Informacja

Czy istnieją bardziej opisowe sposoby nazywania genów i interakcji genów?

Czy istnieją bardziej opisowe sposoby nazywania genów i interakcji genów?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Nie mogłem nie zauważyć, jak nieopisywalne są nazwy genów, których używa współczesna genetyka. Obecnie czytam "The new science of Evo Devo" Seana B. Carrolla i oto kilka przykładów użytych nazw genów:

  • Fzrb
  • Krox 20
  • Hoxa2, Hoxb4
  • ZPA
  • FGF8
  • dźwiękowy jeż

Chociaż nazwy te jednoznacznie identyfikują geny, niewiele robią, aby wyrazić, co i gdzie robi gen lub jak jest powiązany z innymi genami (chociaż FGF8 może być powiązany z FGF7, jego związek z XYZ10 nie jest oczywisty).

Mam potrzebę jednoznacznej identyfikacji genów i książka jest przykładem tego, jak trudno jest obecnie pisać o wielu genach naraz. Autor tworzy obraz tego, co się dzieje, ale przeszkadzają im nazwy genów. Nawet w przypadkach, gdy gen ma pół opisową nazwę, np. „bezoki”, czytelnik musi pamiętać, że jest to gen odpowiedzialny za tworzenie oka.

Czy trwają próby usystematyzowania lub nazwania genów dla danego organizmu w sposób wyrazisty?

Jako programista piszę kod na życie, a posiadanie opisowych nazw ułatwia przeglądanie cudzego kodu, czytanie o kodzie, a nawet omawianie go z nowicjuszami. Na przykład:

  • zainicjowaćDataModel
  • utwórzHierarchięWidoków
  • userDidSelectLayerAtIndex

Nowoczesne narzędzia programistyczne ułatwiają korzystanie z nazw opisowych dzięki autouzupełnianiu - wpisanie kilku pierwszych liter struktury programistycznej dopełnia resztę. Nawet Google ma listę sugestii autouzupełniania.

Wszyscy znamy Internet, gdzie biologia.stackexchange.com/questionname zamienia się w konkretną stronę. Stackexchange to witryna, którą odwiedzamy, a Biologia jest podzbiorem tej witryny. Istnieją inne strony internetowe poświęcone biologii, ale biology.stackexchange.com jednoznacznie identyfikuje tę witrynę. Użycie słowa „biologia” w adresie daje czytelnikom ogólne pojęcie o tym, o czym jest strona i łączy ją z innymi stronami o biologii. Nasze przeglądarki internetowe przekształcają adres w odpowiedni ciąg bajtów i uzyskują właściwą stronę. Co jeśli nazwiemy geny jak

  • com.drosophila.formacja oczu
  • com.kurczak.limb.struktura.ZPA
  • com.human.development.geometry/XYZ10

i jakakolwiek technologia, której użyjemy, faktycznie przekształci tę opisową nazwę w gen lub serię interakcji genów?


Wiele nazw genów ma charakter opisowy, np. DRD1: receptor dopaminy D1, TOP2A: topoizomeraza DNA 2-alfa lub PTGS1: syntaza G/H prostaglandyny 1. Są to przykłady genów, które mają jasno określoną główną funkcję.

Wymienione geny są zaangażowane w rozwój i tam opisanie funkcji genu staje się znacznie trudniejsze. Np. Sonic hedgehog bierze udział w modelowaniu wielu narządów, od struktur mózgowych po zęby. Jak byś nadał opisową nazwę?

Analogia do funkcji (języka programowania) nie działa w przypadku wielu genów, ponieważ nie zostały one zaprojektowane do spełniania jednej funkcji, ale ewoluowały, aby wykonywać wiele różnych funkcji. W przypadku genów, które pełnią wiele funkcji, potrzebujemy tylko unikalnej nazwy. Mnogość funkcji jest skatalogowana gdzie indziej.

(Dodatkowa opisowa nazwa rodziny genów: MAPKKK: kinaza kinazy MAP)


Teoretycznie Twój pomysł wydaje się rozsądny, ale widzę przynajmniej problemy z jego realizacją.

Po pierwsze, sytuację komplikuje fakt, że geny często pełnią wiele funkcji, a pojedyncza etykieta jest często niewystarczająca do opisania pełnego funkcjonalnego repertuaru genu. @MichaelKuhn dokonał doskonałego spostrzeżenia w odniesieniu do ewolucji funkcji genów. Kiedy przestaje się myśleć o genie (i jego produktach białkowych) jako o czymś, co zostało zaprojektowane do spełnienia określonego celu, a raczej jako coś, co zostało zaadaptowane (często przypadkowo) na lepsze i na gorsze, do spełnienia określonego zestawu funkcji , trudność z adnotacją funkcji genu jest znacznie wyraźniejsza.

Po drugie, pomysł ten jest mylony przez fakt, że: niezawodne adnotacje funkcjonalne są naprawdę rzadko. Jasne, wiele genów u człowieka i drożdży i Drosophila były szeroko badane od dziesięcioleci, a wiele ich funkcji jest dobrze poznanych (przynajmniej tak nam się wydaje). Ale w przypadku ogromnej większości genów dla ogromnej większości organizmów, które zostały zbadane, adnotacje funkcjonalne są wywnioskowane na podstawie podobieństwa sekwencji do wcześniej opisanych genów, bez dodatkowej walidacji eksperymentalnej. Oczywiście każdy projekt genomu chciałby funkcjonalnie sklasyfikować wszystkie geny do genomu zwierzęcia, ale jest to naprawdę drogie, czasochłonne i mało wydajne. Na każdy dokładnie przebadany, dobrze opisany gen istnieją dosłownie setki analogicznych genów w innych organizmach, które zostały opisane wyłącznie na podstawie podobieństwa sekwencji do tego genu. Choć jest to rozczarowujące, nie wydaje się, aby miało się to zmienić w najbliższej przyszłości (chyba że nastąpi drastyczna poprawa przepustowości adnotacji funkcji genu). Tak więc każda proponowana konwencja nomenklatury, która nie odnosi się do tej rzeczywistości, jest moim zdaniem dość nieadekwatna.


Czy trwają próby usystematyzowania lub nazwania genów dla danego organizmu w sposób wyrazisty?

Jak zauważyłeś, geny są nazwane przez ich odkrywców, a niektóre geny zwykle mają anegdoty za ich nazwami. Ponieważ nazwy genów muszą być małe, trudno jest je systematycznie opisać w całości. Ale nomenklatura genów może przyjąć pewien sposób klasyfikacji i jest szeroko stosowana u drożdży; geny są nazywane według ich lokalizacji na chromosomach (Zrobiono to w czasach, gdy cytogenetyka była bardziej rozwinięta niż genetyka funkcjonalna. Możesz więc zrozumieć, dlaczego tak się stało). Niektóre geny zostały nazwane po procesach, w które są zaangażowane. Na przykładcdc2, cdc48itp. (kontrola cyklu komórkowego)

Sprawdź tę stronę: zawiera wytyczne dotyczące nomenklatury genów.

Ale całkowicie zgadzam się z tobą, że powinien istnieć standardowy sposób nazewnictwa. Być może tak się stanie, gdy genomika funkcjonalna zostanie nasycona.


Na początku wydaje mi się, że to dobry pomysł, ale… Trzeba wziąć pod uwagę, że jak już zostało powiedziane, geny mogą odgrywać wiele ról, czasem bardzo różnych, a dla większości z nich funkcje są wciąż nieznane. Tak więc bardzo trudno jest sklasyfikować stale zmieniający się, rozwiązły zestaw rzeczy. Nawet koncepcja genów się zmienia (Hello, ENCODE :)). Dla mnie o wiele łatwiej jest zostawić jak najkrótsze nazwy z kilkoma wskazówkami na temat ich roli (tak, jak są), a jeśli interesuje Cię konkretna funkcja, bardzo szybka wizyta w bazie danych i użycie listy jako danych wejściowych przedstawi aktualny opis i/lub funkcję genu.


Geny, które wpływają na ciśnienie krwi

W jednym z największych w historii badań genomicznych międzynarodowe konsorcjum badawcze zidentyfikowało 29 wariacji genetycznych wpływających na ciśnienie krwi. Ponad połowa tych wariantów była wcześniej nieznana. Odkrycia dostarczają wglądu w biologię ciśnienia krwi i mogą prowadzić do nowych strategii terapeutycznych.

Wysokie ciśnienie krwi lub nadciśnienie dotyka ponad miliard ludzi na całym świecie. Może z czasem uszkodzić organizm na wiele sposobów, prowadząc do chorób serca, udaru mózgu, niewydolności nerek i innych problemów zdrowotnych.

Ponad 230 naukowców na 6 kontynentach przeskanowało genomy ponad 200 000 Europejczyków, aby zidentyfikować warianty genetyczne, które wpływają na skurczowe i rozkurczowe ciśnienie krwi. Następnie przeanalizowali genomy 70 000 osób pochodzenia wschodnioindyjskiego, południowoazjatyckiego i afrykańskiego. Badanie zostało sfinansowane między innymi przez Narodowy Instytut Serca, Płuc i Krwi NIH (NHLBI), Narodowy Instytut Starzenia (NIA) i Narodowy Instytut Badań nad Genomem Człowieka (NHGRI). Wyniki ukazały się w 11 września 2011, numerze Natura.

Naukowcy odkryli 16 nieznanych wcześniej odmian. Sześć znaleziono w genach, które już podejrzewano o regulowanie ciśnienia krwi. Pozostałe 10 znaleziono w nieoczekiwanych miejscach i dostarczają nowych wskazówek dotyczących kontrolowania ciśnienia krwi. Indywidualnie zmiany genetyczne zwiększały ryzyko nadciśnienia tylko w niewielkim stopniu. Jednak dla osób z wieloma wariantami efekty były znaczące.

Naukowcy opracowali genetyczną ocenę ryzyka ciśnienia krwi na podstawie 29 znalezionych wariantów. Wśród osób z górnym 10% wynikiem ryzyka genetycznego 29% miało nadciśnienie, w porównaniu z 16% osób z grupy najniższego ryzyka. Wyższe oceny ryzyka genetycznego wiązały się z podwyższonym ciśnieniem krwi w różnych grupach etnicznych. Skala ryzyka była również dobrym wskaźnikiem powikłań nadciśnieniowych, takich jak zwiększenie grubości komór serca, niewydolność serca, udar mózgu i choroba wieńcowa.

„To jedno z najważniejszych dotychczasowych badań genetyki nadciśnienia tętniczego i znaczący krok w kierunku znalezienia lepszych terapii” – mówi pełniąca obowiązki dyrektora NHLBI dr Susan B. Shurin.

Podobne badanie przeprowadzone przez grupę badawczą, International Consortium of Blood Pressure Genome-Wide Association Studies, ukazało się tego samego dnia w Genetyka przyrody. To inne badanie asocjacyjne całego genomu zidentyfikowało 4 nowe regiony genetyczne związane z ciśnieniem tętna i 2 powiązane ze średnim ciśnieniem tętniczym. Wpływ tych wariantów na skurczowe i rozkurczowe ciśnienie krwi okazał się bardziej złożony niż oczekiwano.

Podsumowując, odkrycia te sugerują nowe ścieżki genetyczne leżące u podstaw regulacji ciśnienia krwi. Prawdopodobnie otworzą również nowe drzwi do badań nad leczeniem nadciśnienia.


Interakcja genów i środowiska

Niewiele chorób wynika ze zmiany w pojedynczym genie lub nawet w wielu genach. Zamiast tego większość chorób jest złożona i wynika z interakcji między twoimi genami a środowiskiem. Czynniki w twoim środowisku mogą obejmować chemikalia w zanieczyszczeniu powietrza lub wody, pleśń, pestycydy, wybory żywieniowe lub produkty pielęgnacyjne.

Subtelne różnice w genach jednej osoby mogą spowodować, że zareagują inaczej na tę samą ekspozycję środowiskową, co inna osoba. W rezultacie niektórzy ludzie mogą zachorować po ekspozycji na coś w środowisku, podczas gdy inni nie.

Gdy naukowcy dowiadują się więcej o związku między genami a środowiskiem, poszukują nowych metod zapobiegania chorobom i ich leczenia, które uwzględniają indywidualne kody genetyczne.

Co robi NIEHS?

NIEHS bada szeroki zakres chorób i zaburzeń z elementami genetycznymi i środowiskowymi. Ponadto opracowywane są nowe technologie i podejścia obliczeniowe, aby wydobyć interakcje między genami i środowiskiem, które leżą u podstaw choroby.

  • Autyzm - Wysoki poziom zanieczyszczenia powietrza zwiększa ryzyko autyzmu u dzieci z wariantem genetycznym zwanym MET, który bierze udział w rozwoju mózgu. 1 Ten wariant genetyczny nie zwiększał ryzyka dla 75% populacji narażonej na niższe poziomy zanieczyszczenia powietrza, co sugeruje, że autyzm może być spowodowany interakcją czynników genetycznych i środowiskowych.
  • Naprawa DNA - Cząsteczki uszkodzone przez ekspozycje środowiskowe, takie jak światło ultrafioletowe lub niektóre chemikalia, są włączane do DNA, powodując śmierć komórki, która może prowadzić do raka, cukrzycy, nadciśnienia, chorób układu krążenia i płuc oraz choroby Alzheimera. 2
  • Metabolizm - Naukowcy z NIEHS Metabolism, Gens and Environment Group odkryli, że białko o nazwie SIRT1, które odgrywa kluczową rolę we wczesnym rozwoju i metabolizmie, może stanowić podstawę dla celów terapeutycznych dla chorób metabolicznych i starzenia się na poziomie genetycznym. 3
  • Choroba Parkinsona&rsquos - Szansa na rozwój choroby Parkinsona po ekspozycji na pestycydy była większa u osób z zmiennością genetyczną wpływającą na produkcję tlenku azotu, cząsteczki, która może uszkadzać neurony. 4 Wybory stylu życia związane z dietą, ćwiczeniami i używaniem nikotyny zostały również powiązane z możliwością rozwoju choroby Parkinsona.
  • Wirus syncytialny układu oddechowego (RSV) - W międzynarodowym badaniu, w którym uczestniczyli naukowcy NIEHS, odkryli, że u dzieci ze zmianami w genie zwanym TLR4, które były narażone na pewne czynniki środowiskowe, rozwinęły się ciężkie przypadki zapalenia oskrzelików RSV, zagrażającej życiu choroby układu oddechowego. 5

Nowe metody analizy danych &ndash Wiele badań może analizować tylko jeden rodzaj ekspozycji środowiskowej na raz, co nie uwzględnia połączonych skutków wielu ekspozycji i genów działających razem. Jednak podejście obliczeniowe opracowane przez naukowców finansowanych przez NIEHS może jednocześnie analizować dane dotyczące wielu ekspozycji środowiskowych i ich interakcji z genami. 6 Badacze wykorzystali dane dotyczące miażdżycy, przewlekłej choroby serca, jako przypadku testowego do zastosowania metody w przyszłych badaniach.

Monitorowanie stanu pola &ndash NIEHS pomógł zwołać warsztaty &bdquoObecne wyzwania i nowe możliwości w badaniach interakcji gen-środowisko w złożonych chorobach&rdquo w celu zbadania zagadnień związanych z badaniem wzajemnych zależności między genami a środowiskiem. 7 Uczestnicy stwierdzili, że obok wyzwań badawczych istnieje wiele ekscytujących możliwości dla nowych badań.


Przegląd aktualnych źródeł danych literaturowych

Podjęto szereg wysiłków w celu zapewnienia dostępu do opublikowanych informacji w czasopismach medycznych i nauk przyrodniczych oraz udostępnienia tych informacji w formie elektronicznej za pośrednictwem ogólnoświatowej sieci WWW [17]. Większość z tych inicjatyw można zaklasyfikować do jednej z trzech głównych kategorii.

1. Scentralizowane instytucjonalne (na przykład PubMed) lub akademickie (na przykład Highwire Press i Hollis) repozytoria recenzowanych artykułów lub streszczeń artykułów.

2. Repozytoria kolekcji artykułów hostowane przez wydawców (na przykład BioMed Central i EMBASE).

3. Dostęp online do zindeksowanych artykułów naukowych pobieranych za pomocą pająków i robotów indeksujących (na przykład Google Scholar i Scirus).

Wiele baz danych z literaturą naukową i naukową można uzyskać online za pośrednictwem wyszukiwarek z prostymi interfejsami zapytań przy użyciu słów kluczowych. Falagas i współpracownicy [17] opracowali listę baz literatury, zawierającą streszczenia artykułów z czasopism biomedycznych i nauk przyrodniczych z zapisami zarówno w języku angielskim, jak iw innych językach. Najważniejszym źródłem informacji o aplikacjach do eksploracji tekstu jest obecnie baza danych PubMed opracowana przez Narodowe Centrum Informacji Biotechnologicznej (NCBI) przy Narodowej Bibliotece Medycznej (NLM). Każdy z cytatów zawartych w PubMed ma unikalny identyfikator (PMID) i można uzyskać do niego dostęp za pomocą Entrez, tekstowego systemu wyszukiwania i pobierania. PubMed [18] zawiera cytaty (zawierające tytuł, streszczenie, autorów i informacje źródłowe) przesłane przez uczestniczących wydawców. Entrez poprawia podstawowe wyszukiwania słów kluczowych, tłumacząc zapytanie użytkownika na terminy Medical Subject Heading (MeSH), hierarchiczny zestaw terminów kontrolowanego słownictwa głównie z domeny medycznej, ale także obejmujący terminy dotyczące chemikaliów, genów i białek, używane do indeksowania rekordów PubMed [ 19]. Oprócz podstawowych wyszukiwań przy użyciu systemu pobierania Entrez, PubMed oferuje również bardziej programowy dostęp do swoich treści za pośrednictwem narzędzi programistycznych Entrez [18] i popularnych projektów open source, takich jak zintegrowane biblioteki BioPerl, BioPython i BioJava do pobierania treści PubMed przez programiści biolodzy [20]. NCBI zapewnia usługę My NCBI [21], aby okresowo pobierać nowe publikacje w PubMed, odpowiadające wstępnie zdefiniowanemu zapytaniu użytkownika, a następnie żądający otrzymuje odpowiednie powiadomienie za pośrednictwem systemu ostrzegania e-mailem.

Aby zbudować lokalną relacyjną bazę danych zawierającą wszystkie cytaty PubMed [22], można również uzyskać licencjonowaną kopię całego PubMed zawierającą rekordy cytowań w formacie XML z NLM/NCBI. Niektóre systemy, takie jak Txt2MEDLINE, zostały nawet zaimplementowane, aby umożliwić dostęp do PubMed za pomocą zapytań Short Message Service (SMS), wysyłając użytkownikom wyniki w formacie wiadomości tekstowej [23] oraz PubMed Informer, internetowe narzędzie monitorujące PubMed, ułatwia pobieranie PDA i kanały RSS [24].

Alternatywnymi repozytoriami i wyszukiwarkami dla PubMed są Highwire Press i Google Scholar [25]. Google Scholar może odzyskiwać nie tylko recenzowane artykuły, ale także inne teksty naukowe, takie jak prace dyplomowe, książki i repozytoria preprintów. Badanie porównawcze przeprowadzone przez Shultza [26] wykazało, że Google Scholar często zwraca większe zbiory wyszukiwania, ale znaczna ich liczba to odnośniki do rekordów PubMed. Google Scholar nie zapewnia obecnie również zaawansowanych funkcji wyszukiwania oferowanych przez PubMed. HighWire Press (inicjatywa Uniwersytetu Stanforda) stanowi kolejne źródło uzupełniające PubMed w zakresie dostępu do recenzowanych artykułów, zapewniając interfejs wyszukiwania do ponad 1160 czasopism i 4,8 miliona artykułów pełnotekstowych, z czego ponad 1,9 miliona artykułów jest dostępnych bezpłatnie przez wydawców partnerów Highwire. Ocena porównawcza HighWire Press i PubMed pod względem wydajności wyszukiwania wykazała, że ​​choć oba mają wiele wspólnych cech wyszukiwania, mają również unikalne cechy [27]. Highwire Press oferuje opcję graficznej wizualizacji mapy cytowań artykułu i pozwala użytkownikowi dokładniej określić, gdzie przeprowadzić wyszukiwanie (tytuł, streszczenie, pełny tekst).

Chociaż streszczenia artykułów zawierają krótkie opisy, które podkreślają najistotniejsze aspekty danego artykułu, obejmują one tylko niewielką część informacji zawartych w artykułach pełnotekstowych [28]. PubMed Central zapewnia bezpłatny dostęp online do elektronicznego archiwum zawierającego pełnotekstowe artykuły z zakresu nauk przyrodniczych i czasopism biomedycznych. PubMed Central zawiera również artykuły opublikowane przed 1966 r., które zostały zdigitalizowane w ramach projektu Back Issue Digitalization [6]. Wydawcy opracowali również platformy repozytoriów artykułów z możliwością przeszukiwania, takie jak EMBASE lub BioMed Central, aby poprawić dostęp do swoich artykułów. Rysunek 1 przedstawia przegląd głównych zasobów literaturowych.

Przegląd głównych aspektów związanych z rozwojem systemów przetwarzania literatury biomedycznej. ATCR, Arabidopsis Thaliana Circadian Rhythms EMBASE, Excerpta Medica Database FMA, Foundational Model of Anatomy GENIA, GENome Information Acquisition GO, Gene Ontology IEPA, Interaction Extraction Performance Assessment MGI, Mouse Genome Informatics MO dbs, Modelowe bazy danych organizmów OBO, Open Biomedical Ontologies RGD, Rat Genome Database SGD , Saccharomyces Genomowa baza danych TAIR, The Arabidopsis Zasób informacyjny.


Paradygmaty wysokiego stresu: stres lekarza, poród i PTSD

Jednym ze sposobów przezwyciężenia wyzwania związanego z wykryciem wpływu alleli genetycznych na cechę jest pobieranie próbek w jednym ze skrajnych warunków środowiska (Kendler Reference Kendler, Gardner i Prescott 2006). W przypadku dużych zaburzeń depresyjnych (MDD) jasne jest, że stres jest głównym wyzwalaczem, stąd jednym z obecnie stosowanych paradygmatów do badania czynników związanych z depresją jest wykorzystanie populacji poddanej silnemu stresowi. Przykładami są: pierwszy rok pobytu medycznego, jak w Intern Health Study (Sen Reference Sen, Kranzler i Krystal 2010), wojskowe rozmieszczenie weteranów (Nievergelt Reference Nievergelt, Maihofer i Klengel 2019) lub specyficzny stresor porodu jako wyzwalacz depresja poporodowa (Bauer Reference Bauer, Liu i Byrne 2019). W badaniu Intern Health Study odkryliśmy, że wielogenowe oceny ryzyka z dużych przypadków GWAS z kontrolą kliniczną w MDD mogą przewidywać ryzyko, ale były szczególnie silne w przewidywaniu odporności na MDD pod wpływem tego stresu (Fang Reference Fang, Scott i Song 2020). Takie badania nie badają interakcji jako taki, ale zastosowanie paradygmatu wysokiego stresu sprzyja identyfikacji czynników genetycznych, które działają w obecności stresu, niezależnie od tego, czy są to czynniki podatności czy plastyczności. Takie badania, w których jeden stresor jest stale obecny, mogą być pomocne w identyfikacji zarówno genetycznych, jak i środowiskowych czynników odporności (Kim-Cohen Reference Kim-Cohen i Turkewitz 2012), które są tematem bardzo interesującym w psychologii pozytywnej i mającym znaczenie kliniczne.


Kontrola od wewnątrz: geny kierujące innymi genami

Środowisko może wpływać na maszynerię epigenetyczną, podobnie jak same geny. Nasze DNA zawiera instrukcje, które kontrolują sposób, w jaki jego kod jest odczytywany i przetwarzany przez komórki. Naukowcy odkryli mutacje lub zmiany w dużej liczbie genów regulujących procesy epigenetyczne u osób z autyzmem. Dokonali tych odkryć, badając DNA osób z kolekcji Simons Simplex (SSC) i innych badań nad autyzmem. 12, 13

Kluczowym graczem w tym procesie wydaje się być chromatyna – kompleks DNA i białek, który tworzy nasze chromosomy. 14 „Wiele genów związanych z autyzmem jest zaangażowanych w regulację chromatyny” – powiedział dr Willsey. „Oznacza to, że dodają lub usuwają znaczniki chemiczne, które wpływają na ekspresję pobliskich genów”.

Biorąc pod uwagę te informacje, powiedział: „wynika z tego, że procesy epigenetyczne wpływają w pewien sposób na ryzyko autyzmu”. Mutacja wpływająca na chromatynę może wpływać na ekspresję tysięcy genów, co z kolei może zwiększać ryzyko autyzmu. „Nie jest jasne, czy to ryzyko jest związane z zakłóceniem określonych szlaków, czy tylko z ogólnym „nieszczęściem” komórek” – powiedział.


Znajdowanie pomocy

Lokalizator usług leczenia behawioralnego

Administracja ds. Nadużywania Substancji i Usług Zdrowotnych Psychicznych (SAMHSA) zapewnia to internetowe źródło informacji o lokalizacji placówek i programów leczenia zdrowia psychicznego w Twoim stanie. Dodatkowe zasoby można znaleźć na stronie internetowej NIMH Help for Mental Illnesses.

Rozmowa z lekarzem o zdrowiu psychicznym

Dobra komunikacja z lekarzem lub pracownikiem służby zdrowia może poprawić Twoją opiekę i pomóc obojgu w dokonywaniu dobrych wyborów dotyczących Twojego zdrowia. Przeczytaj nasze Wskazówki dotyczące rozmowy z lekarzem, aby przygotować się na wizytę i jak najlepiej ją wykorzystać. Aby uzyskać dodatkowe zasoby, w tym pytania, które należy zadać lekarzowi, odwiedź witrynę internetową Agencji ds. Badań i Jakości Opieki Zdrowotnej .


Badanie ewolucji genomowych bloków regulacyjnych za pomocą Synorth

Użytkownicy mogą eksplorować zawartość GRB i ewolucyjną rearanżację w trzech różnych trybach (przeglądarka lokalizacji genomu, przeglądarka tabel i przeglądarka drzewa) za pośrednictwem łączy w lewym górnym rogu strony startowej Synorth [20]. Przeglądarka locus genomu pokazuje geny GRB i HCNE w genomie referencyjnym w sposób skoncentrowany na locus genomu, a dodatkowo pokazuje wiele ścieżek dla każdego porównywanego gatunku (Rysunek 2b). Przeglądarka tabel opisuje ewolucyjny los każdego przypadkowego genu w GRB przy użyciu kodu scenariusza, który opracowaliśmy w tym celu (Rysunek 2c). Przeglądarka drzew pokazuje rearanżacje GRB między gatunkami w kontekście idealnego drzewa genów w uproszczonej formie kreskówkowej (Rysunek 2d). Synorth obsługuje obecnie analizę GRB w genomach ludzi i ryb (danio pręgowany, fugu, tetraodon, ciernik i medaka Rysunek 1b). W przyszłości zamierzamy rozszerzyć tę listę, aby zbadać inne perspektywy lub przypadki WGD, po udostępnieniu odpowiednich zespołów genomu. Pierwszym na liście jest nadchodzący zespół genomu danio pręgowanego Zv8 jako genomu referencyjnego, a następnie genom minoga do badania 2R WGD.

Przeglądarka locus genomu

W przypadku dowolnego obsługiwanego zapytania wejściowego (symbol genu lub referencyjna (ludzka) lokalizacja genomu) przeglądarka pokazuje region zawierający wszystkie bloki synteny nakładające się na zapytanie wejściowe (Rysunek 2a) oraz ich ortologiczną zawartość w porównywanych genomach, jeden genom na wiersz. Każdy gen ortologiczny i HCNE są poziomo wyrównane z jego ludzkim ortologiem w celu szybkiej wizualnej oceny retencji, rearanżacji i utraty. Rozmiary genów w porównywanych genomach (rybich) nie są narysowane w skali, ale są zmieniane w celu zachowania tych samych odstępów i długości, co w genomie referencyjnym, a więc wyrównane w pionie z nimi (ryc. 2b). Kliknięcie na modele genów powoduje wyświetlenie informacji o genach w UCSC Genome Browser [22]. Domyślnie ortologi są pokolorowane według chromosomu, na którym się znajdują w innym genomie. Jeśli zawartość GRB mapuje się do więcej niż jednego chromosomu w porównywanym genomie, każdy chromosom zostanie pokazany na osobnej ścieżce, a ścieżki są uporządkowane według liczby zawartych w nich genów ortologicznych. Aby zwizualizować tendencję macierzy HCNE do odpowiadania dużym blokom syntenii, uwzględniliśmy również ścieżki pokazujące HCNE między genomem referencyjnym a genomem porównywanym (przy użyciu danych HCNE z Ancora [15], z rozmiarem okna 50 pz i progiem podobieństwa 70% dla ssaki:teleosts), które są wyświetlane pod genami na każdej ścieżce. Przeglądarka udostępnia również łącza, które prowadzą do tego samego regionu syntenii w przeglądarkach genomów Ensembl [23], UCSC [22], Ancora [15] i VISTA [24].

Przeglądarka tabel

Gen docelowy GRB, który często jest rozwojowym czynnikiem transkrypcyjnym, jest połączony z macierzą HCNE utrzymującą syntenię [25], z których wiele, jak wykazano, działa jako czynniki regulacyjne genu [6, 26], często powiązane z innymi, geny niespokrewnione (postronne) [9]. Aby prześledzić los genów w GRB po WGD w stosunku do genomu referencyjnego (który, jak zakładaliśmy, zawierał rodowy układ genów w GRB [1] – patrz uzasadnienie), musimy zdefiniować pozycje mapowania ortologicznego genów postronnych w odniesieniu do gen docelowy. Tutaj definiujemy kod dla każdej pary genów obserwator-docelowy, który składa się z trzech cyfr „XYZ” (Rysunek 3a): pierwsza cyfra kodu, X, reprezentuje liczbę ortologów genów docelowych w porównywanych gatunkach (co oznacza również, że jest to scenariusz 1-do-X dla ewolucji GRB) druga cyfra, Y, to liczba ortologów genów obserwatora obecnych w porównywanych gatunkach - Y może wynosić 0 (w ogóle nie występuje u ryb), 1 (rediploidalny gen obserwatora - pozostaje jedna kopia) lub 2 (gen osoby postronnej przetrwał w dwóch kopiach) trzecia cyfra, Z, oznacza liczbę ortologów genów osób postronnych, które są w syntenii z genem docelowym (Z = Y). Na przykład kod „221” wskazuje, że jest to scenariusz od 1 do 2 dla genu docelowego (cel został zachowany w dwóch kopiach), że gen osoby postronnej został również zachowany w dwóch kopiach u porównywanego gatunku (ryby) , oraz że tylko jedna z dwóch kopii genu sąsiedztwa jest nadal w syntenii z odpowiednią kopią genu docelowego w genomie ryby.

Ilustracja kodu scenariusza i statystyki. (a) Definicja kodu scenariusza. (b) Statystyki opisowe kodów scenariuszy dla wszystkich par obserwator-cel w 215 wyselekcjonowanych GRB.

Kod wychwytuje związek między ortologami obserwatora i paralogami in-paraloga [27, 28] z odpowiednimi genami docelowymi, w odniesieniu do liczby kopii i zachowania syntenii. Ważne jest, aby zrozumieć, że pełne trzycyfrowe kody odnoszą się do przypadkowych genów i ukazują trzy ważne parametry ich losu w odniesieniu do przodków GRB, których były częścią. Ponieważ każdy gen docelowy jest, z definicji, zatrzymywany w tej samej liczbie kopii, co jego GRB i nadal jest zawarty we wszystkich kopiach GRB, tylko pierwsza cyfra ma fizyczne znaczenie dla genów docelowych.

Przeglądarka tabel Synorth pokazuje kody scenariuszy dla wszystkich genów postronnych w odniesieniu do ich genów docelowych/GRB w formacie tabeli, z jedną kolumną dla każdego porównywanego gatunku (Rysunek 2c). Dla każdego genu zbudowano drzewo filogenetyczne przy użyciu TreeBeST [29] w oparciu o wielokrotne dopasowanie ortologów dla człowieka, myszy, kurczaka, żaby i doskonałokostnej ryby. Ta metodologia budowania drzewa jest również wykorzystywana w Ensemble do budowy drzewa genealogicznego białek [23, 30]. Dostęp do drzew można uzyskać z łączy w skrajnej prawej kolumnie tabeli. Dla porównania, Synorth dostarcza również odpowiednie drzewo genealogiczne białek Ensembl i drzewo ortologiczne z TreeFam [31, 32].

Przeglądarka drzewa

Przeglądarka drzew ma na celu ujawnienie ewolucyjnego losu genów na poziomie całego GRB (Rysunek 2d), zamiast pojedynczego poziomu genów, jak w przeglądarce tabel. Aby skonstruować tę przeglądarkę, najpierw dokonaliśmy projekcji docelowego drzewa genów (poddrzewo z drzewa genealogicznego białka Ensembl) na idealne drzewo genów, które obejmuje duplikację teleost WGD. Zarejestrowano regiony syntenii nakładające się z ortologami genu docelowego w każdym genomie ryby. Po drugie, zmapowaliśmy ortologi dla każdego przypadkowego genu w rozpiętości GRB na odpowiadające im gałęzie i poziomy w idealnym drzewie. W idealnym drzewie genów każdy gatunek ryb ma dwie gałęzie, po jednej dla każdego z ich zduplikowanych paralogów genów. Każda gałąź ma dwa poziomy: górny poziom (na linii prowadzącej) zawiera paralogi, które są w syntenii z docelowymi genami, a niższy poziom (pod linią przewodnią) zawiera te paralogi, które nie są w syntenii z docelowymi genami (rysunek 2d). Dla każdego przypadkowego genu, każdy ortolog, który był w syntenii z docelowym ortologiem, został umieszczony na wyższym poziomie tej samej gałęzi, co docelowy ortolog. Dla każdego genu obserwatora doskonałokostnego, który nie był w syntenii z (żadnej kopii) genu docelowego, mogliśmy zmapować go do właściwej gałęzi, gdy jeden z pozostałych doskonałokostnych miał dwie kopie genu obserwatora i oba były w syntenii z odpowiadającym im genem docelowym . W tych przypadkach porównaliśmy odległości między parami genów mierzone długością gałęzi w drzewie genów i zdefiniowaliśmy bliżej dwóch genów w drugim doskonałokostnym jako ortolog. Gen bystander został następnie umieszczony na niższym poziomie tej samej gałęzi, co ten ortolog. Wstępne założenie dla tej metody jest takie, że co najmniej jeden ortolog ze wszystkich porównywanych gatunków jest w syntenii z genem docelowym, jeśli żaden z nich nie był, zostały umieszczone w drzewie w dowolnej kolejności.

Jeśli wskaźnik myszy zostanie najechany na podkreśloną nazwę genu, pojawi się okno pokazujące idealne drzewo genów dla tego genu. Gałęzie, dla których nie znaleziono genów ortologicznych w drzewie, są zaznaczone na szaro i nie są podkreślone (Rysunek 2d). Paralogiczne gałęzie tego samego gatunku są oznaczone tym samym kolorem. Drzewo po lewej stronie jest idealnym drzewem genów dla idealnego modelu WGD, który jest oparty na drzewie gatunków na rysunku 1a.


Czy istnieją bardziej opisowe sposoby nazywania genów i interakcji genów? - Biologia

Istnieje wiele czynników, które kształtują i wpływają na nasze poglądy polityczne, nasze wychowanie, karierę, być może nasi przyjaciele i partnerzy. Ale od kilku lat pojawia się coraz więcej dowodów sugerujących, że za naszymi wyborami może kryć się bardziej fundamentalny czynnik: na poglądy polityczne mogą wpływać nasze geny.

Idea, że ​​poglądy polityczne mają składnik genetyczny, jest obecnie powszechnie akceptowana – a przynajmniej na tyle szeroko, by stać się dziedziną badań o własnej nazwie: genopolityka. Zaczęło się od kluczowego badania, które wykazało, że bliźnięta jednojajowe mają bardziej podobne poglądy polityczne niż bliźnięta dwujajowe. Sugerowało to, że na opinię polityczną wpływa nie tylko rozmowa przy kolacji (którą dzielą oba rodzaje bliźniąt), ale także geny rodziców (które bliźnięta jednojajowe mają więcej wspólnego niż bliźnięta dwujajowe). Najmocniejszym wnioskiem z tej dziedziny jest to, że pozycja, jaką ludzie zajmują w skali od liberalnej do konserwatywnej, jest dziedziczna. The finding is surprisingly strong, allowing us to use genetic information to predict variations in political opinion on this scale more reliably than we can use genetic information to predict, say, longevity, or alcoholism.

Does this mean we can give up on elections soon, and just have people send in their saliva samples? Not quite, and this highlights a more general issue with regards to seeking genetic roots behind every aspect of our minds and bodies.

Since we first saw the map of the human genome over ten years ago, it might have seemed like we were poised to decode everything about human life. And through military-grade statistics and massive studies of how traits are shared between relatives, biologists are finding more and more genetic markers for our appearance, health and our personalities.

But there's a problem – there simply isn't enough information in the human genome to tell us everything. An individual human has only around 20,000 genes, slightly less than wild rice. This means there is about the same amount of information in your DNA as there is in eight tracks on your mp3 player. What forms the rest of your body and behaviour is the result of a complex unfolding of interactions among your genes, the proteins they create, and the environment.

In other words, when we talk about genes predicting political opinion, it doesn't mean we can find a gene for voting behaviour – nor one for something like dyslexia or any other behaviour, for that matter. Leaving aside the fact that the studies measured “political beliefs” using an extremely simple scale, one that will give people with very different beliefs the same score, let's focus on what it really means to say that genes can predict scoring on this scale.

Getting emotional

Obviously there isn't a gene controlling how people answer questions about their political belief. That would be ridiculous, and require us to assume that somewhere, lurking in the genome, was a gene that lay dormant for millions of years until political scientists invented questionnaire studies. Extremely unlikely.

But let’s not stop there. It isn't really any more plausible to imagine a gene for voting for liberal rather than conservative political candidates. How could such a gene evolve before the invention of democracy? What would it do before voting became a common behaviour?

The limited amount of information in the genome means that it will be rare to talk of "genes for X", where X is a specific, complex outcome. Yes, some simple traits – like eye colour – are directly controlled by a small number of genes. But most things we're interested in measuring about everyday life – for instance, political opinions, other personality traits or common health conditions – have no sole genetic cause. The strength of the link between genetics and the liberal-conservative scale suggests that something more fundamental is being influenced by the genes, something that in turn influences political beliefs.

One candidate could be brain systems controlling our emotional responses. For instance, a study showed that American volunteers who started to sweat most when they heard a sudden noise were also more likely to support capital punishment and the Iraq War. This implies that people whose basic emotional responses to threats are more pronounced end up developing a constellation of more right-wing political opinions. Another study, this time in Britain, showed differences in brain structure between liberals and conservatives – with the amygdala, a part of the brain that learns emotional responses, being larger in conservatives. Again, this suggests that differences in political beliefs might arise from differences in emotional processes.

But notice that there isn’t any suggestion that the political opinions are bezpośrednio kontrolowane by biology. Rather, the political opinions are believed to develop differently in people with different basic biology. Something like the size of a particular brain area is influenced by our genes, but the pathway from our DNA to an apparently simple variation in a brain region is one with many twists, turns and opportunities for other genes and accidents of history to intervene on.

So the idea that genes can have some influence on political views shouldn't be shocking – it would be weird if there wasn't some form of genetic influence. But rather than being the end of the story, it just deepens the mystery of how our biology and our ideas interact.

If you would like to comment on this story or anything else you have seen on Future, head over to our Facebook page or message us on Twitter.


Modified genes can distort wild cotton’s interactions with insects

A cotton plant found in the Yucatan Peninsula sports a pinkish flower, suggesting the plant had been pollinated by insects. The flowers start pale white, then turn pink, then violet as more insects visit and deposit pollen.

Udostępnij to:

February 16, 2021 at 6:00 am

Cotton plants native to Mexico’s Yucatan Peninsula may all look the same — unkempt and untamed bushes with flowers that shift from pale yellow to violet as pollinators visit them. But genes that have escaped from genetically modified cotton crops have made some of these native plants fundamentally different, changing their biology and the way they interact with insects.

One type of escaped gene makes wild cotton exude less nectar. With no means to attract defensive ants that protect it from plant eaters, the cotton is devoured. Another escaped gene makes the wild cotton produce excess nectar, enticing a lot of ants that might keep other insects, including pollinators, at bay, researchers report on January 21 in Raporty naukowe.

“These are profoundly interesting effects,” says Norman Ellstrand, an evolutionary biologist at the University of California, Riverside. “It’s the first case that really suggests that a whole ecosystem can be disrupted” after transgenes enter a wild population.

The results challenge one long-held view that when genes from genetically modified crops escape into the wild, they have only a neutral effect on wild plants or pass on their benefits to weeds, says Alicia Mastretta Yanes, a plant molecular ecologist at the National Commission for the Knowledge and Use of Biodiversity in Mexico City. The findings confirm that unexpected outcomes of this genetic transfer, some of which “were never imagined, or at least were not assumed as possible,” do happen sometimes, she says.

Zarejestruj się, aby otrzymywać najnowsze od Wiadomości naukowe

Nagłówki i streszczenia najnowszych Wiadomości naukowe artykuły dostarczane na Twoją skrzynkę e-mail

Scientists have previously tried to explain what happens after DNA from genetically modified crops ends up in their wild relatives (SN: 1/29/16). But the majority of studies have been done under carefully controlled conditions, and very few have tested the consequences, if any, of these gene transfers on natural ecosystems.

The scarce evidence motivated Ana Wegier, a plant geneticist from the National Autonomous University of Mexico in Mexico City, and her students to find out. The country was their natural lab. The cotton we know (Gossypium hirsutum) first appeared and diversified between 2 million and 1.5 million years ago in Mexico, and native variants still sprout across the land. In the last 25 years, vast fields of fluffy genetically engineered cotton have also cropped up across the northern part of the country.

During that time, Wegier has explored Mexico searching for wild cotton, only to find it at the edge of cliffs, municipal dumps or the middle of a highway. Wild cotton likes to grow in the most inhospitable locations, where it does not have to compete with other species, she says. In 2018, Wegier and her group traveled to the Ría Lagartos biosphere reserve, an isolated coastal area in the Yucatan Peninsula. With the whitest beaches just a few feet away, the researchers spent long days observing and sampling cotton plants under the scorching sun as swarms of mosquitoes bit them nonstop.

Ants patrol the flower of this cotton plant, warding off herbivores from devouring it. Valeria Vázquez Barrios

Back in Wegier’s city lab, the team extracted DNA from the 61 plants it had collected and found that 24 of the plants did not have any transgenes. Twenty-one plants had a transgene that conferred resistance to the herbicide glyphosate seven could now produce a lethal toxin that kills destructive insects and the remaining nine had incorporated both escaped genes into their genetic code.

With the closest fields of genetically engineered cotton nearly 2,000 kilometers away, “what surprised me the most was how easy it was to find changes where we didn’t expect them,” Wegier says.

When slathered in a stress-inducing chemical, the plants with glyphosate resistance produced a lot less nectar than wild plants. The nectar is a sugary snack that wild cotton secretes whenever it’s eaten in exchange for the bodyguard services of particularly aggressive ant species. These plants were also the ones that looked the most ragged before the samples were taken. With no tasty reward to offer, and no ants to protect the cotton from hungry herbivores, these plants suffered the most damage compared with native plants that didn’t have the transgene.

Treated with the same chemical, the plants with the insecticide gene exuded nectar all the time, secreting more than the wild plants with no escaped genes and becoming an irresistible beacon to protective ants. But in the researchers’ sample of plants, there weren’t as many with the insecticide gene, suggesting that either the ants or the transgene itself were scaring off other insects. That may have interfered with the pollination of the cotton’s flowers, preventing the plant from reproducing.

The findings are intriguing, says Hugo Perales, an agroecologist at the Colegio de la Frontera Sur in Chiapas, Mexico, but he urges for caution. The uncontrollable, real-world environment of Ría Lagartos forced the researchers to work with a very small number of plants, he says. “There’s a suggestion that something is happening, but this suggestion needs to be verified.”

To Wegier, the implications of the study are clear. With Mexico being the reservoir of cotton’s genetic diversity, she argues it would be wise to limit the introduction of more genetically modified variants. “We know the presence of transgenes is irreversible, and the [ecological] effects are irreversible,” she says.

Masz pytania lub komentarze do tego artykułu? Napisz do nas na adres [email protected]

A version of this article appears in the March 13, 2021 issue of Wiadomości naukowe.


Obejrzyj wideo: Genetyczne podłoże reakcji na stresy biotyczne i abiotyczne II (Może 2022).


Uwagi:

  1. Sultan

    Teraz wszystko jest jasne, dzięki za pomoc w tej sprawie.

  2. Randal

    O czym ci wszyscy ludzie mówią w komentarzach? o_O

  3. Douzuru

    Bardzo cenna odpowiedź

  4. Mac Ghille-Bhuidhe

    And do you understand?

  5. Wiellaburne

    Masz absolutną rację. W tym nic tam i myślę, że to dobry pomysł. W pełni zgadzam się z nią.



Napisać wiadomość