Em formação

Porcentagem do genoma dedicado à regulação da expressão gênica

Porcentagem do genoma dedicado à regulação da expressão gênica


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.

Recentemente, tenho estudado o gene supressor de tumor p53 como modelo para a regulação da expressão gênica. É incrível quantas modificações pós-traducionais diferentes são conhecidas por regular a atividade do p53, e quantos fatores diferentes estão envolvidos nesta regulação.

Postula-se que existem entre 20.000 e 30.000 genes no genoma humano. Existe uma estimativa para a porcentagem desses genes cuja função primária está relacionada à regulação da expressão gênica?


Ok, vou tirar isso dos comentários e colocar uma resposta para todos nós trabalharmos.

Para responder diretamente à sua pergunta:

"Existe uma estimativa para a porcentagem desses genes cuja função primária está relacionada à regulação da expressão gênica?"

Depende de como você define "expressão gênica". E quais processos celulares você deseja incluir nessa definição.

A resposta de Larry é a resposta padrão usual, especialmente para pessoas (como eu, ha) que passaram um tempo significativo estudando fatores de transcrição. Cerca de 1% dos genes humanos têm domínios de ligação ao DNA e acredita-se que estejam diretamente envolvidos na regulação da transcrição de genes em mRNA - estes são fatores de transcrição (TFs). Intimamente relacionados são cofatores, que regulam a expressão ligando-se a TFs ou à maquinaria da RNA polimerase, mas não diretamente ao DNA.

A regulação da expressão gênica também pode incluir modificações no nível da cromatina - aqui você incluiria remodeladores de cromatina, histona acetilases, desacetilases, metilases e a histonas eles mesmos.

Os transcritos de mRNA também podem ser regulados por miRNAs: reguladores pós-transcricionais que se ligam a sequências complementares em mRNAs alvo, o que leva à repressão da tradução ou degradação do alvo e silenciamento do gene. Portanto, você também incluiria as proteínas envolvidas neste processo, mais notavelmente o Complexo de silenciamento induzido por RNA, que inclui Dicer.

Existem também proteínas envolvidas na estabilização e renovação do mRNA, que afetam a expressão gênica.

Não tenho certeza se alguém somou todos os genes acima para determinar uma porcentagem geral do genoma.

Se você incluir em sua definição de "regulação gênica" modificação pós-transcricional, chaperones dobráveis, transporte intracelular, sinalização extracelular e intracelular e assim por diante - então Shigeta está certo, você começa a se aproximar de 100%. No sentido mais básico, a própria vida é a regulação do gene.


Sim, olhe para FANTOM e seu trabalho. Existem cerca de 2.000 fatores de transcrição e cofatores no genoma humano. Essas são proteínas, é claro. Se você adicionar alguns (ou poucos?) Milhares de microRNAs e algumas dezenas de transcrições anti-sentido, embora de tamanho pequeno, você aumenta essa porcentagem.

Com cerca de 70% do genoma humano transcrito, por algumas estimativas, pode-se argumentar que muitos desses RNAs não codificantes (curtos, longos, trans-spliced) atuam de alguma forma para regular o processo de DNA para mRNA para proteína.

(Posso enviar-lhe aqueles FANTOM TFs de 2.000, se desejar. Entre em contato comigo por e-mail.)


Gene regulador

UMA gene regulador, regulador, ou gene regulador é um gene envolvido no controle da expressão de um ou mais outros genes. As sequências regulatórias, que codificam genes reguladores, costumam estar na extremidade cinco (5 ') do local de início da transcrição do gene que regulam. Além disso, essas sequências também podem ser encontradas nas três extremidades principais (3 ') do local de início da transcrição. Em ambos os casos, quer a sequência reguladora ocorra antes (5 ') ou depois (3') do gene que regula, a sequência está frequentemente a muitos quilobases de distância do local de início da transcrição. Um gene regulador pode codificar uma proteína, ou pode funcionar no nível do RNA, como no caso de genes que codificam microRNAs. Um exemplo de gene regulador é um gene que codifica uma proteína repressora que inibe a atividade de um operador (um gene que se liga a proteínas repressoras, inibindo assim a tradução de RNA em proteína via RNA polimerase). [1]

Em procariotos, os genes reguladores freqüentemente codificam para proteínas repressoras. As proteínas repressoras se ligam a operadores ou promotores, impedindo a RNA polimerase de transcrever o RNA. Geralmente são expressos constantemente, de modo que a célula sempre tem um suprimento de moléculas repressoras à disposição. [2] Os indutores fazem com que as proteínas repressoras mudem de forma ou se tornem incapazes de se ligar ao DNA, permitindo que a RNA polimerase continue a transcrição. Os genes reguladores podem estar localizados dentro de um operon, adjacente a ele ou longe dele. [3]

Outros genes reguladores codificam para proteínas ativadoras. Um ativador se liga a um local na molécula de DNA e causa um aumento na transcrição de um gene próximo. Em procariotos, uma proteína ativadora bem conhecida é a proteína ativadora catabólica (CAP), envolvida no controle positivo do operon lac.

Na regulação da expressão gênica, estudada em biologia evolutiva do desenvolvimento (evo-devo), tanto ativadores quanto repressores desempenham papéis importantes. [4]

Os genes reguladores também podem ser descritos como reguladores positivos ou negativos, com base nas condições ambientais que circundam a célula. Os reguladores positivos são elementos reguladores que permitem a ligação da RNA polimerase à região promotora, permitindo assim que a transcrição ocorra. Em termos do operon lac, o regulador positivo seria o complexo CRP-cAMP que deve ser ligado próximo ao local de início da transcrição dos genes lac. A ligação deste regulador positivo permite que a RNA polimerase se ligue com sucesso ao promotor da sequência do gene lac que avança a transcrição dos genes lac lac Z, lac Y e lac A. Reguladores negativos são elementos reguladores que obstruem a ligação da RNA polimerase a a região do promotor, reprimindo assim a transcrição. Em termos do operon lac, o regulador negativo seria o repressor lac que se liga ao promotor no mesmo local que a RNA polimerase normalmente se liga. A ligação do repressor lac ao sítio de ligação da RNA polimerase inibe a transcrição dos genes lac. Somente quando um corepressor está ligado ao repressor lac o sítio de ligação estará livre para a RNA polimerase realizar a transcrição dos genes lac. [5] [6] [7]


Do que é feito um genoma?

Os genomas de quase todas as criaturas vivas, tanto plantas quanto animais, consistem em DNA (ácido desoxirribonucléico), a cadeia química que inclui os genes que codificam para diferentes proteínas e as sequências regulatórias que ativam e desativam esses genes. Precisamente qual proteína é produzida por um determinado gene é determinada pela sequência na qual quatro blocos de construção - adenina (A), timina (T), citosina (C) e guanina (G) - são dispostos ao longo da hélice dupla torcida do DNA estrutura.

Os genomas de quase todas as criaturas vivas, tanto plantas quanto animais, consistem em DNA (ácido desoxirribonucléico), a cadeia química que inclui os genes que codificam para diferentes proteínas e as sequências regulatórias que ativam e desativam esses genes. Precisamente qual proteína é produzida por um determinado gene é determinada pela sequência na qual quatro blocos de construção - adenina (A), timina (T), citosina (C) e guanina (G) - são dispostos ao longo da hélice dupla torcida do DNA estrutura.


Os misteriosos 98%: os cientistas procuram iluminar o "genoma escuro"

Crédito: David Senior

Após a conclusão de 2003 do Projeto Genoma Humano - que sequenciou todas as 3 bilhões de "letras", ou pares de bases, no genoma humano - muitos pensaram que nosso DNA se tornaria um livro aberto. Mas um problema desconcertante surgiu rapidamente: embora os cientistas pudessem transcrever o livro, eles só podiam interpretar uma pequena porcentagem dele.

A misteriosa maioria - até 98 por cento - de nosso DNA não codifica para proteínas. Muito desse "genoma da matéria escura" é considerado como sobras evolutivas não funcionais que estão apenas no caminho. No entanto, escondidos entre esse DNA não codificador estão muitos elementos regulatórios cruciais que controlam a atividade de milhares de genes. Além disso, esses elementos desempenham um papel importante em doenças como câncer, doenças cardíacas e autismo, e podem ser a chave para possíveis curas.

Como parte de um grande esforço contínuo para mapear e anotar totalmente as sequências funcionais do genoma humano, incluindo esta maioria silenciosa, o National Institutes of Health (NIH) em 2 de fevereiro de 2017, anunciou uma nova concessão de financiamento para um projeto nacional a ser definido até cinco "centros de caracterização", incluindo dois na UC San Francisco, para estudar como esses elementos reguladores influenciam a expressão gênica e, conseqüentemente, o comportamento celular.

O objetivo do projeto é que os cientistas usem a tecnologia mais recente, como a edição do genoma, para obter conhecimentos sobre a biologia humana que podem um dia levar a tratamentos para doenças genéticas complexas.

Importância da Gramática Genômica

Depois que as deficiências do Projeto do Genoma Humano se tornaram claras, o Projeto da Enciclopédia de Elementos do DNA (ENCODE) foi lançado em setembro de 2003 pelo Instituto Nacional de Pesquisa do Genoma Humano (NHGRI). O objetivo do ENCODE é encontrar todas as regiões funcionais do genoma humano, quer formem genes ou não.

"O Projeto Genoma Humano mapeou as letras do genoma humano, mas não nos disse nada sobre a gramática: onde está a pontuação, onde está o início e o fim", disse a diretora do programa do NIH, Elise Feingold, PhD. "Isso é o que ENCODE está tentando fazer."

Nadav Ahituv (à direita), PhD, está usando uma nova tecnologia para testar potenciadores entre 100.000 sequências regulatórias no DNA. Crédito: Susan Merrell

A iniciativa revelou que milhões dessas sequências de letras não codificantes realizam ações regulatórias essenciais, como ativar ou desativar genes em diferentes tipos de células. No entanto, embora os cientistas tenham estabelecido que essas sequências regulatórias têm funções importantes, eles não sabem qual função cada sequência desempenha, nem sabem qual gene cada uma afeta. Isso ocorre porque as sequências geralmente estão localizadas longe de seus genes-alvo - em alguns casos, a milhões de letras de distância. Além do mais, muitas das sequências têm efeitos diferentes em diferentes tipos de células.

As novas bolsas do NHGRI permitirão que os cinco novos centros trabalhem para definir as funções e os alvos genéticos dessas sequências regulatórias. Na UCSF, dois dos centros serão baseados nos laboratórios de Nadav Ahituv, PhD, e Yin Shen, PhD. Os outros três centros de caracterização serão localizados na Stanford University, Cornell University e no Lawrence Berkeley National Laboratory. Centros adicionais continuarão a se concentrar em mapeamento, análise computacional, análise de dados e coordenação de dados.

Códigos de barras celulares revelam função reguladora

A nova tecnologia tornou a identificação da função e dos alvos das sequências regulatórias muito mais fácil. Os cientistas agora podem manipular células para obter mais informações sobre seu DNA e, graças à triagem de alto rendimento, podem fazer isso em grandes lotes, testando milhares de sequências em um experimento, em vez de uma por uma.

"Costumava ser extremamente difícil testar a função na parte não codificadora do genoma", disse Ahituv, professor do Departamento de Bioengenharia e Ciências Terapêuticas. "Com um gene, é mais fácil avaliar o efeito porque há uma mudança na proteína correspondente. Mas com sequências regulatórias, você não sabe a que uma mudança no DNA pode levar, então é difícil prever o resultado funcional."

Ahituv e Shen estão usando técnicas inovadoras para estudar realçadores, que desempenham um papel fundamental na expressão gênica. Cada célula do corpo humano contém o mesmo DNA. O que determina se uma célula é da pele, do cérebro ou do coração é quais genes são ativados e desativados. Intensificadores são os interruptores secretos que ativam genes específicos de tipos celulares.

Durante uma fase anterior do ENCODE, Ahituv e o colaborador Jay Shendure, PhD, da Universidade de Washington, desenvolveram uma técnica chamada ensaio de repórter paralelo massivo baseado em lentivírus para identificar potencializadores. Com a nova concessão, eles usarão essa tecnologia para testar realçadores entre 100.000 sequências regulatórias previamente identificadas por ENCODE.

Yin Shen (à esquerda), PhD, usará o CRISPR para identificar não apenas quais sequências não codificantes de DNA têm funções regulatórias, mas também quais genes elas afetam. Crédito: Susan Merrell

Sua abordagem emparelha cada sequência regulatória com um código de barras de DNA exclusivo de 15 letras geradas aleatoriamente. Um gene repórter fica preso entre a sequência e o código de barras, e todo o pacote é inserido em uma célula. Se a sequência reguladora for um intensificador, o gene repórter será ativado e ativará o código de barras. O código de barras do DNA irá então codificar para o RNA na célula.

Assim que os pesquisadores verem que o gene repórter está ativado, eles podem facilmente sequenciar o RNA na célula para ver qual código de barras está ativado. Eles então combinam o código de barras de volta com sua sequência regulatória correspondente, que os cientistas agora sabem que é um intensificador.

"Com os ensaios de intensificadores anteriores, você tinha que testar cada sequência, uma por uma", explicou Ahituv. "Com nossa abordagem, podemos clonar milhares de sequências junto com milhares de códigos de barras e testá-los todos de uma vez."

Exclusão de sequências para entender seu papel

Shen, professor assistente do Departamento de Neurologia e do Instituto de Genética Humana, está adotando uma abordagem diferente para caracterizar a função das sequências regulatórias. Em colaboração com seu ex-mentor no Ludwig Institute for Cancer Research e na UC San Diego, Bing Ren, PhD, ela desenvolveu um método de triagem CRISPR-Cas9 de alto rendimento para testar a função de sequências não codificantes. Agora, Shen e Ren estão usando essa abordagem para identificar não apenas quais sequências têm funções regulatórias, mas também quais genes elas afetam.

Shen usará o CRISPR para editar dezenas de milhares de sequências regulatórias em um grande grupo de células e rastrear os efeitos das edições em um conjunto de 60 pares de genes que comumente coexpressam.

Para este trabalho, cada célula será programada para refletir duas cores fluorescentes - uma para cada gene - quando um par de genes for ativado. Se a luz em uma célula se apagar, os cientistas saberão que seu gene alvo foi afetado por uma das edições de sequência baseadas no CRISPR. A etapa final é sequenciar o DNA de cada célula para determinar qual edição da sequência regulatória causou a mudança na expressão do gene.

As causas de doenças comuns como diabetes, câncer e autismo não são apenas um gene que é alterado, mas a sequência reguladora do DNA humano que regula esse gene, mostram os estudos. Crédito: Universidade da Califórnia, San Francisco

Ao monitorar as cores de genes coexpressos, Shen revelará a complexa relação entre numerosas sequências funcionais e múltiplos genes, que estava além do escopo das técnicas tradicionais de sequenciamento.

"Até o recente desenvolvimento do CRISPR, não era possível manipular geneticamente sequências não codificantes em grande escala", disse Shen. "Agora, o CRISPR pode ser ampliado para que possamos rastrear milhares de sequências regulatórias em um experimento. Esta abordagem nos dirá não apenas quais sequências são funcionais em uma célula, mas também qual gene elas regulam."

O DNA da matéria escura pode tratar doenças?

Ao catalogar as funções de milhares de sequências regulatórias, Shen e Ahituv esperam desenvolver regras sobre como prever e interpretar as funções de outras sequências. Isso não apenas ajudaria a iluminar o resto do genoma da matéria escura, mas também poderia revelar novos alvos de tratamento para doenças genéticas complexas.

"Descobriu-se que muitas doenças humanas estão associadas a sequências regulatórias", disse Ahituv. "Por exemplo, em estudos de associação de todo o genoma para doenças comuns, como diabetes, câncer e autismo, 90 por cento das variantes de DNA associadas à doença estão no DNA não codificador. Portanto, não é um gene que é alterado, mas o que o regula. "

Como o preço do sequenciamento do genoma de uma pessoa caiu significativamente, fala-se sobre o uso da medicina de precisão para curar muitas doenças graves. No entanto, o obstáculo de como interpretar as mutações no DNA não codificador permanece.

"Se pudermos caracterizar a função e identificar os alvos genéticos dessas sequências regulatórias, podemos começar a revelar como suas mutações contribuem para as doenças", disse Shen. "Eventualmente, podemos até ser capazes de tratar doenças complexas corrigindo mutações regulatórias."


Dos trilhões de células que compõem nosso corpo, desde neurônios que transmitem sinais por todo o cérebro até células imunológicas que ajudam a defender nosso corpo de ataques externos constantes, quase todas contêm os mesmos 3 bilhões de pares de bases de DNA que constituem o genoma humano - o totalidade do nosso material genético. É notável que cada um dos mais de 200 tipos de células no corpo interprete essas informações idênticas de maneira muito diferente, a fim de realizar as funções necessárias para nos manter vivos. Isso demonstra que precisamos olhar além da sequência do próprio DNA para entender como um organismo e suas células funcionam.

Estudo do genoma como um todo

Então, como começamos a entender o genoma como um todo? Em 2000, o Projeto Genoma Humano forneceu a primeira sequência completa de um genoma humano []. O DNA que constitui todos os genomas é composto de quatro substâncias químicas relacionadas, chamadas de ácidos nucléicos - adenina (A), guanina (G), citosina (C) e timina (T). Uma sequência de DNA é uma cadeia desses ácidos nucleicos (também chamados de "bases" ou "pares de bases") que são quimicamente ligados uns aos outros, como AGATTCAG, que é "lido" linearmente. Métodos experimentais para determinar a sequência de DNA, junto com a ajuda de alguns computadores poderosos, deram aos cientistas uma sequência cheia de A & # 8217s, G & # 8217s, C & # 8217s e T & # 8217s com 3 bilhões de letras. Na época, os pesquisadores achavam que sabiam o suficiente sobre como o DNA funcionava para pesquisar as unidades funcionais do genoma, também conhecidas como genes. Um gene é uma cadeia de DNA que codifica as informações necessárias para fazer uma proteína, que então desempenha alguma função dentro de nossas células.

Após o Projeto Genoma Humano, os cientistas descobriram que havia cerca de 20.000 genes no genoma, um número que alguns pesquisadores já haviam previsto. Notavelmente, esses genes compreendem apenas cerca de 1-2% dos 3 bilhões de pares de bases de DNA []. Isso significa que algo em torno de 98-99% de todo o nosso genoma deve estar fazendo algo diferente de codificar proteínas - os cientistas chamam isso de DNA não codificador. Imagine receber vários volumes de enciclopédias que continham uma frase coerente em inglês a cada 100 páginas, onde o resto do espaço continha um punhado de letras e caracteres aleatórios não interpretáveis. Você provavelmente começaria a se perguntar por que todas aquelas letras e caracteres aleatórios estavam lá em primeiro lugar, que é exatamente o problema que tem atormentado os cientistas por décadas.

Por que tanto do nosso genoma não está sendo usado para codificar proteínas? Esse DNA extra serve a algum propósito funcional? Para começar a ter uma ideia se precisamos de todo esse DNA extra, podemos olhar para espécies intimamente relacionadas que têm tamanhos de genoma extremamente variados. Por exemplo, o gênero Allium, que inclui cebolas, chalotas e alho, tem tamanhos de genoma que variam de 10 a 20 bilhões de pares de bases. É muito improvável que uma quantidade tão grande de DNA extra seja útil em uma espécie e não em seu primo genético, talvez argumentando que muito do genoma não é útil []. Além disso, esses genomas são muito maiores do que o genoma humano, o que indica que uma cebola é altamente complexa ou, mais provavelmente, que o tamanho de um genoma não diz nada sobre o quão complexo é o organismo ou como ele funciona.

Quais partes do genoma são funcionais?

Devido aos incríveis avanços tecnológicos no sequenciamento de DNA e no uso de computadores para ajudar a analisar as sequências resultantes (conhecidas coletivamente como bioinformática), projetos de grande escala semelhantes ao Projeto Genoma Humano começaram a desvendar a complexidade e o tamanho do genoma humano. Um projeto específico, ENCODE, ou o Encyclopedia Of DN / D Elementos, com o objetivo de encontrar a função de todo o genoma humano [2, 3]. Em outras palavras, enquanto o Projeto Genoma Humano se propunha a ler os projetos da vida humana, o objetivo do ENCODE era descobrir quais partes desses projetos realmente fazem algo funcional. Um grupo de laboratórios de todo o mundo trabalha no projeto ENCODE, que começou em 2003 e é financiado pelo National Human Genome Research Institute. Apenas neste mês, o consórcio publicou seus principais resultados em mais de 30 artigos de revistas científicas, e tem recebido grande atenção da mídia [].

Figura 1. Os 46 cromossomos (topo) que compõem todo o genoma humano. Cada cromossomo (meio) é um trecho longo e contínuo de DNA polvilhado com genes que codificam as informações necessárias para fazer uma proteína. Os genes constituem apenas uma pequena porcentagem do genoma, e o resto é composto de regiões intergênicas (abaixo) que não codificam para proteínas. Estas são as regiões que a ENCODE tem mais interesse em estudar. (Crédito da imagem: Usuário do Wikimedia Commons & # 8211 Plociam)

Para compreender melhor o objetivo de ENCODE, é primeiro útil entender o que queremos dizer com "funcional". Lembre-se de que os genes codificam as informações necessárias para produzir proteínas, que são as moléculas que desempenham funções na célula. A quantidade de proteína que um determinado gene produz, ou se é permitido fazer alguma, é determinada por sua expressão genetica. No caso do genoma, qualquer sequência não codificadora de proteína que seja funcional presumivelmente teria algum efeito sobre como um gene é expresso, ou seja, uma sequência funcional de alguma forma regula quanta proteína é produzida a partir de um determinado DNA codificador seqüência. É a diferença na composição das proteínas que ajuda a dar identidade à célula. Como cada célula contém exatamente o mesmo DNA e genoma, são, portanto, os níveis de expressão gênica que determinam se uma célula será um neurônio, pele ou mesmo uma célula imunológica.

Enquanto o Projeto Genoma Humano usava principalmente a técnica de sequenciamento de DNA para ler o genoma humano, na verdade atribuir papéis e caracterizar a função dessas bases de DNA requer uma gama muito mais ampla de técnicas experimentais. O projeto ENCODE usou seis abordagens para ajudar a atribuir funções a sequências particulares dentro do genoma. Essas abordagens incluíram, entre outras, o sequenciamento do RNA, uma molécula semelhante e feita a partir do DNA que carrega instruções para a produção de proteínas e a identificação de regiões do DNA que poderiam ser quimicamente modificadas ou ligadas por proteínas []. Os pesquisadores escolheram esses métodos porque cada um fornece pistas sobre se uma determinada sequência é funcional (ou seja, se influencia a expressão do gene). Se a célula está gastando energia para fazer RNA a partir do DNA, é provável que esteja sendo usado para alguma coisa. Além disso, as proteínas que se ligam ao DNA influenciam se um gene é expresso, e as modificações químicas do DNA também podem prevenir ou aumentar a expressão do gene.

Cada uma dessas abordagens pode identificar sequências dentro do genoma que têm algum tipo de atividade bioquímica e, para aumentar a utilidade deste projeto, os laboratórios conduziram essas técnicas em vários tipos de células, a fim de contabilizar a variabilidade natural. Então, o que eles finalmente encontraram? Usando as seis abordagens, o projeto foi capaz de identificar a atividade bioquímica para 80% das bases do genoma []. Embora isso não signifique necessariamente que todas essas regiões funcionais previstas realmente sirvam a um propósito, sugere fortemente que há um papel biológico para muito mais do que 1% de nosso DNA que forma genes. Muitos cientistas já suspeitavam disso, mas com o ENCODE, agora temos um grande conjunto de dados padronizado que pode ser usado por laboratórios individuais para sondar essas áreas potencialmente funcionais. Da mesma forma, por se tratar de um projeto de grande porte com rígidos controles de qualidade, podemos ter certeza de que os dados são reproduzíveis e confiáveis.

Utilidade e controvérsia

Embora os principais benefícios decorrentes deste projeto possam não ser percebidos por alguns anos (semelhante ao Projeto Genoma Humano), no momento já existem algumas áreas onde este enorme conjunto de dados será útil. Há uma série de doenças que parecem estar associadas a mutações genéticas, no entanto, muitas das mutações que foram descobertas não estão em genes reais, o que torna difícil entender quais alterações funcionais as mutações causam. Usando os dados do projeto ENCODE, os pesquisadores serão capazes de aprimorar as mutações causadoras da doença mais rapidamente, uma vez que agora eles podem associar as mutações com sequências funcionais encontradas no banco de dados ENCODE. Combinando os dois, pesquisadores e médicos devem ser capazes de começar a entender por que uma determinada mutação causa uma doença, o que ajudará no desenvolvimento de terapias apropriadas.

Embora o projeto ENCODE tenha sido um feito notável de colaboração científica, ainda há controvérsia em torno do projeto [5, 6, 7]. Alguns cientistas expressaram sua preocupação de que o dinheiro gasto neste projeto (mais de US $ 200-300 milhões) poderia ter sido mais útil no fornecimento de bolsas a pesquisadores individuais. Alguns biólogos também expressaram suas preocupações sobre como os resultados do projeto foram apresentados ao público, tanto em termos do entusiasmo em torno do projeto como dos próprios resultados. Devido ao custo e à complexidade desses tipos de estudos, é importante que os cientistas apresentem uma perspectiva imparcial. A necessidade de uma apresentação cuidadosa ao público foi demonstrada pelo entusiasmo em torno de um artigo recente publicado por cientistas da NASA sobre bactérias que poderiam usar o arsênico de uma forma nunca vista antes. Depois de anunciar que haviam descoberto algo novo e empolgante, a ponto de convocar uma entrevista coletiva, o hype gerado por si mesmo acabou implodindo depois que as descobertas foram finalmente refutadas []. Como acontece com qualquer novo projeto de grande escala, tanto os cientistas quanto o público devem ser pacientes ao atribuir valor até que os verdadeiros benefícios do projeto possam ser realizados.

Outra crítica importante aos artigos publicados pelo grupo ENCODE centrou-se no significado da frase "função biológica". No principal artigo da revista ENCODE, os autores afirmaram que atribuíram uma função biológica a cerca de 80% do genoma humano []. Como outros notaram, só porque uma dada sequência de DNA se liga a proteínas ou está associada a alguma modificação química, não significa necessariamente que seja funcional ou tenha um papel útil. Muitos eventos de ligação de proteínas são aleatórios e inconseqüentes. Também é sabido há algum tempo que muito do DNA não codificado “lixo” não é realmente lixo, então alguns pesquisadores questionaram a novidade dos resultados do ENCODE. Todas essas preocupações são certamente justificadas e, de fato, a conversa em torno do projeto demonstra exatamente como a ciência deve funcionar.

Provavelmente levará anos para entender completamente como o ENCODE tem ajudado a comunidade científica, mas, no entanto, este projeto destacou como é importante estudar o genoma como um todo, não apenas para entender por que temos tanto DNA não codificado dentro cada célula, mas também para nos informar sobre tópicos que são relevantes para a maioria das pessoas, notadamente como raras ou múltiplas mutações genéticas levam ao desenvolvimento de doenças.

Jonathan Henninger é um estudante graduado do Programa de Ciências Biológicas e Biomédicas da Universidade de Harvard.

Outras informações

O coordenador principal do vídeo & # 8211 ENCODE & # 8217s Ewan Birney discute os principais objetivos do projeto.


Pesquisa Aberta

Os dados de sequenciação em bruto foram submetidos ao NCBI Gene Expression Omnibus sob os números de acesso GSE122135, GSE121216 e GSE139217. Os dados relacionados gerados para este estudo estão disponíveis em forestry.fafu.edu.cn/pub/bamboo_flower.

Nome do arquivo Descrição
documento tpj15174-sup-0001-FigS1.pdfPDF, 128,2 KB Figura S1. Medição do tamanho da célula boliforme, célula do braço e a espessura das folhas em TW, OY, FLNY e FL, respectivamente.
documento tpj15174-sup-0002-FigS2.pdfPDF, 487,2 KB Figura S2. Correlações entre diferentes réplicas biológicas.
tpj15174-sup-0003-FigS3.pdf Documento PDF, 144 KB Figura S3. o x-eixo apresenta folhas de diferentes idades cronológicas. o y-eixo apresentou nível de metilação de CHH. o P os valores das comparações de pares foram identificados nas figuras.
tpj15174-sup-0004-FigS4.pdf Documento PDF, 944,8 KB Figura S4. Correlação entre a distância entre os pares TE e o nível de metilação da região do intervalo TE. o y-eixo mostra o nível de metilação da região do intervalo TE. o x-axis mostra a distância (compartimento de 50 bp - 1 para 30 compartimentos) entre dois TEs vizinhos.
tpj15174-sup-0005-FigS5.pdf Documento PDF, 402,2 KB Figura S5. Análise de enriquecimento do termo GO de genes DMR.
tpj15174-sup-0006-FigS6.pdf Documento PDF, 151 KB Figura S6. Mapa de calor de valores de expressão normalizados para todos os genes associados à transição de fase vegetativa para reprodutiva.
tpj15174-sup-0007-FigS7.pdf Documento PDF, 220,2 KB Figura S7. Análise de enriquecimento do termo GO para genes regulados negativamente (a) e regulados positivamente (b).
tpj15174-sup-0008-FigS8.pdf Documento PDF, 7,3 MB Figura S8. Redes de co-expressão de RNA-Seq.
tpj15174-sup-0009-FigS9.pdf Documento PDF, 308,9 KB Figura S9. Análise de enriquecimento do termo GO para cada módulo coexpresso durante a transição de fase.
tpj15174-sup-0010-FigS10.pdf Documento PDF, 153,9 KB Figura S10. O termo GO análise de enriquecimento de redes construídas.
tpj15174-sup-0011-FigS11.pdf Documento PDF, 2,7 MB Figura S11. Gráficos de dispersão mostrando a relação entre a metilação do promotor (y-eixo) e nível de expressão (x-eixo).
tpj15174-sup-0012-FigS12.pdf Documento PDF, 149 KB Figura S12. Distribuição de siRNAs de 24 nt situados a 1 kb a montante e a jusante de TSS e TTS, respectivamente. Quatro quartis (baixo, médio-baixo, médio-alto, alto) foram classificados com base no nível de metilação de CHH em regiões de 1 kb tanto a montante quanto a jusante de TSS e TTS, respectivamente. o x-eixo apresentou as informações de coordenadas. o y-eixo apresentou siRNA de 24 nt normalizado.
tpj15174-sup-0013-FigS13.pdf Documento PDF, 118,7 KB Figura S13. A expressão de DNA metiltransferase DRM2 em cada biblioteca mostrou regulação positiva em amostras de floração. (a) A expressão (FPKM) da DNA metiltransferase DRM2 com base em RNA-Seq. (b) Quantificação de DRM2 em cinco amostras de bambu moso usando PCR quantitativo em tempo real.
tpj15174-sup-0014-FigS14.pdf Documento PDF, 112,8 KB Figura S14. O histograma representou o número total de nucleotídeos CG no exon e no íntron anotados, respectivamente. O círculo externo representou a porcentagem de nucleotídeos CG no exon e no íntron, respectivamente. O painel direito mostra o número do CG modificado em cinco amostras.
tpj15174-sup-0015-FigS15.pdf Documento PDF, 565,6 KB Figura S15. Perfis de metilação de CG, CHG e CHH em genes de alta a baixa expressão. A paisagem de metilação do DNA foi apresentada em genes dos grupos de alta expressão (a), moderada a baixa (b-d) e nenhuma expressão (e), respectivamente.
tpj15174-sup-0016-FigS16.pdf Documento PDF, 2,9 MB Figura S16. Mapas de calor de metilação CG, CHG e CHH para genes ordenados por nível de expressão de baixo a alto.
tpj15174-sup-0017-FigS17.pdf Documento PDF, 22,5 MB Figura S17. CG, CHG and CHH methylation heatmaps for single and multi-exon genes ordered by expression level from low to high.
tpj15174-sup-0018-FigS18.pdfPDF document, 1 MB Figure S18. DNA methylation around splicing sites and statistics of differential AS events. (a) CHG and CHH methylation around splicing sites (GT–AG) at single-base resolution. (b) Differential AS events of four pairwise comparisons.
tpj15174-sup-0019-FigS19.pdfPDF document, 124.1 KB Figure S19. The percentage of circular RNAs with and without flanking inverted complementary intron sequences, depicted in brown and blue, respectively.
tpj15174-sup-0020-FigS20.pdfPDF document, 110.8 KB Figure S20. Enrichment of siRNA in flanking intron of circular RNAs. All annotated introns were selected as the control group. o y-axis represented normalized small RNA coverage 24-nt siRNA in intron of flanking circRNAs presented higher abundance that control group.
tpj15174-sup-0021-FigS21.pdfPDF document, 119.2 KB Figure S21. TE types in flanking introns of circRNAs from fast growing shoots.
tpj15174-sup-0022-FigS22.pdfPDF document, 417.6 KB Figure S22. TE in flanking introns of circRNAs from Oryza sativa e Zea mays, respectivamente.
tpj15174-sup-0023-FigS23.pdfPDF document, 23.1 MB Figure S23. Em vitro-induced flowering in moso bamboo: (a) 5-month-old bamboo plants were grown on MS basic medium without any addition of plant growth hormones (b) when MS basal medium was supplemented with 0.5 mg L − 1 6-BA and 0.25 mg L − 1 IBA, multiple shoots at the base were observed (c) MS basal medium supplemented with 1.0 mg L − 1 TDZ (d) MS basal medium supplemented with 0.5 mg L − 1 6-BA, 0.25 mg L − 1 IBA and 0.5 mg L − 1 GA3, leading to multiple branches at internodes. Compared with (b), GA3 was more beneficial for shoot formation. (e) MS basal medium supplemented with 0.8 mg L − 1 TDZ. Low concentration of TDZ is more conducive to the occurrence of multiple shoots. (f) MS basal medium supplemented with 5 mg L − 1 6-BA. In the presence of higher concentration of 6-BA, multiple shoots occurred at the internodes of bamboo, and the growth state was better.
tpj15174-sup-0024-FigS24.pdfPDF document, 405.8 KB Figure S24. The expression of important master floral developmental regulator such as SOC1 and FT.
tpj15174-sup-0025-FigS25.pdfPDF document, 358.3 KB Figure S25. Construction of circular RNA library. (a) RT-PCR validation of poly(A−) RNA isolation. The same quantity of total RNA, poly(A)+ RNA, poly(A)− RNA was reverse transcribed with oligoT primer. Actin was selected as linear transcript marker with polyadenylated tail. (b) Validation of subsequent rRNA depletion. The same quantity of total RNA, poly(A)− RNA, poly(A)−/ribo− RNA was loaded on a 1% agarose gel. Mostrou que 28S e 18S ribosomal RNAs were efficiently removed after rRNA depletion. (c) RT-PCR validation of RNase R digestion. Circular RNAs remained stable, whereas the linear RNA was degraded after RNase R treatment. (d) Detection of circular RNAs and linear RNA in the final RNA sample. Note that the linear RNA cannot be detected but circular RNAs still exist.
tpj15174-sup-0026-Tables.xlsapplication/excel, 37.5 KB Data S1. Details of primer sequences for experimental validation and vector construction.

Observação: O editor não é responsável pelo conteúdo ou funcionalidade de qualquer informação de suporte fornecida pelos autores. Quaisquer dúvidas (que não sejam de conteúdo ausente) devem ser direcionadas ao autor correspondente do artigo.


Precision editing provides key details about regulation of gene expression

The new system combines bioinformatic prediction algorithms and an adenine base editing tool with tests to measure how base gene editing affects gene expression. Base editing works more precisely than conventional gene-editing tools such as CRISPR/Cas9, by changing a single letter in the four-letter DNA alphabet at high efficiency without creating larger insertions or deletions.

Researchers used the base editor ABEmax to make 10,156 specific edits in 307 regulatory elements that were predicted to affect fetal hemoglobin expression. The expression can modify the severity of hemoglobin disorders such as sickle cell disease. The edits changed the DNA bases adenine and thymine to guanine and cytosine. The study focused on regulatory elements in the genes BCL11A, MYB-HBS1L, KLF1 and beta-like globin genes.

Using this approach, the scientists validated the few known regulatory elements of fetal hemoglobin expression and identified many new ones.

Read the full text of the article:

Nature Genetics, Published May 5, 2021

Co-corresponding author Mitchell Weiss, M.D., Ph.D., St. Jude Department of Hematology chair, contributed to the research findings published in Nature Genetics.

“Using this system, Dr. Cheng and our colleagues have identified a regulatory ‘archipelago’ of dozens of regulatory elements that act together to orchestrate a developmental switch from fetal to adult hemoglobin expression,” Weiss said. “A deeper understanding of this switch is important for human genetics in general. It may also have implications for treating hemoglobin disorders such as sickle cell disease and beta thalassemia.”

Fetal hemoglobin is unaffected by the hemoglobin mutation that is a hallmark of sickle cell disease. The mutation causes red blood cells of people with sickle cell disease to change from pliable discs that move easily through small blood vessels, to brittle, sickle-shaped cells that block blood flow and lead to pain, organ damage and an increased risk of premature death.

Fetal hemoglobin production typically, but not always, declines dramatically after birth. Genetic variations mean that some people make fetal hemoglobin throughout their lives with no ill effects. In individuals with sickle cell disease, fetal hemoglobin persistence can eliminate symptoms.


HERVs and Exogenous Infections

HERVs have been proposed to have a role during exogenous viral infections, and such role could be either beneficial or harmful (16). It is worth to note that the interplay between exogenous and endogenous viruses is still not fully characterized, even if some evidences suggest that exogenous infection sustained by different viral species𠅊mong which HIV, herpesviruses and influenza𠅊re able to modulate HERV expression (142�). In the case of an upregulation of HERV expression, such cooperative action could increase the immune triggering exerted by HERV products and, especially in the presence of retroviral infections, possibly account for complementation of defective viruses and recombination events (16). Here, however, we will focus on the possible protective effects against exogenous infections exerted by HERV expression products, which can theoretically be able to restrict any step of the viral cycle (21).

As any organism or biological entity, viruses are subjected to an ensemble of selective pressures, being exerted by the host defenses as well as by the surrounding environment, including other microbes threatening the same host. Due to this, the different viral species evolved strategies to avoid the host antiviral systems and to compete with other viral populations, to assure their replication. In line with this, it is well known that a cell infected by a certain virus often become resistant to superinfection, developing a virus-induced viral resistance against members of the same species as well as different viruses (24). Considering HERVs, such cross-protection has been investigated mostly for exogenous retroviruses that share identity in their protein and nucleic acids, being more prone to interact with HERV products (16) (Figure 4). A partial resistance to exogenous infection could depend on the interference and blocking of the same cellular receptor by HERV-derived proteins or pseudo-viral particles (145, 146) (Figure 4). Inside the cell, the expression of HERV antisense transcripts has been proposed to confer protection against infections through the complementary interaction with homologous RNA sequences originated by exogenous retroviruses' expression, forming dsRNA molecules that can be recognized as PAMPs by human PRRs (26, 72) (Figure 4). Finally, in the case of HERV proteins' production, their identity with exogenous viral proteins could led to complementation events possibly affecting the formation of viral particles (Figure 4). Accordingly, a HERV-K(HML2) Gag protein was reported to co-assemble with HIV-1 Gag and to subsequently impair HIV-1 capsid formation as well as HIV-1 particles release and infectivity (147, 148) (Figure 4).

Figura 4. Protective effects exerted by HERVs against exogenous infections. The effects of HERV expression in the impairment of exogenous viruses (red lines) are represented in relation to HIV infection. The various steps of HIV replication are also schematized. Even if HERV expression could theoretically affect any of them, the major implications regard (a) the expression of HERV mRNAs, that can interact by complementarity with HIV RNA, could form dsRNA that is detected as a PAMP by cellular innate immunity sensors (b) the complementation of HIV structural components with HERV proteins, possibly affecting HIV particles' assembly and release and (c) the binding of HERV proteins or pseudoparticles to the same cellular receptor, preventing HIV binding and entry. Of note, these effects can be eventually sustained also by the possible upregulation of HERV expression by HIV infection.

On the one side, all these direct interactions between HERV and exogenous viral products has been argued to had a role in the restriction and extinction of HERV-originating ancestral exogenous retroviruses (21). In line with this, Blanco-Melo and coauthors “resuscitated” two ancestral Env proteins: one was reconstructed from various HERV-T insertions in primate species, being more ancient, and the other was encoded by a human HERV-T provirus acquired about 20 million years later (149). The “older” Env was shown to bind the human receptor MTC1, and to be able to generate infectious pseudotyped MLV particles and syncytia (149). The “modern” HERV-T Env, albeit being still able to bind MTC1, lost these abilities and even downregulated MTC1 either at the cell surface (causing its internalization) or during secretion (blocking its transport), leading to its degradation (149). On the other side, the same interactions could have also contributed to the rapid evolution and adaptation of HERV genes, driving the selection of elements that could increase the range of restricted microbes and confer a sort of broad-viral protection (21). In this regard, HERV-K(HML2) Rec proteins upregulation has recently been reported during embryogenesis, leading to the specific stimulation of the IFN-induced viral restriction factor IFITM126 in epiblast and embryonic stem cells (56, 150). This finding led to the fascinating idea that Rec and the HML2 mRNAs, associated to it for nuclear export, might be detected in the cytosol, eliciting an innate anti-viral response thought to broadly inhibit embryonic viral infections (56).


DNA and its (journal) children

A look at one of our most prominent genetics journals (Clinical Epigenetics) and its new companion publication (Epigenetics Communications), that both present the best in epigenetic research. Both titles are helmed by Professor Lucia Altucci and Professor Marianne Rots.

DNA Day, on the 25 th of April every year, is meant to commemorate the discovery of the structure of DNA in 1953 by Watson and Crick and the successful completion of the Human Genome Project 50 years later. With this 68 th DNA anniversary, we here highlight a topic that is closely associated with DNA: epigenetics.

The concepts of chemical modifications of histones associated with gene expression status were established after identification of the first mark histone acetylation began in 1964. The discovery of genomic imprinting in the mid-1980s led to the identification of DNA methylation, which soon became a well-established mechanism of epigenetic gene regulation. Together with histone acetylation, these epigenetic mechanisms were shown to play an important role in normal development of cells. It also explained the phenotype differences between individuals, for example, why identical twins might suffer from different diseases despite having identical genetic information. All these discoveries moved the field of Epigenetics forward.

Over the past years, with the rapid development of (epi)genome-wide technologies, there is a growing interest in epigenetics and its associations with a wide range of diseases. Epigenetics now is a fully independent research field next to genetics, providing biomarkers and new therapies.

The journal Clinical Epigenetics, founded by Dr Mahlknecht in 2009, covers all aspects of epigenetic (mis)regulation from before birth and early development, via healthy ageing and the influence of lifestyle and ageing on chromatin functioning, to clinical aspects including epigenetic biomarkers and epi-drugs. The expanding study of Epigenetics is revealing a significant impact on various disciplines with the journal currently well-positioned amongst other “Genetics & Heredity” titles.

The sister journal, Epigenetics Communications (EPIC) was recently launched by the Editors-in-Chief of Clinical Epigenetics (Drs Altucci and Rots) as an innovative, open-access journal devoted to the study of epigenetic principles and mechanisms in more basic research settings. The journal also provides a forum for “null hypothesis-confirming” results and therefore welcomes submissions of negative results’ systematic studies. It is supported by a strong and international editorial board. We are very excited to have our EPIC editors share their perspectives towards this rapidly growing field in a “Meet the Editors” interview series, which will be launched soon.

On this special day, we look forward to seeing more exciting advances in this important field as we work together in enriching it by providing platforms to exchange the latest research.


New comprehensive view of the mouse genome finds many similarities and striking differences with human genome

Comparisons of both genomes’ inner workings may lead to a better use of mouse models.

The ENCODE project is building a comprehensive catalog of functional elements in the human and mouse genomes.

Looking across evolutionary time and the genomic landscapes of humans and mice, an international group of researchers has found powerful clues to why certain processes and systems in the mouse – such as the immune system, metabolism and stress response – are so different from those in people. Building on years of mouse and gene regulation studies, they have developed a resource that can help scientists better understand how similarities and differences between mice and humans are written in their genomes.

Their findings — repo rted by the mouse ENCODE Consortium online Nov. 19, 2014 (and in print Nov. 20) in four papers in Natureza and in several other publications – examine the genetic and biochemical programs involved in regulating mouse and human genomes. The scientists found that, in general, the systems that are used to control gene activity have many similarities in mice and humans, and have been conserved, or continued, through evolutionary time.

The results may offer insights into gene regulation and other systems important to mammalian biology. They also provide new information to determine when the mouse is an appropriate model to study human biology and disease, and may help to explain some of its limitations.

The latest research results are from the mouse ENCODE project, which is part of the ENCODE, or ENCyclopedia Of DNA Elements, program supported by the National Human Genome Research Institute (NHGRI), part of the National Institutes of Health. ENCODE is building a comprehensive catalog of functional elements in the human and mouse genomes. Such elements include genes that provide instructions to build proteins, non-protein-coding genes and regulatory elements that control which genes are turned on or off, and when.

“The mouse has long been a mainstay of biological research models,” said NHGRI Director Eric Green, M.D., Ph.D. “These results provide a wealth of information about how the mouse genome works, and a foundation on which scientists can build to further understand both mouse and human biology. The collection of mouse ENCODE data is a tremendously useful resource for the research community.”

“This is the first systematic comparison of the mouse and human at the genomic level,” said Bing Ren, Ph.D., co-senior author on the Consortium’s main Natureza study and professor of cellular and molecular medicine at the University of California, San Diego. “We have known that the mouse was mostly a good model for humans. We found that many processes and pathways are conserved from mouse to human. This allows us to study human disease by studying those aspects of mouse biology that reflect human biology.”

In many cases, the investigators found that some DNA sequence differences linked to diseases in humans appeared to have counterparts in the mouse genome. They also showed that certain genes and elements are similar in both species, providing a basis to use the mouse to study relevant human disease. However, they also uncovered many DNA variations and gene expression patterns that are not shared, potentially limiting the mouse’s use as a disease model. Mice and humans share approximately 70 percent of the same protein-coding gene sequences, which is just 1.5 percent of these genomes.

For example, investigators found that for the mouse immune system, metabolic processes and stress response, the activity of some genes varied between mice and humans, which echoes earlier research. The researchers subsequently identified genes and other elements potentially involved in regulating these mouse genes, some of which lacked counterparts in humans. “We look at the mouse genome as a book with certain sections added and certain sections taken out by evolution. That may be a result of mouse and human adaptation to their respective environments,” said Dr. Ren, who is also a member of the Ludwig Institute for Cancer Research, San Diego.

“In general, the gene regulation machinery and networks are conserved in mouse and human, but the details differ quite a bit,” noted co-senior author Michael Snyder, Ph.D., director, Stanford Center for Genomics and Personalized Medicine, Stanford University, Stanford, California. “By understanding the differences, we can understand how and when the mouse model can best be used.”

No Natureza papers, the researchers compared gene transcription, chromatin modification and other processes that control gene activity in a wide range of mouse and human tissues and cell types. Transcription is the process by which a gene’s instructions are read. Chromatin is the protein packaging that helps regulate genome function by controlling access to DNA changes in this packaging can affect gene regulation.

While both species carry a core group of similar programs to regulate gene activity, the researchers found that differences appeared in specific tissue and cell types.

“We didn’t know before these results came out that there are a large number of genes with expression levels systematically different between mouse and human,” said Ross Hardison, Ph.D., director, Huck Institute for Comparative Genomics and Bioinformatics at Pennsylvania State University, University Park, and a co-senior author on the main Nature study and other publications. “Now we know which genes have expression patterns conserved between mouse and humans. For biological processes using these genes, mouse is an excellent model for aspects of human biology.” Dr. Hardison noted that the opposite is also true: researchers need to take into account systematic differences in gene expression patterns between the species when considering the mouse as a model for humans.

Two companion studies further illustrate differences between mouse and human. Co-senior Nature author John Stamatoyannopoulos, M.D., associate professor of genome sciences and medicine at the University of Washington, Seattle, and his colleagues compared more than 1.3 million genome locations called DNase 1 hypersensitivity sites (which identify regulatory DNA) in 45 mouse cell and tissue types to those in humans. They reported in Sciencethat about 35 percent of these elements were shared by mouse and human and were active in different types of cells. “We looked inside the shared regulatory sequences and found mouse and human genomes to have a common language in regulation, but that there is a tremendous amount of flexibility in evolution. For example, an element active in the mouse liver might be repurposed to be active in the brain in the human,” he said. “Such repurposing represents a tremendously facile switch that nature can use to achieve regulatory control.”

In a study in Proceedings of the National Academy of Sciences, Dr. Snyder and his colleagues compared gene expression in 15 different tissue types in mice and humans. Contrary to previous evidence, they found that some aspects of the gene readouts were more similar between different tissues in the same species than they were between the same tissues in both species.

More than a dozen related studies also appear or will appear in journals such as Genome Research, Genome Biology, Blood, and Nature Communications.

ENCODE data are freely shared with the biomedical community, and the mouse resource has been used by outside researchers in about 50 publications to date.


Links Relacionados

Referências: A comparative encyclopedia of DNA elements in the mouse genome. Yue F, Cheng Y, Breschi A, Vierstra J, Wu W, Ryba T, Sandstrom R, Ma Z, Davis C, Pope BD, Shen Y, Pervouchine DD, Djebali S, Thurman RE, Kaul R, Rynes E, Kirilusha A, Marinov GK, Williams BA, Trout D, Amrhein H, Fisher-Aylor K, Antoshechkin I, DeSalvo G, See LH, Fastuca M, Drenkow J, Zaleski C, Dobin A, Prieto P, Lagarde J, Bussotti G, Tanzer A, Denas O, Li K, Bender MA, Zhang M, Byron R, Groudine MT, McCleary D, Pham L, Ye Z, Kuan S, Edsall L, Wu YC, Rasmussen MD, Bansal MS, Kellis M, Keller CA, Morrissey CS, Mishra T, Jain D, Dogan N, Harris RS, Cayting P, Kawli T, Boyle AP, Euskirchen G, Kundaje A, Lin S, Lin Y, Jansen C, Malladi VS, Cline MS, Erickson DT, Kirkup VM, Learned K, Sloan CA, Rosenbloom KR, Lacerda de Sousa B, Beal K, Pignatelli M, Flicek P, Lian J, Kahveci T, Lee D, Kent WJ, Ramalho Santos M, Herrero J, Notredame C, Johnson A, Vong S, Lee K, Bates D, Neri F, Diegel M, Canfield T, Sabo PJ, Wilken MS, Reh TA, Giste E, Shafer A, Kutyavin T, Haugen E, Dunn D, Reynolds AP, Neph S, Humbert R, Hansen RS, De Bruijn M, Selleri L, Rudensky A, Josefowicz S, Samstein R, Eichler EE, Orkin SH, Levasseur D, Papayannopoulou T, Chang KH, Skoultchi A, Gosh S, Disteche C, Treuting P, Wang Y, Weiss MJ, Blobel GA, Cao X, Zhong S, Wang T, Good PJ, Lowdon RF, Adams LB, Zhou XQ, Pazin MJ, Feingold EA, Wold B, Taylor J, Mortazavi A, Weissman SM, Stamatoyannopoulos JA, Snyder MP, Guigo R, Gingeras TR, Gilbert DM, Hardison RC, Beer MA, Ren B Mouse ENCODE Consortium. Natureza. 2014 Nov 20515(7527):355-64. doi: 10.1038/nature13992. PMID: 25409824.

Conservation of trans-acting circuitry during mammalian regulatory evolution. Stergachis AB, Neph S, Sandstrom R, Haugen E, Reynolds AP, Zhang M, Byron R, Canfield T, Stelhing-Sun S, Lee K, Thurman RE, Vong S, Bates D, Neri F, Diegel M, Giste E, Dunn D, Vierstra J, Hansen RS, Johnson AK, Sabo PJ, Wilken MS, Reh TA, Treuting PM, Kaul R, Groudine M, Bender MA, Borenstein E, Stamatoyannopoulos JA. Natureza. 2014 Nov 20515(7527):365-70. doi: 10.1038/nature13972. PMID: 25409825.

Principles of regulatory information conservation between mouse and human. Cheng Y, Ma Z, Kim BH, Wu W, Cayting P, Boyle AP, Sundaram V, Xing X, Dogan N, Li J, Euskirchen G, Lin S, Lin Y, Visel A, Kawli T, Yang X, Patacsil D, Keller CA, Giardine B Mouse ENCODE Consortium, Kundaje A, Wang T, Pennacchio LA, Weng Z, Hardison RC, Snyder MP. Natureza. 2014 Nov 20515(7527):371-5. doi: 10.1038/nature13985. PMID: 25409826.

Topologically associating domains are stable units of replication-timing regulation. Pope BD, Ryba T, Dileep V, Yue F, Wu W, Denas O, Vera DL, Wang Y, Hansen RS, Canfield TK, Thurman RE, Cheng Y, Gülsoy G, Dennis JH, Snyder MP, Stamatoyannopoulos JA, Taylor J, Hardison RC, Kahveci T, Ren B, Gilbert DM. Natureza. 2014 Nov 20515(7527):402-5. doi: 10.1038/nature13986. PMID: 25409831.

Mouse regulatory DNA landscapes reveal global principles of cis-regulatory evolution. Vierstra J, Rynes E, Sandstrom R, Zhang M, Canfield T, Hansen RS, Stehling-Sun S, Sabo PJ, Byron R, Humbert R, Thurman RE, Johnson AK, Vong S, Lee K, Bates D, Neri F, Diegel M, Giste E, Haugen E, Dunn D, Wilken MS, Josefowicz S, Samstein R, Chang KH, Eichler EE, De Bruijn M, Reh TA, Skoultchi A, Rudensky A, Orkin SH, cPapayannopoulou T, Treuting PM, Selleri L, Kaul R, Groudine M, Bender MA, Stamatoyannopoulos JA. Ciência. 2014 Nov 21346(6212):1007-12. doi: 10.1126/science.1246426. PMID: 25411453.

Comparison of the transcriptional landscapes between human and mouse tissues. Lin S, Lin Y, Nery JR, Urich MA, Breschi A, Davis CA, Dobin A, Zaleski C, Beer MA, Chapman WC, Gingeras TR, Ecker JR, Snyder MP. Proc Natl Acad Sci U S A. 2014 Dec 2111(48):17224-9. doi: 10.1073/pnas.1413624111. Epub 2014 Nov 20. PMID: 25413365.

Financiamento: NIH’s National Human Genome Research Institute (NHGRI), National Institute of General Medical Sciences (NIGMS), National Cancer Institute (NCI), National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK), Eunice Kennedy Shriver National Institute of Child Health and Human Development (NICHD), National Heart, Lung, and Blood Institute (NHLBI), National Institute of Environmental Health Sciences (NIEHS), National Institute on Drug Abuse (NIDA), National Institute of Mental Health (NIMH), National Institute of Neurological Disorders and Stroke (NINDS), and NIH Common Fund Spanish Plan Nacional Wellcome Trust Howard Hughes Medical Institute National Science Foundation and the American Recovery and Reinvestment Act.


Assista o vídeo: Genoma - Módulo B - Aula Regulação da Expressão gênica (Junho 2022).


Comentários:

  1. Mikaramar

    Eu também pensava assim ... A vida mudou tudo. Mas quem é o culpado por isso. Sucesso, autor

  2. Holwell

    Sugiro que visite o site, que tem muitos artigos sobre o tema que lhe interessa.

  3. Odel

    Estou muito obrigado a você.

  4. Grokree

    Eu considero, que você não está certo. Eu posso defender a posição. Escreva para mim em PM, vamos discutir.

  5. JoJojas

    Em particular não há nenhum



Escreve uma mensagem