基于整合組學(xué)策略的人類基因組功能元件的識(shí)別與注釋.pdf

1、隨著2003年人類基因組計(jì)劃的完成，我們獲得了人類基因組序列這本天書，但依然有許多問題沒有解決。一個(gè)重要的科學(xué)問題困擾著大家:機(jī)體中復(fù)雜的調(diào)控網(wǎng)絡(luò)是如何編碼在一維的基因組上的？識(shí)別基因組上所有的功能元件是理解轉(zhuǎn)錄調(diào)控背后的分子機(jī)制的必要前提，因而解決這個(gè)問題的關(guān)鍵是精確識(shí)別與注釋人類基因組上的重要功能元件。然而傳統(tǒng)的實(shí)驗(yàn)手段如識(shí)別特殊的轉(zhuǎn)錄因子結(jié)合位置（ChIP，染色質(zhì)免疫沉淀）在大量功能元件的識(shí)別與注釋上有諸多限制，如僅適用于與已知的

2、反式作用因子、依賴于分離相應(yīng)轉(zhuǎn)錄因子的高質(zhì)量ChIP級(jí)的抗體、價(jià)格昂貴等。
　　近幾年國際上開展的大型科學(xué)計(jì)劃，包括ENCODE計(jì)劃、modENCODE計(jì)劃、表觀路線圖計(jì)劃等，提供了近700T功能元件識(shí)別與注釋相關(guān)的各組學(xué)公共數(shù)據(jù);加上新一代測序的蓬勃發(fā)展，結(jié)合生物信息學(xué)分析技術(shù)的進(jìn)步，為全面解析人類基因組中的功能元件提供了可能?；谶@些大數(shù)據(jù)資源，作者展開了人類基因組功能元件的識(shí)別和注釋研究。
　　首先，研究從單個(gè)有代表性

3、的功能元件入手。染色質(zhì)上的隔離子是調(diào)控基因表達(dá)水平的DNA功能元件，他有兩種方式來行使功能:一種是通過維持異染色質(zhì)邊界來阻止基因沉默，另一種是阻止增強(qiáng)子和啟動(dòng)子的作用關(guān)系來阻止基因轉(zhuǎn)錄的激活。CCCTC結(jié)合因子(CTCF)是一個(gè)廣泛表達(dá)的11-鋅指DNA結(jié)合蛋白，是脊椎動(dòng)物中唯一的一個(gè)與隔離子相關(guān)的蛋白。雖然CTCF與眾多調(diào)控功能相關(guān)，但他只在人類基因組少量細(xì)胞系中被研究，因此，并不確定所識(shí)別的細(xì)胞特異性差異的CTCF結(jié)合位點(diǎn)是否在功能

4、上有顯著差異。我們識(shí)別了ENCODE計(jì)劃產(chǎn)生的人類基因組38個(gè)細(xì)胞系的CTCF結(jié)合位點(diǎn)，并將他們分為細(xì)胞特異的結(jié)合位點(diǎn)和普遍存在的結(jié)合位點(diǎn)。這些細(xì)胞特異的和普遍存在的CTCF結(jié)合位點(diǎn)展示了獨(dú)特的多樣轉(zhuǎn)錄功能和獨(dú)具特色的染色質(zhì)特征。另外，我們確認(rèn)了CTCF行使著隔離子的功能，并且首次發(fā)現(xiàn)CTCF參與DNA的復(fù)制過程。這些結(jié)果表明我們對CTCF全面系統(tǒng)的理解邁出了重要的一步。
　　接下來，從整體上研究基因組上的開放區(qū)域DHSs。DHS

5、s是基因組上功能元件的候選區(qū)域，全基因組DHSs圖譜為轉(zhuǎn)錄調(diào)控區(qū)域的研究提供了重要線索。我們系統(tǒng)識(shí)別和注釋了人類基因組29個(gè)不同細(xì)胞系中的DHSs，試圖找到DHSs與組蛋白修飾、基因表達(dá)之間的關(guān)系。通過研究，我們發(fā)現(xiàn)了不同細(xì)胞系中DHSs、基因表達(dá)、活性和抑制組蛋白修飾數(shù)量之間的特殊關(guān)聯(lián)。這些關(guān)聯(lián)揭示了染色質(zhì)域四個(gè)截然不同的結(jié)構(gòu)狀態(tài):抑制態(tài)(repressive)、活性態(tài)(active)、原始態(tài)(primed)、二價(jià)態(tài)(bivalent

6、)，不同的狀態(tài)對應(yīng)不一樣的功能。更進(jìn)一步，通過這些數(shù)據(jù)的整合分析，我們找到了CCCTC-結(jié)合因子CTCF。我們的研究結(jié)果揭示了包括DNA酶Ⅰ超敏位點(diǎn)和組蛋白修飾的復(fù)雜調(diào)控過程，并且表明這些動(dòng)態(tài)元素可能負(fù)責(zé)維持染色體的結(jié)構(gòu)和染色體的完整性。同時(shí)，在該研究中，我們基于不同技術(shù)平臺(tái)的多組學(xué)大數(shù)據(jù)，運(yùn)用整合組學(xué)方法，提出了對轉(zhuǎn)錄調(diào)控機(jī)理更有意義的見解，這是是多平臺(tái)多組學(xué)大數(shù)據(jù)整合的一個(gè)值得參考的實(shí)例。
　　第三，擴(kuò)展到大量功能元件的識(shí)別。

7、要準(zhǔn)確識(shí)別大量功能元件、獲取眾多轉(zhuǎn)錄因子結(jié)合位點(diǎn)信息十分困難，傳統(tǒng)的實(shí)驗(yàn)手段幾乎不可能完成所有轉(zhuǎn)錄因子結(jié)合位點(diǎn)的定位。幸運(yùn)的是，轉(zhuǎn)錄因子在基因組上的結(jié)合位點(diǎn)具有一定的特異性，可以根據(jù)這一特異性來識(shí)別轉(zhuǎn)錄因子結(jié)合位點(diǎn)。TRANSFAC、JASPAR、TRRD、TRED、PAZAR等轉(zhuǎn)錄因子數(shù)據(jù)庫提供了大量轉(zhuǎn)錄因子的模體信息，基于這些資源，作者開發(fā)了一套模式序列識(shí)別算法iFORM，在基因組上的開放區(qū)域(DHSs)識(shí)別轉(zhuǎn)錄因子結(jié)合位點(diǎn)。與國際

8、上主流的模式序列算法FIMO、CONSENSUS、HOMER、RSAT、STORM相比，iFORM不但能識(shí)別其他算法找到的可靠區(qū)間，也能識(shí)別其他算法無法找到的可靠區(qū)間，并且從ROC曲線中也能看出，iFORM明顯優(yōu)于其他算法。iFORM算法為全面解析人類基因組上的功能元件奠定了堅(jiān)實(shí)的基礎(chǔ)。
　　第四，多細(xì)胞系大量功能元件的整合分析。DNA酶Ⅰ超敏感位點(diǎn)定義了基因組中可訪問的染色質(zhì)全景圖，使得多物種基因組中順式調(diào)控元件的識(shí)別有了革命性

9、的進(jìn)展。我們基于iFORM方法識(shí)別的人類基因組133個(gè)細(xì)胞系和組織的轉(zhuǎn)錄因子結(jié)合位點(diǎn)，運(yùn)用高斯核函數(shù)方法，首次得到了人類基因組上轉(zhuǎn)錄因子結(jié)合位點(diǎn)聚集區(qū)間（TFBS-clustered regions，簡稱聚集區(qū)間）全面圖譜。我們總共找到了近160萬個(gè)聚集區(qū)間，涵蓋了基因組上27.7％的堿基，并且依據(jù)每個(gè)聚集區(qū)間中轉(zhuǎn)錄因子結(jié)合的數(shù)量賦予其轉(zhuǎn)錄因子復(fù)雜度。轉(zhuǎn)錄因子復(fù)雜度與聚集區(qū)間的基因組位置、細(xì)胞特異性、進(jìn)化保守性、序列特征以及功能作用均顯

10、著相關(guān)。采用ENCODE數(shù)據(jù)對聚集區(qū)間整合分析發(fā)現(xiàn):轉(zhuǎn)錄因子結(jié)合、轉(zhuǎn)錄活性、組蛋白修飾、DNA甲基化以及染色質(zhì)結(jié)構(gòu)均隨著轉(zhuǎn)錄因子復(fù)雜度的改變而有規(guī)律的變化。更進(jìn)一步，我們發(fā)現(xiàn)，對不同終端細(xì)胞系的聚集區(qū)間進(jìn)行聚類，能夠重現(xiàn)細(xì)胞系的譜系進(jìn)化規(guī)律。基于我們的研究結(jié)果，提出了基因組上的不同復(fù)雜度的轉(zhuǎn)錄調(diào)控模型。
　　最后是轉(zhuǎn)錄因子調(diào)控網(wǎng)路研究。轉(zhuǎn)錄因子在基因上游調(diào)控基因表達(dá)，基因表達(dá)產(chǎn)物為轉(zhuǎn)錄因子，又可以調(diào)控基因，這就構(gòu)成了轉(zhuǎn)錄因子調(diào)控網(wǎng)