GenBank Release 274.0 发布:60.07 万亿碱基、66.8 亿条记录
NCBI 发布 GenBank Release 274.0,含 60.07 万亿碱基、6.68 亿条记录,传统记录 269,895,537 条。与 273.0 相隔 63 天,传统部分新增 1,148,082,415,974 碱基和 2,511,642 条序列记录,WGS 部分新增 4,158,499,198,911 碱基和 308,262,063 条记录。
NCBI 发布 GenBank Release 274.0,含 60.07 万亿碱基、6.68 亿条记录,传统记录 269,895,537 条。与 273.0 相隔 63 天,传统部分新增 1,148,082,415,974 碱基和 2,511,642 条序列记录,WGS 部分新增 4,158,499,198,911 碱基和 308,262,063 条记录。
研究提出一种基于经验贝叶斯框架的阈值策略,在构建稀疏相关矩阵时控制非零相关中的 FDR,并估计非零相关里的预期假阳性数。该方法兼容任意相关度量,作者称其在保留真实生物学相关上比基于 Frobenius 范数最小化的交叉验证阈值更灵敏;相关 R 包 scfdr 已在 github.com/ariefgusnanto/scfdr 开放。
研究发现 Q-SNARE 蛋白 STX11 直接结合并调控 CRAC 通道成孔亚基 Orai1,STX11 缺失会显著抑制 FHLH4 患者 T 淋巴细胞和细胞系中的钙库操纵性钙内流(SOCE)、CRAC 电流、NFAT 激活、白细胞介素-2 基因表达和脱颗粒,且不影响膜运输。
研究整合216个C2H2-ZFPs的ChIP-seq数据与全基因组染色质互作图谱,发现超过40%的人C2H2-ZFPs在长程染色质互作(LRI)锚点显著富集。作者用亲和纯化-质谱构建了覆盖345个C2H2-ZFPs的互作组,并对204个成员做LUMIER二元互作实验,发现互作的C2H2-ZFP对在LRI上显著共富集,常定位于相同或相对的环锚点。
人类生殖与发育数据库 HRD 发布 1.0 版,整合了生殖、妊娠和发育相关的公开多组学数据。该版本收录 814 条组学记录,包括 432 条 bulk 转录组、144 条单细胞或单核转录组、156 条表观基因组、52 条代谢组和 30 条蛋白质组记录,另有 702 条临床试验记录、293 条暴露与结局关联和 779 个先证 SNP 及其表型关联。
上海交通大学团队发布天然转化数据库 NTDB(https://bioinfo-mml.sjtu.edu.cn/NTDB/),整合文献挖掘得到的 118 个天然可转化物种、1072 个转化相关基因和 10 个 DNA 摄取基序的实验验证数据。
研究对人类配子、二细胞胚胎、八细胞胚胎、囊胚和胚胎干细胞中的 H2AK119ub(H2Aub)进行图谱分析,发现 H2Aub 最早在二细胞阶段于 GC 富集区域出现,随后逐步累积,并在后期集中于 PcG 靶基因。
推荐理由:该研究追踪人胚胎从配子到囊胚的 H2Aub 动态,说明 H2Aub 如何引导 H3K27me3 重建 Polycomb 抑制格局。
一项新工作在 379 个人脑样本中绘制了可变多聚腺苷酸化这一转录后调控层,显示 3′-UTR 选择上的遗传变异与疾病相关位点及下游分子效应相关。可变多聚腺苷酸化通过改变 mRNA 末端影响 mRNA 稳定性、翻译或亚细胞定位,而不一定改变 RNA 丰度。
推荐理由:在 379 个人脑样本中绘制可变多聚腺苷酸化图谱,把 3′-UTR 选择相关的遗传变异与疾病位点及下游分子效应联系起来。
研究在 5 个有高质量 MAVE 数据的癌症相关基因上比较 MAVE 与 GEMME、EVE、CPT-1 等无人群依赖变异效应预测器的分类表现,发现 MAVE 按 ACMG/AMP 校准后更保守、判定更明确,而 VEP 整体能识别更广范围致病变异。
一项发表于 Genome Medicine 的回顾性横断面研究,用 92 例 22q11DS 患者(0.5–21 岁)和 252 例匹配临床对照的常规临床 MRI,结合 1,995 例参考扫描的规范建模,刻画该综合征的脑结构偏离。
Amira 通过构建基因空间 de Bruijn 图,直接从长读段中检测抗菌药物耐药(AMR)基因,把读段精确对应到不同的 AMR 基因拷贝,并据此完成组装。作者称,在模拟数据、精选样本和公开数据集上,Amira 相比现有方法提升了拷贝数召回率和核苷酸准确度。
研究对 22 例 SHH 型髓母细胞瘤样本(16 例原发、6 例复发,含 4 对原发-复发配对)开展 snRNA-seq(n = 16)、snATAC-seq(n = 13)和空间转录组(n = 6)分析,并结合 25 例样本的外显子变异数据,另用 48 例样本(24 对原发-复发配对)的 bulk RNA-seq 做验证。
ParaDISM 是一个用于精化标准比对结果的流程,通过参考序列的多序列比对识别可区分位点,仅在有无歧义的序列特异性证据时才把读段或读段对分配到某条序列,证据不足的读段报告为未分配。
Genes2Reg 提出用异构图注意力网络(HGAT)把蛋白互作、通路共属、调控靶向等异质生物网络融合为单一对称的基因-基因耦合矩阵,形成可正则化任意基因索引模型的任务无关先验。
研究用 PRS-CSx 整合欧洲与东亚的冠状动脉疾病 GWAS 汇总数据,构建跨族裔多基因风险评分,并在中国慢性病前瞻性队列(CKB)的 72,782 人中外部验证。
一种融合深度表示学习的混合束搜索框架被提出用于求解多序列最长公共子序列(MLCS)问题,由轻量 Transformer 编码器结合对比学习、非支配过滤与双准则评估、多维评分模型三个模块构成。
研究在泛素 E1 抑制剂 TAK-243 存在下开展全基因组 CRISPR 敲除筛选,鉴定出 239 个基因,敲除这些基因会使细胞对泛素化阻断更敏感。后续分析显示,核蛋白 HAPSTR1 将 E3 连接酶 HUWE1 招募到染色质,维持染色质相关蛋白组的稳定,而 HAPSTR1 自身在细胞周期进程中被 HUWE1 降解。
合成小鼠L1(smL1)逆转座效率高于亲本L1spa,并非源于合成ORF序列,而是ORF1p两个非同义替换与3'UTR缺失保守的鸟苷富集区(GRR)共同作用的结果。GRR以位置依赖方式影响天然小鼠L1逆转座,且不涉及mRNA提前多聚腺苷化或插入结构改变,而是通过调节ORF1p丰度实现。smL1对GRR的抑制作用不敏感,可能与其合成ORF序列带来的高效蛋白表达有关。
酿酒酵母染色体末端20 kb内重组促进轴蛋白富集偏低与DNA双链断裂(DSB)下调,由多种常具染色体特异性的抑制机制共同造成。轴蛋白抑制依赖组蛋白甲基转移酶Dot1和Sir沉默复合体,Dot1至少部分不依赖其经典靶点H3K79抑制Sir活性;Sir复合体则通过限制启动子开放度抑制少数隐蔽热点的DSB诱导。dot1和sir3突变体中末端DSB减少仍大部分存在,提示还有其他调控层参与。
AmpliconSuite 是一个从肿瘤全基因组测序数据分析局灶性扩增的工具包,可识别染色体外 DNA(ecDNA)、断裂-融合-桥(breakage–fusion–bridge)及其他扩增模式,其 ecContext 模块对 ecDNA 结构分类以理解形成机制。
推荐理由:该工具把肿瘤全基因组测序中的局灶性扩增分析整合为端到端流程,并在 72 个模型、175 个基因上做了 FISH 验证。
一项覆盖 128 家中国临床遗传实验室的能力验证研究显示,13 个变异中仅 6 个达成总体一致,7 个存在临床意义显著的跨类别分歧。APOB、LZTR1、MYH7 和 EPCAM 等多疾病相关基因的变异常被跨疾病直接套用致病性结论,未充分考虑疾病机制、遗传模式与疾病特异性证据效力,而两个 GJB2 变异分类一致性明显更高。
GenPerturb 通过拟合预训练序列嵌入的条件特异性线性读出,将 Perturb-seq 的 pseudobulk 表达与顺式调控元件和转录因子基序关联起来,无需目标实验配套染色质数据。
GenoCLAMP 是一种整合基序聚类与比对的算法,可将冗余的转录因子结合基序合并为高质量矩阵表示。该工具能可靠还原结合共同基序的已知转录因子复合物,并发现此前未表征基序的证据,为大规模转录因子–DNA 结合数据的计算分析与生物学解读提供高效框架。
一个面向 Bacteria、Archaea、Eukaryota 与病毒的“prompt-to-genome”AI 设计框架被提出,主张序列生成不等于生物学可行,约束应界定功能、遗传、生命周期一致性与安全使用的可检验边界。
结合单细胞 RNA-Seq 与 ChIP,对矮牵牛 phdef 细胞层特异性突变体的分析显示,花瓣身份基因 PhDEF 在表皮与叶肉中调控不同靶基因,且在表皮中结合更显著、调控作用更强。研究发现 PhDEF 靶基因的结合谱高度多样,包含层特异性与非特异性结合位点的复杂组合,表明细胞层身份会影响同源异型基因的调控过程。
南极棘鳍冰鱼 Harpagifer antarcticus 的新分相组装显示全基因组单倍型变异水平低,但存在多个 LINE-L2 支系的插入,提示持续转座可能参与物种形成。
HitSV 通过建模基因组重复性与信号强度的相互作用来改进结构变异检测,结合重复性与信号密度感知的断点识别和单倍型解析的局部组装,实现碱基分辨率的结构变异重建与基因分型。
推荐理由:新方法把重复序列密度纳入结构变异断点识别,并在多个测序平台和大队列上给出可比较的提升幅度。
研究为十种代表性被子植物构建了碱基分辨率的结构变异(SV)真值集,并系统评测 91 条基于 PacBio HiFi 长读长的 SV 检测流程。
研究团队将 DCM-time machine 引入人诱导多能干细胞,实现对转录活性的回溯性全基因组追踪。该系统用 DCM 甲基化标记活跃的基因和增强子,这些标记在 S 期随 DNA 复制传递下去。在诱导多能干细胞向定型内胚层和原始肠管分化的过程中,该系统解析了活性动态,并可与转录因子网络和 CpG 甲基化谱整合。
Ha 等人用短读长与长读长全基因组测序,对低变异等位基因频率(VAF)嵌合突变的检测策略做多机构基准评测。研究由五家机构构建细胞系混合样本,以 PacBio HiFi 数据交叉验证 Illumina 平台的变异检测结果,据此构建分层参考集、界定现实检出下限,并为非癌组织中低 VAF(<2%)变异的全基因组分析给出最佳实践。
一项发表于Genome Medicine的研究用定量演化框架分析2171份样本,区分突变率与选择,发现NOTCH1突变在组织学正常食管上皮克隆扩增中受强正选择,这解释了其在该组织中的高 prevalence。
推荐理由:研究用2171份样本区分突变率与选择,显示NOTCH1在正常食管上皮中受强选择,却与TP53、RB1呈拮抗上位性,抑制后续恶性演化。
Kong 等提出一种泛基因组方法,利用 HapMap 混合样本和泛基因组图构建合成体细胞变异资源,为跨变异类型和等位分数的体细胞变异检测提供标准化基准集。该资源可用于评测测序技术和变异检测方法。
研究利用 467,152 份 UK Biobank 基因组构建了全表型结构变异图谱,显示大于 50 bp 的结构变异是人类疾病风险中重要且此前被低估的来源。该资源揭示了与疾病相关的罕见结构变异和调控性结构变异,为理解人类生物学和药物研发提供线索。
推荐理由:基于近 50 万份 UK Biobank 基因组构建的结构变异图谱,把大于 50 bp 的变异与疾病风险系统关联起来,可作为结构变异研究的参考资源。
研究用新构建的 MacSyFinder2 模型对古菌 T4F 系统进行鉴定与分类,发现其多样性远超预期,许多生物携带一套或多套组装机器。基于结构系统发育分析显示,T4F 相关 ATPase 可变的 N 端结构域与子系统聚类一致,提示核心机器通过结构创新在古菌分泌 ATPase 家族内发生分化。
pycircdb 是一个 Python 命令行工具,可输入人类 circRNA 基因组坐标,快速查询多个经整理的 circRNA 数据库并输出可复现注释。各数据库已统一为 0-based 表示并在 hg19 与 hg38 组装间交叉映射,兼容 0-based 和 1-based 坐标输入,采用容错匹配策略。
对达斡尔、鄂温克、鄂伦春三个阿穆尔-黑龙江河流域(AR)原住民族群共78人的高覆盖度全基因组测序显示,AR人群约1万至3000年前经历共同且持久的瓶颈效应。全基因组选择扫描发现SORBS2、PRKAG2、KCNMA1等冷适应候选位点,其等位基因频率与寒冷相关气候变量强相关,其中CHST11的尼安德特人来源等位基因rs11112181可能贡献冷适应变异。
CRISPR-HAWK 是一个把个体和群体尺度的变异与单倍型纳入 gRNA 设计的框架,代码已在 GitHub 开源。作者在 79 648 个基因组上分析治疗靶点,发现变异会显著改变向导表现:针对 BCL11A 的镰状细胞病治疗向导存在完全消除预测切割活性的单倍型,七个治疗位点中 82.5% 的向导带有影响在靶活性的变异,变异还会产生新的 PAM 位点、带来参考基因组设计看不到的个体特异性向导。
推荐理由:该工具把个体与群体层面的变异和单倍型纳入 gRNA 设计,并给出 79 648 个基因组上的评估结果,可供做 CRISPR 靶点选择时参考。
一项基于英格兰全国数据的队列研究纳入 1107 例原发性线粒体病患者(中位年龄 48 岁,74% 为线粒体 DNA 诊断、26% 为核基因诊断),遗传诊断后 10 年生存率为 80.3%、20 年为 58.9%,高于此前预期。
Costantino 等系统刻画了表型测量尺度的选择如何影响常见遗传分析的结果,发现尺度选择可改变 GWAS 命中位点与 PGS × E 交互作用,并影响 PGS 在特定亚组中的表现。该研究发表于 Cell Genomics(在线优先),提示在生物样本库的基因-环境交互检验中不应忽视表型尺度的设定。
中国科学院遗传与发育生物学研究所高彩霞团队与陈宇航团队在 Nature Plants 在线发表研究,提出结构指导设计与顺式调控优化相结合的等位基因工程策略,创制了除草剂抗性提升的水稻和小麦新种质。
推荐理由:该工作把蛋白结构指导的编码区变异与顺式调控元件整合结合,在水稻和小麦中同时改造 HPPD,为复杂农艺性状改良提供可迁移路径。