JCB解答重要的发育生物学问题

　　当一个细胞变得与邻近细胞不同的时候，皮肤、肌肉、肝脏或其他类型的组织中就会出现癌症。虽然生物学家对于“发育过程中组织是如何形成的”这个问题已经了解很多，但很少有人知道，在动物的整个生命周期中同一组织的两个细胞是如何保持相同的。

　　最近，美国马里兰大学（UMD）的一个研究小组首次发现，一种命名为ERI-1的调节蛋白，有助于确保组织中的所有细胞保持相同。这项研究涉及到发育生物学家和计算机科学家之间的合作，后者通过机器学习分析贡献了他们的专长。这一发现可以使生物学家更进一步了解一些癌症和其他与年龄有关的疾病。

　　这项研究是第一次在整体动物（秀丽隐杆线虫，Caenorhabditis elegans）中进行的，而不是培养细胞，发表在2016年8月1日的《Journal of Cell Biology》杂志。研究人员的方法揭示了一种重要的机制，动物通过这一机制来保持一致的基因表达模式。该研究团队使用的机器学习软件，对于快速和清楚地识别数据中的复杂模式，是必不可少的。

　　本文资深作者、UMD细胞生物学和分子遗传学系助理教授Antony Jose指出：“细胞可能看起来都一样，而且行为相同，但为什么呢？例如，肝脏充满了肝细胞，并没有任何心脏细胞。要维持一个组织，需要发生太多的事情。这是一个显而易见的基本问题。现在，我们提出了一个答案，可有助于加深我们对于年龄相关疾病的理解。”

　　结果表明，重复DNA片段的长部分的读取，在细胞与细胞之间有所不同。研究人员发现，在健康的组织中，ERI-1可通过确保每个细胞在同一水平表达它们的基因，来规范这些差异。当研究人员在线虫中关闭产生ERI-1的基因时，基因表达的异常混杂出现在线虫的肠道内。

　　Jose说：“为了了解这些过程，我们需要在整个动物中测量单细胞的差异。我们必须知道，哪些细胞与哪些细胞相关，并同时测量组织内所有细胞的各种属性。从技术上讲，实现这一目标是非常困难的。但是如果你不能在整个动物的背景下，就很难充分地回答这些问题。”

　　为了实现这一复杂的分析，Jose和他的同事们形成了一种意想不到的合作。本文第一作者Hai Le——Jose实验室的一名大学生，现在是约翰霍普金斯大学医学院的一名学生，在2012年UMD的Bioscience Day会议上提交了一张海报。未来的合作者、UMD语言高级研究中心的Michael Bloodgood顺便讨论了Le的工作。这两位研究人员很快就认识到了机器学习促进Le和Jose分析的潜力。

　　Jose说：“例如，语言学家使用机器学习来比较文本块，以确定名词和动词，分析句子结构，并确定平均字的长度。Hai和Michael认识到，我们可以使用相同的技术来分析肠细胞中的基因表达。”

　　机器学习软件可以揭示人类肉眼看不到的复杂模式。顾名思义，该软件可以寻找特定的模式，也可以从经验中“学习”，让每一个后续的分析都变得更有效。使用这种方法，研究人员能够快速进行客观的比较，使用其他方法这是不可能的。

　　研究人员选择了线虫，因为它是一种简单的生物，可以很容易地在细胞水平上进行研究，同时它还活着。Jose指出，他们的技术是广泛适用的，并可以被修改成适用于其他基因和不同的组织。Jose说：“抗癌药物的作用通常是在培养的细胞中检测的。我们的研究表明，动物体外的细胞研究可能会错过很多东西。例如，培养的细胞可能在基因表达上显示出差异，但是在一个完整的动物中却被除去。我相信，我们的研究结果可能会让我们对于‘如何在细胞培养条件下模仿一个完整的动物’的思维有所转变。”