至科学家分享基因测序技术研发成果

科学家分享基因测序技术研发成果

杜克大学份子遗传学教授David Goldstein

David Goldstein提出应用精准医学医治神经系统疾病。Goldstein专注于几个癫痫患者大范围研究的课题，其中包括1项对超过350个得病的儿童及其父母进行测序来发现新突变的项目。虽然许多发现的突变属罕见突变，但是它们常常参与共同的生物学途径，因此可以利用这个信息来对病人进行分层。1个典型的例子是，对KCNT1基因有突变的患者进行奎尼丁给药，在3个患者中，有两个癫痫发作的严重程度和频率都有明显的改良。Goldstein指出，如果没有基因组学，这类靶向医治就不会被发现。Goldstein还表示当测序技术被用于临床诊断时，保证基因组的正确性就相当重要了。患者的基因组需要进行全面的剖析：最少对癫痫病患来讲，新突变发现的速度是基因分型远远赶不上的。Goldstein的演讲为通过临床测序和生物信息学手段阐释新发现提供了新希望。

哈佛大学丹娜法伯癌症研究院Levi Garraway

Levi Garraway表示癌症精准医疗的目标就是开发新的医治方法及药物。他提到，在临床癌症基因组研究中有很多发现机会，特别是新的医治方法。Garraway对57例前列腺癌患者的肿瘤组织及正常对比组织进行测序，以研究其体细胞突变。研究表明，在前列腺癌的产生中染色体重排致使相当大的基因组错乱，这点很重要。他介绍利用10X Genomics公司长reads测序技术能获得长达100kb的序列，从而便于对染色体重排进行研究。

所以遇到这类情况应当在大量程处多实验1些次数

华盛顿大学医学中心遗传学负责人Gail Jarvik

Gail Jarvik分享了在临床测序探索性研究计划的学习经验。CSER是1个旨在分享创新及1种“新常态”的提法最近开始出现将基因组测序技术利用到临床护理中的国家联合项目。已确立了112个基因列表，其中1些与ACMG有重合。CSER还对已知和新的变异进行注释并评估其在具有欧洲和非洲血统的个体中的频率。

斯坦福大学医学院Euan Ashley

Euan Ashley的主题是走向临床的全基因组测序。他首先介绍了基因组的复杂性，接着向大家展现了1个对12位成人进行全基因组测序的研究，描写了为什么临床测序需要1致性报告：遗传性疾病基因的不完全覆盖，可检测遗传变异的低重复性及临床结果报告的不肯定性都会影响全基因组测序结果。大部份的致病突变在经过人工注释审核后其危险等级都有所降落，但是这需要很久的时间。

美国堪萨斯州儿童慈善医院Stephen K不收软盘ingsmore

Stephen Kingsmore介绍了下1代测序技术在新生儿遗传性疾病方面的利用。Kingsmore首先介绍了新生儿筛查和初期诊断如何减低病发率和病死率。每一年通过下1代测序技术对60种遗传疾病进，能够发现约5000例携带疾病的新生儿病例。他还提到了他与Illumina开发的1套快速测序流程，从样本到基因变异注释只需要28小时。

美国哈佛-麻省理工博德研究所Christian Matranga

Christian Matranga描写了临床测序病毒基因组对理解病毒进化和传播的重要性，及其在临床检测和医治方面起到的重要作用。研究人员开发了1种测序方法，该方法可检测和组装来自不同谱系的基因组，用这类方法对300个LAS病毒和100个埃博拉病毒进行了基因组测序。

华盛顿大学医学院Malachi Griffith

Malachi Griffith的演讲主要集中在基因组测序和分析方面。他强调说，通常对肿瘤进行全外显子测序或全基因组测序时，平均覆盖度应到达75⑴00X或是30⑸0X，如想检测低频突变就需要增加测序深度。通过对急性粒细胞白血病的测序分析发现：测序深度越深，发现的致病突变越多。

测序研究 技术类

耶鲁大学遗传学家Rick Lifton

耶鲁大学遗传学家Rick Lifton在会议上表示，应当将更多的精力放在肯定更多的人类基因组的功能上。由于 有非常大的空间探索新发现 ，并指出在人类基因组中已知的21000个蛋白编码基因，仅唯一3000个已明确与疾病相干。Lifton举例高血压这1疾病就与孟德尔遗传有关。Lifton呼吁将测序技术作为在临床上的常规检测手段。他认为，要想真正理解人类基因组需要阐明非编码区，肯定每个基因突变的后果，并肯定医治的生物靶点。

华盛顿大学基因学家Evan Eichler

Evan Eichler描写了如何通过单份子测序手段来发现人类遗传变异。他指出测序reads较短会使许多结构变异难以发现，特别是当结构变异产生在重复富集的区域附近时，许多重要变异信息会被遗漏，并且计算遗漏了多少。Eichler在葡萄胎研究中使用Pacific Biosciences的单份子实时测序技术，检测到26，015个结构变异，并补平或缩小了人类参考基因组的90个gap，增加了总共1.1Mb的新序列。他指出这项工作重要的发现之1是在基因组内发现的92的插入突变和60的缺失突变都是之前未见报道的 包括许多存在于蛋白编码区内 这也许能预示在之前的人类基因组研究中错过了多少重要的发现。1项分析表明，通过SMRT 测序、组装得到的STRs的比现有的人类参考基因组中智能化水平得到了极大的提高的STRs更丰富3倍，更长出2.8倍;这个分析也表明目前对基因组的认识不完全的。他还表示， 我们需要捕获这些结构变异，来使精准医疗更加精准!

斯坦福大学遗传学家Carlos Bustamante

Carlos Bustamante在大会上向大家介绍了1种靶向捕获分析器 PhenoCap，该仪器可以用于DNA样本法医学检测后的表型预测。PhenoCap的表型特点预测功能，从常染色体显性遗传到脸部形态，都能进行预测。1般的法医学检测都因DNA样本高度降解或是污染，而使得传统的STR和PCR分析手段困难重重，也没法保证结果的可信度。Bustamante团队希望PhenoCap能够综合分析各类样本，并能解决相干困难。该团队还对毛里求斯1处奴隶公墓里奴隶的DNA进行测序，并研究发现了其先人散布的广泛多样。

宾夕法尼亚大学Sarah Tishkoff

Sarah Tishkoff向大家介绍了非洲偏僻地区人群的基因组研究，如关于与俾格米人短小身材相干的遗传因素研究。她呼吁预会者支持对不同种族人群进行测序，取得多个参考基因组，以便更好地研究现有人类参考基因组中的变异。

南洋理工大学Hie Lim Kim

Kim讲述了用420K的SNP数据芯片，来研究5个Nambian Khoisan人和1个种群，结果发现两类人群中都广泛存在着南非科伊桑人基因。结合气象数据和测序数据，推断这两部份人可能来自共同的先人，以后又分成现在的两个不同的群体。

怀特黑德研究所David Page

David Page主要论述了X、Y染色体的测序研究，他将X、Y染色体称为 基因组中具挑战性的底物 。例如，人类Y染色体的特点是有8个回文序列，大的1个将近3Mb;在小鼠中，Y染色体存在180个长达500kb的重复单元，使用BAC克隆技术和1种被称为SHIMS的重复测序方法来研究这些复杂的区域，而这些区域大部份在现有的参考基因组中找不到相干信息。

杜克大学Erich Jarvis

Erich Jarvis谈到了对脊椎动物基因组进行测序，来研究进化基因组学所面临的挑战。作为鸟类系统基因组学同盟的1员，他对48种鸟类的基因组进行了测序，基本涵盖了所有的种类。他查明了现代鸟类大量灭亡的缘由，描写了在鸟类中有55个基因聚集表达。

美国哈佛-麻省理工博德研究所Jessica Alfoldi

Jessica Alfoldi认为进化有两种方式：即自然和人工的选择。非编码等位基因频率的改变可能促生了鲷这1物种的构成和兔这1物种生活习性的改变，这些都可以在极短的时间内完成。

美国哈佛-麻省理工博德研究所Alexandre Melnikov

Alexandre Melnikov向大家介绍了MITE-Seq技术。相比于传统的诱变方法MITE定点诱变方法能够为蛋白结构功能的研究提供更高的分辨率。随后Andrea Kohn描写了海兔神经元单细胞甲基化的分析，使用甲基化测序及重亚硫酸盐测序可取得每一个神经元细胞大于20X覆盖度的测序数据。

冷泉港实验室Sara Goodwin

Sara Goodwin展现了利用Oxford MinION掌上测序仪进行de novo组装和测序。利用MinION对酵母菌株W303进行了超过120X覆盖度的测序，结果表明并能够取得80的比对率。

哥伦比亚大学Yaniv Erlich

Yaniv Erlich使用大范围人群的家族谱系来剖析人类长寿的遗传结构。Erlich有新意地利用社交媒体来剖析复杂性状的遗传结构：使用geni.com来分析大家族的复杂性状并用公共数据进行验证;并使用诞生地作为雅虎地图的GPS坐标，向大家展现从中世纪到21世纪初期人类的迁徙。得到的结论是长寿是1个附加性状，有益于个体化医疗。他的研究数据将对公众开放。