繪制基因組的“谷歌地圖”

　　染色體的功能遠不止保持DNA整齊有序。這種基因組DNA和蛋白質組成的復合物有許多不同的結構和構象。這些結構和構象可能會影響周圍基因的表達。在某些構象中，線性DNA中相距較遠的兩個序列可能實際上非常靠近，并影響彼此的活性；而在其他形式中，這兩個序列又可能相距甚遠。

　　美國麻省理工學院研究生Erez Aiden與同事共同開發了一種能在基因組水平上揭示染色體折疊方式的新工具。這種名為Hi-C的技術不僅能詳細描述影響基因表達的DNA環和結構域，甚至還能將復雜的基因組拼接在一起。

　　靈感激發

　　雖然它只是以2D矩陣呈現的數據，記錄了染色質的交互信息，但在2009年，Aiden還沒能找到一種簡單方法探索這些空間構象。所以，他自己開發了一種技術。

　　Aiden回憶道：“當時我只能打印出多個分辨率的Hi-C矩陣，而且需要用上百張紙。我還要找來最大的會議桌，把打印的所有矩陣都擺放上去，以查看大規模的空間構象。”

　　即便如此，Aiden也認為Hi-C是一個很好的界面。不過，他也承認需要一種更環保、可持續和共享的方法觀察染色體構象。

　　最后，Aiden開發了Juicebox—— 一個基于Java的桌面應用程序。它可以提供Google Maps樣式的染色質交互數據集，允許研究人員從基因組水平放大或縮小觀察其結構特征。

　　2014年發布的Juicebox大約被下載了1.4萬次，今年研究人員又推出了一個基于瀏覽器的版本。Juicebox只是一系列探索2D基因組交互數據的免費程序中的一個：一些程序專注于相對狹窄的染色體位點，而另一些則可以探索基因組。但這些程序的出現反映了染色質相互作用數據集的日益增長。事實上，4D核組項目等大項目更是大規模地促進了染色體交互數據集的爆炸式增長。

　　馬薩諸塞州波士頓哈佛醫學院生物信息學家Peter Park指出，“因為數據變得如此復雜，所以可視化尤為重要。”

　　目前，加州大學圣克魯茲分校開發的Genome Browsers是最受歡迎的探索基因組數據的門戶之一。像大多數基因組瀏覽器一樣，它將序列數據呈現為一維“軌跡”，顯示為表觀遺傳特征（如組蛋白修飾和甲基化位點）的線性字符陣列。

　　Aiden等人都從Google地圖中獲得了靈感。加州大學圣迭戈分校的James Robinso表示，有了Google地圖，用戶就可以從全球視圖無縫切換到街道級視圖。這樣一來，整個數據集非常巨大，但Google并沒有一次性提供所有數據。相反，軟件“將世界劃分成不同分辨率的瓦片”。在任何時間內，用戶只能查看少量的瓦片。而這些瓦片被組織起來，使相鄰的瓦片更易被獲取。

　　類似的，Juicebox的hic文件能以多種分辨率存儲每個可能的染色體對的圖塊集。軟件的查詢表可以直接檢索數據，從而加快訪問速度。因此，Juicebox用戶可以無縫探索整個基因組的交互作用，然后放大以查看精細的功能。

　　基因組同步

　　今年3月，哈佛醫學院生物醫學信息學家Nils Gehlenborg開發了基于網絡的2D基因組交互可視化工具——HiGlass，它也提供了類似Google地圖的體驗。

　　與Juicebox一樣，在HiGlass中，研究人員可以導入基因組軌跡以便了解所看到的內容。此外，HiGlass還允許用戶在一個瀏覽器窗口中打開多個HiGlass視圖，并將它們同步起來，使其始終顯示相同的區域。

　　Gehlenborg表示，這樣研究人員就可以比較不同條件或實驗中的染色體構象了。“我們在為研究者和分析師提供新猜想的靈感。”他說。

　　該團隊已經建立了一個HiGlass服務器，以挖掘公開的數據。由于需要分析自定義數據集的研究人員必須在本地安裝該軟件，Gehlenborg團隊為此提供了一個Docker容器。

　　實際上，Juicebox的Web版本和HiGlass都允許用戶創建可分享的URL——指向數據的特定視圖。Aiden把這個功能稱為軟件的“殺手級應用”。他認為，如果用戶注意到基因組結構與特定的1D軌道完全重疊，“那么點擊那個URL，復制它，就可以推送它了，而所有接收到該分享的人都可以點擊它，隨后便會得到相同的參數設置”。

　　另外兩個可視化軟件——3D基因組瀏覽器和WashU EpiGenome瀏覽器均能提供更多的本地化視圖。用戶可以選擇感興趣的區域，瀏覽器會顯示該區域的基因組交互信息。

　　此外，Juicebox和HiGlass將熱圖映射成矩形的鏡像，而這些瀏覽器則將熱圖顯示為三角形。加州大學圣迭戈分校基因組生物學家Bing Ren說：“我們去掉了一半的冗余信息。”

　　也許，這種變化可能聽起來不大，但賓夕法尼亞州立大學的Feng Yue認為，這種變化能讓研究人員更容易識別功能區域。例如，3D基因組瀏覽器允許用戶將來自兩個物種的熱圖相疊，以評估折疊體系結構的情況。 “虛擬4C”模式允許用戶查詢與特定基因組位點相互作用的序列的Hi-C數據集，從而方便研究者觀察基因調控區域之間的相互作用。

　　另一個流行的基因組交互可視化軟件是由加州大學圣迭戈分校的Sheng Zhong等人開發的GIVE。GIVE允許研究人員使用幾行HTML代碼，將完整功能的基因組瀏覽器（包括2D交互數據查看器）納入其個人或實驗室網頁。Zhong指出，研究人員可以與同事分享數據，發表文章時也可以附上鏈接，整個操作時間大約為20分鐘。

　　意大利米蘭FIRC分子腫瘤學研究所計算生物學家Francesco Ferrari則使用R編程語言和Bioconductor軟件庫顯示其Hi-C數據。雖然這難與其他軟件交互，但是由于該團隊一直使用R和Bioconductor進行數據分析，“所以這樣更方便”。

　　實現3D

　　最終，2D互動矩陣可以提示3D結構。畢竟，如果兩個區域相互作用，它們可能距離非常接近。越來越多的研究人員正在使用他們的2D數據直接計算和可視化3D結構。

　　英國劍橋巴布拉漢研究所博士后Csilla Várnai，參與了今年早些時候單細胞Hi-C研究的3D模型構建工作。她使用一個名為Gromacs的通用分子建模包將染色體模擬成一條串珠——每個珠代表約10萬個堿基，然后將串珠進行折疊，而Hi-C的交互數據則是折疊時的“約束條件”。

　　某些軟件則專門被設計用于染色體結構的建模。挪威奧斯陸大學生物信息學家Jonas Paulsen開發的Chrom3D軟件將Hi-C數據與核包膜距離的信息相結合，以模擬染色體在細胞核中的位置。Paulsen提到，“這對基因調控非常重要”。核外圍附近的基因傾向于被抑制，而位于中心的基因通常是有活性的。

　　西班牙巴塞羅那基因組調控中心基因組分析中心的MarcMartí-Renom和Mike Goodstadt開發了另一個3D工具——TADkit。TADkit允許用戶在相應的2D熱圖和1D軌跡旁邊查看3D染色體模型。只要選中一個視圖中的一個特征，那么軟件就會自動點亮其他試圖中的同一特征。

　　不過，由于大多數Hi-C數據集包含數百萬個細胞，到底3D視圖比2D視圖能多提供哪些信息還有待觀察。

　　對此，麻省理工學院生物信息學家Leonid Mirny打了個比方，你拍了一堆人的照片，然后將它們平均化，最后得到的照片會跟誰都不像。3D視圖可能也會存在這種問題。Zhong指出，目前還不清楚哪個工具（如果有的話）將成為基因組可視化的黃金標準，現在這方面的爭論已經很激烈了。

　　Ren則表示，對于基因組生物學而言，可視化是關鍵因素。他解釋稱，分析工具是在統計數據的基礎上設計而成的。有時候它們會錯過一些東西，有時它們會推斷出一些壓根不存在的功能。“因此，科學家還是要謹慎，自己檢查分析數據非常重要。”