2020年1月21日,Nature发布了一个技术前瞻,邀请了科学家预测2020年将会取得的技术突破。我们一起来看看。
1. 更好的冷冻电镜样品(Hongwei Wang,清华大学结构生物学家)
在两到三年内,我认为透射低温电子显微镜(Cryo-EM)将成为破译大分子结构的最有力的工具。这些结构对于理解生化机制和药物开发至关重要,而更有效地解决这些问题的方法可以加快这方面的工作。
在冷冻环境中,在液氮中快速冷冻生物标本有助于保持分子的含水量,减少用于成像的高能电子的损伤。但是标本准备是一个主要的瓶颈:如果你没有一个好的标本,你就没有什么可以想象的了。生物标本通常含有蛋白质,它们在冷冻过程中使用的薄液体层表面分开。
为了防止这种展开,研究人员正在开发一种方法,在应用液滴之前,
将蛋白质锚定在二维材料上
-例如碳晶格石墨烯。这样,它们可以使液滴更小,同时使蛋白质远离空气-水界面。
一些实验室将纳米大小的样品直接放置在表面上,而不是使用繁琐的旧方法从较大的液滴中提取多余的液体。其他方法利用聚焦离子束将冷冻细胞切成100纳米以上的
薄层,使研究人员能够在细胞环境中研究分子。
用Cryo-EM解决分子结构通常需要收集和分析多达10,000幅图像,代表几个星期到一个月的工作。许多图像是不完美的,所以我们必须丢弃它们。但从理论上讲,几十张照片就足够了,收集和分析它们需要不到一天的时间。这种增加的工作量可以帮助我们更有效地理解疾病机制和开发药物。
2. 改进RNA分析(Sarah Woodson,约翰霍普金斯大学的生物物理学家)
我一直在关注长读长RNA测序和活细胞成像,使用light-up RNA链,称为适配体。这些技术仍在成熟,但我预计未来一两年会有很大的变化。
短读长测序改变了RNA生物学的领域-它可以告诉你哪些RNA序列包含生化修饰的残基,例如。然而,更长的读长(例如,使用Oxford Nanopore和Pacific Biosciences提供的测序技术)现在可以帮助确定特定修饰在细胞中的量,以及RNA分子的一部分的变化是否与另一部分的变化相关。
“点亮适配体”(light-up aptamer)是单链DNA或RNA分子,在实验室中开发的用于与荧光染料结合。它们是一些海洋动物产生的绿色荧光蛋白的RNA类似物,当这些适配体与染料结合时,它们的荧光强度就会增加。这使研究人员能够跟踪,例如,细胞内RNA簇的形成,这有助于神经退行性疾病。
早期的“点亮适配体”是不可靠的:它们的信号是微弱的,有时适体根本不起作用,因为序列与靶RNA融合时折叠错误。但有几个小组已经开发了新型的荧光RNA,在论文和谈话中,我看到了提高现有适体的亮度,并创造出不同颜色的变体的巨大推动。
我的实验室使用化学足迹方法来研究RNA在细胞中的折叠。许多疾病与RNA结构的变化有关,但这确实很难区分。现在,我们正在转向长读
长测序和“点亮适配体”,以研究在疾病,包括癌症,代谢综合征和阿尔茨海默病中的RNA-蛋白质聚集。使用这些技术,我们可以更好地将细胞死亡和其他疾病特征与细胞中RNA分子所发生的事情联系起来。
3. 解码微生物群(Elhanan Borenstein,以色列特拉维夫大学计算系统生物学家)
在过去的十年中,微生物群落遗传含量测序的方法已经探索了人类微生物群的组成。最近,科学家们试图通过整合有关基因、转录本、蛋白质和代谢物的信息来了解微生物组正在做什么。代谢物特别有趣:它们可以提供关于微生物群如何影响我们健康的最接近的理解,因为许多宿主-微生物群相互作用是通过细菌产生和消耗的代谢物发生的。
目前已经有了大量的微双体代谢研究,例如,一组粪便样本-通过元基因组测序来识别每个样本中的物种及其丰度,并使用质谱和其他技术来测量不同代谢物的浓度。通过结合这两个剖面,希望能够了解微生物群的哪个成员在做什么,从而确定特定微生物是否决定某些代谢物的水平。
但这些数据是复杂和多维的,可能有一个完整的相互作用网络,涉及多个物种和途径,最终产生一组代谢物。科学家们已经发表了将微生物群和代谢体数据联系起来的计算方法,并学习这些怪癖和模式。这些从简单的基于相关的分析到复杂的机器学习方法,使用现有的微生物群-代谢体数据集来预测新微生物群落中的代谢体,或者恢复微生物-代谢体关系。
我们的实验室采取了不同的策略。我们不应用统计方法来寻找微生物-代谢物的关联,而是建立了我们认为特定微生物组成如何影响代谢体的机械模型,并将其作为分析本身的一部分。实际上,我们在问:根据基因组和代谢信息,我们对每个微生物产生或吸收特定代谢物的能力了解多少?然后,我们可以预测给定的微生物集合产生或降解特定代谢物的潜力,并将这些预测与实际代谢组学数据进行比较。我们
证明,这种方法避免了简单的基于相关分析的陷阱,并将在未来几个月发布一个新版本的分析框架。
这些研究可以通过识别负责产生太多有害代谢物或太少有益代谢物的特定微生物来改进基于微生物的治疗。
4.计算癌症(Christina Curtis,斯坦福大学计算机和系统生物学家)
当谈到癌症时,我们看不到疾病形成的过程,只看到它的终点:当肿瘤已成为临床可检测时,我们对其进行取样。到那时,肿瘤已经获得了许多突变,我们要弄清楚发生了什么。
我们的团队建立了一个计算模型,以探索肿瘤进展的动力学,同时考虑组织的空间结构。使用此模型,您可以模拟一系列场景,并生成具有模拟病人数据的突变模式的“虚拟肿瘤”。通过将模拟数据与实际基因组数据进行比较,可以推断哪些参数可能导致患者的肿瘤。
我很兴奋地补充这些推断方法与直接测量肿瘤谱系和表型使用新兴的条形码和记录方法。在过去的两年中的进步包括
了改进的基于CRISPR的条形码,可以记录哺乳动物发育过程中细胞的命运。其他技术通过原位表达RNA来使用基于图像的DNA条形码检测,从而捕获细胞谱系、空间接近性和表型。
在一项模拟结肠癌肿瘤生长的研究中,我们使用肿瘤序列数据和模拟来研究原发肿瘤和转移肿瘤之间的关系。这些推断分析表明,绝大多数癌症是在原发肿瘤仅由10万个细胞组成时传播的
,这太小了,无法使用标准的诊断方法,如结肠镜检查。
混合建模和测量方法具有更好的敏感性和可伸缩性,可以跟踪肿瘤形成过程中的谱系和空间关系,洞察癌症的起源,包括特定突变如何影响细胞适应度和促进疾病的进展。
5. 加强基因治疗(Alex Nord,加利福尼亚大学戴维斯分校遗传学家)
我们现在大约进行了15年的大规模实验,以绘制增强子和控制基因是如何被细胞和器官读出的其他调控DNA序列。虽然需要更多的工作来完成这些地图,但我们正处于一个可以利用我们的理解来更精确地控制基因组的时刻。
在去年10月在伊利诺伊州芝加哥举行的神经科学学会年会上,我共同主持了一次会议,重点是识别增强子序列并利用它们来控制大脑中特定细胞类型中的基因表达。
这一种方法将工程病毒传递到大脑中,以测试数千个增强子,以获得感兴趣的基因表达谱。在2019年,华盛顿西雅图艾伦脑科学研究所的研究人员利用这一策略在人类大脑的特定皮层中寻找增强子。来自哈佛大学的一个研究小组使用了一种基于RNA-sequening的方法来寻找只在特定的中间神经元中起作用的增强子,这是一种能产生电路的神经细胞。
一旦鉴定出增强子序列,科学家就可以利用它们来驱动特定细胞类型的表达,用于基因治疗应用。在一个基因的一个拷贝失活或缺失引起的紊乱中,
CRISPR-Cas9基因编辑工具可以将转录激活因子靶向到基因的增强子,以提高工作拷贝的表达。对小鼠的研究表明,这些方法可以纠正基因表达缺陷,导致肥胖和fragile-X(
脆性X染色体综合征
), Rett(Rett综合征是一种严重影响儿童精神运动发育的疾病,发病率为1/10000-1/15000女孩。临床特征为女孩起病,呈进行性智力下降,孤独症行为,手的失用,刻板动作及共济失调。其病因及遗传方式尚不清楚。)和Dravet综合征(一种在婴儿期出现症状的发育性及癫痫性脑病)的条件,后者是我的实验室正在研究的一种严重形式的癫痫。在未来的一年里,我认为我们仍然会治愈老鼠,但这项技术有很多行业投资。希望我们能利用这些方法来改变基因治疗在人类中是如何进行的。
6. 单细胞测序(J. Christopher Love, 麻省理工学院综合癌症研究所化学工程师)
我感兴趣的是我们如何更快、更容易接触到病人的药物。所需的技术是多方面的。一方面,有发现
——例如,单细胞测序方法。另一方面,问题是把技术交给病人——制造部分。这与罕见疾病或少数人口的药物特别相关,甚至适用于全球获得我们已经拥有的药物的机会。
在发现方面,我们与剑桥麻省理工学院(MIT)的同事合作开发了一个便携式、廉价的高通量、单细胞RNA测序平台。但要获得足够的分辨率来区分免疫细胞亚型仍然具有挑战性,例如,具有不同的作用和抗原特异性。在过去的一年左右,我们以几种方式增强了单细胞基因组测序。首先,我们提出了一种更有效地检测低表达转录本的方法。特别是对于T淋巴细胞,我们设计了一种方案,将每个细胞的基因表达谱与其独特抗原受体的序列联系起来。
与此同时,马萨诸塞州波士顿的Dana Farber癌症研究所的一个研究小组发表了一个巧妙的图书馆筛选策略,以解决方程式的另一面——计算出特定的T细胞受体能识别哪种抗原。
我与麻省理工学院的合作者Alex Shalek和其他人一起创办了一家公司,叫做蜂巢生物技术,将我们的单细胞RNA测序平台商业化。而不是必须在离心机中旋转细胞,把它们放在管子里,冷冻在液氮中,然后从非洲运送,比如说,你可以只运送一排单细胞大小的井-这是USB拇指驱动器的大小。这可能使单细胞储存和基因组分析成为可能,适用于在世界任何地方的任何样本。
7. 将基因组结构和功能连接起来(Jennifer Phillips-Cremins,宾夕法尼亚大学表观遗传学家和生物工程学家)
当你把单个细胞的DNA端到端伸出去时,它大约有2米长-然而,它必须与直径小于针尖的核进行结合。折叠模式不能是随机的;染色体形成三维结构,必须在空间和时间上调节生物体的寿命。
随着基因组学和成像在过去十年中的进步,我们现在可以创建基因组如何折叠的超高分辨率地图。现在最大的问题是,这些折叠模式的每一个功能是什么?它们如何控制基因表达、DNA复制和DNA修复等基本过程?
几种合成生物学方法可以让我们在一系列的长度和时间尺度上折叠和探测基因组。一种方法,
CRISPR-GO,可以携带DNA片段到细胞核上或细胞核上的特定隔间。这将允许科学家询问DNA序列的核放置如何控制基因功能。
另一个是我们实验室的光激活动态循环(LADL)工具,它使用光和CRISPR-Cas9将特定的DNA片段固定在长距离的需求上。这可以使增强子直接接触到数千个甚至数百万个碱基,因此我们可以直接评估调控序列的功能:其靶基因的表达是上升还是下降,以及达到什么程度?该技术允许精确的时空控制基因表达,这在许多疾病中受到严重干扰。
第三个系统,CasDrop,使用另一个光激活的CRISPR-Cas9系统将特定的DNA片段拉入到无核膜“凝结水”中。它们在细胞中的功能自从几年前被发现以来一直受到激烈的争论。
启发我的是,未来我们可以将这些3D基因组工程工具与基于CRISPR的活细胞成像方法结合起来,这样我们就可以在细胞中实时地设计和观察基因组。
功能可以驱动结构。或者结构可以驱动功能。这是一个很大的谜,这些工程工具将允许我们回答。
来源:https://www.nature.com/articles/d41586-020-00114-4