Cell、Nature共繪遺傳互作圖譜

　　在遺傳學中，總體并不總是組成部分的總和。有時，兩個基因共同作用所產生的一種表型，會不同于預期的簡單地將兩個基因的效應相加。近期來自加州大學舊金山分校的 Jonathan Weissman和Nevan Krogan研究小組在獨立研究中首次系統地探索了酵母中的遺傳互作。相關論文分別發表在《細胞》(Cell)和《自然方法》(Nature Methods)雜志上。

　　通過繪制酵母的遺傳互作圖譜，可以鑒別基因間的正負向相互作用，以及在同一蛋白質復合物或信號通路中發揮功能的分組基因。Weissman 實驗室博士后Michael Bassik 說：“從酵母遺傳互作圖譜中取得的重要信息，使得我們和其他人均認為，它們在高等生物中可能也是有用的。我們希望能夠在疾病模型中觀測綜合的致命性互作，廣泛應用于鑒別癌癥藥物靶點。”

　　由于無法利用全基因組敲除菌株來繪制遺傳互作圖譜，因此研究人員采用了兩種不同的RNAi策略進行成對基因抑制(knockdown)。

　　在Cell文章中，Bassik和Kampmann開發了一種混合(pooling)方法，克服了RNAi篩查中固有的，直接脫靶效應(抑制不必要靶標)和間接效應(細胞RNAi機器飽和)等問題。他們將這一程序應用于尋找相互作用影響細胞對于蓖麻毒素(ricin)的反應的基因。

　　從初步全基因組RNAi篩查開始，他們用大約25種不同的短發夾RNAs (shRNAs)靶向每個蛋白質編碼基因，感染人類白血病細胞，利用深度測序監控了接受及未接受蓖麻毒素處理的細胞群中shRNAs的富集情況。這一高覆蓋文庫利用多個獨立shRNAs，擴大了有效靶向每個基因的機會，從而使得能夠精確評估shRNAs對每個預期靶標起作用的機率。這一篩查生成了約200 個可影響細胞蓖麻毒素敏感性的基因。研究小組隨后編寫成對shRNAs的條形碼，并將它們與這些基因綁定到一起，重復進行篩查。計算機訊號簡化使得他們能夠鑒別出偏離預期表型的遺傳互作。生成的遺傳互作圖譜概括了特征明確的復合物，也揭示了意想不到的結果。

　　這種混合策略除能控制脫靶效應，還有幾個優點。Kampmann說：“我們不需要高通量機器人。任何人只要有一間細胞培養室就能夠操作我們的方法。 “它也不需要考慮孔分析中的批處理或定位影響。混合細胞數量可以輕易改變;此外，通過一種病毒來用shRNAs感染細胞，不會局限于篩查易于感染的細胞系。其局限之處就是需要在混合細胞群中評估表型，因此無法觀測單細胞中更細微的改變。

　　為了監測更多的表型讀數，在Nature Methods論文中，Krogan研究小組與Barbara Panning和Sourav Bandyopadhyay小組展開協作，利用一種不同的方法通過高內涵成像(high-content imaging)在每個獨立孔中篩查了每個基因對。科學家們利用了核酸內切酶制備的siRNAs (esiRNAs)。這減少了脫靶效應發生的機會，但需要機器液體處理系統(liquid handler)在每個孔中分配兩種esiRNAs。研究人員反式轉染了小鼠細胞，利用成像監控了對于細胞生長的影響。他們靶向了130種已知與染色質調節相關的基因，將每個遺傳互作對評為正、負或中性。Krogan將這些結果進行總結，“我們非常高興看到，我們在簡單生物中看到的遺傳趨勢 也存在于高等生物中，包括與蛋白質相互作用相關的正遺傳互作。”

　　兩個研究小組均選擇優先在疾病信號通路中調查上位性(epistasis)。不過Weissman研究小組希望研究癌細胞，Krogan小組則對分析宿主-病原體互作感興趣。此外，Krogan和同事們正在致力用一種靶向非編碼RNAs的esiRNA文庫，來探查這些調控RNAs與它們的蛋白質編碼相思雨的互作機制。