重感冒病人患上帕金森氏癥的風險是健康人的兩倍

　　在去年召開的美國微生物學會上，來自明斯特大學的醫學微生物學家Dag Harmsen開始聽到了有關德國大腸桿菌疫情爆發的傳言，這場疫情首先在德國北部地區爆發，感染了至少4000人，奪去了超過50人的生命(德國范圍內)，在德國以外的歐洲地區也發現了76名患者。

　　Harmsen 教授在這場疫情中發揮了重要的作用——他們通過將引發此次疫情的O104：H4型腸出血性大腸桿菌與2001年采集自一名溶血性尿毒癥(HUS)體內的 O104：H4型腸出血性大腸桿菌進行基因對比后，發現，兩種菌株并非同源，引起此次德國EHEC暴發的O104:H4菌株來自一種腸聚集性大腸桿菌 EAEC O104:H4 55989菌株的變異，其中還摻雜了一種目前未知的由志賀毒素產生的O104：H4菌株。

　　在這一場“戰役”中，Harmsen教授主要采用的就是新一代測序技術，他說，“至今，新一代測序技術已經遍布全球上百個基因組測序中心”。并且隨著更多更新技術的發展，未來新一代測序技術將發展出下下一代創新技術，為基礎科學與臨床治療提供越來越完善的幫助。近期The Scientist雜志就以“Sons of Next Gen”為題，介紹了目前值得關注的各種新技術。

　　壓縮數據

　　各種新型測序技術為我們實驗帶來了高通量測序的方法，為生物醫學研究提供了更加廣闊的研究思路，但是這些新技術也導致了一個日益嚴重的問題——如何處理這些數據。即使是對于更傳統的新一代測序技術，也需要將數據外包給某些基因組研究中心，然后兆兆級別(terabytes)的測序數據又被返回到原實驗室。

　　“對于許多生物學家而言，這是第一次他們需要處理如此大數據量的數據”，來自英國歐洲生物信息學研究所的生物信息學家Ewan Birney說，Birney加入了美國政府主持的國家生物技術信息中心，后者旨在獲取來自全球的測序數據。

　　一些研究團隊發展了一些新方法制止數據膨脹，比如Birney和他的同事就研發了一種能比標準壓縮方法小5-50倍，來壓縮數據信息的運算方法。這一系統基于圖像和視頻壓縮方法(就像是YouTube，或者衛星電視)，并利用了測序數據高度冗余的特點。

　　這種算法能將每次閱讀與參考數據進行比對，然后標記出兩者的差別，忽視那些相同的地方，比如說，在一個新完成的人類基因組序列中，與參考人類基因組相比，只有10,000個堿基對分之一存在差異，這樣大部分的數據可以忽略不計。

　　制藥公司和生物技術公司也在加緊開發基因測序數據共享框架，許多公司還參與了一個非盈利組織：Pistoia Alliance，這一組織創始人Nick Lynch 說，Pistoia Alliance就是希望能完成基因測序數據共享框架。

　　去年11月，這一組織宣布了Sequence Squeeze挑戰，團隊成員以競爭的方式，力求最短時間內將一個參考序列壓縮至最小尺寸。這吸引了許多處理大量研究數據的研究人員，比如計算機科學家，還有天體物理學家，利用他們的知識來解決測序難題。

　　得勝者是來自Sanger研究院的James Bonfield，他能將原始序列壓縮至一個非常小的大小，而且壓縮和解壓的過程時間都很短。“我們希望(這一技術)能在全球應用，成為數據處理的一種方法”，Lynch說。