Những tiến bộ gần đây trong ngành gen đã mở rộng sự hiểu biết của chúng tôi về cách thức biến đổi gen thúc đẩy sức khỏe, bệnh tật và thuốc men. hệ gen người chứa hàng triệu biến thể, nhưng đa số vẫn chưa được xác định về hệ thống của chúng. Các phương pháp truyền thống để nghiên cứu các biến thể cá nhân - chẳng hạn như sự biến đổi định hướng theo các dấu vết của các biến đổi địa phương - là quá chậm và tốn kém để đáp ứng các yêu cầu của gen hiện đại. Các chức năng kiểm tra chức năng cao (HTFS) đã xuất hiện như một giải pháp thay đổi cá nhân, cho khả năng đánh giá hàng triệu các biến đổi chức năng của một thí nghiệm đơn vị. Chức năng này không phải là một sự tăng tốc, một sự thay đổi của các biến thể, một sự nghiên cứu về y khoa học, và sự giải thích về y khoa.

Giới thiệu về việc tạo ảnh cho hàm số cao

Việc kiểm tra chức năng cao chỉ đến một loạt các phương pháp thí nghiệm có hệ thống kiểm tra ảnh hưởng của nhiều biến đổi gen trên việc đọc thông tin sinh học. Nguyên tắc cốt lõi là tạo ra thư viện lớn gồm các chuỗi biến thể, đưa chúng vào một mô hình tế bào thích hợp, và rồi sắp xếp hoặc đo lường tế bào dựa trên một kiểu hình quan tâm (v.g., biểu hiện gen, hoạt động tế bào, protein). Những tiến bộ trong tổng hợp ADN, trình tự động và tự động hóa đã làm cho nó có thể thiết kế, xây dựng và kiểm tra các thư viện chứa hàng chục ngàn phương pháp trong một tuần. Những phương pháp này rất quan trọng để giải thích số biến thiên văn lớn các dự án phân loại, đặc biệt là các dự án mật mã, có ý nghĩa riêng của Mỹ.

Công nghệ lõi điều khiển màn hình cao độ

Một số công nghệ mạnh mẽ đã làm nền tảng cho HTFS hiện đại, mỗi công nghệ có sức mạnh và ứng dụng riêng.

Màn hình CRISPR

CRISPR-Cas9 công nghệ hướng dẫn đơn (sgRNA) nhắm vào hàng ngàn địa điểm genomic được chuyển vào tế bào có khả năng xác định chính xác. Kết quả là việc sửa đổi (các dấu hiệu, dấu chấm, dấu chấm, hoặc đột biến, cho phép các nhà nghiên cứu đánh giá hiệu của các điểm ảnh mất (CPR, hay CRISPR), kích hoạt (CPR), hoặc itionion (PPR), hoặc ition) trên một kiểu dáng tiến bộ hơn. Cho phép các hiệu ứng chính xác hơn của các yếu tố gây ra các yếu tố gây ra sự biến đổi hoặc xác định chính xác về các yếu tố protein hoặc các yếu tố cơ bản hoặc xác định có thể gây ra các yếu tố gây ra sự biến đổi hoặc các yếu tố gây ra các yếu tố gây ra bởi các yếu tố khác nhau.

Những lời đồn đại song song (MPRA)

MPRA là phương pháp lựa chọn để mô tả tác động của hàng ngàn biến thể quy định trên biểu thức gen. Trong thư viện MPRA điển hình, thư viện chuỗi ADN (giáo sư có sự biến thể quan tâm) được sao chép theo dòng chữ số của một thư viện nhập và một phóng viên có thể đo lường cách mỗi biến thể (v. g., GFP, luciferase, hoặc mã vạch thanh). Thư viện này được đưa vào tế bào, và số lượng lớn phóng viên hay protein được định lượng bằng cách xếp dãy số. So sánh kết xuất với thư viện nhập, các nhà nghiên cứu có thể đo lường mỗi biến thể thay đổi cách chuyển đổi mỗi hoạt động của mỗi phiên bản. MPWWAS đã được dùng để xác định tính năng, không có tính toán các biến đổi chức năng và tăng cường độ biến đổi.

Những cách tiếp cận khác có độ cao

Sự biến đổi đột biến cùng với sự sắp xếp kỹ càng (v. c., quét đột biến sâu) cho phép khả năng thay thế các chức năng của mỗi axitmino trong một miền protein. Công cụ sinh học tổng hợp, như thư viện tổ hợp của các chuỗi điều tiết, giúp phát hiện các phân loại phân loại phân loại phân loại phân loại, dịch thuật và protein. Hơn nữa, các kỹ thuật như sự thay thế tế bào dao động có độ cao (FAS) dựa trên việc tạo ra các tế bào đa dạng có khả năng phong phú với hiệu ứng biến thiên văn.

Những tiến bộ về phương pháp và cách tân gần đây

Cánh đồng đang phát triển nhanh chóng, với phương pháp mới làm tăng độ phân giải, giảm chi phí và tích hợp các loại dữ liệu bổ sung.

Hợp nhất với một chiều đơn

Một trong những phát triển thú vị nhất gần đây là sự kết nối giữa các màn hình được kết hợp với các hồ sơ riêng lẻ (v. d., Perturb-seq, COP-seq). Thay vì đo mức trung bình của một số lượng lớn dân số, những phương pháp này là đạt được sự ghi chép, nguyên mẫu, hoặc các hồ sơ di truyền từ tế bào riêng lẻ sau khi thở ra. Tính năng này cho thấy hiệu ứng đặc biệt của tế bào, sự đa dạng hóa trong biến đổi biến đổi, và hậu quả của sự phân chia tế bào đơn đặc biệt là nghiên cứu các quá trình phát triển, và sự tiến hóa ung thư, và nơi mà dân số trung bình có thể ẩn số có thể phụ thuộc vào.

Máy học nhiều ưu tiên khác nhau

Thuật toán học máy là tích hợp với luồng HTFS. Họ giúp thiết kế các biến thể lớn để phân loại các biến thể như đột biến hay lành tính, các ứng cử viên ưu tiên cho sự hợp lệ, và suy luận về cơ chế cơ cấu cơ bản. Việc học tập cấu trúc protein, như mạng thần kinh hình học (N) và chuyển đổi các mô hình dữ liệu khổng lồ, đã cho thấy tính chính xác đáng trong việc dự đoán các hiệu ứng hoạt động và hiệu quả của các thí nghiệm.

Hợp nhất đa vũ trụ

Kết hợp HTS với các lớp omic khác như protemic, di truyền, hay di truyền học- biểu mô tả một hình ảnh đầy đủ hơn về chức năng biến thể. Chẳng hạn, kết hợp MPRA với các ngôn ngữ i- ami (v. d., ATA-seq) có thể tiết lộ sự hiệu ứng của biến thể chính sách ảnh hưởng đến sự hiệu chỉnh theo một cách phụ thuộc. Cách tiếp cận không tương thích là thiết yếu để hiểu sự liên kết giữa hai kiểu genotin và kiểu xeno.

Những ứng dụng trong việc nghiên cứu và y học

HTFS đang biến đổi khả năng của chúng ta để giải thích biến thể gen và chuyển nó thành thực hành lâm sàng.

Nhiều sắc thái khác nhau của sự không rõ ràng

Một cổ chai chính trong gen di truyền là tỷ lệ cao của VUS trong các bài kiểm tra di truyền học. HTFS có thể đánh giá một cách có hệ thống các chức năng của hàng ngàn người mắc bệnh VUS trong gen liên quan đến các rối loạn di truyền, như [FLT: 0]BR1 ) , [FLT: 1], [FLT:], [FL:], [BL].]. Qua việc cung cấp bằng chứng chức năng, các loại bệnh nhân lành tính, chẩn đoán trực tiếp hoặc cải thiện bệnh nhân, và khả năng quản lý.

Sự phát triển của các chất gây nghiện và thuốc

Những màn hình xuyên qua có thể xác định được các biến thể di truyền làm thay đổi phản ứng thuốc, cho phép dự đoán về phản ứng có hại hoặc thiếu hiệu quả. Trong việc khám phá thuốc, HTS được dùng để chống đột biến trong gen ung thư, giúp thiết kế những chất ức chế thế hệ kế tiếp. Ngoài ra, bằng cách phân tích toàn bộ vùng biến đổi của mục tiêu thuốc, các nhà nghiên cứu có thể dự đoán làm thế nào khối u phát triển khả năng kháng bệnh và phát triển các liệu pháp chữa trị tương ứng.

Hiểu được cơ giới bệnh tật

Khi phát hiện các biến thể hệ thống và đường dẫn chúng ảnh hưởng. Chẳng hạn, các cuộc nghiên cứu đã dùng màn hình CRISPR để xác định gen thiết yếu trong tế bào ung thư, tiết lộ các khả năng điều trị mới. Trong rối loạn tâm lý, MPRA đã xác định các biến đổi vùng xương và đường dẫn đến sự phát triển gen.

Giới hạn hiện tại và hướng đi tương lai

Dù có sức mạnh, nhưng HTFS phải đối mặt với nhiều thử thách để hoàn thành tiềm năng của nó.

Khả năng tính toán và chi phí

Trong khi chi phí tổng hợp ADN và trình tự đã giảm đáng kể, màn hình quy mô lớn đặc biệt là những người cần thiết các dòng tế bào tùy chỉnh, trình tự tế bào đơn tế bào, hoặc các giả thuyết phức tạp về vật lý phức tạp vẫn còn đắt. cải tiến tương lai trong việc thiết kế thư viện (v.v., sự tổng hợp verinatoral), tự động hóa và thu nhỏ (v., nền tảng dựa trên tế bào) sẽ giảm chi phí và dân chủ truy cập vào những công nghệ này.

Tính phức tạp và cụ thể về ngữ cảnh

Hiệu ứng đa dạng có thể phụ thuộc rất nhiều vào kiểu tế bào, nền tảng di truyền, môi trường và trạng thái di truyền. Một biến thể lành tính trong một bối cảnh khác. Kiến trúc 3D, quy định cắt, và các thay đổi sau khi chuyển hóa, thêm vào các lớp phức tạp khó có thể thu được trong hệ thống đơn giản. Sự tiến bộ trong cơ quan sinh vật, đồng nuôi nuôi (v. d., sử dụng CRISP trong chuột hoặc cá ngựa) đang bắt đầu phụ thuộc vào bối cảnh, nhưng vẫn còn có tác động đáng kể.

Phân tích dữ liệu và giải thích

Tổng khối dữ liệu được tạo ra bởi HTFS -- bộ trình tự hàng tỉ đọc --các đường ống điện toán mạnh mẽ để kiểm soát chất lượng, thông thường hóa và gọi số liệu thống kê. dương tính do các hiệu ứng không chính xác, thành kiến thư viện, hoặc nhiễu ngẫu nhiên phải được quản lý cẩn thận. Hơn nữa, việc tích hợp dữ liệu HTS với các nguồn tài nguyên đại diện khác (v.g. g. [FT: 0] TE [FT] DK [FT], Clin, gnomaD] vẫn còn một thử thách. Hơn nữa, việc hỗ trợ khả năng tăng cường dữ liệu và chia sẻ kết quả thông thường. [V: TT]

Kết luận

Việc kiểm tra chức năng cao đã chuyển từ kỹ thuật kỹ thuật kỹ thuật chuyên biệt sang một góc nền tảng của sinh học hiện đại. bằng cách cho phép đánh giá hệ thống về biến đổi gen, những phương pháp này đang tăng tốc độ khám phá các yếu tố chức năng, cải tiến việc giải thích biến thể cho gen lâm sàng, và cung cấp những hiểu biết mới về sinh học sinh học. bằng cách tạo ra một loại công nghệ như phân giải đơn bào, sự kết hợp máy móc, và nhiều kỹ thuật khác nhau hứa để cải thiện sự hiểu biết của chúng ta về cách thức hình thành biến thể di truyền. khi giá trị di truyền của con người giảm và phương pháp trở nên dễ tiếp cận hơn, HTFS sẽ trở thành một công cụ cần thiết cho các nhà nghiên cứu y khoa và tương tự như thế, giúp đỡ các nhà nghiên cứu về các mô hình cầu và kiểu vi mô hình cầu và hình ảnh tương tự như nhau.

Để có một tổng quát về công nghệ gen chức năng, xem bản xem xét Canver et al. (LLT:3) trong Tự nhiên (FLT:1) . Có thể tìm thấy tài nguyên khác về cách giải thích biến thế [FLT:] và [FL:4] [Chương trình Gen t] [FL:4] [FL: chương trình [FL: T].T].].