پیشرفت های اخیر در ژنومیک ها به طور عمیقی درک ما از چگونگی تغییرات ژنتیکی باعث سلامت، بیماری و پاسخ به مواد مخدر را گسترش داده است، ژنوم انسان میلیون ها نوع مختلف را در خود جای داده است، اما اکثریت قریب به اتفاق از نظر عواقب عملکردی خود، روش های سنتی برای مطالعه انواع مختلف پزشکی (مانند mttttttttttttttc) به دنبال مطالعات کم-put به عنوان مثال - بسیار کند و قادر به پاسخگویی به تجزیه و تحلیل نیازهای تکاملی (IP) است.

مقدمه ای بر High-Overput Performance Screening

غربالگری عملکرد بالا به مجموعه ای از روش های تجربی اشاره می کند که به طور سیستماتیک تاثیر تغییرات ژنتیکی متعدد بر روی یک قرائت بیولوژیکی قابل اندازه گیری را آزمایش می کند. اصل اصلی ایجاد کتابخانه های بزرگ از توالی های مختلف است، آنها را به یک مدل سلولی مرتبط معرفی می کند، و سپس سلول ها را بر اساس یک نوع از منافع قابل اندازه گیری (به عنوان مثال ژن، بیان، تناسب اندام سلول، فعالیت های گسترده ای که شامل آن هستند، مرتب سازی DNA و سپس به آن ها از طریق چند نوع های مختلف، و سپس به طور مشخص شده است.

تکنولوژی های اصلی رانندگی High-throughput Screening

چندین تکنولوژی قدرتمند، HTFS مدرن را که هرکدام دارای نقاط قوت و برنامه های خود هستند، تحت تاثیر قرار می دهند.

صفحه نمایش های مبتنی بر CRISPR

تکنولوژی CRISPR-Cas9 با فعال کردن ویرایش دقیق ژنوم به شیوه ای مقیاس پذیر، به طور سیستماتیک، یک صفحه نمایش معمولی CRISPR، یک کتابخانه از راهنمای RNA منفرد (sgRNA) که هزاران نمونه از سایت های ژنومی را هدف قرار می دهد، به سلول ها ثابت می کند که ویرایش های پیشرفته شناخته شده - حذف، یا محققان نقطه - را قادر می سازد تا عناصر سرکوب دقیق (CRPR) را از دست دادن عناصر نمونه برداری کنند.

آسیس گزارشگر موازی (MPRAS)

MPRAs روش انتخاب برای تشخیص تاثیر هزاران گونه نظارتی بر بیان ژن است.در یک MPRA معمولی، یک کتابخانه توالی های DNA (هر کدام حاوی یک نوع علاقه) بالادستی یک ارتقاء دهنده حداقل و یک ژن خبرنگار (به عنوان مثال، MPFP، luciferase، یا یک بارکد) را شناسایی می کند، و به طور منظم با مقایسه انواع پروتئین های غیر عملکردی، تجزیه و تحلیل می شود.

سایر رویکردهای عالی در سراسر

مومیایی کردن همراه با توالی عمیق (به عنوان مثال، اسکن جهش عمیق) اجازه می دهد تا مشخصات عملکردی هر جایگزینی اسید آمینه ممکن در یک دامنه پروتئینی، ابزار زیست شناسی مصنوعی، مانند کتابخانه های ترکیبی از توالی های تنظیم کننده، کمک به کشف توالی تعیین کننده های splicing، ترجمه، و ثبات پروتئین، علاوه بر این، تکنیک های تقویت کننده بالا (FA) تولید کننده مورد نظر سلول های سلول های متنوع (مانند سلول های مولد کننده)

نوآوری های اخیر و پیشرفت های روش شناسی

این زمینه به سرعت در حال تحول است، با روش های جدید که رزولوشن، کاهش هزینه و ادغام انواع داده های مکمل را افزایش می دهد.

ادغام با تک سلولی توالی

یکی از هیجان انگیزترین تحولات اخیر، اتصال صفحه نمایش های جمع شده با خواندن تک سلولی (به عنوان مثال، Perturb-seq، CROP-seq) به جای اندازه گیری میانگین جمعیت، این رویکردها پروفایل های رونویسی، proteomic یا اپیgenomic از سلول های فردی پس از اختلال این نشان می دهد که پاسخ های سلول های عصبی، به ویژه اثرات ژنتیکی و متغیر، می تواند اثرات خاص سرطان را جذب کند.

یادگیری ماشین برای اولویت بندی Variant Beforeitization

الگوریتم های یادگیری ماشین در حال حاضر به طور جدایی ناپذیر به HTFS گردش کار هستند.آنها به طراحی کتابخانه های مختلف با پیش بینی اینکه کدام جهش ها به احتمال زیاد عملکردی هستند (به عنوان مثال، بر اساس حفاظت تکاملی، ساختار پروتئین یا حالت کروماتیک) پس از غربالگری، مدل های ML می توانند مجموعه داده های بزرگ را به طبقه بندی انواع به عنوان پاتوژن یا خوش خیم، اولویت بندی نامزدها برای اعتبار، و مکانیسم های یادگیری، دقت گسترده ای از طریق داده های عصبی (C) و قابل توجه به عنوان تصاویر تکامل یافته است.

ادغام چند بعدی

ترکیب HTS با لایه های دیگر mics - مانند Proteomics، متابولیتیک یا اپیgenomics - یک تصویر کامل تر از عملکرد نوع را ارائه می دهد.به عنوان مثال، اتصال MPRA با قابلیت دسترسی به کروماتین مانند ژنو (به عنوان مثال، ATeno-seq) می تواند نشان دهد که آیا انواع تنظیم کننده بر عوامل رونویسی در یک روش اتصالی برای درک متقابل ضروری و پیچیده تاثیر می گذارد.

برنامه های کاربردی در تحقیقات و پزشکی

HTFS در حال حاضر توانایی ما برای تفسیر تغییرات ژنومیک و ترجمه آن به عمل بالینی را تغییر می دهد.

ویژگی های بازی Variants of Uncertain Significance

یک تنگنا عمده در ژن های بالینی نسبت بالا VUS گزارش شده در آزمایشات ژنتیکی. HTFS می تواند به طور سیستماتیک تاثیر عملکردی هزاران VUS در ژن های مربوط به اختلالات ارثی مانند BRCA1 را ارزیابی کند، TP53 [FLT3] و [FLT4] مدیریت روان شناسی به طور مستقیم این گونه های عملکردی را بهبود بخشد.

توسعه دارویی و دارویی

صفحه نمایش های با نفوذ بالا می توانند انواع ژنتیکی را شناسایی کنند که واکنش های دارویی را تغییر می دهند، و پیش بینی واکنش های نامطلوب یا عدم اثربخشی را فراهم می کنند.در کشف مواد مخدر، HTS برای نقشه برداری جهش های مقاومت در ژن های هدف سرطان استفاده می شود و به طراحی مهارکننده های نسل بعدی کمک می کند.

درک مکانیسم های بیماری

غربالگری کتابخانه های بزرگ نوع سلول های مرتبط با بیماری (به عنوان مثال، نورون ها، کاردیومیوسیت ها، سلول های ایمنی) انواع علّی را کشف می کند و مسیرهایی که آنها بر آن تأثیر می گذارند، مطالعات از صفحه نمایش های کریسپر برای شناسایی ژن های ضروری در سلول های سرطانی استفاده کرده اند، نشان دادن آسیب پذیری های درمانی جدید در اختلالات رشد عصبی، MPRA ها به وضوح جهش هایی را افزایش داده اند که در طول توسعه تنظیم ژن، بینش های حسی و بیماری های اسکیزوفرنی را مختل می کند.

محدودیت های فعلی و مسیرهای آینده

علی رغم قدرت آن، HTFS با چالش های مختلفی مواجه است که باید برای تحقق پتانسیل آن مورد توجه قرار گیرد.

مقیاس پذیری و هزینه

در حالی که هزینه سنتز DNA و توالی به طور چشمگیری کاهش یافته است، صفحه نمایش های بزرگ در مقیاس بزرگ - به ویژه کسانی که نیاز به خطوط سلول سفارشی، توالی تک سلولی، یا پیچیده enotypic assays - صرفه جویی در آینده در طراحی کتابخانه (به عنوان مثال، سنتز ساختاری)، اتوماسیون و مینیاتوراسیون (به عنوان مثال، اجازه، سیستم عامل های دسترسی به این سیستم عامل ها را کاهش می دهد و دسترسی به این فن آوری های دسترسی به کاهش می دهد.

پیچیدگی بیولوژیکی و ویژگی های خاص

اثرات متنوع می تواند به شدت وابسته به نوع سلول، پس زمینه ژنتیکی، محیط و حالت اپی ژنتیک باشد.یک نوع که در یک زمینه خوش خیم است ممکن است در معماری ژنوم 3D دیگر، مقررات جعل و تغییرات پس از انتقال ماهی، لایه های قابل توجهی از پیچیدگی که در سیستم های مدل ساده تر ضبط می شوند، پیشرفت در ارگانوئیدها، فرهنگ و غربالگری (به عنوان مثال، استفاده از موش ها) است.

تجزیه و تحلیل داده ها و تفسیر

حجم کامل داده های تولید شده توسط HTFS - اغلب میلیاردها توالی [در حال حاضر] خواندن - نیاز به خط لوله محاسباتی قوی برای کنترل کیفیت، نرمال سازی و مطالعات آماری تماس. مثبت کاذب به دلیل اثرات غیر هدفمند، سوگیری کتابخانه، یا به حداکثر رساندن نویز تصادفی باید به دقت مدیریت شود، ادغام داده های HTS با سایر منابع ژنومی (به عنوان مثال، تلاش برای توسعه داده های عمومی (FINF) همچنان مهم است.

نتیجه گیری

غربالگری عملکرد بالا از طریقput از یک تکنیک تخصصی به یک سنگ بنای ژنوم مدرن منتقل شده است.با فعال کردن ارزیابی سیستماتیک از تنوع ژنتیکی، این روش ها به سرعت کشف عناصر عملکردی را تسریع می کنند، بهبود تفسیر های مختلف برای ژنوم بالینی، و ارائه بینش های جدید در مورد بیماری.eno فن آوری های نوظهور مانند حل تک سلولی، یادگیری ماشین، و روش های چند ژنومی کمک می کند تا به طور فزاینده ای درک کنیم که چگونه روش های ژنتیکی و در دسترس تر می شوند.

برای یک مرور جامع از فن آوری های ژنومی عملکردی، بررسی را با Canver et al. (2017) در Nature Reviews ژنتیک مشاهده کنید؛ منابع اضافی در تفسیر های مختلف می تواند از طریق پایگاه داده FLT:2ClinVar و NIHome Gennc [F5:5] یافت شود.