中国的研究产出正在继续快速增长，而在这里基因组生物学我们很幸运地收到了来自这个国家的一些很好的意见书。我们幸运地挑选了8篇文章，展示了我们中国研究的一些最好成果。所以，不用再多说了，让我们来看看…
利用高分辨率遗传图谱改进棉花基因组学
棉花品种棉花和海岛棉，分别被称为陆地棉和海岛棉，拥有大的基因组，每个染色体有四套，使它们成为四倍体。
大型基因组很难测序，因此植物基因组学领域落后于基因组学研究的其他领域。
当每个染色体都有多个拷贝时，寻找可能有助于基于育种的作物改良的序列变异，如单核苷酸多态性（SNPs），也是相当困难的。
南京农业大学的一个小组看到了一个建设的机会单核苷酸多态性的遗传图谱在两种四倍体棉花的基因组中。他们发现并绘制了500万个SNP——这是迄今为止两个物种之间发现的最大数量的序列变异！
他们的遗传图谱也被用来更新和改进陆地棉的基因组组合，并识别出臭名昭著的染色体中央区域。他们希望这张高精度、高分辨率的遗传图谱将为改进棉花育种提供有价值的信息，并有助于我们了解具有大基因组和多染色体组的物种的基因组结构和进化。
给鹅排序
中国生产的鹅肉占全球的94%，所以这种家禽在中国农业和经济中都扮演着非常重要的角色。鹅也是研究人类肝脏代谢的一个很好的模型。
为了确定鹅的独特特性，李金军、王军和他们的同事进行了一项合作，对鹅进行了测序和测序分析了鹅的全基因组.
这个天鹅座基因组有16000多个基因（相比之下，人类有20000-25000个），与其他陆生鸟类相比有许多显著差异，特别是在涉及免疫系统的基因方面。与其他家禽物种相比，它们还拥有更多参与脂质生产和运输的关键酶的拷贝。
确定癌症中基因组干扰的影响
肿瘤通常携带许多突变、基因拷贝数变异和表观遗传学改变。突变可以包括从单核苷酸多态性（SNP）到序列插入和/或缺失（INDEL）的任何变化，而表观遗传学变化包括非遗传畸变。每种类型的变化都有可能干扰基因的表达。
尽管我们知道这种联系，但仍然很难估计这些突变对给定通路的影响，因此利用这些知识来改进治疗。进行的一项研究中国科学院的Andrew Teschendorff及其同事创建了一个统计框架，将已知的癌症和肿瘤扰动特征与匹配的药物敏感性数据相结合。
值得注意的是，他们发现了一种新的、临床相关的乳腺癌亚型，以及针对该亚型的潜在治疗方法。他们希望这一方法将被用于确定对某些癌症患者群体有益的药物治疗。
基因表达与衰老
衰老导致基因表达在mRNA和蛋白质水平上的剧烈变化。
荣增（中国科学院）和Philipp Khaitovich（中科院MPG计算生物学合作研究所）及其同事最近调查人类和恒河猴在不同发育阶段大脑前额叶皮质mRNA和蛋白质表达的变化。
他们发现，在衰老过程中，mRNA和蛋白质水平之间的关系越来越不紧密。这种情况可能是由于mRNA的修饰改变了稳定性，或阻止了翻译成蛋白质。许多被预测为这些修饰目标的基因已知与寿命延长、线粒体功能和阿尔茨海默病有关。
识别环状RNA
自从他们在30-40年前被发现以来，环状RNA已经在生命的所有领域被发现。这些RNA分子形成一个共价结合的连续闭环，这赋予了它们独特的性质。它们的功能在很大程度上仍然未知，但它们的高表达水平和跨物种的保守性表明它们具有重要的生理功能。
研究环状rna通常是通过转录组测序完成的，一个重要的技术挑战是使用这种方法将环状rna与其他rna区分开来。
中国科学院的赵方青和他的同事们最近开发了一个软件从转录组数据中准确检测环状RNA，他们称之为CIRI（CircRNA标识符）。作者相信，这种方法将有助于检测新的环状RNA，使研究人员能够确定它们真正的生理作用。
基因组重组与蜜蜂行为
蜜蜂(意大利蜜蜂)和其他群居膜翅目动物相比，它们的染色体交叉率极高——高于地球上任何其他动物或植物！这一过程在基因组中变化很大，一些区域具有高重组率，而其他区域的重组事件很少。
雄性蜜蜂只有一组染色体（单倍体），而雌性蜜蜂有两组染色体（二倍体），这使得蜜蜂成为研究性细胞产生过程中发生交叉的原因和后果的绝佳人选。
通过研究蜜蜂大脑中的跨界Laurence Hurst（巴斯大学）和Sihai Yang（南京大学）及其同事在蜜蜂体内构建了一个高分辨率重组图谱。他们发现，工作人员（女性）大脑中高表达的行为相关基因具有异常高的交叉率，但免疫相关基因没有。这是第一个将交叉事件与蜜蜂的社会行为联系起来的证据。
为更好的转录组组装构建桥梁
RNA测序是一种强大的工具，它使我们能够以前所未有的准确性和灵敏度一瞥基因表达。但是从这个工具读取的序列非常短，通常非常短，以至于很难正确地重建全长RNA转录本。
有几种方法可以帮助组装RNA读取，但许多方法需要参考基因组来重建转录组。那么，当没有一个参考基因组作为我们组装的基础时，我们该怎么办呢？
李国军，黄秀珍，以及他们在中美的同事最近描述了他们新的转录组组装程序它利用了最流行的方法的最佳特性，并在一个工具中“连接”它们。
当在三个真实数据集（人类、狗和小鼠RNA）上进行测试时，这种新方法被证明速度显著更快，需要更少的内存空间，并且总体上比其他方法更擅长组装转录组，同时引入更少的误报。
所有地图都能带来高质量的地图从头基因组组装
有许多方法可用于本手册中涉及的大多数步骤从头基因组组装，但是那些用于排列和定向支架的还没有开发出来。
从头开始组装基因组，或从头组装，发生在一系列步骤中：将重叠读数组装成重叠，将重叠读数构建成支架，并将支架精确排序和定向成染色体。这通常是使用各种类型的基因组作图信息来完成的。
有许多方法可用于本手册中涉及的大多数步骤从头基因组组装，但是那些用于排列和定向支架的还没有开发出来。唐海宝及其同事我们已经开发出一种方法来填补这一空白，他们称之为ALLMAPS。
他们的算法优化了多个映射之间的一致性，以精确地排列和定向支架，同时避免映射错误。ALLMAPS整合了来自物理图、光学图和比较图的数据，为构建高质量的基因组组装提供了一个有用且强大的工具。
展望未来
基因组生物学到目前为止，2015年中国作者发表了大量高质量的研究文章，我对此感到非常激动。然而，这一年还没有结束，我们毫不怀疑，在整个2015年及其后将有大量伟大的研究。
请继续关注BioMed Central博客，我们将在这里庆祝我们中国门户网站的重新启动，重点介绍我们中国编辑的工作和来自中国研究人员的更多内容。
评论