科学家分享基因测序技术研发成果

　　临床类

　　 杜克大学分子遗传学教授David Goldstein

　　 David Goldstein提出运用精准医学治疗神经系统疾病。Goldstein专注于几个癫痫患者大规模研究的课题，其中包括一项对超过350个患病的儿童及其父母进行测序来发现新突变的项目。尽管许多发现的突变属罕见突变，但是它们经常参与共同的生物学途径，因此可以利用这个信息来对病人进行分层。一个典型的例子是，对KCNT1 基因有突变的患者进行奎尼丁给药，在3个患者中，有两个癫痫发作的严重程度和频率都有明显的改善。Goldstein指出，如果没有基因组学，这种靶向治疗就不会被发现。Goldstein还表示当测序技术被用于临床诊断时，保证基因组的正确性就至关重要了。患者的基因组需要进行全面的剖析：至少对于癫痫病患来说，新突变发现的速度是基因分型远远赶不上的。Goldstein的演讲为通过临床测序和生物信息学手段阐释新发现提供了新希望。

　　 哈佛大学丹娜法伯癌症研究院Levi Garraway

　　 Levi Garraway表示癌症精准医疗的目标就是开发新的治疗方法及药物。他提到，在临床癌症基因组研究中有很多发现机会，尤其是新的治疗方法。Garraway对57例前列腺癌患者的肿瘤组织及正常对照组织进行测序，以研究其体细胞突变。研究表明，在前列腺癌的发生中染色体重排导致相当大的基因组错乱，这点很重要。他介绍利用10X Genomics公司长reads测序技术能获取长达100kb的序列，从而便于对染色体重排进行研究。

　　 华盛顿大学医学中心遗传学负责人Gail Jarvik

　　 Gail Jarvik 分享了在临床测序探索性研究计划（ Clinical Sequencing Exploratory Research ，CSER） 的学习经验。CSER是一个旨在分享创新及将基因组测序技术应用到临床护理中的国家联合项目。已经确立了112个基因列表，其中一些与ACMG有重合。CSER还对已知和新的变异进行注释并评估其在具有欧洲和非洲血统的个体中的频率。

　　 斯坦福大学医学院Euan Ashley

　　 Euan Ashley的主题是走向临床的全基因组测序。他首先介绍了基因组的复杂性，接着向大家展示了一个对12位成人进行全基因组测序的研究，描述了为何临床测序需要一致性报告：遗传性疾病基因的不完全覆盖，可检测遗传变异的低重复性及临床结果报告的不确定性都会影响全基因组测序结果。大部分的致病突变在经过人工注释审核后其危险等级都有所下降，但是这需要很久的时间。

　　 美国堪萨斯州儿童慈善医院Stephen Kingsmore

　　 Stephen Kingsmore介绍了下一代测序技术在新生儿遗传性疾病方面的应用。Kingsmore首先介绍了新生儿筛查和早期诊断如何减低发病率和病死率。每年通过下一代测序技术对60种遗传疾病进，能够发现约5000例携带疾病的新生儿病例。他还提到了他与Illumina开发的一套快速测序流程，从样本到基因变异注释只需要28小时（暂未发表）。

　　 美国哈佛-麻省理工博德研究所Christian Matranga

　　 Christian Matranga 描述了临床测序病毒基因组对理解病毒进化和传播的重要性，及其在临床检测和治疗方面起到的重要作用。研究人员开发了一种测序方法，该方法可检测和组装来自不同谱系的基因组，用这种方法对300个LAS病毒和100个埃博拉病毒进行了基因组测序。

　　 华盛顿大学医学院Malachi Griffith

　　 Malachi Griffith的演讲主要集中在基因组测序和分析方面。他强调说，通常对肿瘤进行全外显子测序或全基因组测序时，平均覆盖度应达到75-100X或是30-50X，如想检测低频突变就需要增加测序深度。通过对急性粒细胞白血病的测序分析发现：测序深度越深，发现的致病突变越多。

　　 测序研究&技术类

　　 耶鲁大学遗传学家Rick Lifton

　　 耶鲁大学遗传学家Rick Lifton在会议上表示，应当将更多的精力放在确定更多的人类基因组的功能上。因为“（基因功能研究）有非常大的空间探索新发现”，并指出在人类基因组中已知的21000个蛋白编码基因，仅仅有3000个已经明确与疾病相关。Lifton举例高血压这一疾病就与孟德尔遗传有关。Lifton呼吁将测序技术作为在临床上的常规检测手段。他认为，要想真正理解人类基因组需要阐明非编码区，确定每一个基因突变的后果，并确定治疗的生物靶点。

　　 华盛顿大学基因学家Evan Eichler

　　 Evan Eichler描述了如何通过单分子测序手段来发现人类遗传变异。他指出测序reads较短会使许多结构变异难以发现，尤其是当结构变异发生在重复富集的区域附近时，许多重要变异信息会被遗漏，并且计算遗漏了多少。Eichler在葡萄胎（CHM1和CHM13，具有单倍体人类基因组）研究中使用Pacific Biosciences的单分子实时测序技术（SMRT），检测到26，015个结构变异，并补平或缩小了人类参考基因组的90个gap（这些gap中有许多包含GC富集序列），增加了总共1.1Mb的新序列。他指出这项工作最重要的发现之一是在基因组内发现的92%的插入突变和60%的缺失突变都是之前未见报导的——包括许多存在于蛋白编码区内——这或许能预示在之前的人类基因组研究中错过了多少重要的发现。一项分析表明，通过SMRT®测序、组装得到的STRs的比现有的人类参考基因组中的STRs更丰富3倍，更长出2.8倍；这个分析也表明目前对于基因组的认识不完全的。他还表示，“我们需要捕获这些结构变异，来使精准医疗更加精准！”

　　 斯坦福大学遗传学家Carlos Bustamante

　　 Carlos Bustamante在大会上向大家介绍了一种靶向捕获分析器——PhenoCap，该仪器可以用于DNA样本法医学检测后的表型预测。PhenoCap的表型特征预测功能，从常染色体显性遗传到面部形态，都能进行预测。一般的法医学检测都因DNA样本高度降解或是污染，而使得传统的STR和PCR分析手段困难重重，也无法保证结果的可信度。Bustamante团队希望PhenoCap能够综合分析各类样本，并能解决相关难题。该团队还对毛里求斯一处奴隶公墓里奴隶的DNA进行测序，并研究发现了其祖先分布的广泛多样。

　　 宾夕法尼亚大学Sarah Tishkoff

　　 Sarah Tishkoff向大家介绍了非洲偏远地区人群的基因组研究，如关于与俾格米人短小身材相关的遗传因素研究。她呼吁与会者支持对不同种族人群进行测序，获得多个参考基因组，以便更好地研究现有人类参考基因组中的独特变异。

　　 南洋理工大学Hie Lim Kim

　　 Kim讲述了用420K 的SNP数据芯片，来研究5个Nambian Khoisan人和一个种群，结果发现两类人群中都广泛存在着南非科伊桑人基因。结合气象数据和测序数据，推断这两部分人可能来自共同的祖先，之后又分成现在的两个不同的群体。

　　 怀特黑德研究所David Page

　　 David Page主要阐述了X、Y染色体的测序研究，他将X、Y染色体称为“基因组中最具挑战性的底物”。例如，人类Y染色体的特征是有8个回文序列，最大的一个将近3Mb；在小鼠中，Y染色体存在180个长达500kb的重复单元，使用BAC克隆技术和一种被称为SHIMS的重复测序方法来研究这些复杂的区域，而这些区域大部分在现有的参考基因组中找不到相关信息。

　　 杜克大学Erich Jarvis

　　 Erich Jarvis谈到了对脊椎动物基因组进行测序，来研究进化基因组学所面临的挑战。作为鸟类系统基因组学联盟（>200个研究人员，>120个研究机构）的一员，他对48种鸟类的基因组进行了测序，基本涵盖了所有的种类。他查明了现代鸟类大量消亡的原因，描述了在鸟类中有55个基因聚集表达。

　　 美国哈佛-麻省理工博德研究所Jessica Alfoldi

　　 Jessica Alfoldi认为进化有两种方式：即自然和人工的选择。非编码等位基因频率的改变可能促生了鲷这一物种的形成以及兔这一物种生活习性的改变，这些都可以在极短的时间内完成。

　　 美国哈佛-麻省理工博德研究所Alexandre Melnikov

　　 Alexandre Melnikov向大家介绍了MITE-Seq技术（Mutagenesis by Integrated TiLEs）。相比于传统的诱变方法MITE定点诱变方法能够为蛋白结构功能的研究提供更高的分辨率。随后 Andrea Kohn 描述了海兔神经元单细胞甲基化的分析，使用甲基化测序及重亚硫酸盐测序（bisulfite sequencing）可获得每个神经元细胞大于20X覆盖度的测序数据。

　　 冷泉港实验室Sara Goodwin

　　 Sara Goodwin展示了利用Oxford MinION掌上测序仪进行de novo 组装和测序。利用MinION对酵母菌株W303进行了超过120X覆盖度的测序，结果表明并能够获得80%的比对率。

　　 哥伦比亚大学Yaniv Erlich

　　 Yaniv Erlich使用大规模人群的家族谱系来剖析人类长寿的遗传结构。Erlich有新意地利用社交媒体来剖析复杂性状的遗传结构：使用geni.com来分析大家族的复杂性状并用公共数据进行验证；并使用出生地作为雅虎地图的GPS坐标，向大家展示从中世纪到21世纪早期人类的迁徙。得到的结论是长寿是一个附加性状，有利于个体化医疗。他的研究数据将对公众开放。