Cell、Nature共绘遗传互作图谱

　　在遗传学中，总体并不总是组成部分的总和。有时，两个基因共同作用所产生的一种表型，会不同于预期的简单地将两个基因的效应相加。近期来自加州大学旧金山分校的 Jonathan Weissman和Nevan Krogan研究小组在独立研究中首次系统地探索了酵母中的遗传互作。相关论文分别发表在《细胞》(Cell)和《自然方法》(Nature Methods)杂志上。

　　通过绘制酵母的遗传互作图谱，可以鉴别基因间的正负向相互作用，以及在同一蛋白质复合物或信号通路中发挥功能的分组基因。Weissman 实验室博士后Michael Bassik 说：“从酵母遗传互作图谱中取得的重要信息，使得我们和其他人均认为，它们在高等生物中可能也是有用的。我们希望能够在疾病模型中观测综合的致命性互作，广泛应用于鉴别癌症药物靶点。”

　　由于无法利用全基因组敲除菌株来绘制遗传互作图谱，因此研究人员采用了两种不同的RNAi策略进行成对基因抑制(knockdown)。

　　在Cell文章中，Bassik和Kampmann开发了一种混合(pooling)方法，克服了RNAi筛查中固有的，直接脱靶效应(抑制不必要靶标)和间接效应(细胞RNAi机器饱和)等问题。他们将这一程序应用于寻找相互作用影响细胞对于蓖麻毒素(ricin)的反应的基因。

　　从初步全基因组RNAi筛查开始，他们用大约25种不同的短发夹RNAs (shRNAs)靶向每个蛋白质编码基因，感染人类白血病细胞，利用深度测序监控了接受及未接受蓖麻毒素处理的细胞群中shRNAs的富集情况。这一高覆盖文库利用多个独立shRNAs，扩大了有效靶向每个基因的机会，从而使得能够精确评估shRNAs对每个预期靶标起作用的机率。这一筛查生成了约200 个可影响细胞蓖麻毒素敏感性的基因。研究小组随后编写成对shRNAs的条形码，并将它们与这些基因绑定到一起，重复进行筛查。计算机讯号简化使得他们能够鉴别出偏离预期表型的遗传互作。生成的遗传互作图谱概括了特征明确的复合物，也揭示了意想不到的结果。

　　这种混合策略除能控制脱靶效应，还有几个优点。Kampmann说：“我们不需要高通量机器人。任何人只要有一间细胞培养室就能够操作我们的方法。 “它也不需要考虑孔分析中的批处理或定位影响。混合细胞数量可以轻易改变;此外，通过一种病毒来用shRNAs感染细胞，不会局限于筛查易于感染的细胞系。其局限之处就是需要在混合细胞群中评估表型，因此无法观测单细胞中更细微的改变。

　　为了监测更多的表型读数，在Nature Methods论文中，Krogan研究小组与Barbara Panning和Sourav Bandyopadhyay小组展开协作，利用一种不同的方法通过高内涵成像(high-content imaging)在每个独立孔中筛查了每个基因对。科学家们利用了核酸内切酶制备的siRNAs (esiRNAs)。这减少了脱靶效应发生的机会，但需要机器液体处理系统(liquid handler)在每个孔中分配两种esiRNAs。研究人员反式转染了小鼠细胞，利用成像监控了对于细胞生长的影响。他们靶向了130种已知与染色质调节相关的基因，将每个遗传互作对评为正、负或中性。Krogan将这些结果进行总结，“我们非常高兴看到，我们在简单生物中看到的遗传趋势 也存在于高等生物中，包括与蛋白质相互作用相关的正遗传互作。”

　　两个研究小组均选择优先在疾病信号通路中调查上位性(epistasis)。不过Weissman研究小组希望研究癌细胞，Krogan小组则对分析宿主-病原体互作感兴趣。此外，Krogan和同事们正在致力用一种靶向非编码RNAs的esiRNA文库，来探查这些调控RNAs与它们的蛋白质编码相思雨的互作机制。