Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Функциональная геномика - это область молекулярной биологии, которая пытается описать функции и взаимодействия генов (и белков ). Функциональная геномика использовать обширные данные , полученные с помощью геномных и транскриптомных проектов (таких как секвенирование генома проектов и РНК последовательности ). Функциональная геномика фокусируется на динамических аспектах, таких как транскрипция генов , трансляция , регуляция экспрессии генов и белок-белковые взаимодействия , в отличие от статических аспектов геномной информации, таких как последовательность ДНК.или конструкции. Ключевой характеристикой исследований функциональной геномики является их общегеномный подход к этим вопросам, обычно использующий высокопроизводительные методы, а не более традиционный подход «ген за геном».

Глубокое мутационное сканирование мотива распознавания РНК (RRM2) дрожжевого белка, связывающего PolyA (Pab1)

Определение и цели функциональной геномики [ править ]

Чтобы понять функциональную геномику, важно сначала определить функцию. В своей статье [1] Graur et al. определить функцию двумя возможными способами. Это «Выбранный эффект» и «Причинная роль». Функция «Выбранный эффект» относится к функции, для которой выбирается признак (ДНК, РНК, белок и т. Д.). Функция «Причинная роль» относится к функции, для которой характеристика достаточна и необходима. Функциональная геномика обычно проверяет определение функции «Причинная роль».

Цель функциональной геномики - понять функцию генов или белков, в конечном итоге всех компонентов генома. Термин функциональная геномика часто используется для обозначения множества технических подходов к изучению генов и белков организма , включая «биохимические, клеточные и / или физиологические свойства каждого продукта гена» [2], в то время как некоторые авторы включают исследование из nongenic элементов в их определении. [3] Функциональная геномика также может включать исследования естественных генетических изменений во времени (например, развитие организма) или в пространстве (например, в областях его тела), а также функциональных нарушений, таких как мутации.

Обещание функциональной геномики состоит в том, чтобы генерировать и синтезировать геномные и протеомные знания для понимания динамических свойств организма. Это потенциально может дать более полную картину того, как геном определяет функцию, по сравнению с исследованиями отдельных генов. Интеграция данных функциональной геномики часто является частью подходов системной биологии .

Методы и приложения [ править ]

Функциональная геномика включает функциональные аспекты самого генома, такие как мутации и полиморфизм (например, анализ однонуклеотидного полиморфизма (SNP)), а также измерение молекулярной активности. Последние включают в себя ряд « -омиков », таких как транскриптомика ( экспрессия генов ), протеомика ( производство белка ) и метаболомика . Функциональная геномика использует в основном мультиплексные методы для измерения содержания многих или всех генных продуктов, таких как мРНК или белки, в биологическом образце.. Более сфокусированный подход к функциональной геномике может проверить функцию всех вариантов одного гена и количественно оценить эффекты мутантов, используя секвенирование в качестве считывания активности. Вместе эти методы измерения направлены на количественное определение различных биологических процессов и улучшение нашего понимания функций и взаимодействий генов и белков.

На уровне ДНК [ править ]

Картирование генетического взаимодействия [ править ]

Основная статья: Эпистаз

Систематическое попарное удаление генов или ингибирование экспрессии генов можно использовать для идентификации генов со связанной функцией, даже если они не взаимодействуют физически. Эпистаз относится к тому факту, что эффекты нокаута двух разных генов могут не складываться; то есть фенотип, который возникает при ингибировании двух генов, может отличаться от суммы эффектов единичных нокаутов.

Взаимодействие ДНК / белков [ править ]

Белки, образованные в результате трансляции мРНК (информационная РНК, кодированная информация ДНК для синтеза белка), играют важную роль в регулировании экспрессии генов. Чтобы понять, как они регулируют экспрессию генов, необходимо определить последовательности ДНК, с которыми они взаимодействуют. Были разработаны методы определения участков ДНК-белковых взаимодействий. К ним относятся ChIP-секвенирование , секвенирование CUT & RUN и телефонные карты. [4]

Анализ доступности ДНК [ править ]

Были разработаны анализы для определения доступных участков генома. Эти области открытого хроматина являются кандидатами в регуляторные области. Эти анализы включают ATAC-seq , DNase-Seq и FAIRE-Seq .

На уровне РНК [ править ]

Микроматрицы [ править ]

Основная статья: ДНК-микрочип
ДНК микрочипов

Микроматрицы измеряют количество мРНК в образце, которое соответствует данному гену или последовательности ДНК зонда. Последовательности зондов иммобилизуют на твердой поверхности и дают возможность гибридизоваться с флуоресцентно меченной «целевой» мРНК. Интенсивность флуоресценции пятна пропорциональна количеству последовательности-мишени, которая гибридизировалась с этим пятном, и, следовательно, количеству этой последовательности мРНК в образце. Микроматрицы позволяют идентифицировать гены-кандидаты, участвующие в данном процессе, на основе различий между уровнями транскриптов для разных условий и общих паттернов экспрессии с генами с известной функцией.

МУДРЕЦ [ править ]

Основная статья: Серийный анализ экспрессии генов

Серийный анализ экспрессии генов (SAGE) - это альтернативный метод анализа, основанный на секвенировании РНК, а не на гибридизации. SAGE полагается на секвенирование тегов из 10–17 пар оснований, уникальных для каждого гена. Эти метки производятся из мРНК поли-А и лигируются встык перед секвенированием. SAGE дает объективное измерение количества транскриптов на клетку, так как оно не зависит от предварительных знаний о том, какие транскрипты изучать (как это делают микроматрицы).

Секвенирование РНК [ править ]

Основные статьи: секвенирование RNA-Seq и MicroRNA

Как отмечалось в 2016 году, в последние годы секвенирование РНК использовало технологию микрочипов и SAGE и стало наиболее эффективным способом изучения транскрипции и экспрессии генов. Обычно это делается с помощью секвенирования следующего поколения . [5]

Подмножество секвенированных РНК представляет собой малые РНК, класс некодирующих молекул РНК, которые являются ключевыми регуляторами транскрипционного и посттранскрипционного молчания генов или РНК-молчания . Секвенирование нового поколения - это золотой стандарт для обнаружения, профилирования и анализа экспрессии некодирующих РНК .

Массивно параллельные репортерные анализы (MPRA) [ править ]

Массивно-параллельные репортерные анализы - это технология для проверки цис-регуляторной активности последовательностей ДНК. [6] [7] В MPRA используется плазмида с синтетическим цис-регуляторным элементом перед промотором, управляющим синтетическим геном, таким как зеленый флуоресцентный белок. Библиотека цис-регуляторных элементов обычно тестируется с использованием MPRA, библиотека может содержать от сотен до тысяч цис-регуляторных элементов. Цис-регуляторная активность элементов оценивается с использованием нижестоящей репортерной активности. Активность всех членов библиотеки анализируется параллельно с использованием штрих-кодов для каждого цис-регуляторного элемента. Одним из ограничений MPRA является то, что активность анализируется на плазмиде и может не улавливать все аспекты регуляции гена, наблюдаемые в геноме.

STARR-seq [ править ]

Основная статья: STARR-seq

STARR-seq - это метод, аналогичный MPRA, для анализа энхансерной активности случайно разрезанных геномных фрагментов. В исходной публикации [8] случайно разрезанные фрагменты генома дрозофилы были помещены ниже минимального промотора. Кандидаты в энхансеры среди случайно разрезанных фрагментов будут транскрибировать себя с использованием минимального промотора. Используя секвенирование в качестве считывания и контроль вводимых количеств каждой последовательности, этим методом оценивают силу предполагаемых усилителей.

Perturb-seq [ править ]

Основная статья: Perturb-seq
Обзор рабочего процесса Perturb-seq

Perturb-seq сочетает опосредованные CRISPR нокдауны генов с экспрессией гена одной клетки. Линейные модели используются для расчета эффекта нокдауна одного гена на экспрессию нескольких генов.

На уровне белка [ править ]

Дрожжевая двугибридная система [ править ]

Основная статья: Двухгибридный скрининг

Двухгибридный дрожжевой скрининг (Y2H) тестирует белок-«приманку» против многих потенциальных взаимодействующих белков («жертва») для выявления физических белок-белковых взаимодействий. Эта система основана на факторе транскрипции, первоначально GAL4 [9], чьи отдельные ДНК-связывающие домены и домены активации транскрипции необходимы для того, чтобы белок мог вызвать транскрипцию репортерного гена. При скрининге Y2H белок «приманка» сливается со связывающим доменом GAL4, и библиотека потенциальных белков «жертвы» (взаимодействующих) рекомбинантно экспрессируется в векторе с доменом активации.Взаимодействие in vivo белков приманки и жертвы в дрожжевой клетке сближает активационный и связывающий домены GAL4 достаточно близко друг к другу, что приводит к экспрессии репортерного гена.. Также возможно систематически тестировать библиотеку белков-приманок против библиотеки белков-жертв, чтобы определить все возможные взаимодействия в клетке.

AP / MS [ править ]

Аффинная очистка и масс-спектрометрия (AP / MS) позволяют идентифицировать белки, которые взаимодействуют друг с другом в комплексах. Белковые комплексы могут образовываться вокруг определенного белка-«приманки». Белок приманки идентифицируется с помощью антитела или рекомбинантной метки, которая позволяет экстрагировать его вместе с любыми белками, которые образовали с ним комплекс. Затем белки расщепляются на короткие пептидные фрагменты, и масс-спектрометрия используется для идентификации белков на основе отношения массы к заряду этих фрагментов.

Глубокое мутационное сканирование [ править ]

При глубоком мутационном сканировании сначала синтезируются все возможные аминокислотные изменения в данном белке. Активность каждого из этих вариантов белка анализируется параллельно с использованием штрих-кодов для каждого варианта. Сравнивая активность с белком дикого типа, идентифицируют эффект каждой мутации. Хотя возможно проанализировать каждое возможное изменение отдельной аминокислоты из-за комбинаторики, две или более одновременных мутации трудно проверить. Эксперименты по глубокому мутационному сканированию также использовались для определения структуры белка и белок-белковых взаимодействий.

Методы потери функции [ править ]

Мутагенез [ править ]

Функцию генов можно исследовать, систематически «выбивая» гены один за другим. Это достигается путем делеции или нарушения функции (например, путем инсерционного мутагенеза ), и полученные организмы проверяются на фенотипы, которые дают ключ к разгадке функции нарушенного гена *.

RNAi [ править ]

Основная статья: RNAi

Методы РНК-интерференции (РНКи) могут использоваться для временного замалчивания или подавления экспрессии гена с использованием двухцепочечной РНК из ~ 20 пар оснований, обычно доставляемой путем трансфекции синтетических ~ 20-мерных коротко интерферирующих молекул РНК (миРНК) или коротких коротких молекул, кодируемых вирусом. -шпильчатые РНК (кшРНК). Скрининг РНКи, обычно выполняемый в анализах на основе клеточных культур или экспериментальных организмов (таких как C. elegans ), может использоваться для систематического нарушения почти каждого гена в геноме или подмножествах генов (субгеномах); возможные функции нарушенных генов могут быть назначены на основе наблюдаемых фенотипов .

Экраны CRISPR [ править ]

Пример экрана потери функции CRISPR. [10]

CRISPR-Cas9 был использован для мультиплексной делеции генов в клеточных линиях. Количественная оценка количества направляющих РНК для каждого гена до и после эксперимента может указать на важные гены. Если РНК-проводник разрушает важный ген, это приведет к потере этой клетки и, следовательно, будет истощение этой конкретной РНК-проводника после скрининга. В недавнем эксперименте CRISPR-cas9 на клеточных линиях млекопитающих было обнаружено, что около 2000 генов являются важными во многих клеточных линиях. [11] [12]Некоторые из этих генов важны только для одной клеточной линии. Большинство генов входят в состав мультибелковых комплексов. Этот подход может использоваться для определения синтетической летальности с использованием соответствующего генетического фона. CRISPRi и CRISPRa аналогичным образом позволяют использовать экраны потери функции и усиления функции. CRISPRi идентифицировал ~ 2100 основных генов в клеточной линии K562. [13] [14] Скрины делеции CRISPR также использовались для выявления потенциальных регуляторных элементов гена. Например, была опубликована методика под названием ScanDel, в которой использовалась эта попытка. Авторы удалили области за пределами интересующего гена (HPRT1, вовлеченный в менделевское расстройство) в попытке идентифицировать регуляторные элементы этого гена. [15]Gassperini et al. не идентифицировали какие-либо дистальные регуляторные элементы для HPRT1 с использованием этого подхода, однако такие подходы могут быть распространены на другие интересующие гены.

Функциональные аннотации генов [ править ]

Аннотации генома [ править ]

Основная статья: Геномный проект § Аннотации генома

Предполагаемые гены могут быть идентифицированы путем сканирования генома на предмет областей, которые могут кодировать белки, на основе таких характеристик, как длинные открытые рамки считывания , последовательности инициации транскрипции и сайты полиаденилирования . Последовательность, идентифицированная как предполагаемый ген, должна быть подтверждена дополнительными доказательствами, такими как сходство с последовательностями кДНК или EST из того же организма, сходство предсказанной белковой последовательности с известными белками, ассоциация с промоторными последовательностями или доказательство того, что мутация последовательности вызывает наблюдаемый фенотип.

Подход с розеттским камнем [ править ]

Подход Розеттского камня - это вычислительный метод для предсказания функции белков de novo. Он основан на гипотезе о том, что некоторые белки, участвующие в данном физиологическом процессе, могут существовать как два отдельных гена в одном организме и как один ген в другом. Геномы сканируются на предмет последовательностей, которые являются независимыми в одном организме и в одной открытой рамке считывания в другом. Если два гена слились, предполагается, что у них есть сходные биологические функции, которые делают такую ​​совместную регуляцию выгодной.

Методы биоинформатики для функциональной геномики [ править ]

Из-за большого количества данных, полученных с помощью этих методов, и желания найти биологически значимые закономерности, биоинформатика имеет решающее значение для анализа данных функциональной геномики. Примерами методов этого класса являются кластеризация данных или анализ главных компонентов для машинного обучения без учителя (определение классов), а также искусственные нейронные сети или вспомогательные векторные машины для машинного обучения с учителем (предсказание классов, классификация).). Анализ функционального обогащения используется для определения степени избыточной или недостаточной экспрессии (положительные или отрицательные регуляторы в случае скрининга РНКи) функциональных категорий относительно фоновых наборов. Генная онтология анализа на основе обогащения обеспечиваются DAVID и анализа набор генов обогащения (GSEA), [16] анализ , основанный на пути изобретательности [17] и Pathway студии [18] и белкового комплекса на основе анализа с помощью Compleat. [19]

Обзор рабочего процесса phydms

Были разработаны новые вычислительные методы для понимания результатов эксперимента по глубокому мутационному сканированию. 'phydms' сравнивает результат эксперимента по глубокому мутационному сканированию с филогенетическим деревом. [20] Это позволяет пользователю сделать вывод, применяет ли природный процесс отбора к белку аналогичные ограничения, как показывают результаты глубокого мутационного сканирования. Это может позволить экспериментатору выбирать между различными экспериментальными условиями в зависимости от того, насколько хорошо они отражают природу. Глубокое мутационное сканирование также использовалось для вывода белок-белковых взаимодействий. [21]Авторы использовали термодинамическую модель для прогнозирования эффектов мутаций в различных частях димера. Глубокая мутационная структура также может быть использована для вывода структуры белка. Сильный положительный эпистаз между двумя мутациями при глубоком мутационном сканировании может указывать на две части белка, которые расположены близко друг к другу в трехмерном пространстве. Затем эту информацию можно использовать для определения структуры белка. Доказательство принципа этого подхода было продемонстрировано двумя группами, использовавшими белок GB1. [22] [23]

Результаты экспериментов MPRA потребовали подходов машинного обучения для интерпретации данных. Модель SVM с пробелом k-mer была использована для вывода kmers, которые обогащены цис-регуляторными последовательностями с высокой активностью по сравнению с последовательностями с более низкой активностью. [24] Эти модели обеспечивают высокую предсказательную силу. Для интерпретации результатов этих многомерных экспериментов также использовались подходы глубокого обучения и случайного леса. [25] Эти модели начинают помогать лучше понять функцию некодирующей ДНК в отношении регуляции генов.

Проекты консорциума сосредоточены на функциональной геномике [ править ]

Проект ENCODE [ править ]

Основная статья: ENCODE

Проект ENCODE (Энциклопедия элементов ДНК) - это углубленный анализ генома человека, цель которого - идентифицировать все функциональные элементы геномной ДНК как в кодирующих, так и в некодирующих областях. Важные результаты включают доказательства массивов геномных плиток, что большинство нуклеотидов транскрибируются как кодирующие транскрипты, некодирующие РНК или случайные транскрипты, открытие дополнительных сайтов регуляции транскрипции, дальнейшее выяснение механизмов модификации хроматина.

Проект "Экспрессия генотипа-ткани" (GTEx) [ править ]

Используемые образцы и eQTL обнаружены в GTEx v6

Проект GTEx - это проект в области генетики человека, направленный на понимание роли генетической изменчивости в формировании вариаций транскриптома в разных тканях. В рамках проекта были собраны различные образцы тканей (> 50 различных тканей) от более чем 700 вскрытых доноров. В результате было собрано более 11 000 образцов. GTEx помог понять совместное использование тканей и тканеспецифичность EQTL . [26]

См. Также [ править ]

  • Системная биология
  • Структурная геномика
  • Сравнительная геномика
  • Фармакогеномика
  • Общество МГЕД
  • Эпигенетика
  • Биоинформатика
  • Эпистаз и функциональная геномика
  • Синтетическая жизнеспособность
  • Прогнозирование функции белков

Ссылки [ править ]

  1. ^ Граур D, Чжэн Y, Цена N, Азеведо RB, Zufall RA, Elhaik E (20 февраля 2013). «О бессмертии телевизоров:« функция »в геноме человека согласно безэволюционному евангелию ENCODE» . Геномная биология и эволюция . 5 (3): 578–90. DOI : 10.1093 / GbE / evt028 . PMC  3622293 . PMID  23431001 .
  2. ^ Гибсон G, Muse SV. Учебник по геномной науке (3-е изд.). Сандерленд, Массачусетс: Sinauer Associates.
  3. ^ Певзнер J (2009). Биоинформатика и функциональная геномика (2-е изд.). Хобокен, Нью-Джерси: Уайли-Блэквелл.
  4. ↑ Wang H, Mayhew D, Chen X, Johnston M, Mitra RD (май 2011 г.). «Телефонные карты позволяют мультиплексировать идентификацию геномных мишеней ДНК-связывающих белков» . Геномные исследования . 21 (5): 748–55. DOI : 10.1101 / gr.114850.110 . PMC 3083092 . PMID 21471402 .  
  5. ^ Hrdlickova R, Toloue М, Тянь Б (январь 2017 г.). «Методы RNA-Seq для анализа транскриптомов» . Междисциплинарные обзоры Wiley: РНК . 8 (1): e1364. DOI : 10.1002 / wrna.1364 . PMC 5717752 . PMID 27198714 .  
  6. ^ Kwasnieski JC, Fiore C, Chaudhari HG, Cohen BA (октябрь 2014). «Высокопроизводительное функциональное тестирование предсказаний сегментации ENCODE» . Геномные исследования . 24 (10): 1595–602. DOI : 10.1101 / gr.173518.114 . PMC 4199366 . PMID 25035418 .  
  7. ^ Патвардхан RP, Хайятт JB, Виттен DM, Ким MJ, Smith RP мая D и др. (Февраль 2012 г.). «Массивно-параллельное функциональное вскрытие энхансеров млекопитающих in vivo» . Природа Биотехнологии . 30 (3): 265–70. DOI : 10.1038 / nbt.2136 . PMC 3402344 . PMID 22371081 .  
  8. ^ Арнольд CD, Герлах D, Stelzer C, Борын лм, Рат M, Старк A (март 2013). «Полногеномные количественные карты активности энхансеров, идентифицированные с помощью STARR-seq». Наука . 339 (6123): 1074–7. Bibcode : 2013Sci ... 339.1074A . DOI : 10.1126 / science.1232542 . PMID 23328393 . S2CID 54488955 .  
  9. ↑ Fields S, Song O (июль 1989 г.). «Новая генетическая система для обнаружения белок-белковых взаимодействий». Природа . 340 (6230): 245–6. Bibcode : 1989Natur.340..245F . DOI : 10.1038 / 340245a0 . PMID 2547163 . S2CID 4320733 .  
  10. ^ Тянь S, Muneeruddin К, Choi МОИ, Тао л, Bhuiyan RH, Оми Y, Фурукава К, Furukawa К., Болэнд S, Шаффер С. А., Адам Р. М., Донг М (27 ноября 2018 годы). «Полногеномный CRISPR-скрининг на токсины шига и рицин выявляет белки Гольджи, критические для гликозилирования» . PLOS Биология . 16 (11). e2006951. DOI : 10.1371 / journal.pbio.2006951 . PMC 6258472 . PMID 30481169 .  
  11. ^ Харт Т., Чандрашекхар М., Ареггер М., Стейнхарт З., Браун К.Р., МакЛеод Г. и др. (Декабрь 2015 г.). «Скрины CRISPR с высоким разрешением выявляют гены приспособленности и генотип-специфические онкологические заболевания» . Cell . 163 (6): 1515–26. DOI : 10.1016 / j.cell.2015.11.015 . PMID 26627737 . 
  12. ^ Шалем О, Санджана NE, Хартениан Э, Ши X, Скотт Д.А., Миккельсон Т. и др. (Январь 2014). «Скрининг нокаута CRISPR-Cas9 в масштабе генома в клетках человека» . Наука . 343 (6166): 84–87. Bibcode : 2014Sci ... 343 ... 84S . DOI : 10.1126 / science.1247005 . PMC 4089965 . PMID 24336571 .  
  13. ^ Гилберт Л.А., Хорлбек М.А., Адамсон Б., Виллалта Дж. Э., Чен Ю., Уайтхед Е. Х. и др. (Октябрь 2014 г.). «Genome-Scale CRISPR-опосредованный контроль репрессии и активации генов» . Cell . 159 (3): 647–61. DOI : 10.1016 / j.cell.2014.09.029 . PMC 4253859 . PMID 25307932 .  
  14. ^ Horlbeck MA, Gilbert LA, Villalta JE, Adamson B, Pak RA, Chen Y, et al. (Сентябрь 2016 г.). «Компактные и высокоактивные библиотеки нового поколения для CRISPR-опосредованной репрессии и активации генов» . eLife . 5 . DOI : 10.7554 / eLife.19760 . PMC 5094855 . PMID 27661255 .  
  15. ^ Гасперини, Молли; Финдли, Грегори М .; Маккенна, Аарон; Милбанк, Дженнифер Х .; Ли, Чоли; Чжан, Мелисса Д .; Кусанович, Даррен А .; Шендуре, Джей (август 2017 г.). «CRISPR / Cas9-опосредованное сканирование регуляторных элементов, необходимых для экспрессии HPRT1 через тысячи больших запрограммированных геномных делеций» . Американский журнал генетики человека . 101 (2): 192–205. DOI : 10.1016 / j.ajhg.2017.06.010 . PMC 5544381 . PMID 28712454 .  
  16. ^ Субраманьян А, Тамайо Р, Mootha В.К., Мукхержи S, Эберт Б.Л., Жилетт М., и др. (Октябрь 2005 г.). «Анализ обогащения набора генов: основанный на знаниях подход к интерпретации профилей экспрессии всего генома» . Труды Национальной академии наук Соединенных Штатов Америки . 102 (43): 15545–50. Bibcode : 2005PNAS..10215545S . DOI : 10.1073 / pnas.0506580102 . PMC 1239896 . PMID 16199517 .  
  17. ^ «Системы изобретательности» . Архивировано из оригинала на 1999-01-25 . Проверено 31 декабря 2007 .
  18. ^ «Геномика Ариадны: Pathway Studio» . Архивировано из оригинала на 2007-12-30 . Проверено 31 декабря 2007 .
  19. ^ Vinayagam А, Х У, Кулкарни М, Roesel С, Сопко R, Мор SE, Perrimon N (февраль 2013 г. ). «Основа анализа протеинового комплекса для высокопроизводительных наборов данных» . Научная сигнализация . 6 (264): RS5. DOI : 10.1126 / scisignal.2003629 . PMC 3756668 . PMID 23443684 .  
  20. ^ Hilton SK, Doud MB, Bloom JD (2017). «phydms: программное обеспечение для филогенетического анализа на основе глубокого мутационного сканирования» . PeerJ . 5 : e3657. DOI : 10,7717 / peerj.3657 . PMC 5541924 . PMID 28785526 .  
  21. ^ Diss G, Lehner B (апрель 2018). «Генетический ландшафт физического взаимодействия» . eLife . 7 . DOI : 10.7554 / eLife.32472 . PMC 5896888 . PMID 29638215 .  
  22. ^ Schmiedel, Jörn M .; Ленер, Бен (17 июня 2019 г.). «Определение белковых структур с помощью глубокого мутагенеза» . Генетика природы . 51 (7): 1177–1186. DOI : 10.1038 / s41588-019-0431-х . PMID 31209395 . 
  23. ^ Роллинз, Натан Дж .; Брок, Келли П .; Poelwijk, Франк Дж .; Стиффлер, Майкл А .; Готье, Николас П .; Сандер, Крис; Маркс, Дебора С. (17 июня 2019 г.). «Выведение трехмерной структуры белка из сканирования глубоких мутаций» . Генетика природы . 51 (7): 1170–1176. DOI : 10.1038 / s41588-019-0432-9 . PMC 7295002 . PMID 31209393 .  
  24. ^ Ghandi МЫ, Ли Д, Мохаммад-Ноорите М, Пиво МЫ (июль 2014). «Улучшенное предсказание регуляторной последовательности с использованием функций k-mer с разрывом» . PLOS Вычислительная биология . 10 (7): e1003711. Bibcode : 2014PLSCB..10E3711G . DOI : 10.1371 / journal.pcbi.1003711 . PMC 4102394 . PMID 25033408 .  
  25. Перейти ↑ Li Y, Shi W, Wasserman WW (май 2018 г.). «Полногеномное прогнозирование цис-регуляторных регионов с использованием контролируемых методов глубокого обучения» . BMC Bioinformatics . 19 (1): 202. DOI : 10,1186 / s12859-018-2187-1 . PMC 5984344 . PMID 29855387 .  
  26. ^ Консорциум GTEx; Лаборатория, Центр анализа данных и координации (Ldacc) - рабочая группа по анализу; Группы статистических методов - аналитическая рабочая группа; Расширение групп GTEx (eGTEx); Общий фонд NIH; NIH / NCI; NIH / NHGRI; NIH / NIMH; NIH / NIDA; Исходный сайт коллекции биологических образцов - NDRI; Исходный сайт коллекции биологических образцов - RPCI; Основной ресурс биологических образцов - VARI; Репозиторий Brain Bank - банк Brain Endowment Bank Майами; Leidos Biomedical - Управление проектами; Исследование ELSI; Интеграция и визуализация данных браузера генома - EBI; Интеграция и визуализация данных браузера генома - Институт геномики Ucsc, Калифорнийский университет в Санта-Круз; Ведущие аналитики; Лаборатория, Центр анализа данных и координации (Ldacc):.; Управление программами NIH; Сбор биопрепаратов; Патология; рабочая группа по рукописи eQTL; Battle, A .; Браун, CD; Engelhardt, BE;Монтгомери, SB (12 октября 2017 г.).«Генетические эффекты на экспрессию генов в тканях человека» (PDF) . Природа . 550 (7675): 204–213. Bibcode : 2017Natur.550..204A . DOI : 10.1038 / nature24277 . PMC  5776756 . PMID  29022597 .

Внешние ссылки [ править ]

  • Функциональная геномика: введение в ресурсы EBI на Train OnLine
  • Программа Европейского научного фонда по границам функциональной геномики
  • MUGEN NoE - Интегрированная функциональная геномика в моделях мышей-мутантов
  • Понимание природы: функциональная геномика
  • Биоинформатика и функциональная геномика - Дополнительный сайт по биоинформатике и функциональной геномике, 2-е изд.
  • КОДИРОВАТЬ
  • 4-я конференция Европейского научного фонда по функциональной геномике и болезням