基于整合組學策略的人類基因組功能元件的識別與注釋.pdf

1、隨著2003年人類基因組計劃的完成，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。一個重要的科學問題困擾著大家:機體中復雜的調(diào)控網(wǎng)絡是如何編碼在一維的基因組上的？識別基因組上所有的功能元件是理解轉(zhuǎn)錄調(diào)控背后的分子機制的必要前提，因而解決這個問題的關(guān)鍵是精確識別與注釋人類基因組上的重要功能元件。然而傳統(tǒng)的實驗手段如識別特殊的轉(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、依賴于分離相應轉(zhuǎn)錄因子的高質(zhì)量ChIP級的抗體、價格昂貴等。
　　近幾年國際上開展的大型科學計劃，包括ENCODE計劃、modENCODE計劃、表觀路線圖計劃等，提供了近700T功能元件識別與注釋相關(guān)的各組學公共數(shù)據(jù);加上新一代測序的蓬勃發(fā)展，結(jié)合生物信息學分析技術(shù)的進步，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別和注釋研究。
　　首先，研究從單個有代表性

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，另一種是阻止增強子和啟動子的作用關(guān)系來阻止基因轉(zhuǎn)錄的激活。CCCTC結(jié)合因子(CTCF)是一個廣泛表達的11-鋅指DNA結(jié)合蛋白，是脊椎動物中唯一的一個與隔離子相關(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胞系中被研究，因此，并不確定所識別的細胞特異性差異的CTCF結(jié)合位點是否在功能

4、上有顯著差異。我們識別了ENCODE計劃產(chǎn)生的人類基因組38個細胞系的CTCF結(jié)合位點，并將他們分為細胞特異的結(jié)合位點和普遍存在的結(jié)合位點。這些細胞特異的和普遍存在的CTCF結(jié)合位點展示了獨特的多樣轉(zhuǎn)錄功能和獨具特色的染色質(zhì)特征。另外，我們確認了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)識別和注釋了人類基因組29個不同細胞系中的DHSs，試圖找到DHSs與組蛋白修飾、基因表達之間的關(guān)系。通過研究，我們發(fā)現(xiàn)了不同細胞系中DHSs、基因表達、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)、二價態(tài)(bivalent

6、)，不同的狀態(tài)對應不一樣的功能。更進一步，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超敏位點和組蛋白修飾的復雜調(diào)控過程，并且表明這些動態(tài)元素可能負責維持染色體的結(jié)構(gòu)和染色體的完整性。同時，在該研究中，我們基于不同技術(shù)平臺的多組學大數(shù)據(jù)，運用整合組學方法，提出了對轉(zhuǎn)錄調(diào)控機理更有意義的見解，這是是多平臺多組學大數(shù)據(jù)整合的一個值得參考的實例。
　　第三，擴展到大量功能元件的識別。

7、要準確識別大量功能元件、獲取眾多轉(zhuǎn)錄因子結(jié)合位點信息十分困難，傳統(tǒng)的實驗手段幾乎不可能完成所有轉(zhuǎn)錄因子結(jié)合位點的定位。幸運的是，轉(zhuǎn)錄因子在基因組上的結(jié)合位點具有一定的特異性，可以根據(jù)這一特異性來識別轉(zhuǎn)錄因子結(jié)合位點。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)了一套模式序列識別算法iFORM，在基因組上的開放區(qū)域(DHSs)識別轉(zhuǎn)錄因子結(jié)合位點。與國際

8、上主流的模式序列算法FIMO、CONSENSUS、HOMER、RSAT、STORM相比，iFORM不但能識別其他算法找到的可靠區(qū)間，也能識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實的基礎(chǔ)。
　　第四，多細胞系大量功能元件的整合分析。DNA酶Ⅰ超敏感位點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)控元件的識別有了革命性

9、的進展。我們基于iFORM方法識別的人類基因組133個細胞系和組織的轉(zhuǎn)錄因子結(jié)合位點，運用高斯核函數(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160萬個聚集區(qū)間，涵蓋了基因組上27.7％的堿基，并且依據(jù)每個聚集區(qū)間中轉(zhuǎn)錄因子結(jié)合的數(shù)量賦予其轉(zhuǎn)錄因子復雜度。轉(zhuǎn)錄因子復雜度與聚集區(qū)間的基因組位置、細胞特異性、進化保守性、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)錄因子復雜度的改變而有規(guī)律的變化。更進一步，我們發(fā)現(xiàn)，對不同終端細胞系的聚集區(qū)間進行聚類，能夠重現(xiàn)細胞系的譜系進化規(guī)律?；谖覀兊难芯拷Y(jié)果，提出了基因組上的不同復雜度的轉(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，基因表達產(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)