以海量数据计算揭示人类疾病发生机制及相关分子标志物.PDFVIP

中国科学: 生命科学 2013 年 第43 卷 第1 期: 72 ~ 79 SCIENTIA SINICA Vitae SCIENCE CHINA PRESS 评 述 中国科学院学部 科学与技术前沿论坛 大发现时代的生命组学专刊 以海量数据计算揭示人类疾病发生机制 及相关分子标志物 杨力, 魏刚, 唐鲲, Christine Nardini, 韩敬东* 中国科学院-马普学会计算生物学伙伴研究所, 计算生物学重点实验室, 上海 200031 * 联系人, E-mail: jdhan@ 收稿日期: 2012-08-07; 接受日期: 2012-08-30 国家自然科学基金(批准号: 31210103916,资助项目 摘要 高通量芯片和深度测序技术为在全基因组水平上绘制高分辨率的基因组变异、RNA 关键词 转录、转录因子结合及组蛋白修饰图谱等研究提供了前所未有的机遇. 这些技术彻底改变了以 组学 数据整合 往有关转录组学、调控网络以及表观遗传调控的研究方法, 产生了海量的多水平组学数据, 并 生物信息学 开启了高效数据整合研究的先河. 然而, 如何有效地整合这些数据仍然是一个巨大的挑战. 本 系统生物学 文总结了高通量组学数据的产生对相关领域研究的主要影响及其与人类疾病的关系, 并介绍 分子标志物 了多种用于数据整合分析的生物信息学方法. 最后, 以炎症疾病为例进行说明. 十几年前, 人类基因组草图及其序列的公布[1,2] 尽管大多数研究专注于基因突变(包括常见和罕 向人们展示了基因组水平的发现将革命性地改变人 见的)与人类疾病的相关性, 但是其DNA 变异的机制 类疾病研究及其临床治疗应用. 随着不同个体基因 却不是很清楚, 而且仅依靠基因组信息来解释复杂 组测序的完成, 基于计算分析的比较基因组学已成 疾病是远远不够的[9]. 因此, 更多基于表观基因组 为在全基因组水平上研究基因功能的一个强大工具. 学、转录组学以及人体微生物组学的证据为人类疾病 同时研究表明, 个体之间的差异远远超过预期[3]. 鉴 的相关研究带来了新的曙光. 别遗传性疾病相关的基因组变异(包括单核苷酸多态 性以及 DNA 片段的插入和删除事件) 已被广泛应用 1 表观基因组学与人类疾病 于检测个体基因变异与特定性状表现之间的相关 性[4]. 这些研究先采用微阵列芯片技术, 接着采用外 表观遗传学是一门研究在基因组序列不发生改 显子测序技术, 而现在普遍流行的是全基因组测序 变的情况下, 基因活性和表达水平发生可遗传变化 技术[5,6]. 如今, 得益于测序成本的极大降低(1999 年 的学科. 表观遗传信息主要包括 DNA 甲基化、组蛋 与2009 年的测序费用相差 14000 倍[7]) 以及计算分析 白修饰、非编码RNA 和染色质高级结构, 这些信息 能力的飞速发展[8], 多个位点的基因组变异已成功关 在调节基因组功能, 如基因转录和基因组 DNA 复制 联到不同的人类疾病, 包括