الواجهة بين أداء المصنع وديناميات الغازات النزرة في الغلاف الجوي". الحدود في علم الأحياء الدقيقة. 6: 486. دوى: 10.3389 / fmicb.2015.00486. PMC4440916. بميد26052316.
  164. ^
  165. Li LL ، McCorkle SR ، Monchy S ، Taghavi S ، van der Lelie D (مايو 2009). "metagenomes التنقيب البيولوجي: glycosyl hydrolases لتحويل الكتلة الحيوية". التكنولوجيا الحيوية للوقود الحيوي. 2: 10. دوى: 10.1186 / 1754-6834-2-10. PMC2694162. بميد19450243.
  166. ^
  167. Jaenicke S و Ander C و Bekel T و Bisdorf R و Dröge M و Gartemann KH وآخرون. (يناير 2011). عزيز ر. ك. (محرر). "التحليل المقارن والمشترك لمجموعتي بيانات ميتاجينومية من مخمر غاز حيوي تم الحصول عليه بواسطة 454-pyrosequencing". بلوس واحد. 6 (1): e14519. بيب كود: 2011 PLoSO. 614519J. دوى: 10.1371 / journal.pone.0014519. PMC3027613. بميد21297863.
  168. ^
  169. Suen G ، و Scott JJ ، و Aylward FO ، و Adams SM ، و Tringe SG ، و Pinto-Tomás AA ، وآخرون. (سبتمبر 2010). Sonnenburg J ، محرر. "ميكروبيوم الحشرات العاشبة مع قدرة عالية على تدمير الكتلة الحيوية النباتية". علم الوراثة PLOS. 6 (9): e1001129. دوى: 10.1371 / journal.pgen.1001129. PMC2944797. بميد 20885794.
  170. ^
  171. سيمون سي ، دانيال آر (نوفمبر 2009). "الإنجازات والمعرفة الجديدة تفككت من خلال المناهج الميتاجينومية". علم الأحياء الدقيقة التطبيقي والتكنولوجيا الحيوية. 85 (2): 265-76. دوى: 10.1007 / s00253-009-2233-z. PMC2773367. بميد19760178.
  172. ^
  173. وونغ د (2010). "تطبيقات Metagenomics للمنتجات الحيوية الصناعية". Metagenomics: النظرية والطرق والتطبيقات. Caister Academic Press. ردمك 978-1-904455-54-7.
  174. ^ أب
  175. Schloss PD ، Handelsman J (يونيو 2003). "آفاق التكنولوجيا الحيوية من الميتاجينوميات" (PDF). الرأي الحالي في التكنولوجيا الحيوية. 14 (3): 303-10. دوى: 10.1016 / S0958-1669 (03) 00067-3. PMID12849784. مؤرشفة من الأصلي (PDF) في 4 مارس 2016. تم الاسترجاع 20 يناير 2012.
  176. ^ أبج
  177. Kakirde KS، Parsley LC، Liles MR (نوفمبر 2010). "الحجم مهم: نهج يحركها التطبيق لعلم الجينات في التربة". بيولوجيا التربة والكيمياء الحيوية أمبير. 42 (11): 1911-1923. دوى: 10.1016 / j.soilbio.2010.07.021. PMC2976544. بميد21076656.
  178. ^
  179. Parachin NS ، Gorwa-Grauslund MF (مايو 2011). "عزل ايزوميراز الزيلوز عن طريق الفرز المتسلسل والوظيفة من مكتبة ميتاجينومية التربة". التكنولوجيا الحيوية للوقود الحيوي. 4 (1): 9. دوى: 10.1186 / 1754-6834-4-9. PMC3113934. PMID21545702.
  180. ^
  181. تحوم BM و Kim SH و Katz M و Charlop-Powers Z و Owen JG و Ternei MA وآخرون. (أبريل 2018). "اكتشاف مستقل عن الثقافة للمالسيدينات كمضادات حيوية تعتمد على الكالسيوم مع نشاط ضد مسببات الأمراض المقاومة للأدوية المتعددة". علم الأحياء الدقيقة الطبيعة. 3 (4): 415-422. دوى: 10.1038 / s41564-018-0110-1. PMC5874163. بميد29434326.
  182. ^
  183. Raes J ، Letunic I ، Yamada T ، Jensen LJ ، Bork P (مارس 2011). "نحو علم البيئة الجزيئي القائم على السمات من خلال تكامل البيانات البيوجيوكيميائية والجغرافية والميتاجينومية". بيولوجيا النظم الجزيئية. 7: 473. دوى: 10.1038 / msb.2011.6. PMC3094067. بميد 21407210.
  184. ^
  185. Lavery TJ ، Roudnew B ، Seymour J ، Mitchell JG ، Jeffries T (2012). Steinke D ، محرر. "نقل المغذيات العالية وإمكانية ركوب الدراجات التي تم الكشف عنها في الميتاجينوم الميكروبي لفضلات أسد البحر الأسترالي (Neophoca cinerea)". بلوس واحد. 7 (5): e36478. بيب كود: 2012 PLoSO. 736478 ل. دوى: 10.1371 / journal.pone.0036478. PMC3350522. بميد22606263.
  186. ^
  187. "ما السباحة في النهر؟ فقط ابحث عن الحمض النووي". NPR.org. 24 يوليو 2013. تم الاسترجاع 10 أكتوبر 2014.
  188. ^
  189. تشوا ، فيزيليا واي إس كرامبتون ، بلات ، أليكس لاميرز ، يوري ألسوس ، إنجر جي بويسينكول ، سان بوهمان ، كريستين (25 مايو 2021). "Metagenomics: أداة قابلة للتطبيق لإعادة بناء النظام الغذائي للحيوانات العاشبة". موارد البيئة الجزيئية: 1755–0998.13425. دوى: 10.1111 / 1755-0998.13425. بميد 33971086.
  190. ^
  191. جورج الأول ، ستينويت ب ، أغاثوس إس إن (2010). "تطبيق Metagenomics في المعالجة البيولوجية". في ماركو د. Metagenomics: النظرية والطرق والتطبيقات. Caister Academic Press. ردمك 978-1-904455-54-7.
  192. ^
  193. Zimmer C (13 يوليو 2010). "كيف تدافع عنا الميكروبات وتعرفنا". نيويورك تايمز . تم الاسترجاع 29 ديسمبر 2011.
  194. ^
  195. نيلسون KE و White BA (2010). "الميتاجينوميات وتطبيقاتها في دراسة الميكروبيوم البشري". Metagenomics: النظرية والطرق والتطبيقات. Caister Academic Press. ردمك 978-1-904455-54-7.
  196. ^
  197. Qin J ، Li R ، Raes J ، Arumugam M ، Burgdorf KS ، Manichanh C ، وآخرون. (مارس 2010). "كتالوج الجينات الجرثومية في الأمعاء البشرية تم إنشاؤه بواسطة التسلسل الميتاجينومي". طبيعة سجية. 464 (7285): 59-65. بيب كود: 2010 Natur 464. 59 .. دوى: 10.1038 / Nature08821. PMC3779803. بميد20203603.
  198. ^
  199. Abubucker، Sahar Segata، Nicola Goll، Johannes Schubert، Alyxandria M. Izard، Jacques Cantarel، Brandi L. Rodriguez-Mueller، Beltran Zucker، Jeremy Thiagarajan، Mathangi Henrissat، Bernard White، Owen Kelley، Scott T. Methé، Barbara Schloss، Patrick جيفرز ، ديرك ميتريفا ، ماكيدونكا هوتنهاور ، كورتيس (2012). "علم الأحياء الحسابي PLOS: إعادة البناء الأيضي لبيانات الميتاجينوم وتطبيقها على الميكروبيوم البشري". علم الأحياء الحسابي PLOS. 8 (6): e1002358. بيب كود: 2012 PLSCB. 8E2358A. دوى: 10.1371 / journal.pcbi.1002358. PMC3374609. بميد22719234.

180 مللي ثانية 17.0٪ Scribunto_LuaSandboxCallback :: العثور على 120 مللي ثانية 11.3٪ Scribunto_LuaSandboxCallback :: callParserFunction 100 ms 9.4٪ Scribunto_LuaSandboxCallback :: عادي 60 مللي ثانية 5.7٪ النوع 60 مللي ثانية 5.7٪ Scribunto_LuaSandboxCallback :: getAribunto_LuaSandboxCallback :: getAribunto_LuaSandbox :: anchorEncode 40 مللي ثانية 3.8٪ Scribunto_LuaSandboxCallback :: gsub 40 مللي ثانية 3.8٪ 40 مللي ثانية 3.8٪ [أخرى] 340 مللي ثانية 32.1٪ عدد كيانات Wikibase التي تم تحميلها: 0/400 ->


هل سأفقد مهارات المعمل الخاصة بي؟

في عام 2013 ، أجريت تدريبًا داخليًا مع مجموعة بحثية عن تطور النباتات كانت حاسوبية بالكامل - لا توجد ماصات أو زجاجات أو نباتات - وكانت تجربة مثيرة. بدت فكرة القيام باكتشاف علمي حقيقي باستخدام جهاز الكمبيوتر المحمول الخاص بي وفنجان من القهوة مثالية في البداية. ولكن بعد فترة ، بدأ تشغيل الجل يبدو جذابًا للغاية. بعد العودة إلى مختبري ، استمتعت حقًا بإيجاد توازن بين سطح المكتب والكمبيوتر المحمول.


1 المقدمة

أدى مشروع الجينوم البشري والمنهجيات التجريبية عالية الإنتاجية مثل رقائق الحمض النووي للكروماتين المناعي الدقيق (ChIP-chip) إلى تطوير علم الأحياء باعتباره علمًا غنيًا بالمعلومات بشكل متزايد يشمل النسخ ، والبروتينات ، والأيضات ، والتفاعلات ، وما إلى ذلك [ 1،2]. اقترح البعض أن بيولوجيا الأنظمة ليست أكثر من اسم جديد لعلم وظائف الأعضاء التكاملي ، والذي تم ممارسته على مدار الخمسين عامًا الماضية أو أكثر. بسبب هذه التقنيات الجديدة ، تمكن علماء الأحياء من جمع البيانات بمعدل لم يكن من الممكن تخيله قبل عقد من الزمن. لقد تغير سياق علم الأحياء تغيرًا عميقًا على مدار العشرين عامًا الماضية. توفر هذه التغييرات إطارًا جديدًا قويًا لبيولوجيا الأنظمة التي تنقلها إلى ما هو أبعد من علم وظائف الأعضاء التكاملي الكلاسيكي. يشير نهج بيولوجيا الأنظمة إلى أنه يمكن تحليل كل نظام من أي مستوى من الأنظمة البيولوجية فيما يتعلق بهيكل النظام & # x02019 ، على وجه الخصوص ، من حيث ديناميكياته وطريقة التحكم وطريقة تصميم النظام. تتضمن بيولوجيا الأنظمة التحقيقات الجينومية والنسخية والبروتينية والاستقلابية من منظور منهجي. ونتيجة لذلك ، أصبحت بيولوجيا الأنظمة في طليعة البحث البيولوجي الحديث ، ولا يمكن فهم كميات كبيرة من بيانات omics الجديدة بدون وجهة نظر شبكة أو أنظمة وبدون تحليلات حسابية متطورة للغاية [3،4،5،6،7،8،9 ، 10،11].

يتطلب دور بيولوجيا الأنظمة في البحث البيولوجي الحديث (الشكل 1) أدوات حسابية قوية لتعدين مجموعات البيانات واسعة النطاق من المعلومات حول علم الوراثة والبروتينات والحمض النووي و # x02013 ربط البروتين والتمثيل الغذائي وما إلى ذلك. تُستخدم هذه الأدوات لبناء نماذج نظام ديناميكي لتفسير آليات محددة لبعض الأنماط الظاهرية الخلوية (أو السلوكيات) من منظور نظام (أو شبكة) [12 ، 13 ، 14 ، 15 ، 16 ، 17]. لبناء نموذج نظام ديناميكي للشبكات البيولوجية من بيانات omics ، تقنيات تحديد النظام (بمعنى آخر.، مخططات الهندسة العكسية) لتقدير قيم المعلمات للنماذج الديناميكية وترتيب الشبكات البيولوجية [18،19،20،21،22،23،24،25،26،27،28،29،30،31 ، 32،33،34،35،36،37،38،39،40،41،42،43،44]. تم تطوير هندسة التمثيل الغذائي للبيولوجيا التركيبية مؤخرًا لتصميم الشبكات الوراثية الاصطناعية لإنتاج وظائف خلوية محددة في الخلايا المضيفة [45،46،47،48،49،50،51]. استنادًا إلى نماذج وآليات النظام في بيولوجيا الأنظمة ، يمكن تصميم الدوائر الوراثية الاصطناعية ومسارات الهندسة الأيضية للتحقيق في السلوكيات الخلوية [52،53،54،55،56،57،58،59،60،61،62،63]. يمكن استخدام هذه التقنيات البيولوجية الاصطناعية للتحقيق في نماذج وآليات بيولوجيا الأنظمة. يمكن تغذية التناقضات بين السلوك الحقيقي للشبكات الوراثية الاصطناعية والسلوك المرغوب الذي تنبأت به نماذج وآليات بيولوجيا الأنظمة لتعديل النماذج من خلال منهجيات أنظمة البيولوجيا التركيبية وهندسة استقلاب الأنظمة. بناءً على دور بيولوجيا الأنظمة (الشكل 1) ، تصف هذه المراجعة التطورات الحالية في المعلوماتية الحيوية ، وبيولوجيا الأنظمة التركيبية ، وهندسة استقلاب الأنظمة. يناقش كيف يمكن لبيولوجيا الأنظمة أن تعمل كمنصة متكاملة للمعلوماتية الحيوية ، وبيولوجيا الأنظمة التركيبية ، وهندسة استقلاب الأنظمة في المستقبل.

دور بيولوجيا الأنظمة كمنصة متكاملة في علم الأحياء الحديث للأنظمة البيولوجية يدمج المعلومات عن الجينات والبروتينات وربط بروتين الحمض النووي والتمثيل الغذائي مع نمذجة ديناميكيات النظام وتكنولوجيا تحديد النظام لتطوير نماذج وآليات لتفسير الأنماط الظاهرية أو سلوكيات علم وظائف الأعضاء الخلوية. نظرًا لأن مجموعات البيانات واسعة النطاق بحاجة إلى التنقيب ، فإن الأدوات الحسابية القوية ضرورية. استنادًا إلى نماذج وآليات النظام في بيولوجيا الأنظمة ، تم تصميم الدوائر الوراثية الاصطناعية للتحقيق في السلوكيات الخلوية المرغوبة المحددة لعلم وظائف الأعضاء الخلوي. يتم استخدام التناقضات بين السلوكيات الخلوية الحقيقية والمطلوبة كتغذية مرتدة لضبط نماذج وآليات النظام. وبالتالي ، فإن بيولوجيا الأنظمة مهيأة للعب دور النظام الأساسي المتكامل للمعلوماتية الحيوية ، وعلم الأحياء التركيبي للأنظمة ، وهندسة استقلاب الأنظمة.

المعلوماتية الحيوية ضرورية في التحليلات على مستوى الجينوم لفهم فسيولوجيا الخلية على مستويات خلوية مختلفة (بمعنى آخر.، الجينوم ، الترنسكريبتوم ، البروتين ، ومستويات الأيض) [12 ، 13]. توفر التخصصات المختلفة للمعلوماتية الحيوية معلومات لا تقدر بثمن عن الحالة الخلوية العالمية لبيولوجيا الأنظمة ، والبيولوجيا التركيبية للأنظمة ، وهندسة التمثيل الغذائي للأنظمة ، بالإضافة إلى تحليل شامل للخلية. تمثل المعلومات الجينومية في المعلوماتية الحيوية التركيب الجيني الكامل للكائن الحي [12،13،14،15،16،17] ، وقد يساهم التحليل الجيني المقارن في البيولوجيا التركيبية للأنظمة أو البيولوجيا الأيضية للأنظمة لاستهداف الدوائر الوراثية وهندستها لإنشاء الخلايا الخلوية المرغوبة الأنماط الظاهرية. يستخدم التنميط الترنسكريبتوم المصفوفات الدقيقة للحمض النووي لفك تشفير مستويات التعبير لآلاف الجينات في ظل ظروف بيولوجية مختلفة [14 ، 15]. يمكن استخدام النتائج لاختيار الجينات المرشحة للتعديل بناءً على التحليل المنهجي للجينات التنظيمية استجابة للتغيرات الجينية والتغيرات البيئية ، أو لتحديد العوامل الجديدة لتعزيز إفراز المنتجات غير المتجانسة في المسارات الأيضية [64،65،66،67 ، 68]. يعد التنميط البروتيني مفيدًا أيضًا في الحصول على بيانات التنميط النصفي على مستوى البروتين. يشتمل المستقلب على كامل المعلومات عن المستقلبات الموجودة داخل الخلية و / أو خارجها في ظل ظروف محددة [61 ، 62 ، 63]. من المتوقع أن يساهم بشكل كبير في فهم الخلية وهندسة الدوائر الاصطناعية في مساراتها الأيضية. في هذه الورقة ، تتم مراجعة التطورات الحديثة في تطبيق المعلوماتية الحيوية على أنظمة البيولوجيا التركيبية وهندسة التمثيل الغذائي للأنظمة من خلال بيولوجيا الأنظمة باستخدام أمثلة محددة.

على الرغم من توفر المعلومات الحيوية (على سبيل المثال ، البيانات حول الجينات ، وربط البروتين ، والتمثيل الغذائي) ، إلا أن عدة مراحل من بيولوجيا الأنظمة مطلوبة لمساعدتنا على فهم الآليات الجزيئية الأساسية لشبكات التنظيم الجيني (GR) عبر ديناميكيات النظام [18 ، 19 ، 20،21،22،23،24] ، بروتين & # x02013 شبكات تفاعل البروتين (PPI) [25،26،27،28،29] ، وشبكات التمثيل الغذائي [61،62،63] في ظل ظروف بيولوجية مختلفة. في المرحلة الأولى ، يتم إنشاء شبكة GR أو PPI مفترضة عن طريق تكامل واسع النطاق للمعرفة مثل المعلومات من المنشورات وقواعد البيانات ، والبيانات عالية الإنتاجية (من استخراج البيانات أو المعالجة العميقة). استنادًا إلى هذه الشبكة والنمذجة الديناميكية ، يمكن تحديد شبكة GR أو PPI الفعلية لعلم وظائف الأعضاء الخلوي من خلال طرق تحديد النظام (مخطط الهندسة العكسية [34]) باستخدام بيانات محددة من جين ميكروأري أو بيانات تعبير البروتين [18،19،20،21 ، 22،23،24،25،26،27،28]. على سبيل المثال ، تم إنشاء شبكات GRNs من خلال النمذجة الديناميكية عبر بيانات المصفوفة الدقيقة لدورات الخلايا [18،23،24] ، والضغوط البيئية [28،44] ، والتمثيل الضوئي [69] ، والشيخوخة [34] ، والسرطان [39] ]. تم إنشاء شبكات PPI للسرطان [3،9،33،39،70] ، والالتهاب [41] ، وتشكيل الأغشية الحيوية [43] ، والعدوى بواسطة المبيضات البيض. مقارنة شبكات مثبطات مضخة البروتون بين الخلايا السليمة والخلايا السرطانية يمكن أن توفر علامات الشبكة للتحقيق في الآلية المنهجية للسرطان [70]. يوفر تكامل الشبكات الخلوية للموارد الوراثية ومثبطات أسعار المنتجين نظرة أعمق للشبكات البيولوجية الفعلية وهو أكثر تنبؤية من نهج بدون تكامل [71].تم توفير طريقة منهجية وفعالة لدمج أنواع مختلفة من بيانات omics لبناء شبكات خلوية متكاملة عبر بيانات ميكروأري بناءً على اقتران النماذج الديناميكية والتقييمات الإحصائية [44]. لقد ثبت أن هذه الطريقة قوية ومرنة ، ويمكن استخدامها لبناء شبكات متكاملة على مستويات خلوية مختلفة للتحقيق في الآلات الخلوية في ظل ظروف بيولوجية مختلفة ولأنواع مختلفة. اقتران النماذج الديناميكية للشبكة الخلوية المتكاملة بالكامل مفيد جدًا للتحليلات النظرية ولإجراء مزيد من التجارب في مجال بيولوجيا الشبكة والبيولوجيا التركيبية.

باختصار ، البيولوجيا التركيبية هي هندسة النظم البيولوجية لتحقيق غرض معين. من الممكن بناء آلات حية من أجهزة وراثية جاهزة من خلال توظيف العديد من نفس الاستراتيجيات التي يستخدمها مهندسو الكهرباء لتصنيع رقائق الكمبيوتر [47 ، 48 ، 49]. الهدف الرئيسي من هذا المجال الناشئ هو تصميم وبناء أنظمة بيولوجية بالسلوكيات المرغوبة [51]. تتصور البيولوجيا التركيبية إعادة تصميم النظم البيولوجية الطبيعية وكذلك بناء الدوائر الوظيفية & # x0201c الجينية & # x0201d باستخدام مجموعة من التقنيات الحيوية القوية للتوليف الآلي لجزيئات الحمض النووي وتجميعها في الجينات والجينومات الميكروبية [47]. من المتوقع أن يكون للبيولوجيا التركيبية تطبيقات مهمة في التكنولوجيا الحيوية ، وهندسة التمثيل الغذائي ، والطب. قد يحدث ثورة في كيفية تصورنا وهندسة النظم البيولوجية [49]. كما هو موضح في الشكل 1 ، يمكن أيضًا استخدام الدوائر الوراثية الاصطناعية لتأكيد آليات الشبكة المشتقة باستخدام أساليب بيولوجيا الأنظمة ، ويمكن استخدامها كتغذية مرتدة لتحسينها أو مراجعتها. لذلك من المتوقع أن تساهم البيولوجيا التركيبية بشكل كبير في فهم أفضل لعمل الأنظمة البيولوجية المعقدة مثل المسارات الأيضية.

ومع ذلك ، لا يزال تطوير شبكات الجينات الاصطناعية صعبًا. معظم شبكات الجينات التي تم إنشاؤها حديثًا لا تعمل بسبب تقلبات المعلمات الجوهرية والاضطرابات البيئية والتغيرات الوظيفية في السياق داخل وخارج الخلية. لهذا السبب ، أصبحت طريقة التصميم القائمة على النماذج الديناميكية لشبكات الجينات الاصطناعية القوية موضوعًا مهمًا في علم الأحياء التركيبي [52،53،54،55،56،57،58،59،60،68]. تؤدي طرق التصميم المستندة إلى ديناميكيات النظام للبيولوجيا التركيبية إلى علم الأحياء التركيبي.

تم دمج الجينات غير المتجانسة سابقًا في مسارات في الهندسة الأيضية ، مما أدى إلى إنتاج عدد لا يحصى من المنتجات الكيميائية الحيوية غير الأصلية ، بما في ذلك isoprenoids ، والأحماض الهيدروكسية ، والوقود الحيوي ، والبولي ببتيدات ، والبوليمرات الحيوية [64،65،66،67]. طور علماء الأحياء الاصطناعية أدوات اصطناعية لهندسة الأجهزة الجينية القادرة على أداء وظائف بيولوجية معقدة مثل استشعار حالات الخلايا ، وإحصاء الأحداث الخلوية ، وتنفيذ المنطق الحسابي. تم تطبيق هذه الأدوات لتعديل ومراقبة مسارات التمثيل الغذائي في العديد من الكائنات الحية. وهي تتكون من جزء أو أكثر تم دمجها لأداء وظيفة معقدة ، وتزويد مهندسي التمثيل الغذائي بطرق جديدة لممارسة التحكم الخلوي في مسارات الإنتاج غير المتجانسة. تتضمن بعض الأجهزة البيولوجية التركيبية ذات الصلة المحتملة في الهندسة الأيضية محفزات متعامدة ، ومروجات حساسة للضوء ، وأجهزة استشعار للحالة ، ووحدات تحكم زمانية مكانية ، وبوابات منطقية ، بالإضافة إلى مكتبات مواقع الربط الريبوسوم (RBS) [36 ، 37]. نظرًا لأن الهندسة الأيضية تسعى إلى التحكم في التمثيل الغذائي الخلوي والتلاعب من خلال مسارات غير متجانسة لزيادة إنتاج الجزيء المطلوب ، يحتاج مهندسو التمثيل الغذائي إلى طرق أنيقة لجمع المعلومات الحيوية حول الخلايا وبيئتها وتعديل التعبير الجيني في الاستجابات [37،61،62 ،63]. ومن ثم ، تعد أجهزة البيولوجيا التركيبية بأن تكون إضافة مفيدة إلى مجموعة أدوات هندسة التمثيل الغذائي. تم بالفعل استخدام بعض الأجهزة الاصطناعية لزيادة عيار المنتج. ومع ذلك ، لا يزال العديد منهم غير مختبرين إلى حد كبير في بيئة صناعية ، كما أن تعقيد علم الأحياء يجعل تطبيقها إنجازًا هندسيًا [36،37،72]. من منظور بيولوجيا الأنظمة ، يمكن أن يساعد العمل المستمر مع هذه الأجهزة في توضيح قواعد التصميم أو المساعدة في تطوير نماذج ديناميكيات النظام التي تسهل تكاملها في العمليات الصناعية الأيضية [36 ، 37 ، 72] ، وبالتالي يؤدي إلى تطوير هندسة استقلاب الأنظمة .

تم تطوير العديد من التقنيات الرياضية القائمة على بيولوجيا الأنظمة لتحليل الخصائص المنهجية للشبكات البيولوجية المعقدة. على سبيل المثال ، تم تحليل حساسية النظام لشبكة بيولوجية استجابة لتغيرات المعلمات المختلفة لتحديد الخصائص المنهجية التي تؤثر على متانة وهشاشة الشبكة البيولوجية. لا يمكن لتحليل حساسية النظام فقط الكشف عن الاستقرار القوي لشبكة بيولوجية ضد الاضطرابات المختلفة ، ولكنه قد يوفر أيضًا معلومات حول إمكانية التحكم في الشبكة البيولوجية [7،8،9]. تعد قدرة استجابة النظام للشبكة البيولوجية مقياسًا للاستجابة للإشارات أو الاضطرابات البيئية [28 ، 34]. من منظور نظرية النظام ، تعد المتانة للتنوع الجوهري للنظام والقدرة على الاستجابة للمحفزات الخارجية من الخصائص الهامة والمكملة للنظام في تقييم أداء النظام [33 ، 34]. إن النظام البيولوجي الأكثر قوة تجاه كمية كبيرة من تقلبات المعلمات الجوهرية يكون أقل استجابة للاضطرابات البيئية ، والعكس صحيح. وجد تحقيق في بيولوجيا الأنظمة لشبكة الجينات المرتبطة بالشيخوخة عبر بيانات ميكروأري أن قوة الشبكة تزداد وتقل قدرة استجابة الشبكة أثناء عملية الشيخوخة [34]. تعتبر حساسية النظام الجيني البيولوجي للضوضاء الجزيئية البيئية مؤشرا على قدرة تصفية الضوضاء لشبكة الجينات [42]. تسمح بيولوجيا الأنظمة بقياس خصائص نظامها ، فضلاً عن إمكانيات مسار تحويل الإشارة [8] وبالمثل ، يمكن تقدير تضخيم التدفق في المسار الأيضي باستخدام كلا نموذجي ديناميكيات النظام.

نظرًا لأن الشبكات البيولوجية غير الخطية تعمل في ظل ظروف مختلفة من التوازن الخلوي والديناميكا المثلية ، فإن دراسات بيولوجيا الأنظمة على النماذج البيولوجية المعقدة في المناظر الطبيعية للأنماط الظاهرية مفيدة للغاية. تساعد هذه الدراسات في اكتشاف نقاط التوازن المحتملة (الأنماط الظاهرية) والسلوكيات الديناميكية ، مثل التشعب والتذبذب والاستقرار القوي وانحراف الطور إلى نقاط التوازن الأخرى (انتقال النمط الظاهري). يمكن أن يكون تحليل التشعب وتحليل مستوى الطور للشبكات الديناميكية غير الخطية مفيدًا في التنبؤ بسلوك نظام الشبكات البيولوجية في ظل تغيرات المعلمات الجوهرية. من خلال نهج بيولوجيا الأنظمة والنمذجة الديناميكية [38،39،40،41،42] ، يمكن تحسين متانة الشبكة وقدرة تصفية الضوضاء من خلال التغذية الراجعة والتكرار والمخططات المعيارية. هذا هو السبب في وجود العديد من حلقات التغذية الراجعة ، والجينات الزائدة عن الحاجة ، والهياكل المعيارية على مستويات مختلفة من الشبكات البيولوجية. تم اقتراح إطار رياضي موحد يعتمد على النماذج الديناميكية العشوائية غير الخطية [73،74،75] مؤخرًا لوصف مستويات مختلفة من الشبكات البيولوجية العشوائية في ظل تقلبات المعلمات المختلفة ، والاختلافات الجينية ، والاضطرابات البيئية [29،30،59]. تم التحقيق في معايير متانة النمط الظاهري للشبكات البيولوجية في الأنظمة ، والبيولوجيا التطورية والبيئية والتركيبية من منظور منهجي على أساس الاستقرار القوي والقدرة على التصفية. يمكن أن تمنح متانة الشبكة للشبكات البيولوجية قوة جوهرية تجاه تقلبات المعلمات الجوهرية ، والمتانة الوراثية للتخفيف من التغيرات الجينية ، والمتانة البيئية لمقاومة الاضطرابات البيئية. لقد وجد أنه إذا كان مجموع المتانة الجوهرية والمتانة الوراثية والمتانة البيئية أقل من أو يساوي متانة الشبكة ، فإن النمط الظاهري يكون قويًا في مستويات مختلفة من الشبكات البيولوجية في الأنظمة ، البيولوجيا التطورية والبيئية والتركيبية والاستقلابية. . تعد معايير النمط الظاهري هذه على مستويات مختلفة من الشبكات البيولوجية مفيدة لتصميم الأنظمة التركيبية والتمثيل الغذائي. يمكن لنهج بيولوجيا الأنظمة الذي يعتمد على النماذج الديناميكية أن يوفر بوضوح ليس فقط نظرة منهجية للسلوكيات على مستويات مختلفة من الشبكات البيولوجية ، ولكن أيضًا منصة تصميم لتحسين قوة النظام ، وقدرة التصفية ، وقدرة النقل لشبكات النظام التركيبي والتمثيل الغذائي ، والتي هي نوقشت بالتفصيل في الأقسام التالية.


أساليب

التثقيب الكهربائي لأجنة الفأر

تم تشريح الأجنة التي تم الحصول عليها من تهجين CBA / CA X C57Bl / 10 دون إزالة أغشية المشيمة في اليوم الجنيني E10.5 ، وتم نقلها إلى محلول Tyrodes [77]. في هذه المرحلة الهريس 1 و Ngn2 تم التعبير عنها بالفعل في العقد القاعدية المفترضة والقشرة ، على التوالي. وبالتالي ، فإن الظهارة العصبية مؤهلة للنشاط المعرضة للعصب ويجب أن تسمح دراسات GOF باكتشاف الجينات التي ينظمها Mash1 أو Ngn2. تمت زراعة الأجنة مسبقًا لمدة ساعتين في "حاضنة دقيقة" (BTC Engineering ، Milton ، Cambridge ، UK) عند 37 درجة مئوية مع 65٪ أكسجين في 75٪ حجم / حجم مصل الفئران + 25٪ حجم / حجم محلول Tyrodes و 2 مجم / مل من الجلوكوز. تم حقن كلتا الحويصلات عن بعد لتجارب المصفوفة الدقيقة ومع حويصلة واحدة فقط للأجنة المعالجة من أجل فى الموقع التهجين باستخدام حاقن FemtoJet Microinjector (Eppendorf) مع 2 ميكرولتر من محلول يحتوي على 3 ميكروغرام / ميكرولتر Mash1- أو ناقل تعبير Ngn2-pCAGGS [78] وناقل تحكم GFP 2 ميكروغرام / ميكرولتر. تم إجراء Electroporation في محلول Tyrodes في غرفة CUY520P20 (Nepagene ، اليابان) باستخدام BTX Electro Square Porator (Eppendorf) ، بالإعدادات التالية: 70 فولت ، خمس نبضات ، 50 مللي ثانية بفواصل زمنية ثانية واحدة. تمت زراعة الأجنة المجهزة بالكهرباء في مصل الفئران المضاف إليها الجلوكوز كما هو مذكور أعلاه ، في الوقت المحدد. بعد 18 ساعة ، تم تشريح الأجنة التي تنبض بالقلب تحت مجهر ثنائي العينين للأشعة فوق البنفسجية وتم تشريح الأنسجة الكهربائية (التي تعبر عن GFP) تحت المجهر وتم تجانسها على الفور في 300 ميكرولتر Trizol (Invitrogen). استند اختيار وقت جمع الأنسجة على أقصى تعبير عن dll1 مراسل المروج- lacZ الموجود في منطقة المروج البعيدة 0.8 كيلو بايت الموصوفة سابقًا [79] (انظر الشكل 2 (أ)) وعلى تحليل أكثر تفصيلاً بواسطة RT-PCR الكمي للدورة الزمنية لتحريض dll1 بواسطة Mash1 في خلايا P19 [12]. أظهر هذا العمل أن تحريض هذا الهدف المباشر لـ Mash1 يصبح قابلاً للاكتشاف بعد 4-7 ساعات الهريس 1 ولكن لا تصل إلى هضبة إلا بعد حوالي 15 ساعة. لذلك ، يزيد وقت الجمع هذا من اكتشاف الأهداف المباشرة المفترضة ، ومع ذلك ، فإنه لا يستبعد إمكانية اكتشاف الأهداف غير المباشرة أيضًا. تم استخراج إجمالي الحمض النووي الريبي باتباع توصيات الشركة المصنعة وتم تعليقه في 12 ميكرولتر من ماء معالج ثنائي إيثيل بيروكربونات (DEPC) (أمبيون). تم تجميع ما بين 3 و 10 قشور مطلية بالكهرباء أو العقد القاعدية لإنتاج ما لا يقل عن 1 ميكروغرام من إجمالي الحمض النووي الريبي. تم إجراء تحضير المجسات والتهجين لرقائق MG430 2.0 باتباع إرشادات Affymetrix.

RNA فى الموقعالتهجين والكيمياء المناعية

تم غسل الأجنة المطورة بالكهرباء لمدة 30 دقيقة عند 4 درجات مئوية في محلول ملحي بالفوسفات (PBS) 1 × ، وتثبيتها في PFA 4 ٪ لمدة 3 ساعات ، وغسلها مرة أخرى في PBS 1 × وحضنت في محلول فوسفات السكروز بنسبة 15 ٪ 0.12 م (PB) ، درجة الحموضة 7.2 ، بين عشية وضحاها عند 4 درجات مئوية ، المحتضنة في الجيلاتين 7.5٪ / السكروز 15٪ PB عند 42 درجة مئوية والمجمدة في الأيزوبنتان عند -40 درجة مئوية. أجنة من النوع البري والمتحولة (Ngn2-/- و الهريس 1- / -) في المرحلة E12.5 أو E13.5 بين عشية وضحاها في 4 ٪ بارافورمالدهيد (PAF) عند 4 درجات مئوية ، وحضنت طوال الليل كما كان من قبل. تم إجراء المقاطع الجنينية عند 10 ميكرومتر باستخدام ناظم ناظم Microm. فى الموقع تم إجراء التهجين على النحو الموصوف سابقًا [12] ، باستخدام NBT / BCIP أو الركيزة الفلورية في حالة Gp38 / بودوبلانين [80]. الفأر إيلافل 4 (HUC / د) تم استخدام الجسم المضاد متعدد النسيلة كما هو موصوف سابقًا [12]. جميع ال فى الموقع تم تلخيص التحليلات التي تم إجراؤها في ملف إضافي 4. باختصار ، تم تنظيم ثمانية جينات مفترضة بواسطة Ngn2 وثمانية جينات ينظمها الهريس 1 تم اختيارهم بناءً على مستويات تقليل التنظيم والتنظيم في بيانات المصفوفات الدقيقة ، فضلاً عن مشاركتهم المحتملة في تطور الخلايا العصبية (منفغ, Lnfg, Lhx8, هوك / د, Nscl1) أو التعبير في الجهاز العصبي النامي (Gp38 / بودوبلانين, المعين, Nrarp). لم يتم الكشف عن اثنين من ثمانية جينات Ngn2 المرشحة فى الموقع في قشرة أجنة WT ولم يتم اختبارها أكثر. يظهر المرشحون لائحة متسقة في Ngn2 أو الهريس 1 تم تحليل أجنة متحولة LOF (خمسة من أصل ستة جينات معبر عنها لـ Ngn2 وستة من أصل ثمانية جينات لـ Mash1) بواسطة فى الموقع التهجين على أجنة GOF المكهربة.

تعداء الخلايا P19 و RT-PCR الكمي

الخلايا السرطانية الجنينية P19 هي خلايا متعددة القدرات تتمايز على وجه التحديد إلى خلايا عصبية عندما يحفزها حمض الريتينويك أو عندما تنتقل بواسطة الهريس 1, Ngn1، أو عصبي معربا عن النواقل [81 ، 82]. قمنا بزرع 250.000 خلية P19 في أطباق استنبات مقاس 21 سم في DMEM (Gibco) مكملًا بنسبة 5 ٪ من مصل الماعز وحضنت طوال الليل عند 37 درجة مئوية. تم نقل الخلايا في نسختين مع 2 ميكروغرام Ngn2-, الهريس 1- ، أو نواقل pCAGGS الفارغة و 0.1 ميكروغرام من ناقل التحكم GFP ممزوجًا بـ Lipofectamine 2000 (Invitrogen) وفقًا لتوصيات الشركة الصانعة. تم إجراء استخراج إجمالي الحمض النووي الريبي في 2 مل Trizol (Invitrogen). تم إعادة تعليق كريات الحمض النووي الريبي في 50 ميكرولتر من المياه المعالجة DEPC (Ambion) وتم تحديد تركيز الحمض النووي الريبي عن طريق القياس الطيفي. تمت معالجة ما مجموعه 2 ميكروغرام من الحمض النووي الريبي باستخدام 10 وحدات من DNase I (Invitrogen) ونسخها عكسيًا باستخدام Superscript III (Invitrogen). تم إجراء PCR الكمي في نسخ مكررة باستخدام SYBR Green (Roche) على جهاز Light cycler (Roche). تم استخدام (كدنا) من سينسيز هيدروكسي ميثيل بيلين كمرجع للتطبيع. تسلسل التمهيدي متاح من المؤلفين عند الطلب.

تحليلات التعبير الجيني العالمية

تم استخدام ثمانية وعشرين مجموعة بيانات منفصلة للتعبير الجيني لتحديد وتقدير GRNs لتطوير الدماغ الأمامي باستخدام إما منصات ميكروأري U74A و U74B أو MOE430 2.0 Affymetrix. تحليلات الأنسجة من الدماغ البطيني الظهري والبطني من النوع البري (ن = 14), Ngn1 - / -, Ngn2 - / -, Mash1 - / -, Ngn1 - / - Ngn2-/-، و Ngn2 - / - Mash1 - / - الفئران المعدلة وراثيا وأنسجة GOF من الفئران التي Ngn2 أو الهريس 1 تم إمدادها بالكهرباء على E10.5 وقتل 18 ساعة لاحقًا (انظر أعلاه) في مجموعة البيانات هذه. تحليلات Ngn1, Ngn2، و الهريس 1 تم إجراء الضربات القاضية المفردة والمزدوجة باستخدام الحمض النووي الريبي المستخرج من الأنسجة التي تم تشريحها من الفئران E13.5 وتهجينها إلى شرائح U74A و U74B Affymetrix. العقد القاعدية من الهريس 1 تم تشريح أجنة KO ومعالجتها لاستخراج ثلاثي زول الحمض النووي الريبي كما هو موضح سابقًا [4]. تم وصف بيانات ميكروأري من الأنسجة القشرية سابقًا [4]. تم تحليل نسختين من كل عنصر تحكم وضربة قاضية واحدة ، في حين تم أخذ عينات مكررة واحدة لكل ضربة قاضية مزدوجة والتحكم. تم إجراء تحليلات ميكروأري لأنسجة الدماغ الظهري والبطني من التحكم وفئران GOF (الفئران المستزرعة E10.5 لمدة 18 ساعة) باستخدام شريحة Affymetrix MOE430 2.0. تم إجراء نسخ متماثلة لما مجموعه اثنين من عناصر التحكم في الدماغ الظهري ، وثلاثة عناصر تحكم في الدماغ البطني ، وثلاثة لكل من Ngn2 و الهريس 1 الفئران GOF. تم إجراء التطبيع باستخدام برنامج GC-RMA لتعديل الخلفية باستخدام معلومات التسلسل [83] التي تم تنزيلها من [84]. تم تعيين مجسات MOE و U74 على معرفات Ensembl بناءً على الإصدار 37 من Ensembl وتم طي معرفات Ensembl المكررة داخل مجموعة من خلال أخذ القيمة المتوسطة. تم اشتقاق نسب التعبير الجيني المستخدمة لتحليلات الشبكة اللاحقة الموضحة أدناه من مصفوفات متحولة فردية مقابل مجموعة تعبير جيني للتحكم من النوع البري المطابق للوقت. لإنشاء قائمة بالجينات المستهدفة المفترضة ، استخدمنا قطعًا بمقدار 1.3 ضعفًا. نلاحظ أن استخدام قطع تغيير الطية قد ثبت أنه أكثر موثوقية من ص- القيم الحدية أو معدل الاكتشاف الخاطئ (FDR) ، في تحليل مراقبة الجودة على نطاق واسع متعدد المراكز عبر المختبرات والمنصات [85]. علاوة على ذلك ، يتم إنشاء قوائم الجينات المستهدفة لدينا من قطعتين مستقلتين لتغيير الطية ، من كل من التجارب المعدلة وراثيًا و GOF ، وبالتالي زيادة الثقة في قوائم الجينات المستهدفة الناتجة. تم إجراء تجارب GOF في مرحلة مبكرة من تكوين الخلايا العصبية (E10.5 وتم تربيتها لمدة 18 ساعة) مقارنة بتجارب LOF (E13.5) بحيث يتم التعبير عن الهريس 1 و Ngn2 في الدماغ البيني لا يزال منخفضًا وتأثير الإفراط في التعبير عن هذه الجينات هو الحد الأقصى ، بينما تم إجراء تحليل LOF في مرحلة عندما الهريس 1 و Ngn2 عالية ، لتعظيم تأثير فقدان هذه الجينات. استنادًا إلى التحليل السابق لوظيفة Mash1 و Ngn2 في تطور الدماغ [3 ، 4] ، لا نتوقع أن يكون لهذه الجينات وظائف مختلفة تمامًا وجينات مستهدفة في هاتين المرحلتين.

القياس الكمي للشبكات

تم قياس قوة العلاقات في شبكات GRN لحساب توزيع الاحتمال الخلفي لقوة الروابط بناءً على تغييرات الطية التي شوهدت في مجموعات بيانات التعبير الجيني [8]. تم استخدام دالة لوغاريتمية خطية لوصف العلاقات بين الجينات:

أين α أناهو مستوى التعبير الجيني المستقل عن الشبكة ، أنا جيهي دالة مؤشر (0 ، 1 ، -1) في حالة وجود ارتباط من الجين ي للجين أنا, β جيهي الدرجة التي يتغير بها الجين ي سيؤثر على التغيير في الجين أنا, جي يهو متغير مرتبط بمستوى التعبير النسبي للجين ي مقارنة بالمستوى الطبيعي ي, ه أناهو الخطأ العشوائي في القيمة المتوقعة للجين أنا و ن هو عدد الجينات في الشبكة.

تم اشتقاق التوزيعات الخلفية للروابط في كل شبكة باستخدام طرق أخذ عينات سلسلة ماركوف مونت كارلو (MCMC) كما هو موصوف في مكان آخر [8 ، 34]. بالنسبة للتحليل الحالي ، تم تصميم تأثيرات KO و GOF على الجينات كأبوين مخصصين حيث كان ذلك سابقًا α أناتم تعيينه على صفر كل الآخرين α يفترض أن يكون لها سوابق عادية. مقدمات β يفترض أنها طبيعية بمتوسط ​​صفر وتباين σ = 1. أخيرًا ، ه أنامن المفترض أن يتم توزيعها بشكل طبيعي بمتوسط ​​صفر وتباين σ 2، أين σ 2 يفترض أن يكون لها زي مسبق مع دعم محدد بواسطة البيانات المرصودة. الحد الأقصى لأحجام خطوات أخذ العينات MCMC هو 0.05 لـ σ، 0.08 لـ βو 0.05 لـ α، وتم إجراء 500000 تكرار مع القضاء على كل 10 قيمة. تم استخدام آخر 50000 تكرار لتحديد القيمة المتوسطة لـ β جيوأهمية هذه القيمة. دلالة إحصائية للمعلمة β جييتم تعريفه بأقل من 5٪ من التكرارات باستخدام β جي≤ 0.لمعالجة خصوصية طريقتنا ، قمنا بتبديل تسميات الجينات من تجارب المصفوفات الدقيقة (ن = 12357) توليد 100 مجموعة بيانات عشوائية للتعبير الجيني. قمنا بعد ذلك بتطبيق مجموعات البيانات هذه لتقدير الشبكة القائمة على الإضاءة لتحديد عدد المرات التي نرى فيها أهمية هذه الاتصالات من كل مجموعة بيانات تم إنشاؤها عشوائيًا. وتجدر الإشارة إلى أنه تم الحفاظ على ارتباطات التعبير الجيني عبر الظروف التجريبية في هذا التحليل. يتوفر برنامج لإجراء هذه التحليلات من JMG.

تحديد العوامل المشتركة المحتملة لـ Ngn2 و Mash1

تم تعريف مواقع ربط الإجماع لـ Ngn2 و Mash1 على أنها CANTWG و GCAGSTGK ، أو CAGSTG ، على التوالي ، استنادًا جزئيًا إلى [12 ، 28 ، 29] والبيانات غير المنشورة (DSC و FG) كما هو موضح في الملف الإضافي 7. نظرًا لمقياس طريقة المعلوماتية الحيوية التي تم إجراؤها للتنبؤ بالعوامل المشتركة ، لقد قصرنا تحليلنا على التسلسل المحيط بـ 11 جينًا مستهدفًا متوقعًا لـ Ngn2 ، و 14 جينًا Mash1 متوقعًا ، و 6 جينات مستهدفة شائعة بناءً على معيار مشابه لتلك المستخدمة في فى الموقع التأكيد على أننا ركزنا على الجينات الأكثر تباينًا التي تم التعبير عنها بشكل تفاضلي وكذلك أفضل الجينات المرشحة من الأدبيات (ملف إضافي 8). لكل جين نظرنا إلى ما لا يقل عن 500 كيلو بايت من التسلسلات أمام (حوالي 300 كيلو بايت) وخلف (حوالي 200 كيلو بايت) بما في ذلك UTRs وإنترونات الجين المعني والجينات المحيطة التي تقع ضمن نطاق 500 كيلو بايت. استخدمنا متصفح ECR [86] لمواءمة التسلسل البشري مع Mus musculus، Gallus gallus، Xenopus الاستوائية، Fugu rubripes، و دانيو ريريو [87]. في بعض الأحيان لم يتم العثور على مناطق محفوظة ضمن حدود البحث الخاصة بنا ، وفي هذه الحالة أزلنا المحاذاة مع الفقاريات السفلية (F. rubripes و د. ريريو) وحللت فقط المحاذاة إلى جالوس و / أو العاشر الاستوائية للعثور على مناطق محمية غير مشفرة. لمزيد من تحسين المحاذاة ، تم استخدام برنامج Mulan المستند إلى الويب ، والذي يقوم بإجراء محاذاة محلية كاملة متعددة التسلسلات والتي يمكن أن تفسر إعادة التوزيع والانعكاس التطوري باستخدام برنامج محاذاة البلوكسيت المترابطة [87 ، 88]. من هذا التحليل ، تم تحديد المناطق المحمية التطورية (ECRs) بحد أدنى 100 نقطة أساس وهوية النسبة المئوية الدنيا بنسبة 70 ٪. أخيرًا ، طبقنا Multitf ، الذي يبحث عبر ECRs المحددة عن TFBSs المحفوظة [88] ، للبحث عن مواقع الربط المفترضة Mash1 (GCAGSTGK أو CAGSTG) و Ngn2 (CANWTG). في المجموع ، تم تحديد 160 موقعًا محفوظًا لـ Ngn2 و 75 موقعًا محفوظًا للربط Mash1. تم توزيع هذه المواقع على 500 كيلو بايت التي تم تحليلها ، على الرغم من العثور على أكبر عدد من المواقع في 20 كيلو بايت من التسلسل المحيط بـ TSS (ملف إضافي 12). على وجه التحديد ، تم العثور على 19 موقعًا من مواقع Mash1 تحيط بجينات 11 Ngn2 المستهدفة (متوسط ​​عدد المواقع لكل جين هو 1.7) مقابل 56 موقعًا من مواقع Mash1 المحيطة بـ 20 Mash1 والجينات المستهدفة الشائعة (متوسط ​​عدد المواقع لكل جين هو 2.8). ومع ذلك ، فإن هذا الاختلاف ليس ذا دلالة إحصائية (ص = 0.2). علاوة على ذلك ، تم العثور على مواقع ربط Ngn2 في كثير من الأحيان أمام أهداف Ngn2 مقابل Mash1 و / أو الجينات المستهدفة الشائعة (تم العثور على 82 موقعًا من مواقع Ngn2 المحيطة بأهداف Mash1 الأربعة عشر و 22 موقعًا من مواقع Ngn2 المحيطة بالأهداف الستة المشتركة مقابل 58 موقعًا تم العثور عليها حولها. الجينات المستهدفة 11 Ngn2). يشير التشابه بين Ngn2 و Mash1 والوظيفة المحتملة في تطور الجهاز العصبي المركزي إلى أنه يمكن تنظيم أهداف Mash1 بواسطة Ngn2 أيضًا ، في الدماغ أو الأنسجة الأخرى. بالإضافة إلى ذلك ، نلاحظ أن الجينات المستهدفة Mash1 لا تعادل مجموعة عشوائية من الجينات عند التحليل لإثراء مواقع Ngn2. فيما يتعلق بإثراء مواقع Ebox في جيناتنا المستهدفة المفترضة ، سمح لنا تحليل CONFAC الموضح أدناه بإظهار أن العديد من مصفوفات Ebox قد تم إثرائها بشكل كبير في التسلسل المحيط بجيناتنا المستهدفة Ngn2 و Mash1 المتوقعة عند مقارنتها بـ 250 جينًا تم اختياره عشوائيًا (ملف إضافي) 9).

لتحديد العوامل المشتركة المحتملة ، بحثنا عن جميع الفقاريات TFBS المشروحة من TRANSFAC في غضون 30 نقطة أساس في المنبع والمصب من مواقع الربط المفترضة Ngn2 أو Mash1. استند الطول البالغ 30 نقطة أساس جزئيًا إلى بحث سابق يُظهر الوحدات النشطة التي تحتوي على مواقع ربط Pou و bHLH ضمن 15 نقطة أساس من بعضها البعض [12]. قمنا بإزالة TFBSs المشروحة من TRANSFAC والتي تداخلت بشكل كبير مع مواقع Ngn2 و Mash1 المفترضة بما في ذلك مصفوفات TRANSFAC التالية: E12 ، E2A ، Heb ، Hen1 ، Hand1 ، E47 ، Ebox ، myogenin ، NeuroD ، Myod ، Areb6 ، Tal1 ، Lbp1 ، Ap4 ، E47 و lmo2com. لقد انهارنا أيضًا جميع مصفوفات TRANSFAC المماثلة التي أشارت إلى نفس عائلة عوامل النسخ (على سبيل المثال ، نطاق Pou الذي يحتوي على عوامل ونطاق SRY الذي يحتوي على عوامل) أو كانت لنفس عامل النسخ ، ولكن تم تحديدها في أنواع الفقاريات المختلفة. تم تعيين مصفوفات TRANSFAC لمعرفات جينات الماوس الحالية باتباع المرجع الأصلي للمصفوفة الموجودة في TRANSFAC من خلال الأدبيات. لتحديد العوامل المشتركة الأكثر احتمالاً لـ Ngn2 و Mash1 ، أجرينا اختبار فيشر الدقيق على الوجهين باستخدام ص & lt 0.05 لاختبار TFBSs المخصب بشكل كبير بالتسلسل المحيط بمواقع Ngn2 مقابل مواقع Mash1 أو العكس. تم تحليل التعبير الجيني من نسيج الدماغ الظهري والبطني من النوع البري للتنبؤ بأنماط التعبير الظهري أو البطني التفاضلي للعوامل المشتركة المتوقعة باستخدام قطع تغيير 1.5 مرة. تمت مقارنة هذه في وقت لاحق مع فى الموقع تحليلات موجودة في قواعد البيانات على الإنترنت (ملف إضافي 10).

تحديد المنظمين المشاركين المفترضين لأهداف Ngn2 و Mash1

تم تحميل تسلسل منطقة المروج (10000 نقطة أساس من TSS) من الماوس وأخصائيي تقويم العظام البشريين للأهداف المتوقعة Ngn2 وتوقع Mash1 و Mash1 / Ngn2 الأهداف المشتركة (فقط تلك التي تحتوي على معرفات RefSeq المرتبطة بها) تم تحميلها تلقائيًا من قاعدة بيانات UCSC عبر موقع CONFAC على الويب [ 89]. يحدد CONFAC بعد ذلك TFBSs المحفوظة من الإصدار 7.0 من قاعدة بيانات TRANSFAC في محاذاة تسلسل الإنسان والفأر [30]. كجزء من برنامج CONFAC ، تم بعد ذلك تطبيق اختبار Mann-Whitney الإحصائي لاختبار تخصيب TFBSs في قوائم الجينات المحددة. قمنا بمقارنة كل قائمة بقائمة تضم 250 جينًا تم انتقاؤها عشوائيًا من موقع CONFAC على الويب ، بالإضافة إلى مقارنة قائمة Ngn2 الخاصة بنا بقائمة الأهداف المشتركة Mash1 والعكس صحيح. قمنا بعد ذلك بتوضيح القوائم الناتجة من TRANSFAC TFBSs المخصب كما هو موضح أعلاه. لم يتم تحليل عوامل النسخ التي لم تُظهر الحد الأدنى من التعبير (& gt 4.5 متوسط ​​الكثافة) في مجموعات بيانات ميكروأري من النوع البري.

هيكل الشبكة القائم على الخوارزمية

تحدد خوارزمية TAO-Gen الشبكة المثلى لتنظيم الجينات في ضوء مجموعة بيانات محددة للتعبير الجيني [34]. باختصار ، تستخدم طريقتنا نموذجًا لوغاريتميًا خطيًا (المعادلة 1) و MCMC لتحديد الشبكة التي تفسر على أفضل وجه التباين الملحوظ في مجموعات بيانات ميكروأري. لاستكشاف شبكات أكبر ، يتم تقييد عدد الشبكات الممكنة في مساحة البحث. يتم تحقيق ذلك من خلال استخدام خوارزمية التلدين التي تجمع بين جوانب خوارزمية Metropolis المستخدمة لأخذ عينات MCMC وخوارزمية التلدين المحاكاة المستخدمة في التحسينات. الحد الأقصى لعدد الآباء لأي جين محدد هو ثلاثة ، ومع ذلك ، لم يتم استخدام عقوبة التعقيد. استنادًا إلى التقنيات القياسية في شبكات Bayesian [90] ، نقوم بتضمين جميع هياكل الشبكات ضمن أعلى 95٪ من الدرجات بناءً على أقصى احتمال ونبني شبكة مشتركة تتضمن تلك التفاعلات التي تحدث في أكثر من 50٪ من هياكل الشبكات هذه. وصف مفصل ، بالإضافة إلى تقييم كامل لهذه الطريقة من خلال دراسات المحاكاة الإحصائية سبق وصفها [34]. لقد أجرينا أيضًا مقارنات تفصيلية مع خوارزمية أخرى لشبكة بايز [35] ، والتي تم ترميزها لاحقًا لـ Matlab [36]. النتائج موصوفة بالتفصيل في ملف إضافي 1.

تم بناء هيكل مسبق بالمعلومات باستخدام العديد من مصادر البيانات المختلفة. يتم تمثيل الهيكل المسبق بالمعلومات كمصفوفة مع 0 يعني الاتصال المحظور ، ويعني 1 الاتصال المطلوب ، ويعني 0.5 عدم توفر معلومات سابقة. لقد اعتبرنا 25 اتصالًا قائمًا على الأدبيات كتوصيلات مطلوبة ، استنادًا إلى بيانات الأدبيات السابقة المتوافقة مع بيانات المصفوفات الدقيقة الحالية ، والتي تم تمييزها في الشبكة الناتجة. يُحظر على الجينات التي تُعرف وظائفها ولا تتضمن نشاط عامل النسخ المباشر أو ارتباط الحمض النووي / الحمض النووي الريبي أن تكون أبًا ، باستثناء جزيئات الإشارة Wnt7b و Dll1 ، والتي تُعرف ببدء النسخ عبر مسارات Wnt / β-catenin و Notch ، على التوالى.

يُطلب من الآباء التعبير عنهم في نفس الأنسجة مثل الأطفال (أكبر من 4.5 متوسط ​​الكثافة (قاعدة السجل 2) في مجموعات البيانات من النوع البري) لذلك ، لا يُسمح للجينات المعبر عنها ظهريًا فقط لوالد الجينات المعبر عنها بطنيًا والعكس صحيح. يتم إعطاء كل مصدر معلومات TFBS قيمة إعلامية مسبقة تبلغ 0.1 ، بحيث إذا تم العثور على TFBS في تسلسل أمام جين معين ، يتم رفع الدرجة السابقة من 0.5 إلى 0.6. تم اشتقاق بيانات TFBS من كلا تحليلي الجينوم المقارن الموصوفين أعلاه. يتم وصف النتائج التي تم الحصول عليها بالبنية السابقة وبدونها في الملف الإضافي 1.


موارد التعليم والتدريب

قدمت المؤسسات التعليمية المدرجة أدناه معلومات عن الدورات التدريبية عبر الإنترنت المتعلقة بالمعلوماتية الحيوية. لنشر دورة عبر الإنترنت تقدمها مؤسستك ، يرجى استخدام هذا النموذج.

** لفرز هذه القائمة حسب تركيز المقرر الدراسي أو عنوان الدورة التدريبية أو الجامعة / المؤسسة ، يرجى النقر فوق رأس العمود.

ركز عنوان الدورة الجامعة / المؤسسة KeyInfo الأهداف
علم الأحياء الحسابي SysMIC جامعة كلية لندن SysMIC هي دورة عبر الإنترنت في الترميز والنمذجة وتحليل البيانات للباحثين في العلوم الحيوية. & ltbr / & gt & ltbr / & gt تتضمن الوحدة الوصول إلى مجموعة شاملة من الموارد بما في ذلك الكتب المدرسية والمهام والندوات عبر الإنترنت ومسابقات الاختبار الذاتي ، مع مدرسين مخصصين للوحدات تقديم الدعم الفردي من خلال المنتديات عبر الإنترنت. & ltbr / & gt & ltbr / & gt سيصبح المشاركون واثقين في استخدام منصات Python و R و MATLAB ، وتطوير المهارات متعددة التخصصات التي ستجعلهم باحثين أكثر فعالية مع الثقة لتطوير وتطبيق التقنيات الحسابية في النمذجة والبيانات تحليل لعملهم. & ltbr / & gt & ltbr / & gt تم تصميم موادنا من قبل علماء الأحياء ، لعلماء الأحياء وتركز على التطبيقات البيولوجية ، والأساليب العملية التي تتيح للمشاركين تطوير مهارات الترميز والتحليل أثناء العمل في سياقات مألوفة. & ltbr / & gt & ltbr / & GT. تحتوي الوحدة النمطية على تنسيق مرن تمامًا. نوصي 5 ساعات من الدراسة في الأسبوع على مدى 6 أشهر ، والتي ثبت أنها تتناسب بشكل جيد مع عبء العمل المتفاوت للالتزامات البحثية ، مما يتيح للمشاركين فرصة الدراسة في الوقت والوتيرة التي تناسبهم. & ltbr / & gt & ltbr / & gt نحن دورة راسخة ومعترف بها. نرحب كل عام بأكثر من 300 مشارك من جميع أنحاء مجتمع الأبحاث في المملكة المتحدة الذين يأتون من مجموعة واسعة من الخلفيات الأكاديمية (والصناعية) ، وقد تمت الموافقة على الوحدة من قبل مخطط نقاط CPD للجمعية الملكية لعلم الأحياء. & ltbr / & gt & ltbr / & gt Module 1 يتم التسجيل مرتين سنويًا في أبريل ونوفمبر. أسعار مخفضة متاحة لطلاب الدكتوراه والحجوزات الجماعية. & ltbr / & gt & ltbr / & gt لتقديم طلب للحصول على مكان أو لمزيد من المعلومات ، يرجى الاتصال بنا على: [email protected] يوفر موقع Sysmic.ac.uk دورة تدريبية شاملة عبر الإنترنت في المهارات متعددة التخصصات التي تزداد أهمية لأحدث الأبحاث البيولوجية.
أخرى: هناك مجالان للتركيز ، أحدهما في الهندسة الجزيئية الحيوية ب. الهندسة الجزيئية الحيوية والمعلوماتية الحيوية جامعة كاليفورنيا ، سانتا كروز يحتوي البرنامج على تركيزين: أحدهما على الهندسة الجزيئية الحيوية ، و ltbr / & gt الذي يركز على عمل المعمل الرطب باستخدام المعلومات الحيوية للمستخدم النهائي وبرمجة & ltbr / & gt والآخر على المعلوماتية الحيوية ، والتي تركز على العمل الحسابي & ltbr / & gt. يتطلب كلا التركيزين كلاً من الكيمياء الحيوية والبرمجة. & ltbr / & gt & ltbr / & gt لتركيز المعلوماتية الحيوية ، نؤكد على بناء أدوات جديدة ، & ltbr / & gt أكثر من استخدام الأدوات الموجودة. نحن نستخدم النمذجة العشوائية والتعلم الآلي و ltbr / & gt على نطاق واسع. السنة الأخيرة من تركيز المعلوماتية الحيوية و ltbr / & gt تكاد تكون مماثلة للسنة الأولى من برنامجنا للدراسات العليا & ltbr / & gt. & ltbr / & gt & ltbr / & gt. والخلايا الجذعية وهندسة البروتين و ltbr / و gt واكتشاف الجينات والعديد من الموضوعات الأخرى. لمنح الطلاب خلفية واسعة جدًا لإعدادهم لتعليم الخريجين و ltbr / & gt في المعلوماتية الحيوية أو الهندسة الجزيئية الحيوية. الطلاب مستعدون جيدًا & ltbr / & gt أيضًا للوظائف في صناعة التكنولوجيا الحيوية.
المعلوماتية الحيوية مهارات بايثون للتعامل مع البيانات البيولوجية معهد أوغندا لأبحاث الفيروسات مقدمة لمفاهيم برمجة Python & amp ؛ AMPLTBR / & Ampgt & ltbr / & gt تحديات كود تحليل البيانات البيولوجية تزويد العلماء والطلاب والمتدربين في تخصصات المعلوماتية الحيوية والبيولوجيا الحاسوبية بمهارات برمجة بايثون للتعامل مع البيانات البيولوجية
المعلوماتية الحيوية التحليل الإحصائي في المعلوماتية الحيوية نظام جامعة ماريلاند يتم تدريس هذه الدورة عبر الإنترنت من خلال منصة edX. في هذه الدورة ، وهي جزء من برنامج Bioinformatics MicroMasters ، ستتعرف على لغة R والبيئة وكيفية استخدامها لإجراء تحليلات إحصائية على مجموعات البيانات البيولوجية الكبيرة. البرمجة الأساسية R. تطبيق الحزم في بيئة R لتحديد التغييرات في التعبير الجيني. تطبيق حزم في بيئة R لتحديد موقع الجينات في تسلسل جينومي كامل.
المعلوماتية الحيوية البروتينات: المحاذاة والتحليل والبنية نظام جامعة ماريلاند يتم تقديم هذه الدورة التدريبية عبر الإنترنت عبر منصة edX. في هذه الدورة ، وهي جزء من برنامج Bioinformatics MicroMasters ، ستتعرف على بنية البروتين وتأثيرها على الوظيفة ، وتتدرب على محاذاة تسلسل البروتين لاكتشاف الاختلافات ، وإنشاء هياكل نموذجية للبروتينات باستخدام الأساليب القائمة على الويب والبرامج. تحليل البيانات البيولوجية الكبيرة. كيفية محاذاة تسلسل البروتين لاكتشاف الاختلافات وتحديد البنية. إنشاء هياكل نموذجية لبروتينات غير معروفة
المعلوماتية الحيوية تسلسل الحمض النووي: المحاذاة والتحليل نظام جامعة ماريلاند يتم تقديم هذه الدورة التدريبية عبر الإنترنت عبر منصة edX. سوف تتعلم عن النظرية والخوارزميات الكامنة وراء محاذاة الحمض النووي ، وتتدرب على إجراء المحاذاة يدويًا ، ثم تقوم بإجراء محاذاة أكثر تعقيدًا باستخدام أساليب الويب والبرامج القائمة. تجميع وتحليل البيانات البيولوجية الضخمة. النظرية الكامنة وراء خوارزميات المحاذاة وكيفية عملها. افحص الأدوار التي تلعبها الطفرات في العمليات الخلوية
الرياضيات / الإحصاء تحليل البيانات لسلسلة علوم الحياة هارفارد إكس مقدمة في المفاهيم الإحصائية الأساسية ومهارات البرمجة R اللازمة لتحليل البيانات في علوم الحياة. سوف نتعلم أساسيات الاستدلال الإحصائي من أجل فهم وحساب قيم p وفواصل الثقة. سنقدم أمثلة عن طريق البرمجة في R بطريقة تساعد في الربط بين المفاهيم والتنفيذ. سيتم استخدام مجموعات المشكلات التي تتطلب برمجة R لاختبار الفهم والقدرة على تنفيذ تحليلات البيانات الأساسية. سنستخدم تقنيات التصور لاستكشاف مجموعات بيانات جديدة وتحديد النهج الأنسب. سنصف التقنيات الإحصائية القوية كبديل عندما لا تتناسب البيانات مع الافتراضات التي تتطلبها الأساليب القياسية. سنقدم أيضًا أساسيات استخدام البرامج النصية R لإجراء بحث قابل للتكرار. تم دعم هذه الفئة جزئيًا من خلال منح المعاهد الوطنية للصحة R25GM114818. الموضوعات: التوزيعات الاستدلال على تحليل البيانات الاستكشافية الإحصاءات غير المعيارية تشكل هذه الدورات 2 XSeries وهي ذاتية السرعة: PH525.1x: الإحصاء و R لعلوم الحياة PH525.2x: مقدمة إلى النماذج الخطية وجبر المصفوفة PH525.3x: الإحصاء الاستدلال والنمذجة للتجارب عالية الإنتاجية PH525.4x: تحليل البيانات عالية الأبعاد PH525.5x: مقدمة في الموصل الحيوي: شرح وتحليل الجينومات والمقايسات الجينومية PH525.6x: الحوسبة عالية الأداء لعلم الجينوم القابل للتكاثر PH525.7x: دراسات الحالة في الجينوميات الوظيفية
المعلوماتية الحيوية دورات ArrayGen Technologies عبر الإنترنت / دون الاتصال بالإنترنت تقنيات ArrayGen يقدم ArrayGen الدورات التدريبية التالية في علم الجينوم والمعلوماتية الحيوية مع التركيز على تحسين التطبيقات العملية للمشاركين ، باستخدام المعرفة النظرية المناسبة: المعلوماتية الحيوية (فهم علم الجينوم) تحليل بيانات المصفوفة الدقيقة تسلسل الجيل التالي (NGS) جينوم De novo وتجميع النسخ Chip-Seq Data التحليل RNA-Seq Data Analysis miRNA Data Analysis Metagenomic Data Analysis MethylSeq (DNA Methylation) Data Analysis Genome Variant Data Analysis الأهداف لخلق وعي فيما يتعلق بالأدوات والتقنيات الأساسية المستخدمة في المعلوماتية الحيوية على المستوى الصناعي لتوفير التدريب العملي الكامل على الأدوات والتقنيات الأساسية لإلهام وتحفيز جميع علوم الحياة لتطبيق هذه التقنيات في برامجهم البحثية
المعلوماتية الحيوية علم الأحياء يلتقي بالبرمجة: المعلوماتية الحيوية للمبتدئين جامعة كاليفورنيا ، سان دييغو هل أنت مهتم بتعلم كيفية البرمجة (في بايثون) ضمن بيئة علمية؟ ستغطي هذه الدورة الخوارزميات لحل المشكلات البيولوجية المختلفة جنبًا إلى جنب مع عدد قليل من تحديات البرمجة التي تساعدك على تنفيذ هذه الخوارزميات في بايثون. إنه يقدم بديلاً أسهل وتيرة للدورة الأولى في تخصص المعلومات الحيوية لدينا (https://www.coursera.org/specializations/bioinformatics). سيتألف كل أسبوع من الأسابيع الأربعة في الدورة من عنصرين مطلوبين. أولاً ، يقدم الكتاب المدرسي التفاعلي تحديات برمجة بايثون التي تنشأ من مشاكل بيولوجية حقيقية. إذا لم تكن قد برمجت في Python من قبل ، فلا داعي للقلق! نحن نقدم تمارين "Just-in-Time" من مسار Codecademy Python (https://www.codecademy.com/learn/python). ولكل صفحة في كتابنا التفاعلي منتدى مناقشة خاص بها ، حيث يمكنك التفاعل مع المتعلمين الآخرين. ثانيًا ، سيتوج كل أسبوع باختبار موجز. يتم أيضًا توفير مقاطع فيديو المحاضرات المصاحبة للمادة.
المعلوماتية الحيوية تخصص المعلوماتية الحيوية على كورسيرا جامعة كاليفورنيا سان دييغو كيف نتسلسل الجينوم ونقارنه؟ كيف نحدد الأساس الجيني للمرض؟ عندما تكمل هذا التخصص ، ستتعلم كيفية الإجابة على العديد من الأسئلة مثل هذه في علم الأحياء الحديث. في هذه العملية ، ستتعرف على الخوارزميات وأدوات البرمجيات التي يطبقها الآلاف من علماء الأحياء في العمل كل يوم في أحد أسرع المجالات نموًا في العلوم. الرفيق المطبوع لتخصص المعلوماتية الحيوية ، خوارزميات المعلوماتية الحيوية: نهج التعلم النشط ، متاح من موقع الكتب المدرسية (http://bioinformaticsalgorithms.com) ، والذي يحتوي على مواد تعليمية إضافية ، بما في ذلك مقاطع فيديو المحاضرات والشرائح.
المعلوماتية الحيوية خوارزميات لتسلسل الحمض النووي جامعة جونز هوبكنز يتم تقديم هذه الدورة التدريبية عبر الإنترنت على منصة Coursera MOOC. وهو يتألف من: (أ) حوالي ساعة واحدة من المحاضرات في الأسبوع من قبل البروفيسور لانجميد ، (ب) حوالي ساعة واحدة من المحاضرات العملية في الأسبوع للبروفيسور لانجميد وجاكوب بريت ، (ج) واجب منزلي واحد متعدد الاختيارات لكل وحدة ، ( د) واجب منزلي واحد قائم على البرمجة لكل وحدة و (هـ) بعض المحاضرات الاختيارية التي تغطي مجموعة أوسع من أفكار البحث. أصبح تسلسل الحمض النووي الآن أداة منتشرة في كل مكان في علوم الحياة. يمكنك ملاحظة هذا الاتجاه بمجرد قراءة الأخبار. يبحث هذا المقرر الدراسي في المشكلات الحسابية التي تأتي مع هجمة بيانات تسلسل الحمض النووي. كيف نأخذ مجموعة ضخمة من "قطع ألغاز" الحمض النووي ونجمعها في جينوم؟ كيف نجعل العثور على "إبرة" DNA في "كومة قش" جينية هائلة أمرًا سريعًا وسهلاً؟ سنقضي الجزء الأكبر من الدورة في فهم الخوارزميات وهياكل البيانات التي تكمن وراء أدوات البرمجيات لتحليل بيانات التسلسل. تعد الدورة أيضًا فرصة لممارسة مهارات البرمجة واكتساب التعرف على الخوارزميات الأساسية وهياكل البيانات.
الرياضيات / الإحصاء الشبكات والأنظمة جامعة شرق ولاية تينيسي الدورة مخصصة لأولئك الحاصلين على درجات علمية في الرياضيات وعلم الأحياء وعلوم الكمبيوتر والإحصاء والمجالات العلمية الأخرى ذات الصلة المهتمين بنمذجة التعقيد البيولوجي. إنه جزء من شهادة 5 دورات يتم تقديمها عبر الإنترنت بالكامل. تشمل الموضوعات الشبكات المعقدة والمركزية والقياسات العالمية والنماذج العشوائية والتطبيقات في بيولوجيا الأنظمة. سيغطي النصف الأول من الدورة الصياغة الرياضية للشبكات بينما سيخصص النصف الثاني للتطبيقات بما في ذلك دراسة شبكات البيولوجيا الجزيئية.
المعلوماتية الحيوية تحليل التسلسل المتقدم جامعة مانشستر تعد دورة المعلوماتية الحيوية المتقدمة هذه مناسبة لأولئك الحاصلين على الدرجة الأولى في العلوم البيولوجية أو في علوم الكمبيوتر. يغطي أحدث الطرق لتحليل التسلسل البيولوجي. يمكن اعتبارها دورة قصيرة فردية ، للتطوير المهني ، ويمكن دمجها مع واحدة من أكثر من وحدات من موضوعنا في بيولوجيا الأنظمة الحاسوبية: - المعلوماتية الحيوية لبيولوجيا الأنظمة الرياضيات للنمذجة الأيضية. يمكن للطالب الذي أكمل أربع وحدات بنجاح التخرج بشهادة دراسات عليا. سيُطلب من الأشخاص الذين يرغبون في إكمال درجة الماجستير إكمال ست وحدات ومشروع بحثي بنجاح. تقدم الدورة مقدمة للبيانات والأساليب الخاصة بالمشاريع التي تتطلب تحليل بيانات تسلسل الجيل التالي. سيغطي: الجينات والجينوم وتقنيات تسلسل الجينوم للتسلسل عالي الإنتاجية فهم تعيين البيانات إلى تسلسل الجينوم RNA-seq: القياس الكمي والتعبير التفاضلي ChIP-seq. للعمل العملي ، سيكون لدى الطلاب حسابات على خادم Galaxy الخاص بنا.
الرياضيات / الإحصاء الرياضيات للنمذجة الأيضية جامعة مانشستر يتم تقديم الدورة باستخدام بيئة تعليمية افتراضية تسمى Moodle. يتيح لك ذلك التنقل والبحث من خلال ملاحظات الدورة التدريبية والبروتوكولات والتطبيقات العملية والمراجع إلى النصوص وعناوين URL المفيدة. توفر ملاحظات الدورة التدريبية معلومات أساسية ، مثل صفحات الويب. ثم يتم التركيز في التدريس والتعلم على التدريبات الفردية والجماعية التي يدعمها المعلم. يهدف هذا المقرر الدراسي إلى التأكد من أن الطالب الناجح لديه فهم للمفاهيم والتقنيات الرياضية الأساسية المستخدمة في النمذجة الرياضية للأنظمة البيولوجية قادرة على التعبير بمصطلحات رياضية عن تمثيلات بسيطة للنظام البيولوجي ، والتلاعب وتطوير التقريبات المبسطة لتلك التمثيلات بالترتيب لاكتساب نظرة ثاقبة على سلوك النموذج الرياضي ، وبالتالي فإن النظام البيولوجي الحقيقي لديه فهم أساسي لكيفية استدلال المعلمات داخل النموذج الرياضي أو تركيبها على البيانات التجريبية ، والقضايا الأساسية ومخاطر ملاءمة النموذج. وهي مصممة لإعداد المشاركين لدورة النمذجة الأساسية في "المحاكاة الحاسوبية وتحليل الشبكات البيوكيميائية".
علم الأحياء الحسابي المعلوماتية الحيوية لبيولوجيا النظم جامعة مانشستر يتم تقديم الدورة باستخدام بيئة تعليمية افتراضية تسمى Moodle. يتيح لك ذلك التنقل والبحث من خلال ملاحظات الدورة التدريبية والبروتوكولات والتطبيقات العملية والمراجع إلى النصوص وعناوين URL المفيدة. توفر ملاحظات الدورة التدريبية معلومات أساسية ، مثل صفحات الويب. ثم يتم التركيز في التدريس والتعلم على التدريبات الفردية والجماعية التي يدعمها المعلم. في هذه الدورة ، يناقش المشاركون مشكلة البرنامج التعليمي لكل قسم من أقسام الدورة ، ثم يقدمون الحلول للتغذية الراجعة من مدرس الدورة تم تصميم هذه الدورة كمقدمة لنمذجة بيولوجيا الأنظمة. وهي تغطي مجموعة من الأنواع المختلفة من البيانات المتاحة الآن لبناء النموذج. الأقسام هي: * استخدام النماذج في علم الأحياء * المسار العام وقواعد بيانات التفاعل * إعادة بناء الشبكات البيولوجية من البيانات التجريبية * إحصائيات الشبكة * تحليل وتفسير البيانات التجريبية في سياق الشبكات البيولوجية * مواضيع متقدمة (اختياري). يمكن أن تؤخذ الدورة على أنها دورة فردية قصيرة ، للتطوير المهني ، أو يمكن الاعتماد على الاعتمادات في أحد برامج الماجستير لدينا.
المعلوماتية الحيوية المعلوماتية الحيوية لعلم النسخ جامعة مانشستر يتم تقديم الدورة باستخدام بيئة تعليمية افتراضية تسمى Moodle. يتيح لك ذلك التنقل والبحث من خلال ملاحظات الدورة التدريبية والبروتوكولات والتطبيقات العملية والمراجع إلى النصوص وعناوين URL المفيدة. توفر ملاحظات الدورة التدريبية معلومات أساسية ، مثل صفحات الويب. ثم يتم التركيز في التدريس والتعلم على التدريبات الفردية والجماعية التي يدعمها المعلم. في هذه الدورة ، يناقش المشاركون مشكلة البرنامج التعليمي لكل قسم من أقسام الدورة ، ثم يقدمون الحلول للتغذية الراجعة من مدرس الدورة. تجلب الأساليب الجديدة لعلم النسخ تحديات جديدة في المعلوماتية الحيوية. تغطي هذه الدورة تحليل بيانات المصفوفات الدقيقة في العمق ، وتقدم أيضًا المجالات التي تتطلب عملًا جديدًا لتحليل تسلسل الجيل التالي (RNA-seq). الأقسام هي: * المصفوفات الدقيقة والتصميم التجريبي * التقاط البيانات والفحوصات الأولية * تحليل بيانات المصفوفة الدقيقة * طرق أخرى لالتقاط بيانات النسخ * اختبارات فئة الجينات يمكن أن تؤخذ الدورة كدورة تدريبية فردية قصيرة ، للتطوير المهني ، أو يمكن حساب الاعتمادات نحو أحد برامج الماجستير لدينا.

الجمعية الدولية لعلم الأحياء الحسابي
525-K East Market Street، RM 330
ليسبورغ ، فيرجينيا ، الولايات المتحدة الأمريكية 20176


الأدوات والموارد "المرتبطة"

يتمثل أحد التحديات العامة عند استخدام الأساليب المقارنة لدراسة BGCs في اختلاف جودة التعليقات التوضيحية في قواعد بيانات التسلسل العامة. بعض BGCs التي تمت دراستها على نطاق واسع تجريبيًا مشروحة جيدًا ، في حين أن البعض الآخر - تم تحديده في الغالب في جهود التسلسل عالية الإنتاجية - تم شرحه فقط باستخدام خطوط أنابيب شرح الجينوم القياسي التي لا تقدم تعليقات توضيحية محددة لـ BGCs المستقلب الثانوي. لذلك ، تم إنشاء جهد مجتمعي لتحديد معيار "MIBiG" [17] وتوفير مستودع معياري لـ BGCs التي تم ربطها تجريبيًا بمنتجاتها الاصطناعية. يحتوي مستودع MIBiG حاليًا (اعتبارًا من أبريل 2017) على 1396 إدخالًا من BGCs التي تم التحقق من صحتها لتشفير مسار تخليق حيوي محدد. ضمن هذه المجموعة ، تحتوي 396 من الإدخالات على تعليقات توضيحية شاملة منظمة يدويًا للسمات المحددة لمجموعات الجينات ، والتي تم توفيرها من قبل المتخصصين الذين درسوا هذه BGCs ذات الصلة. تعمل هذه المجموعة الآن كمجموعة بيانات مرجعية لمجموعة متنوعة من التطبيقات والتحقق من صحة الأدوات الحسابية الجديدة.

بالإضافة إلى التحليلات المدمجة في antiSMASH ، يمكن أن تكون التعليقات التوضيحية التي تم إنشاؤها بواسطة antiSMASH مفيدة أيضًا كنقطة انطلاق لمزيد من التحليلات النهائية. لذلك ، يوفر antiSMASH 4 واجهة برمجة تطبيق تسمح لبرنامج الطرف الثالث بالوصول إلى التعليقات التوضيحية لـ antiSMASH لمزيد من المعالجة. ومن الأمثلة على هذه الأدوات "فن الباحث عن الهدف المضاد للمضادات الحيوية" [8] ، والذي يتنبأ بالأهداف المحتملة للمضادات الحيوية ويستخدم التعليق التوضيحي المقدم من antiSMASH للتعدين من أجل BGCs و CRISpy-web [11] ، وهي أداة ويب تتيح سهولة الاستخدام تصميم الحمض النووي الريبي الفردي (sgRNAs) لتطبيقات CRISPR على الكائنات الحية غير النموذجية.

تعد antiSMASH منصة شاملة لتعدين الجينوم ، ولكنها توفر فقط معلومات عن الجينوم المقدم بشكل فردي ولا تقدم أي وظائف بحث متكاملة. لذلك ، في عام 2016 ، تم توسيع النظام الأساسي antiSMASH بقاعدة بيانات تحتوي على شرح توضيحي مضاد مسبقًا لـ antiSMASH على & gt3900 أنهى تسلسل الجينوم البكتيري عالي الجودة [7]. باستخدام واجهة الويب ، من الممكن تصفح مجموعات المستقلبات الثانوية حسب نوع BGC أو تصنيف الكائن الحي المنتج. بالإضافة إلى ذلك ، يمكن إنشاء استعلامات مخصصة باستخدام منشئ استعلام تفاعلي. هذا يجعل من الممكن الإجابة على أسئلة البحث مثل "أي مجموعات من نوع NRPS تحتوي على نطاقات A التي تختار الأحماض الأمينية غير البروتينية 3 ، 5-ثنائي هيدروكسي-فينيل جليسين؟" أو "ما BGCs من النوع RiPP الموجودة في الجنس ستربتوميسيس التي ليست lanthipeptides؟ يتم عرض النتائج بنفس تنسيق الويب antiSMASH. يمكن أيضًا تصديرها في تنسيقات ملفات مختلفة تسمح بمزيد من المعالجة في أدوات المعلوماتية الحيوية الأخرى.


كيف كانت الجينات موجودة قبل تطوير المعلوماتية الحيوية؟ - مادة الاحياء

المعلومات الأولية لجين p53

تم تحديد p53 في عام 1979 من قبل أرنولد ليفين وديفيد لين وويليام أولد ، الذين يعملون في جامعة برينستون ، وجامعة دندي (المملكة المتحدة) ومستشفى سلون كيترينج التذكاري ، على التوالي. تم افتراض وجوده من قبل كهدف لفيروس SV40 ، وهو سلالة أدت إلى تطور الأورام ، وعلى الرغم من أنه كان يُفترض في البداية أنه أحد مورثات الأورام ، إلا أنه تم الكشف عن شخصيته كجينة مثبطة للورم في عام 1989 ، وفي عام 1993 ، تم الكشف عن بروتين p53 تم التصويت على جزيء العام من قبل مجلة العلوم

البروتين p53 هو بروتين فسفوري مكون من 393 حمض أميني. يتكون من أربع وحدات (أو مجالات):

مجال ينشط عوامل النسخ.

مجال يتعرف على تسلسلات DNA محددة (المجال الأساسي).

مجال مسؤول عن تحويل البروتين إلى شكل رباعي.

مجال يتعرف على الحمض النووي التالف ، مثل أزواج القواعد المنحرفة أو الحمض النووي أحادي الجديلة.


النوع البري p53 هو بروتين متقلب ، يتكون من مناطق مطوية وغير منظمة تعمل في تآزر

بطريقة (بيل وآخرون ، 2002). بروتين p53 تم التصويت عليه كأفضل جزيء في العام.

يلعب دورًا مهمًا في التحكم في دورة الخلية والاستماتة. يمكن أن يسمح البروتين p53 المعيب للخلايا غير الطبيعية بالتكاثر ، مما يؤدي إلى الإصابة بالسرطان. ما يصل إلى 50 ٪ من جميع الأورام البشرية تحتوي على طفرات p53.

في الخلايا الطبيعية ، يكون مستوى البروتين p53 منخفضًا. قد يؤدي تلف الحمض النووي وإشارات الإجهاد الأخرى إلى زيادة بروتينات p53 ، والتي لها ثلاث وظائف رئيسية: توقف النمو, إصلاح الحمض النووي و موت الخلايا المبرمج (موت الخلية). توقف النمو عن تقدم دورة الخلية ، مما يمنع تكرار الحمض النووي التالف. أثناء توقف النمو ، قد ينشط p53 نسخ البروتينات المشاركة في إصلاح الحمض النووي. موت الخلايا المبرمج هو "الملاذ الأخير" لتجنب تكاثر الخلايا التي تحتوي على دنا غير طبيعي.

يجب تنظيم التركيز الخلوي لـ p53 بإحكام. في حين أنه يمكن أن يقمع الأورام ، إلا أن المستوى العالي من البروتين p53 قد يسرع من عملية الشيخوخة عن طريق الاستماتة المفرطة. المنظم الرئيسي لـ p53 هو ام دي ام 2، والتي يمكن أن تؤدي إلى تدهور البروتين p53 بواسطة نظام يوبيكويتين.

p53 هو منشط نسخي ، ينظم التعبير عن ام دي ام 2 (لتنظيمه الخاص) والجينات المشاركة في توقف النمو وإصلاح الحمض النووي وموت الخلايا المبرمج. بعض الأمثلة الهامة مذكورة أدناه.

    1. توقف النمو: ص 21 ، جد 45 ، و14-3-3 ق.
    2. إصلاح الحمض النووي: p53R2.
    3. موت الخلايا المبرمج: Bax و Apaf-1 و PUMA و NoxA.

    كما ذكر أعلاه ، يتم تنظيم p53 بشكل أساسي بواسطة Mdm2. آلية التنظيم موضحة في الشكل التالي.

    الشكل 1.0. لائحة ص 53.

    (أ) يتم تنشيط التعبير عن Mdm2 بواسطة p53.

    (ب) يمكن أن يؤدي ربط p53 بواسطة Mdm2 إلى تدهور p53 عبر نظام يوبيكويتين.

    (ج) فسفرة p53 في Ser15 أو Thr18 أو Ser20 سيعطل ارتباطه بـ Mdm2. في الخلايا الطبيعية ، لا تتم فسفرة هذه البقايا الثلاثة ، ويتم الحفاظ على p53 عند مستوى منخفض بواسطة Mdm2.

    أدوار p53 في توقف النمو وموت الخلايا المبرمج موضحة في الشكل 4-H-6. يشارك p53 أيضًا بشكل مباشر في إصلاح الحمض النووي. أحد الجين المستهدف النسخي ، p53R2 ، يشفر اختزال الريبونوكليوتيد ، وهو أمر مهم لكل من تكرار الحمض النووي وإصلاحه. يتفاعل p53 أيضًا بشكل مباشر مع نوكلياز AP ​​وبوليميراز الحمض النووي اللذين يشاركان في إصلاح استئصال القاعدة.

    الشكل 2.0. أدوار p53 في توقف النمو وموت الخلايا المبرمج.

    (أ) يتطلب تقدم دورة الخلية إلى المرحلة S إنزيم Cdk2 ، والذي يمكن تثبيطه بواسطة p21. يتطلب التقدم في المرحلة M وجود Cdc2 والذي يمكن تثبيطه بواسطة p21 أو GADD45 أو 14-3-3 s. ينظم p53 التعبير عن هذه البروتينات المثبطة للحث على توقف النمو.

    (ب) يمكن أن يحدث موت الخلايا المبرمج عن طريق ربط Caspase 9 بالسيتوكروم c و Apaf1. قد ينشط p53 تعبير Apaf1 و Bax. يمكن لهذا الأخير بعد ذلك تحفيز إطلاق السيتوكروم ج من الميتوكوندريا (انظر الميتوكوندريا ، موت الخلايا المبرمج والشيخوخة).

    في حالة تلف الجين p53 ، يتم تقليل كبت الورم بشدة. من المرجح أن يصاب الأشخاص الذين يرثون نسخة وظيفية واحدة من p53 بالأورام في بداية مرحلة البلوغ ، وهو مرض يُعرف باسم متلازمة Li-Fraumeni. يمكن أيضًا أن يتلف البروتين p53 في الخلايا عن طريق المطفرات (المواد الكيميائية أو الإشعاع أو الفيروسات) ، مما يزيد من احتمالية أن تبدأ الخلية في الانقسام غير المنضبط. تحتوي أكثر من 50 بالمائة من الأورام البشرية على طفرة أو حذف للجين p53.

    في الصحة ، يتم إنتاج p53 وتدهوره باستمرار في الخلية. يرتبط تدهور p53 ، كما ذكرنا ، بربط MDM-2. في حلقة التغذية الراجعة السلبية ، يتم تحفيز MDM-2 نفسه بواسطة p53. ومع ذلك ، فإن p53s المتحولة غالبًا لا تحفز MDM-2 ، وبالتالي فهي قادرة على التراكم بتركيزات عالية جدًا. والأسوأ من ذلك ، أن البروتين p53 الطافر نفسه يمكن أن يثبط p53 الطبيعي (Blagosklonny ، 2002).

    7. الاستخدام العلاجي المحتمل

    تبين أن إدخال p53 في المختبر إلى الخلايا التي تعاني من نقص p53 يتسبب في موت الخلايا السرطانية بسرعة أو منع المزيد من الانقسام. إن هذه التأثيرات الحادة هي التي تستند عليها الآمال علاجياً (McCormick F ، 2001). الأساس المنطقي لتطوير علاجات تستهدف p53 هو أن "الطريقة الأكثر فاعلية لتدمير الشبكة هي مهاجمة العقد الأكثر ارتباطًا بها". P53 متصل جيدًا للغاية (في مصطلحات الشبكة هو محور) ويؤدي التخلص منه إلى شل الأداء الطبيعي للخلية. يمكن ملاحظة ذلك حيث أن 50٪ من السرطانات بها طفرات نقطية مغلوطة في الجين p53 ، وهذه الطفرات تضعف آثار تحفيز الجين المضاد للسرطان. ستكون استعادة وظيفتها خطوة رئيسية في علاج العديد من السرطانات (Vogelstein et al 2000).

    تم اقتراح استراتيجيات مختلفة لاستعادة وظيفة p53 في الخلايا السرطانية (Blagosklonny، 2002). وقد وجد عدد من المجموعات جزيئات يبدو أنها تستعيد نشاط مثبط الورم المناسب لـ p53 في المختبر. تعمل هذه عن طريق تغيير شكل التشكل الطافر لـ p53 إلى شكل نشط. حتى الآن ، لم تظهر أي جزيئات أنها تحفز الاستجابات البيولوجية ، ولكن قد يكون بعضها مركبات الرصاص لعوامل أكثر نشاطًا بيولوجيًا. الهدف الواعد للأدوية المضادة للسرطان هو الموصوف الجزيئي Hsp90 ، الذي يتفاعل مع p53 في الجسم الحي.

    تعتمد الفيروسات الغدية على خلاياها المضيفة للتكاثر ، وتقوم بذلك عن طريق إفراز البروتينات التي تجبر المضيف على تكرار الحمض النووي الفيروسي. تورطت الفيروسات الغدية في الأمراض المسببة للسرطان ، ولكن في تطور أنها الآن فيروسات معدلة تستخدم في علاج السرطان. ONYX-015 (dl1520 ، CI-1042) هو فيروس غدي معدل يتكاثر بشكل انتقائي في الخلايا السرطانية التي تعاني من نقص p53 ولكن ليس الخلايا الطبيعية (Bischoff ، 1996). تم تعديله من فيروس يعبر عن بروتين المنطقة المبكرة ، E1B ، الذي يرتبط بـ p53 ويعطل نشاطه. قمع P53 ضروري لتكرار الفيروس. في النسخة المعدلة من الفيروس تم حذف E1B. كان من المأمول أن تقوم الفيروسات باختيار الخلايا السرطانية ، وتتكاثر وتنتشر إلى الأنسجة الخبيثة المحيطة الأخرى وبالتالي زيادة التوزيع والفعالية. يتم تحليل الخلايا التي يتكاثر فيها الفيروس الغدي وبالتالي يموت الورم.

    كانت التجارب قبل السريرية باستخدام فيروس ONYX-015 على الفئران واعدة ، لكن التجارب السريرية كانت أقل من ذلك. لم تظهر أي استجابات موضوعية إلا عند استخدام الفيروس مع العلاج الكيميائي (McCormick ، ​​2001). قد يكون هذا بسبب اكتشاف أن E1B له وظائف أخرى حيوية للفيروس. بالإضافة إلى ذلك ، فقد تم تقويض خصوصيته من خلال النتائج التي تظهر أن الفيروس قادر على التكاثر في بعض الخلايا ذات النوع البري p53. قد يكون فشل الفيروس في إنتاج فوائد سريرية في جزء كبير منه بسبب الأنسجة الليفية الواسعة التي تعيق انتشار الفيروس حول الورم (McCormick ، ​​2001).

      بيتس إس ، فيليبس إيه سي ، كلارك بي إيه ، ستوت إف ، بيترز جي ، لودفيج آر إل ، فوسدن كيه إتش. (1998) p14ARF يربط بين مثبطات الورم RB و p53. Nature 395: 124-125

    بيل إس ، كلاين سي ، مولر إل ، هانسن إس ، بوخنر ج. (2002). يحتوي p53 على مناطق كبيرة غير منظمة في حالتها الأصلية. جيه مول بيول ، 322: 917-927

    بيشوف جونيور ، كيرن د إتش ، ويليامز أ ، هيس سي ، هورن إس ، منى إم ، نج إل ، ناي جا ، سامبسون-جوهانس أ ، فاتاي أ ، ماكورميك ف. (1996). متحولة فيروسات غدية تتكاثر بشكل انتقائي في خلايا الورم البشرية التي تعاني من نقص البروتين p53. Science، 274: 373-376

    بلاغوسكلوني ، إم في. (2002). P53: هدف واسع الانتشار للأدوية المضادة للسرطان. المجلة الدولية للسرطان ، 98: 161-166

    ماكورميك ف. (2001). العلاج الجيني للسرطان: هامشي أم متطور؟ نات ريف كانسر ، 1: 130-141

    Strachan T ، اقرأ AP. (1999). علم الوراثة الجزيئية البشرية 2. الفصل. 18 ، علم وراثة السرطان

    فوغلشتاين ب ، لين د ، ليفين أ. (2000). تصفح شبكة p53. الطبيعة ، 408: 307-310


    شاهد الفيديو: المعلوماتية الحيوية: كيفية عمل توازى بين تتابعين من الـ DNA أو البروتين (كانون الثاني 2022).