Itt a Sangerben minden hétre jut egy konferencia, de a legjobb az egészben, hogy amennyiben a létszám nem teljes, az itt dolgozókból töltik fel a résztvevőket. Kaját, tollat és szép szatyrot nem kapunk, cserébe látogathatjuk az előadásokat, beszélhetünk az emberekkel és megnézhetjük a pósztereket. Így vettem részt idén a Functional Genomics and Systems Biology: From model organisms to human health című konferencián.
Mivel munka mellett látogattam az előadásokat, sajnos szelektálni kellett, de azért elég érdekes dolgokat hallottam, amit most meg is osztok.
Tim Hughes: DNA and RNA binding motifs for decoding gene regulation
A DNS-en a kötőhelyek azonosítására még mindig a motívumokat használnak. A CIS-BP adatbázisban is rengeteget lehet fellelni, viszont az emberi transzkripciós faktor kötőhelyek feléhez nincs egyértelmű motívum rendelve. Ezek legtöbbje C2H2 cink-ujj protein. Ezek a moduláris felépítésű fehérjék kevésbé konzerváltak és a Chip-seq adatokból is hiányoznak, mert RNS-t is köthetnek. Az eddigi adatokból úgy tűnik közvetlenül kötik a DNS-t. Legtöbbjük a transzkripciót szabályozza, de akadnak aktiválók és represszálók, sőt olyan is, amelyik mindkettőt tudja.
Biola-Maria Javierre: Long-range control of gene expression
Vannak promóter elemek, melyek messzebb helyezkednek el a transzkripciós start helytől, de lényeges szerepet töltenek be a szabályozásban. Példaként a sonic hedgehog fehérjét mutatták be. Ezek az interakciók sejt specifikusak is lehetnek, ami miatt a GWAS-al nehéz kimutatni őket. Az előadó szerint a 3C/4C és Chia-PET módszerek nem elég jók, túl kicsi a jel/zaj arányuk. Ezért fejlesztették ki a promoter capture eljárást. Itt szintén egy kereszt kötést hoznak létre a térben közeli pozíciók között, ugyancsak emésztenek és adaptorokat ligálnak. Ami más, hogy hibridizálják a HindIII-al emésztett promótert is. A HICUP és CHICAGO peak kereső programokat használták. Nagyon nagy különbségek jöttek ki szövetenként, de találtak sejttípus független kötőhelyeket is. eQTL-el találtak kapcsolatokat olyan SNP-el, amelyek messze vannak, mégis beleszólnak a génszabályozásba. Ismert SNP-khez új target géneket is találtak. Végezetül sikerült nekik anyagcsere útvonalakhoz rendelni SNP-ket.
Ines Fonfara: Biology of CRISPR-Cas9: a game changer in genome engineering
Ez a bevezető jellegű előadás bemutatta a címben említett rendszert. Egy mondatban: a Cas9 fehérje egy RNS segítségével programozható, hogy a DNS-t egy specifikus helyen vágja. Felépítése: egy Cas operon, illetve egy CRISPR tömb, ami különböző domainekből épül fel, amelyeket határoló szekvenciák választanak el. In vivo a baktériumokban a vírusok elleni védelmet látja el, mert a domainek határozzák meg, hogy milyen vírus RNS-t inaktiváljon a rendszer. Öt nagy típusa van, de a gyakorlatban a II-es típust használják, mert a targetet az RNAz III vágja, ami a CRISPR rendszertől független elem. Olcsó és hatékony módszer, de vannak nem specifikus vágások és toxikus is. Ez utóbbi nem tudom, mit jelent.
Andreas Gschwind: Genetic perturbation of human chromatin activity and its impact on transcription
A genotípus és a fenotípus kapcsolata még mindig nem tiszta. Ennek kiderítésére csináltak RNA-seq-t, és ötféle Chip-seq-t különböző hiszton fehérjékre. Főkomponens analízissel meghatározták, hogy mely genetika variációk befolyásolják a gén expressziót, majd egy Bayes-hálóval igyekeztek meghatározni, hogy a variációk közvetlenül hatnak a génexpresszióra, vagy a kromatin módosításán keresztül. A vizsgált esetek 78%-ban a génexpresszió a kromatin módosításán keresztül érvényesült, míg 18%-ban a genetikai variáció közvetlenül hatott a génexpresszióra. A fennmaradó esetben az expresszió és a kromatin egyszerre változott meg. Az előadás többi részében a PU1 kötőhely példáján mutattak be konkrét eseteket.
Judith Zaugg: Local and distal genetic variants regulate chromatin states and expression in humans
A kódoló régiókban előforduló SNP-k mellett a nem-kódoló régiók szerepe is fontos. Az itt található variációk a gén regulációra is hathatnak. A promóter régióban fellelhető variációk mellett a távoli, enhancerekben előforduló SNP-k felderítése még nagyobb kihívás. Az előadásban bemutatták, hogy 75 emberből származó Chip-seq adatból próbáltak keresni ilyen variációkat. A hiszton modifikációval összefüggésbe hozható SNP-ket azután további analízisnek vetették alá. Érdemes megjegyezni, hogy ezek az SNP-k legtöbbször nem is a Chip-seq csúcsokban helyezkedtek el. Fejlesztettek egy Bioconductor csomagot is. Az eredményeket HiC módszerekkel ellenőrizték és az SNP annotációval a fenotípusra is próbáltak következtetni. Az előadás végére spekulatívabb gondolatok jutottak: a génexpresszió változásához egy vagy több SNP-re van-e szükség? Nincs egyértelmű bizonyíték, de az előadó szerint a több felé mozdul a mérleg nyelve.
Roderic Guido: The human transcriptome across tissues and individuals
A GTEx adatbázis a normál expressziós mintát igyekszik bemutatni több, különböző szövetben. A szövetek egy biobankban elérhetőek, a mintákat a halál beállta után egy órával vették. Az életkor 21 és 70 év között van, 176 egyénből 1641 RNA-seq mintát tartalmaz. Összehasonlításként volt microarray is élő szövetből. A két adat között volt eltérés, de a főkomponens analízis után jelentős eltérést nem tapasztaltak. Általánosságban elmondható, hogy nagyjából 100 gén dominál a transzkriptómban. Sok gén mitokondriális eredetű, és nagyon kevés gén mutat kizárólagos szövet specificitást. A szövetek között nagyobb eltérést tapasztaltak, mint az egyének között. Az egyének között a legnagyobb különbséget az Y kromoszóma génjei és az immun gének mutatják. Az etnikumok között a legnagyobb különbséget a lncRNS-ek mutatják. Találtak a korral korreláló géneket is. A férfiak és nők között szöveti szinten 10-20 gén különbség mutatható ki, kivéve a mellszövetben, ahol 700 gén esetén tudtak differenciál expressziót kimutatni.
Lasse Sinkkonen: Cell type-selective disease-association of genes under high regulatory load
A hálózat alapú megközelítésnél a betegséget okozó gének általában magas fokszámmal rendelkeznek, mert a kutatók ezeket szeretik vizsgálni. Sok gén, ami potenciálisan betegséget alakíthat ki, így nem kerül a vizsgálatok középpontjába. Ilyenek lehetnek a transzkripciós faktorok és enhancerek. Az előadó csoportja ezért vette a publikus Chip-seq adatokat és hipergeometrikus tesztekkel igyekeztek új betegséget okozó géneket keresni. Azt vették észre, hogy a sok transzkripciós faktorral szabályozott gének inkább okoznak betegséget. A módszert ezért megfordították és a túlszabályozott géneket kikiáltották betegség okozó géneknek, majd igyekeztek ezt a hipotézist alátámasztani.
Tom Freeman: Development of a graphical and computational platform for the analysis of complex biological pathways and systems
A biológiai útvonalakról rengeteg adat érhető, de ezek nem kompatibilisek egymással. Ezt az előadó úgy fogalmazta meg, hogy a „biológusokat nem tanították meg a logikus gondolkodásra”. Ezért terveztek egy olyan rendszert, ami szabványos leíró nyelvet használ az útvonalak leírására (Edinburgh Pathway Notation), ami természetesen módosítottak a saját igényeiknek megfelelően, amitől így inkompatiblis lett minden eddigi formátummal. (És még a biológusok nem logikusak) Ezután PhD hallgatókkal elkezdték konvertálni a sok útvonalat a saját rendszerükbe.
Marcelo Coba: The signalling network landscape of psychiatric disease
A skizofrénia poligénes betegség, a posztszinaptikus kapcsolatokban fellépő hibák vezetnek a kialakulásához. A posztszinaptikus kapcsolatokért 1500 protein felelős. Ezek kölcsönhatása szövet és időfüggő. A fehérje domainek enrichment analízise során két nagyobb csoportot tudtak elkülöníteni: intra- és intermoduláris domaineket. Még ezen eredmények sem elégségesek, hogy teljesen megértsük a posztszinaptikus kapcsolatokat, de legalább van 100 újabb target génünk.
Stefan Wiemann: MicroRNA induced apoptosis resistance and escape from NK cell immunosurveillance in aggressive breast cancer
A mellráknak több altípusa is van, és ezek túlélési esélye eltérő. A vizsgálatok során csak a Mir519-re fordították a figyelmüket, mert magasan expresszál és tumor szupresszor gének kifejeződését gátolja. Jelenlétében a sejt ellenáll bizonyos kezeléseknek, valamint az NK sejtek sem képesek elpusztítani. Ez a mikroRNS többek között a Casp és a Trail géneket gátolja, amelyek egy olyan jelátviteli úton helyezkednek el, ami az NK-sejtek felismerését gátolja.
Alvis Brazma: The structure of human transcriptome
Az előadó arra kereste a választ, a transzkriptóm eredmények mennyire konzisztens a proteómmal. Az expressziós atlasz egy könnyen kereshető weboldal, ahol a normál szövetekben lehet keresni különböző gének expresszióját. Az adatokat standard módszerekkel dolgozták fel, majd nézték, hogy a proteóm és transzkriptóm adatok mennyire fednek át. A korreláció mértéke 0.47 és 0.62 között mozgott. Ha egy transzkript RPKM értéke ötnél nagyobb volt, akkor már nagyon jól egybevágtak az eredmények. Azt is nézték, a gének különböző transzkriptjei milyen expressziós változásokat mutatnak. Azt vették érszre, hogy a legtöbb génnek egy domináns transzkriptje van, ami igen erősen expresszál, a többié pedig logaritmikusan csökken. Feltételezik ebből, hogy van egy kapcsoló effektus, ami meghatározza, mi legyen a domináns transzkript.
James Sharpe: How gene regulatory networks control cells to build organs
A drosophila szárnyfejlődésénél nézték a szárny méretét és a szárnylemez területét, majd SNP-ket kerestek és az eredményeket keresztezésekkel erősítették meg. Az SNP-k klaszterezése után azt kapták, hogy az eredmények nagyon kicsi szórást adtak, vagyis a környezeti hatást sikerült minimalizálniuk. Meghatározták a szárnyméretet befolyásoló fehérjéket, vizsgálták a GO és protein-protein interakciókat. A korábbi előadással ellentétben ők azt találták, hogy az SNP-k egyértelműen meghatározzák az RNS expressziót, ami pedig a fehérje szintet befolyásolja és ezen keresztül meghatározza a fenotípust. Az előadás második részében a Down-szindrómáról beszélt, ahol az extra kromoszóma szakaszról expresszálódó transzkripteket vizsgálták. Az innen származó mRNS-ek mitokondriális és riboszómális proteinek szintjét változtatják meg.
Anne-Claude Gavin: Expending the interaction space: protein-lipid networks
Sok lipid vesz részt szignál folyamatokban, ezért a hálózatokat célszerű kiterjeszteni rájuk is. Különböző kromatográfián alapuló módszerek segítségével igyekeznek meghatározni a fehérjékhez kötődő lipideket, majd osztályozzák őket aszerint, hogy milyen fehérjékhez kötődnek.
Anastasia Baryshnikova: Global functional annotation and visualization of the 2015 yeast genetic interaction network
Az élesztő funkcionális annotálása nagy erőkkel folyik. Az összes lehetséges génpárból dupla mutánsokat állítanak elő, majd nézi a túlélési esélyeket. 2010-ben az összes lehetséges kombináció 30%-a volt meg, idén az esszenciális gének 82%-t, a nem esszenciális gének 55%-t előállították. A hálózatokat alhálózatokra bontották, majd topológiai hasonlóságokat kerestek. GO segítségével funkcionális feldúsúlásokat kerestek. A GO hierarchikus felépítéséből adódó problémát úgy oldották meg, hogy a GO meghatározásokból kivették a kötőszavakat, majd az első 5 leggyakoribb szóval helyettesítették azt. A furcsa módszerről csak annyit mondott az előadó, hogy működik.
Sarah Teichmann: Understanding cellular heterogeneity
Az egysejtes vizsgálatokból származó RNA-seq a sejtpopuláció heterogenitásáról ad információt. Az eljárás szenzitivitásáról és specificitásáról ez a cikk ad részletesebb felvilágosítás. A cikk szerint a kvantifikációról kevés adatot ad, de igen/nem jelzésre jó a módszer. Az egysejtes módszereknek számtalan típusa létezik, ezek pontossága eltér. A T-sejtek receptor variációinak felderítésénél például a Salmonellával fertőzték a sejteket és nézték a klónok fejlődését, illetve mely gének aktiválódnak a fejlődés során. Előadás végén elhangzott, hogy a Genome Biology-nak lesz egy egysejtes különszáma és jövőre rendeznek egy konferenciát is a témában.
Marc Friedlander: miRNA functions in single cells
A Caenorhabditis és az ember protein kódoló génjeinek száma majdnem megegyezik, de a nem-kódoló RNS-ek száma sokkal több az emberben. Az RNS-szekvenálás során t/rRNS-eket is kapunk vissza és a miRDeep segítségével azok is feldolgozhatóak. A readek eloszlása más miRNS-ek esetén, mint t/rRNS-eknél. Ez a fajta módszer közelebb áll az RNS-ek biológiai jellemzőihez, ezért az előadó szerint jobban működik, mint a gépi tanuláson alapú algoritmusok. Az eredmények ennek ellenére is elég zajosak voltak, amiért a miRNS-ek lehetnek a felelősek. A legtöbb miRNS kiütése nem okozott fenotípusos változást, de az expressziós „zajt” csökkentette. Az előadó feltételezte, hogy a miRNS-eknek ezért egyfajta puffer hatásuk van.
Markus Ralser: A functional metabolic map reveals metabolic gene regulation and novel gene function on the genomic scale
A KEGG adatbázisban található anyagcsere utak túl vannak egyszerűsítve. Dupla mutánsok és differenciál expressziós vizsgálatok után találtak összefüggéseket az expressziós profil és a metabolikus útvonal között. Ellenőrzésnek az aminosav profilt is vizsgálták, hogy visszaadja-e a differenciál expressziós eredményeket. Módszerükkel a riboszómális struktúrát is fel tudták építeni. Az ismeretlen gének 83%-hoz így tudnak annotációt rendelni.
