計算機”課程“識別基因組調控區域

　　來自約翰霍普金斯大學的研究人員成功教會了計算機如何去識別用以調控基因活性的DNA序列的共同點，并利用這些共同點預測基因組中的其它調控區域，這種新工具能幫助科學家們更好地了解疾病風險和細胞發育。這些研究成果公布在Genome Research雜志是兩篇論文中。

　　“我們的目的是分析調控信息如何加密的，并了解哪些序列變化會導致疾病風險，“約翰霍普金斯大學的分子和比較病理學副教授Andrew McCallion說，“我們給計算機加入了一些數據，‘教’它們區分不具有生物學價值，和具有生物學價值的數據，然后建立一套規則，讓計算機分析新數據，基本上我們就是讓計算機上了一次課。“

　　這種先進的”機器學習“技術是由約翰霍普金斯大學醫學院的生化工程助理教授Michael Beer，以及生物技術信息國家實驗室的Ivan Ovcharenko聯合研發出來的，他們最初是想為他們的計算機設置一種”訓練集“(training sets)，以便這些機器學習，這種訓練集就是來自基因組中稱為增強子的DNA序列――增強子能增加特異性細胞中某些基因的活性。

　　在第一篇文章中，McCallion研究組構建了一種包含大腦特殊區域的增強子序列的訓練數據集，這些序列包含有211個已公開的，來自小鼠和斑馬魚不同研究中的增強子序列，它們在大腦的發育或行使功能等方面發揮作用。

　　而第二項研究中，這一研究組又根據他們自己的經驗構建了另外一套訓練數據集，最初是一些小鼠純黑色素細胞，這些皮膚細胞能產生黑色素，改變皮膚的顏色，阻止太陽光的紫外線傷害。研究人員利用ChIP-seq技術，通過增強子結合蛋白，收集并測序了這些細胞中的所有的DNA片段，獲得了大約包含 2,500個假設黑色素細胞增強子序列的列表。

　　一旦研究人員有了這兩個訓練數據集――其中一個具有大腦特異性，另外一個具有黑色素細胞特異性，就能令計算機區分訓練序列特征與基因組中所有其他序列特征，創建識別不同序列的規則。在整個基因組中應用這種規則，計算機就能發現上千對可能的大腦或者黑色素細胞增強子序列。

　　在其中針對大腦的研究中，計算機共找到了40,000個可能的增強子序列，而在另外的黑色素細胞研究中，計算機找到了7,500個這樣的序列，研究人員隨機檢查了每個批次序列中的一個亞組，發現超過85%的預測增強子序列確實可以增強大腦或者黑色素細胞中的基因活性，驗證了這種方法。

　　研究人員說，除了能識別調控某一器官或者細胞類型遺傳活性的特殊DNA序列，而且這些方法還有助于我們整體解析增強子，同時應用到其它方面的研究中。