Informations

Sur les exhausteurs, les mèches et la zygosité

Sur les exhausteurs, les mèches et la zygosité


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.

Je suis tombé sur un passage sur les amplificateurs qui me semble détraqué :

… un activateur se trouve sur un seul des deux brins de l'ADN (généralement le même brin que le gène de l'ADN codant pour la protéine lui-même). Ceci est différent d'un gène d'ADN codant pour une protéine, qui pourrait avoir besoin d'être sur les deux brins d'ADN - dans un état dit homozygote, afin de faire surface comme un phénotype - comme le cas classique des yeux bleus.

C'est ce qui n'a pas de sens pour moi, puisque, AFAICT, que quelque chose soit en un ou deux brins n'a rien à voir avec la zygosité.

Les auteurs poursuivent :

Et c'est [un] avantage évolutif : un organisme n'a pas à attendre un changement sur les deux brins d'ADN. L'essentiel est que le bricolage évolutif est en principe beaucoup plus facile avec les activateurs…

Y a-t-il une part de vérité dans ce que les auteurs écrivent, malgré leur explication brouillonne ? IOW : est-ce que le fait que les activateurs "se trouvent sur un seul des deux brins de l'ADN" facilite en quelque sorte le "bricolage évolutif" ?


… un activateur se trouve sur un seul des deux brins de l'ADN (généralement le même brin que le gène de l'ADN codant pour la protéine lui-même).

Oui et non. Les amplificateurs sont en fait parfois palindromiques, ils se reflètent donc sur les deux brins de l'ADN.

Ceci est différent d'un gène d'ADN codant pour une protéine, qui pourrait devoir être sur les deux brins d'ADN

Non. L'ADN codant pour les protéines est toujours sur un seul brin parce que la transcription ne change pas soudainement de brin.

dans un état dit homozygote, pour faire surface en tant que phénotype - comme le cas classique des yeux bleus.

Non. Homozygote signifie sur les deux chromosomes et n'a rien à voir avec les brins ou la nécessité pour un allèle d'être homozygote pour produire son phénotype car il est récessif.

Et c'est [un] avantage évolutif : un organisme n'a pas à attendre un changement sur les deux brins d'ADN. L'essentiel est que le bricolage évolutif est en principe beaucoup plus facile avec les activateurs…

C'est complètement partout et cela n'a aucun sens pour moi. Soit "brins" est utilisé de la bonne manière, dans laquelle la déclaration précédente est fausse, soit "brin" est utilisé comme "chromosome", auquel cas il n'y a aucune raison pour qu'un activateur ne soit que sur un chromosome. Tout comme le gène, il peut être hétéro- ou homozygote. L'énoncé « devoir attendre un changement sur les deux brins d'ADN » est plus pertinent pour savoir si quelque chose est dominant ou négatif. Quoi qu'il en soit, je ne pense pas qu'il soit possible de faire des déclarations ici sur les amplificateurs permettant à l'évolution de progresser plus rapidement.


Un écran exhaustif d'amplificateurs identifie TRAM2 comme un médiateur clé et novateur de l'oncogenèse YAP

Une activation fréquente du facteur co-transcriptionnel YAP est observée dans un grand nombre de tumeurs solides. Le YAP activé s'associe aux loci amplificateurs via la protéine de liaison à l'ADN TEAD4 et stimule l'agressivité du cancer. Bien que des milliers de sites de liaison YAP/TEAD4 soient annotés, leur importance fonctionnelle est inconnue. Ici, nous visons à identifier davantage les éléments d'amélioration qui sont requis pour les fonctions YAP.

Résultats

Nous appliquons d'abord le profilage de puce à l'échelle du génome de YAP pour identifier systématiquement les activateurs qui sont liés par YAP/TEAD4. Ensuite, nous mettons en œuvre une approche génétique pour découvrir les fonctions des amplificateurs associés à YAP/TEAD4, démontrer sa robustesse et l'utiliser pour révéler un réseau d'amplificateurs requis pour la prolifération médiée par YAP. Nous nous concentrons sur Enhancer TRAM2, car son gène cible TRAM2 montre la plus forte corrélation d'expression avec l'activité YAP dans presque tous les types de tumeurs. Fait intéressant, TRAM2 phénocopie les phénotypes de prolifération, de migration et d'invasion cellulaire induits par le YAP et est en corrélation avec une faible survie des patients. Mécaniquement, nous identifions FSTL-1 comme un client direct majeur de TRAM2 qui est impliqué dans ces phénotypes. Ainsi, TRAM2 est un nouveau médiateur clé de la prolifération oncogène induite par le YAP et de l'invasivité cellulaire.

Conclusion

YAP est un cofacteur de transcription qui se lie à des milliers de loci amplificateurs et stimule l'agressivité tumorale. En utilisant des approches fonctionnelles impartiales, nous disséquons le réseau d'amplificateurs YAP et caractérisons TRAM2 comme un nouveau médiateur de la prolifération, de la migration et de l'invasion cellulaire. Nos résultats élucident comment le YAP induit l'agressivité du cancer et peuvent aider au diagnostic des métastases cancéreuses.


Introduction

L'identification du miARN lin-4 dans Caenorhabditis elegans en 1993 [1] a déclenché des recherches pour découvrir et comprendre les mécanismes des petits microARN (miARN). Récemment, il a été rapporté que certains miARN activent des gènes cibles lors de la transcription via un appariement de bases aux régions non traduites 3' ou 5' (3' ou 5' UTR), le promoteur [2] et les régions amplificatrices [3]. Ces miARN sont appelés NamiARN. Chez les mammifères, les miARN/NamiARN contrôlent plus de la moitié des gènes codant pour les protéines [4]. Par exemple, les 3'UTR d'environ 60 % des gènes codant pour des protéines humaines connus abritent des sites de liaison pour les miARN/NamiARN [5], servant de sites d'amarrage pour activer ou inhiber ces gènes. Par conséquent, les miARN (y compris les NamiARN) sont un facteur important dans la transcription cellulaire.

Alternativement, les ARNe sont de petits ARN non codants (ARNnc) transcrits par l'ARN polymérase II (Pol II) à partir de loci activateurs de la même manière que NamiRNA [6]. Les eRNA sont transcrits en simple ou double brin (3' à 5' UTR et vice versa) (Fig. 1). Mais leurs amplificateurs associés ne sont pas toujours marqués par H3K4me3 (un marqueur épigénétique Pol II au niveau des promoteurs) [8], ce qui provoque un biais de transcription. Cependant, les amplificateurs et les ARNe sont spécifiques aux tissus et aux cellules [8, 9] et sont impliqués dans la transcription et l'activation médiées par les amplificateurs [10, 11]. Semblables aux NamiRNA, les eRNA ont une séquence similaire, des structures secondaires et certaines régions du complément dans leurs promoteurs cibles de l'activateur correspondant [9]. Par conséquent, ils servent de moteurs inducteurs dans le contrôle régulé par le NamiRNA [9].

Biogenèse de l'ARNe. NamiRNA forme un complexe avec nAGO2 et p300, qui activent des marqueurs activateurs tels que H3K27ac, H3K4me3 et H3K4me1 au niveau des activateurs actifs, rendant l'activateur reconnaissable pour le Pol II. Les TF et les protéines telles que P-TEFb, PAF1 et SPT6 se lient à Pol II et à d'autres activateurs associés à des composants tels que p53 et P300 CBP et BRD4. Pol II est activé suite à la phosphorylation de Pol II CTD et de PAS abondant au niveau du TSS des activateurs actifs. Pol II transcrit de manière bidirectionnelle l'amplificateur et son licou par le complexe intégrateur clivant les transcrits d'ARNe

La découverte des eRNA et des NamiRNA a ouvert une nouvelle voie dans la génomique cellulaire moderne, mais les différences et les similitudes dans leurs mécanismes restent non résolues. Ici, nous passons en revue les effets régulateurs des NamiRNAs et des eRNAs dans la transcription cellulaire et leurs répercussions dans la myogenèse, les maladies et la thérapeutique.


Caldecott, K. W. Réparation de cassure simple brin et maladie génétique. Nat. Rév. Genet. 9, 619–631 (2008).

McKinnon, P. J. Intégrité du génome et prévention des maladies dans le système nerveux. Gènes Dev. 31, 1180–1194 (2017).

Tubbs, A. & Nussenzweig, A. Dommages à l'ADN endogène en tant que source d'instabilité génomique dans le cancer. Cellule 168, 644–656 (2017).

Miller, M. R. & Chinault, D. N. Les rôles des ADN polymérases alpha, bêta et gamma dans la synthèse de réparation de l'ADN induite dans les cellules de hamster et humaines par différents agents endommageant l'ADN. J. Biol. Chimie. 257, 10204–10209 (1982).

Fernandopulle, M.S. et al. Différenciation médiée par des facteurs de transcription des iPSC humaines en neurones. Cour. Protoc. Cellule Biol. 79, e51 (2018).

Wang, C. et al. Production évolutive de neurones humains dérivés d'iPSC pour identifier les composés réduisant la protéine tau par criblage à haute teneur. Rapports sur les cellules souches 9, 1221–1233 (2017).

Macheret, M. & Halazonetis, T. D. Les origines intragéniques dues à de courtes phases G1 sous-tendent le stress de réplication de l'ADN induit par l'oncogène. La nature 555, 112–116 (2018).

Tubbs, A. et al. Double rôle des faisceaux poly(dA:dT) dans l'initiation de la réplication et l'effondrement de la fourche. Cellule 174, 1127-1142.e19 (2018).

van der Raadt, J., van Gestel, S. H. C., Nadif Kasri, N. & Albers, C. A. Les facteurs de transcription ONECUT induisent des caractéristiques neuronales et remodèlent l'accessibilité de la chromatine. Acides nucléiques Res. 47, 5587–5602 (2019).

Song, M. et al. Cartographie cis-les contacts régulateurs de la chromatine dans les cellules neurales relient les variantes de risque de troubles neuropsychiatriques aux gènes cibles. Nat. Genet. 51, 1252–1262 (2019).

Visel, A., Minovitsky, S., Dubchak, I. & amp Pennacchio, L. A. VISTA Enhancer Browser - une base de données d'amplificateurs humains spécifiques aux tissus. Acides nucléiques Res. 35, D88–D92 (2007).

Gupte, R., Liu, Z. & Kraus, W. L. PARPs et ADP-ribosylation : avancées récentes reliant les fonctions moléculaires aux résultats biologiques. Gènes Dev. 31, 101–126 (2017).

Hanzlikova, H. & Caldecott, K. W. Perspectives sur les PARP en phase S. Tendances Genet. 35, 412–422 (2019).

Gibson, B.A., Conrad, L.B., Huang, D. & Kraus, W.L. Génération et caractérisation de protéines de liaison à l'ADP-ribose de type anticorps recombinant. Biochimie 56, 6305–6316 (2017).

Madabhushi, R. et al. Les cassures d'ADN induites par l'activité régissent l'expression des gènes de réponse précoce neuronale. Cellule 161, 1592–1605 (2015).

Suberbielle, E. et al. L'activité cérébrale physiologique provoque des cassures double brin de l'ADN dans les neurones, avec une exacerbation par l'amyloïde-β. Nat. Neurosques. 16, 613–621 (2013).

Canela, A. et al. La rupture et la translocation chromosomiques induites par la topoisomérase II sont déterminées par l'architecture chromosomique et l'activité transcriptionnelle. Mol. Cellule 75, 252–266.e8 (2019).

Gómez-Herreros, F. et al. TDP2 supprime les translocations chromosomiques induites par l'ADN topoisomérase II lors de la transcription génique. Nat. Commun. 8, 233 (2017).

Canela, A. et al. Les cassures d'ADN et la résection finale ont été mesurées à l'échelle du génome par séquençage final. Mol. Cellule 63, 898–911 (2016).

Caldecott, forme et fonction de la protéine K.W. XRCC1. Réparation de l'ADN 81, 102664 (2019).

Hanzlikova, H., Gittens, W., Krejcikova, K., Zeng, Z. & Caldecott, K. W. Chevauchement des rôles pour PARP1 et PARP2 dans le recrutement de XRCC1 et PNKP endogènes dans la chromatine oxydée. Acides nucléiques Res. 45, 2546–2557 (2017).

Caldecott, K. W. Réparation de cassure simple brin de l'ADN. Exp. Rés Cellule. 329, 2–8 (2014).

Caldecott, K. W. Réparation par excision de base d'ADN de mammifère : danser au clair de lune. Réparation de l'ADN 93, 102921 (2020).

Tian, ​​R. et al. Plateforme basée sur les interférences CRISPR pour les criblages génétiques multimodaux dans les neurones humains dérivés des iPSC. Neurone 104, 239–255.e12 (2019).

Beard, W. A., Horton, J. K., Prasad, R. & Wilson, S. H. Réparation par excision de bases eucaryotes : de nouvelles approches mettent en lumière le mécanisme. Annu. Rév. Biochem. 88, 137–162 (2019).

DiGiuseppe, J. A., Hunting, D. J. & Dresler, S. L. La synthèse de réparation d'ADN sensible à l'aphidicoline dans les fibroblastes humains endommagés par la bléomycine est distincte de la réparation induite par les UV. Carcinogenèse 11, 1021–1026 (1990).

Poetsch, A. R. La génomique des dommages oxydatifs à l'ADN, de la réparation et de la mutagenèse qui en résulte. Calcul. Structurer. Biotechnologie. J. 18, 207–219 (2020).

Bansal, K., Yoshida, H., Benoist, C. & Mathis, D. Le régulateur transcriptionnel Aire se lie aux super-amplificateurs et les active. Nat. Immunol. 18, 263–273 (2017).

Puc, J. et al. Activation de l'activateur dépendant du ligand régulée par l'activité de la topoisomérase-I. Cellule 160, 367–380 (2015).

Kalasova, I. et al. Les mutations pathologiques dans PNKP déclenchent des défauts dans la réparation des cassures simple brin de l'ADN, mais pas la réparation des cassures double brins de l'ADN. Acides nucléiques Res. 48, 6672–6684 (2020).

Whitehouse, C.J. et al. XRCC1 stimule l'activité de la polynucléotide kinase humaine aux extrémités endommagées de l'ADN et accélère la réparation des cassures simple brin de l'ADN. Cellule 104, 107–117 (2001).

Lio, C.J. et al. TET méthylcytosine oxydases : nouvelles perspectives d'une décennie de recherche. J. Biosci. 45, 21 (2020).

Kriaucionis, S. & Heintz, N. La base d'ADN nucléaire 5-hydroxyméthylcytosine est présente dans les neurones de Purkinje et le cerveau. Science 324, 929–930 (2009).

Steinacher, R. et al. SUMOylation coordonne l'assemblage du BERosome dans la déméthylation active de l'ADN au cours de la différenciation cellulaire. EMBO J. 38, e99242 (2019).

Song, C. X. et al. Le profilage à l'échelle du génome de la 5-formylcytosine révèle ses rôles dans l'amorçage épigénétique. Cellule 153, 678–691 (2013).

Szulwach, K.E. et al. Dynamique épigénétique médiée par la 5-hmC au cours du développement neurologique postnatal et du vieillissement. Nat. Neurosques. 14, 1607–1616 (2011).

Hoch, N.C. et al. La mutation XRCC1 est associée à l'hyperactivation PARP1 et à l'ataxie cérébelleuse. La nature 541, 87–91 (2017).

Lodato, M.A. et al. Le vieillissement et la neurodégénérescence sont associés à une augmentation des mutations dans des neurones humains uniques. Science 359, 555–559 (2018).

Ried, D.A. et al. L'incorporation d'un analogue de nucléoside cartographie les sites de réparation du génome dans les neurones humains post-mitotiques. Science (sous presse) (2021).

Watanabe, S. et al. La suppression du gène MyoD par Oct4 est requise pour la reprogrammation dans les myoblastes afin de produire des cellules souches pluripotentes induites. Cellules souches 29, 505–516 (2011).

Akiyama, T. et al. Différenciation efficace des cellules souches pluripotentes humaines en cellules musculaires squelettiques en combinant l'expression MYOD1 basée sur l'ARN et le silence POU5F1. Sci. Représentant. 8, 1189 (2018).

Selvaraj, S. et al. Le criblage identifie de petites molécules qui améliorent la maturation des myotubes dérivés de cellules souches pluripotentes humaines. eLife 8, e47970 (2019).

Pawlowski, M. et al. Programmation directe inductible et déterministe des cellules souches pluripotentes humaines dans les neurones, les myocytes squelettiques et les oligodendrocytes. Rapports sur les cellules souches 8, 803–812 (2017).

Gilbert, L.A. et al. Contrôle médié par CRISPR à l'échelle du génome de la répression et de l'activation des gènes. Cellule 159, 647–661 (2014).

Farías, G. G., Britt, D. J. & Bonifacino, J. S. Imagerie du tri polarisé des protéines du complexe de Golgi dans les neurones vivants. Méthodes Mol. Biol. 1496, 13–30 (2016).

Kirwan, P., Jura, M. & Merkle, F. T. Génération et caractérisation des neurones hypothalamiques humains fonctionnels. Cour. Protoc. Neurosques. 81, 3.33.1–3.33.24 (2017).

Wong, N., John, S., Nussenzweig, A. & Canela, A. END-seq : une approche impartiale, haute résolution et à l'échelle du génome pour cartographier les cassures double brin de l'ADN et la résection dans les cellules humaines. Méthodes Mol. Biol. 2153, 9–31 (2021).

Bredemeyer, A.L. et al. Les cassures double brin de l'ADN activent un programme génétique multifonctionnel dans les lymphocytes en développement. La nature 456, 819–823 (2008).

Santos, M.A. et al. Différenciation des cellules leucémiques induite par les dommages à l'ADN en tant que barrière anticancéreuse. La nature 514, 107–111 (2014).

Gibson, D.G. et al. Assemblage enzymatique de molécules d'ADN jusqu'à plusieurs centaines de kilobases. Nat. Méthodes 6, 343–345 (2009).

Noordermeer, S.M. et al. Le complexe shieldin médie la réparation de l'ADN dépendante de 53BP1. La nature 560, 117–121 (2018).

Cui, X.L. et al. Une carte de tissu humain de 5-hydroxyméthylcytosines présente une spécificité tissulaire par le biais de la modulation des gènes et des amplificateurs. Nat. Commun. 11, 6161 (2020).

Dai, Q. & He, C. Synthèses d'oligos d'ADN contenant du 5-formyl et du 5-carboxyl-dC en tant que produits d'oxydation potentiels de la 5-hydroxyméthylcytosine dans l'ADN. Org. Lett. 13, 3446–3449 (2011).

Rao, S.S. et al. Une carte 3D du génome humain à une résolution de kilobases révèle les principes du bouclage de la chromatine. Cellule 159, 1665–1680 (2014).

Buenrostro, J. D., Giresi, P. G., Zaba, L. C., Chang, H. Y. & Greenleaf, W. J. Transposition de la chromatine native pour le profilage épigénomique rapide et sensible de la chromatine ouverte, des protéines de liaison à l'ADN et de la position des nucléosomes. Nat. Méthodes 10, 1213–1218 (2013).

Langmead, B., Trapnell, C., Pop, M. & Salzberg, S. L. Alignement ultrarapide et efficace en mémoire de courtes séquences d'ADN sur le génome humain. Génome Biol. 10, R25 (2009).

Langmead, B. & Salzberg, S. L. Alignement rapide à lecture espacée avec Bowtie 2. Nat. Méthodes 9, 357–359 (2012).

Dobin, A. et al. STAR : aligneur universel ultrarapide RNA-seq. Bioinformatique 29, 15–21 (2013).

Li, H. et al. Le format d'alignement/carte de séquence et SAMtools. Bioinformatique 25, 2078–2079 (2009).

Quinlan, A. R. & Hall, I. M. BEDTools : une suite flexible d'utilitaires pour comparer les caractéristiques génomiques. Bioinformatique 26, 841–842 (2010).

Zhang, Y. et al. Analyse basée sur un modèle de ChIP-Seq (MACS). Génome Biol. 9, R137 (2008).

Zang, C. et al. Une approche de clustering pour l'identification de domaines enrichis à partir de données ChIP-seq de modification d'histone. Bioinformatique 25, 1952–1958 (2009).

Amemiya, H. M., Kundaje, A. & Boyle, A. P. La liste noire ENCODE : identification des régions problématiques du génome. Sci. Représentant. 9, 9354 (2019).

Salmon-Divon, M., Dvinge, H., Tammoja, K. & Bertone, P. PeakAnalyzer : annotation à l'échelle du génome des loci de liaison et de modification de la chromatine. BMC Bioinformatique 11, 415 (2010).

Harrow, J. et al. GENCODE : l'annotation de référence du génome humain pour le projet ENCODE. Génome Res. 22, 1760–1774 (2012).

Whyte, W.A. et al. Les facteurs de transcription maîtres et le médiateur établissent des super-amplificateurs au niveau des gènes clés de l'identité cellulaire. Cellule 153, 307–319 (2013).

Huang, W., Sherman, B. T. & Lempicki, R. A. Analyse systématique et intégrative de grandes listes de gènes à l'aide des ressources bioinformatiques de DAVID. Nat. Protocoles 4, 44–57 (2009).

Machanick, P. & Bailey, T. L. MEME-ChIP : analyse de motifs de grands ensembles de données ADN. Bioinformatique 27, 1696–1697 (2011).

Durand, N.C. et al. Juicebox fournit un système de visualisation pour les cartes de contact Hi-C avec un zoom illimité. Système cellulaire. 3, 99–101 (2016).

Kent, W. J., Zweig, A. S., Barber, G., Hinrichs, A. S. & Karolchik, D. BigWig et BigBed : permettre la navigation dans de grands ensembles de données distribués. Bioinformatique 26, 2204–2207 (2010).

Kent, W.J. et al. Le navigateur du génome humain à l'UCSC. Génome Res. 12, 996–1006 (2002).

Ramírez, F. et al. deepTools2 : un serveur Web de nouvelle génération pour l'analyse de données de séquençage en profondeur. Acides nucléiques Res. 44, W160–W165 (2016).


Biologie moléculaire

Un amplificateur est une courte séquence d'ADN qui augmente le niveau d'expression d'un autre gène, c'est-à-dire que l'amplificateur régule à la hausse la transcription des gènes au sein du groupe de gènes régulé.

Des facteurs de transcription spécifiques agissant en trans se lient à l'amplificateur pour provoquer l'augmentation du taux de transcription - en recrutant les protéines du complexe d'initiation ou en stabilisant le complexe d'initiation. En raison du bouclage des brins d'ADN, il peut y avoir une séparation de plusieurs milliers de paires de bases entre le gène activateur et initiateur (site de départ).

Cependant, l'activateur et son gène régulé sont situés sur le même chromosome. Le segment activateur peut être situé en amont ou en aval du gène amélioré, et son orientation n'est pas fixe - c'est-à-dire que la séquence de l'activateur peut être inversée sans altérer sa fonction. Les segments amplificateurs peuvent être excisés et repositionnés sans interrompre leur fonction régulatrice.

Des amplificateurs peuvent se produire dans les introns et provoquer l'effet opposé à celui des silencieux qui répriment la transcription.

Gènes régulateurs et amplificateurs d'amplification
ScienceMatters @ Berkeley. Fly Guy : « L'ADN régulateur, explique Levine, contrôle comment et où un gène est exprimé dans une cellule. tissus spécifiques », dit-il. Les scientifiques estiment de manière prudente que, bien que le génome humain ait moins de 30 000 gènes, il peut contenir au minimum 100 000 activateurs. Jusqu'à présent, seulement 50 environ ont été identifiés.


Trekking vers la traduction

La fabrication de l'ARNm n'est que la première étape de la mise en valeur d'un gène. Vient ensuite la traduction des instructions dans cet ARNm pour fabriquer des protéines. Pour que cela se produise, l'ARNm doit sortir du noyau et pénétrer dans le cytoplasme où résident les usines de fabrication de protéines.

Les scientifiques avaient supposé que la machinerie moléculaire de la cellule transportait soigneusement l'ARNm vers la membrane du noyau, puis le pompait dans le cytoplasme. En utilisant la même méthode MS2, le laboratoire de Singer a découvert que ce n'était pas le cas. Au lieu de cela, les ARNm rebondissent – ​​« bourdonnant dans le noyau comme un essaim d'abeilles en colère », comme l'appelle Singer – jusqu'à ce qu'ils frappent un pore de la membrane nucléaire. Ce n'est qu'alors que la machinerie de la cellule lève le petit doigt et fait activement passer l'ARNm à travers cette porte.

Plus récemment, Singer et ses collègues ont créé des souris mutantes qui leur ont permis de regarder l'ARNm monter et descendre des dendrites délicates d'une cellule nerveuse, les structures qui reçoivent les signaux d'autres nerfs. L'équipe a même pu espionner la fabrication de souvenirs en action. Les ARNm qu'ils suivaient contenaient des instructions pour fabriquer une protéine, la β-actine, abondante dans les cellules nerveuses et censée aider à renforcer les connexions lorsque des souvenirs sont créés dans le cerveau. Dans une vidéo qui ressemble à un réseau de routes la nuit, dans les 10 minutes suivant l'activation d'une cellule nerveuse, les ARNm se sont déplacés jusqu'aux points de contact avec d'autres nerfs, prêts à produire de l'actine pour consolider ces connexions nerf-nerf.

Des tas de détails sur l'activité des gènes restent encore mystérieux, mais il est déjà clair que le processus est beaucoup plus dynamique qu'on ne le pensait. "Le changement a été phénoménal et il s'accélère rapidement", a déclaré Singer. "Il y a beaucoup d'informations à glaner juste en regardant."

Alla Katsnelson est une écrivaine et éditrice scientifique vivant à Northampton, dans le Massachusetts.

Casey Rentz est un écrivain scientifique vivant à Los Angeles. Elle écrit sur la santé, la microbiologie, l'espace et la culture californienne. www.caseyrentz.com

Cet article a été initialement publié sur Magazine connu, une entreprise journalistique indépendante publiée par Annual Reviews.


Méthodes

Participants

Les participants proviennent du UK Adult Twin Register (Ressource TwinsUK) profondément phénotypé [75] basé à l'hôpital St Thomas de Londres. Le phénotypage a lieu lors de l'entretien lorsque le sang est également prélevé pour l'analyse hématologique et l'extraction de l'ADN. Le stockage se fait dans des tubes EDTA à –80 °C. Les kits d'extraction d'ADN Nucleon Genomic sont utilisés pour l'extraction d'ADN qui sont ensuite stockés à –20 °C dans un tampon TE. L'analyse hématologique pour la numération formule sanguine a été réalisée sur la majorité des sangs extraits. Le statut de fumeur est enregistré à ce moment-là ou dans les cinq ans les plus proches via un questionnaire s'il n'est pas disponible. La zygotie est déterminée par questionnaire de jumelage et confirmée par génotypage.

L'ensemble de découverte se composait de 2238 méthylomes d'ADN, qui étaient tous des femmes, par conséquent les modifications spécifiques au sexe ont été supprimées [76], et incluaient des données longitudinales avec deux ou plusieurs points dans le temps sur 408 individus (différence de temps moyenne de 2,18 ans) et des données à un seul moment. sur 1350. Ces 1758 individus comprenaient 203 paires de jumeaux MZ et 489 singletons MZ et 371 paires dizygotes (DZ) et 121 singletons DZ, comprenant donc un nombre égal d'individus MZ (50,9 %) et DZ (49,1 %) sur un total de 1184 individus uniques des familles. L'âge à la date de prélèvement du sang pour l'extraction de l'ADN était compris entre 19 et 82,2 ans (âge moyen, 55,99 ans, âge médian, 56,60 ans écart-type 10,32 ans).

MeDIP-seq

La préparation des échantillons d'ADN, la réaction MeDIP et le séquençage Illumina de deuxième génération ont tous été effectués à BGI-Shenzhen, Shenzhen, Chine. La fragmentation de l'ADN TwinsUK du sang périphérique entier a été réalisée par sonication avec un système Covaris (Woburn, MA, USA). Des bibliothèques pour le séquençage ont été préparées à partir de 5 ug d'ADN génomique fragmenté. Les étapes de réparation des extrémités, d'ajout de base <A > et de ligature de l'adaptateur ont été effectuées à l'aide du kit de préparation d'échantillons d'ADN d'Illumina pour le séquençage à une seule extrémité. L'anticorps anti-5mC (Diagenode) a été utilisé pour immunoprécipiter l'ADN ligaturé à l'adaptateur et le MeDIP résultant a été validé par amplification en chaîne par polymérase quantitative (PCR). Cet ADN capturé a ensuite été purifié avec Zymo DNA Clean & Concentrator™-5 (Zymo Research) et ensuite amplifié avec PCR à médiation par adaptateur. Les fragments de taille 200 à 500 pb ont été sélectionnés par excision sur gel, puis le contrôle de qualité a été évalué par analyse Agilent BioAnalyzer. Ces librairies ont ensuite été séquencées sur la plateforme Illumina. Les données de séquençage ont réussi le CQ initial pour la composition de base évaluée via FASTQC (v0.10.0) (http://www.bioinformatics.bbsrc.ac.uk/projects/fastqc). Les données MeDIP-seq ont été traitées avec un alignement BWA (Burrows-Wheeler Aligner) [77] (passant un score de qualité de cartographie de Q10), avec suppression des doublons, FastQC et SAMTools [78] QC et MEDIPS(v1.0) [79] pour Analyse spécifique au MeDIP, QC, lectures par million (RPM) et génération de score de méthylation absolu (AMS). La moyenne des lectures alignées BWA de haute qualité était

16,9 millions par échantillon pour l'ensemble de découverte de 2238 et

16,8 millions pour l'ensemble de réplication de 2084. Un contrôle de qualité supplémentaire a été effectué via R (matrice de corrélation, regroupement hiérarchique, dendogramme, carte thermique, diagramme de densité) et une inspection des effets par lots par analyse des composants principaux. Les données traitées pour l'analyse statistique sont des fichiers BED de fenêtres génomiques (lame de 500 pb, 250 pb) avec les scores RPM. Toutes les coordonnées du génome humain, les calculs effectués et ceux cités sont dans le build hg19/GRCh37.

Blocs GWAS LD

L'analyse a été réalisée sur les régions génomiques a priori fonctionnellement enrichies contenues dans les blocs LD du catalogue NIH GWAS SNP [24, 25]. Les blocs LD ont été déterminés à partir de la carte génétique GRCh37, téléchargée du Center of Statistic Genetics, Université du Michigan, Locuszoom 1.3 [80], avec un taux de recombinaison de limites de 10 cM/Mb. Les blocs LD ont ensuite été élagués à ceux d'une taille 10 Mb. Nous avons sélectionné les 8093 SNP GWAS organisés avec p valeur < 1 × 10 –7 déposé dans le catalogue NIH GWAS en décembre 2014. En raison de co-associations pour le même SNP, il s'agit de 5522 SNP individuels uniques et 5477 d'entre eux résidaient dans les blocs LD identifiés ci-dessus. En fait, ceux-ci représentaient 2709 blocs LD distincts, tenant compte une fois des SNP présents dans le même bloc. Ces régions couvrent

Analyse de la méthylation de l'ADN associée à l'âge

Toutes les analyses statistiques ont été réalisées dans l'environnement R (3.0.0) [81]. Le package lme4 [82] a été utilisé pour effectuer une analyse à effet mixte linéaire de la relation entre l'âge chronologique à l'extraction de l'ADN et la méthylation de l'ADN, qui était représentée par des valeurs RPM normalisées dans les fenêtres de 500 pb. Les autres termes d'effets fixes comprenaient le nombre allélique du SNP de marquage d'haplotype, le statut tabagique, le lot, les sous-types de cellules sanguines (lymphocytes, monocytes, neutrophiles et éosinophiles) avec la famille et la zygosité comme effets aléatoires. Ce modèle d'analyse de l'âge de méthylation de l'ADN est similaire à celui utilisé précédemment dans les analyses basées sur des matrices [15] avec l'inclusion supplémentaire d'informations alléliques génétiques. p les valeurs ont été calculées avec la fonction ANOVA par test du rapport de vraisemblance du modèle complet incluant l'âge par rapport au modèle nul excluant cette variable. Une correction des tests multiples de Bonferroni a été calculée par le nombre total de fenêtres de méthylation de l'ADN incluses dans l'analyse (2 708 462), ce qui donne un p valeur seuil de signification de <1,85 × 10 –8 (voir « Study Design » dans le fichier supplémentaire 6 : Figure S4).

La réaction d'immunoprécipitation dans les données MeDIP-seq est extrêmement sensible à l'influence de la variation génétique du nombre de CpG (due aux CpG-SNP, CNV, indels et STR), conduisant à une relation directe entre le nombre de cytosines méthylées dans le fragment d'ADN et la quantité d'ADN capturée par l'anticorps comme discuté par Okitsu et Hsieh [22]. Nous avons tenu compte de cette influence par l'inclusion des données SNP communes de marquage d'haplotype pour chaque bloc LD examiné dans notre modèle statistique. Nous avons également supprimé les régions de liste noire à faible mappabilité ENCODE [28] de toute analyse ultérieure (13 726 fenêtres de 500 pb). partagé trans Les facteurs, cependant, ne peuvent pas être expliqués, bien qu'ils soient beaucoup moins fréquents [83], mais le grand ensemble de réplication, décrit ci-dessous, ajoute un support puissant aux découvertes.

Une interaction entre le génotype et l'âge a été directement testée en comparant le modèle complet, mais avec la méthylation de l'ADN et l'âge inclus comme facteurs d'interaction, et le modèle complet dans l'analyse initiale, avec à nouveau un test de rapport de vraisemblance via ANOVA pour dériver des niveaux de signification. Comme la confusion directe des effets génétiques communs a été incluse dans l'analyse a-DMR initiale avec un seuil strict de Bonferroni, nous avons ensuite superposé ces résultats avec notre ensemble a-DMR pour identifier ces a-DMR robustes avec des preuves potentielles d'interaction.

Nouveauté de l'analyse des a-DMR

Nous avons identifié 14 études précédentes [3-16] qui avaient été réalisées pour les changements de méthylation de l'ADN dans le sang par rapport à l'âge avec des données disponibles pour comparaison et avons téléchargé ces résultats en plaçant les positions CG à leurs coordonnées correctes à partir des fichiers d'annotation de la matrice Illumina et en convertissant tous les qui étaient dans les versions précédentes de hg19/GRCh37 via les outils UCSC liftOver [84]. Ceux-ci ont été fusionnés et comparés via BEDtools (v.2.17.0) et sont disponibles dans le fichier supplémentaire 7.

Jumeau monozygote discordant de cellules sanguines EWAS

Un EWAS discordant MZ dans 54 paires MZ qui possédaient des données précises sur les globules blancs dans cet ensemble de données sur le méthylome de l'ADN a été réalisé. Ces données ont été générées par Roederer et al. [44] et incluaient des calculs pour CD4 + helper T, CD8 + T cytotoxique, cellule T, natural killer, CD34 + cellule souche hématopoïétique multipotente et cellules B. La discordance des paires de jumeaux MZ pour chaque trait de cellule sanguine a été calculée. Les fenêtres de méthylome d'ADN de 500 pb pour l'analyse nécessitaient ≥ 90 % d'individus avec des valeurs non nulles. Les résidus du modèle de régression linéaire des scores de méthylation RPM avec des ajustements pour le tabagisme, le nombre de leucocytes, l'âge à l'extraction de l'ADN et le lot ont été normalisés (qqnorm), puis la signification de la différence élevée-faible a été comparée par un test T unilatéral.

Analyse d'enrichissement

L'exploration initiale des a-DMR a été réalisée via Epiexplorer [85]. Cela a permis d'étudier en premier lieu l'enrichissement pour l'état de la chromatine (ChromHMM), les modifications des histones et les données supplémentaires ENCODE et Roadmap. Des comparaisons ont été faites avec ChromHMM dans neuf tissus de Encode Broad HMM (Gm12878 H1hesc Hepg2 Hmec Hsmm Huvec K562 Nhek Nhlf) puis avec une segmentation combinée dans six tissus - Encode AwgSegmentation (Gm12878 H1hesc Helas3 Hepg2 Huvec. K562) via Le chevauchement des données génétiques et fonctionnelles a été calculé avec la commande BEDtools (v.2.17.0) intersectBed, par rapport aux fenêtres de 500 pb du bloc LD sans chevauchement avec le paramètre -f 0,1 (chevauchement modéré). Les régions génétiques comparées pour l'enrichissement étaient les îles CpG, les TFBS d'ENCODE v3 (690 jeux de données de wgEncodeRegTfbsClusteredV3 [86]), le DHS dans 125 types cellulaires d'après l'analyse ENCODE [55] et Vertebrate Multiz Alignment and Conservation (100 Species) de 100Vert_El_phastConsElement100way bedfile (

10,1 m régions), tous téléchargés à partir de l'UCSC [87]. Les régions amplificatrices FANTOM5 provenaient d'Anderson et al. [36] et les régions « Dynamic » de Ziller et al. [66].

Une autre analyse d'enrichissement a-DMR a été réalisée avec l'outil d'enrichissement des annotations des régions génomiques (GREAT v3.0.0) [88] analyse binomiale basée sur les régions avec base, mais les paramètres d'extension ont été réduits par rapport à la valeur par défaut (constitutive de 5,0 kb en amont, 1,0 kb en aval et jusqu'à 100 ko d'extension max, pas 1 Mb). Des domaines de régulation sélectionnés ont été inclus et toutes les régions de bloc LD ont été utilisées comme ensemble de fond.

Pour l'enrichissement des motifs TFBS, nous avons utilisé la méthode TRAP [37] et la combinaison MEME (MEME-ChIP [38] et TOMTOM (v4.10.2) [89]). Les fichiers de séquence FASTA des 71 a-DMR ont été saisis sous forme de groupes hypométhylés et hyperméthylés séparés. Dans TRAP, ils ont été comparés aux vertébrés JASPAR avec un modèle de fond de promoteurs humains. MEME-Chip comparé à un ensemble de 1229 motifs d'ADN, d'une longueur comprise entre 7 et 23 (longueur moyenne 13,8), de la base de données Human and Mouse (in silico).

Analyse de validation

Dans les a-DMR, 116 sondes CpG de la puce Infinium Human Methylation450 BeadChip ont passé le contrôle de qualité, comme détaillé ci-dessous. Il s'agissait de scores de méthylation CpG dérivés du sang de 811 individus féminins, 89,1 % se chevauchant avec les échantillons MeDIP. Le CQ comprenait l'élimination des sondes qui ont échoué à la détection dans au moins un échantillon et avec un nombre de billes inférieur à 3 dans plus de 5 % des échantillons, et des sondes pour lesquelles la séquence de 50 pb s'alignait sur plusieurs emplacements du génome. Les proportions de types cellulaires ont été estimées pour les cellules T CD8+, les cellules T CD4+, les cellules B, les cellules tueuses naturelles, les granulocytes et les monocytes [43]. Toutes les données ont été normalisées en utilisant la normalisation intra-array, la dilatation quantile de mélange bêta (BMIQ) [90] pour corriger le biais de type de sonde. La validation a été réalisée à l'aide d'un modèle linéaire à effets mixtes ajusté sur des valeurs bêta standardisées par sonde (N(0,1)) avec l'âge, le génotype comme nombre allélique, le statut tabagique, la puce électronique, la position sur la puce électronique, les granulocytes, les monocytes et les cellules T CD8+ comme effets fixes, ainsi que la famille et la zygosité comme effets aléatoires. Pour évaluer la signification, l'ANOVA a été utilisée pour comparer ce modèle à un modèle nul sans âge.

Analyse de réplication

Nous avons utilisé 2084 données MeDIP-seq de sang périphérique supplémentaires, également disponibles auprès de TwinsUK, pour notre ensemble de réplication. Aucun de ces individus n'était présent dans l'ensemble de découverte et ne diffère de cet ensemble de manière sélective. Ces échantillons étaient dans la tranche d'âge de 16 à 82,2 ans (âge moyen, 51,00 ans âge médian, 53,40 ans écart-type 14,91), étaient à 87,04 % de femmes et comprenaient 1897 échantillons de 1710 individus de la ZM (582 couples, 546 solitaires) et 187 échantillons de 159 individus DZ (46 paires, 67 solitaires), avec 215 possédant des données de >1 point de temps. L'analyse a été effectuée comme pour l'ensemble de découverte en utilisant un modèle à effet mixte linéaire identique, pour la méthylation de l'ADN normalisée (fenêtres de 500 pb) avec l'âge au moment de la collecte de l'ADN. fixed effect of batch and random effects of zygosity and family.

Tissue-specific investigation

The DHS from 125 cell type experiments from ENCODE analysis [55] were used for tissue-specific analysis of the a-DMRs. This dataset includes 22 blood tissue related samples. Broad disease classes were taken from Maurano et al. [60].


Enhancer and Promoter Atlases

Ashley P. Taylor
Mar 26, 2014

NHGRI Researchers at Japan&rsquos RIKEN institute, in collaboration with scientists worldwide, have produced two atlases of genetic regulatory elements throughout the human genome, as reported in a pair of papers published today (March 26) in La nature. The first paper presents an atlas of transcription start sites, where RNA polymerase begins to transcribe DNA into RNA the second maps active enhancers, non-promoter stretches of DNA that upregulate the transcription of certain genes. Sixteen additional papers related to this work&mdashresults from the fifth edition of the Functional Annotation of the Mammalian Genome (FANTOM) project&mdashare also today being published in other journals, including Du sang et BMC Génomique.

&ldquoBoth papers are very significant,&rdquo said biochemist Wei Wang from the University of California, San Diego, who was not involved in the work. &ldquoThis will be a very valuable resource for the community.&rdquo

&ldquoWe made an encyclopedia of the definition of the normal cell.

“This is a very broad survey of transcriptional activity in diverse cell types, [making it] a very valuable resource, and currently, quite unique,” said Zhiping Weng from the University of Massachusetts Medical School, who was not involved in the work. Weng noted that the only comparable resource is the Genotype-Tissue Expression Program (GTEX), which when compared with FANTOM, is “not nearly as comprehensive at this point,” she said. “Right now, this is the most comprehensive, extensive collection of transcription data available, especially in primary cell types. I find that to be very significant. I think a lot of people are going to find the data to be highly useful.”

FANTOM is one of several projects that aim to annotate the human genome and to determine how the expression of its genes can produce a variety of cell types. Members of the Encyclopedia of DNA Elements (ENCODE) project, in which some RIKEN researchers took part, used chromatin immunoprecipitation analyses and mapped DNase hypersensitive sites, among other things, to determine where transcription factors bind DNA and where chromatin is “open,” and therefore vulnerable to cleavage by DNAse. The ENCODE team used many cell lines and examined only a few cell types, whereas the FANTOM group studied myriad primary cell and tissue types, as well as cell lines.

“I see FANTOM and ENCODE being very complementary, because FANTOM mainly generates transcription data, and ENCODE generates a much wider diversity, much more types of data. But FANTOM has a huge representation in the cell type dimension, while ENCODE is primarily focused on cell lines and only a few types of primary cells and tissue types,” said Weng, who was part of ENCODE. “You can imagine two very big projects—they are very extensive in different dimensions.”

To create these atlases, the FANTOM researchers used cap analysis of gene expression (CAGE) to sequence the beginnings of RNA transcripts. By mapping CAGE tags onto the human genome, the RIKEN-led team identified the promoter regions upstream of the transcription start sites. The researchers used CAGE to identify promoters in human primary cells, as well as in tissue samples and immortalized cell lines. They found that many genes have multiple transcription start sites and that transcription begins at different locations in different cell types.

Using CAGE, the team also identified the RNA sequences transcribed from enhancers. Other groups had previously shown that some enhancers are transcribed bidirectionally—from the center, outward in both directions, and from both DNA strands. The FANTOM team found evidence to suggest that bidirectional transcripts are signatures of active enhancers. About 75 percent of the enhancers detected by CAGE drove expression of a reporter gene in HeLa cells, a larger percentage than the untranscribed enhancers previously identified through ENCODE.

Wang said he was most interested in the enhancer atlas. “This was the very first time people have done this enhancer RNA [analysis] on such a large scale,” he said.

“Over so many cell types, this number [of active enhancers] is kind of at the low end,” Wang noted, “particularly if you compare with ENCODE and other annotations. . . . I think the reason is related to the low abundance of eRNAs [enhancer RNAs].”

Other groups had also found that enhancers produce RNA in low amounts. “My only concern is they probably missed a lot of active enhancers,” said Wang. “My understanding is they have both [a] high true-positive rate and also false-negative rate. So whatever they identified, I believe those are real, active enhancers, but they may also miss many active enhancers because [of] this low abundance of enhancer RNA.”

In the future, Hayashizaki said, knowledge of the enhancer and promoter usages that define different cell types raises the possibility of turning one cell type into another. It could also aid in predicting whether or not a particular cancer is going to metastasize, he added.

The FANTOM Consortium and the RIKEN PMI [Preventative Medicine and Diagnosis Innovation Program] and CLST [Center For Life Science Technologies] (DGT [Division of Genomic Technologies]), “A promoter-level mammalian expression atlas,” La nature, doi:10.1038/nature13182, 2014.

R. Andersson, et al., “An atlas of active enhancers across human cell types and tissues,” La nature, doi:10.1038/nature12787, 2014.


Vision and Impact

This challenge should synthesise our understanding of conserved patterns of ecDNA genomic organisation and drive discoveries into their regulation, evolution and re-integration. This could provide new therapeutic targets to maintain genome stability in cancer.

A multidisciplinary team will be required to address this challenge, which could coalesce the fields of cellular and evolutionary biology, cancer genomics, drug discovery and development, and computational modelling to understand how ecDNA structures form and how they could be limited.

Knowledge gained from this challenge could provide tractable therapeutic approaches to undruggable oncogenes (e.g. MYC), limit the over-expression of multiple oncogenes simultaneously and prevent the rapid acquisition of drug resistance through metabolic enzyme overexpression.


Locking Down the Big Bang of Immune Cells

Intricate human physiological features such as the immune system require exquisite formation and timing to develop properly. Genetic elements must be activated at just the right moment, across vast distances of genomic space.

“Promoter” areas, locations where genes begin to be expressed, must be paired precisely with “enhancer” clusters, where cells mature to a targeted function. Faraway promoters must be brought in proximity with their enhancer counterparts, but how do they come together? When these elements are not in sync, diseases such as leukemia and lymphoma can result. How does this work?

Biologists at the University of California San Diego believe they have the answer.

Schematic diagram showing how a subset of immune cells, named DN2a T cells, mature into DN2b T cells. The maturation of this step is among the earliest in immune cell development and is controlled by the forgotten DNA strands that allow the genome to change its architecture to induce the “Big Bang” of T cell development. In the absence of the “forgotten strands” DN2a cells fail to mature and ultimately after accumulating additional mutations become malignant T cells also named leukemias or lymphomas.

Calling it the “big bang” of immune cell development, the researchers made their discovery within previously overlooked stretches of DNA located between genes. The results, published in the September 21 edition of the journal Cell, were led by Takeshi Isoda in Cornelis Murre’s laboratory in UC San Diego’s Division of Biological Sciences.

Through genomic studies and genetic experiments in mice, the scientists found that the ignored areas, known as “non-coding” DNA, activate a change in the 3D structure of DNA that brings promoters and enhancers together with stunning accuracy. Murre describes the mechanism as somewhat like a stiff wire—with enhancers and promoters on either end—that’s bended together into a loop and anchored in place. Enhancers and promoters, once distantly separated, are now repositioned in close proximity to initiate the development of immune system building blocks known as T cells.

“Nature is so clever. We think of the genome as an unstructured strand but in fact what we are seeing is a highly structured and meaningful design,” said Murre. “The process of architecture remodeling we’ve described allows the enhancer and promoter to find each other in 3D space at precisely the right time. The beauty is that it’s all very carefully orchestrated. We have seen one example but there are likely many others all occurring at the same time when cells are moving along the developmental pathway–that’s kind of amazing.”

While Murre and his colleagues concentrated on T cells, they believe this mechanism may be unfolding throughout the animal and plant kingdoms.

When the mechanism fails, T cell development falters and diseases such as lymphoma and leukemia result. Murre says the results show how the forgotten strands of DNA suppress the development of leukemia and lymphoma.

“The implications of these results are not only how normal T cells develop, but that tumor suppression is regulated through this mechanism, at least in part,” said Murre. “Ultimately we may be able to fix mutations associated with disease and these forgotten strands of DNA.”

Coauthors of the paper in include Amanda Moore, Zhaoren He, Vivek Chandra, Masatoshi Aida, Matthew Denholtz, Jan Piet van Hamburg, Kathleen Fisch, Aaron Chang, Shawn Fahl and David Wiest.

The research was supported by the CCBB (Center for Computational Biology and Bioinformatics (UL1TRR001442), the California Institute for Regenerative Medicine (RB5-07025), the National Institutes of Health (AI02853, AI00880 and AI09599) and the Uehara Memorial Foundation. 

UC San Diego 9500 Gilman Dr. La Jolla, CA 92093 (858) 534-2230
Copyright © 2021 Regents of the University of California. Tous les droits sont réservés.


Voir la vidéo: FORMATION SPECIALE EN TEINTURE ET TRAITEMENT DE MÈCHES (Novembre 2022).