|
对于人的每个细胞来说,其两米长的DNA不但可以很轻松地压缩到大约5微米的细胞核中,还要保证转录、翻译、基因修复等细胞过程的正常进行,这本身就提示基因组的三维结构信息对于生命活动是极端重要的。目前约有三种方法来研究三维基因组:以分子生物学为基础的molecular mapping、分子影像学、及定量计算方法。本文在介绍染色质及基因组的各种模型后,重点讨论后两种在十多年来内的飞速发展及其在三维基因组研究中的应用。
1、单分子水平的超分辨方法在三维基因组研究中的应用
首先,本文介绍了基于定位精度的超分辨显微术LSRM,重点介绍了PALM和STORM是如何应用到研究染色质结构的(表1),同时,介绍了如何用SIM、STED、光片超分辨、反射光片显微镜、光片贝叶斯定位超分辨、栅格光片超分辨等技术来得到染色体/染色质的位置信息。随后作者指出,要想得到高质量的超分辨图像并不容易,要考虑多种因素(表2)之间的平衡。
2、Hi-C数据的定量分析方法
基于最基本的研究染色质相互作用(CCI)的方法3C,人们又发展了多种新方法,Hi-C是其中最重要的方法之一。Hi-C数据可以得到全基因组范围内的CCI信息,这些相互作用被限制在不同的染色质空间结构域内。因此,本文分别介绍了几个寻找染色质空间结构域的新方法:Direction Index,HiCseg,及本文作者所发展的CHDF。其中,CHDF找到的结构域更加精细,可以提供更加完整的染色质空间结构。
有了Hi-C数据,那么人们一定会想到用算法来预测三维基因组结构。因此本文接下来介绍了 ChromSDE、Pastis、MCMC5C、ShRec3D、MBO、BACH、Bau等人的新方法(表3),及方法背后的大致算法结构。紧接着,人们就会想到把这些预测的三维结构在计算机上形象地表示出来,因此本文随后介绍了一些可用于三维基因组可视化的工具,比如PyMol、GMol、Genome3D、Tadkit,及作者尚未发表的HiC-3DViewer,并对这几个软件的各项功能进行了比较(表4)。
3、三种方法相互补充
最后,本文指出,研究三维基因组的三种方法并不是无关或者相互排斥的,而是相互支持、互为补充的。比如,分子影像学方法(FISH和CRISPR技术等)可以对用分子生物学方法得到的CCI进行(活细胞中的实时)验证。三种方法的有机结合,将成为研究三维基因组的更为强大的工具。
具体内容请关注QuantitativeBiology期刊2016年发表在第2期的题为“Developing bioimaging and quantitative methods to study 3D genome”的文章:http://journal.hep.com.cn/qb/EN/10.1007/s40484-016-0065-2,本文的通讯作者是清华大学信息学院与医学院双聘教授张奇伟教授和高军涛副研究员。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-27 06:23
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社