人类基因组计划完成之后，人们惊奇的发现，能够编码蛋白质的基因只占全部基因组序列的不到2%，其余超过98%的基因组序列被称为“垃圾序列”或者基因组里的“暗物质”。为了解析这些所谓“垃圾DNA”的结构和功能，开展了ENCODE计划的研究。然而，这些序列的结构和功能正逐步被ENCODE计划解析。
ENCODE计划分期展开，目前已经进行到第四期的研究。经过10多年的努力，研究了147个组织类型，进行了1478次实验，获得并分析了超过15万亿字节的原始数据，确定了400万个基因开关，明确了哪些DNA片段能打开或关闭特定的基因，以及不同类型细胞之间的“开关”存在的差异。证明了所谓 “垃圾DNA” 都是十分有用的基因成分，担任着基因调控重任。证明人体内没有一个DNA片段是无用的。科学家发现在人类基因组中的许多DNA片段可以通过各种方式发挥他们各自的功能。DNA序列除了可以编码蛋白质之外还可以结合蛋白质影响基因的活性；转录出RNA行使各种功能；又或者作为各种化学修饰物的底物起到基因沉默的作用等。目前所有数据均全部公开(http://genome.ucsc.edu/ENCODE/)，并以30篇论文在Nature、Science、Cell、JBC、GenomeBiol、GenomeResearch同时发表 (http://www.nature.com/encode)。成为一个互动的百科全书，并可以免费公开获得和利用这些全部的资料和数据。这是迄今最详细的人类基因组分析数据，是对人类生命科学的又一重大贡献。
ENCODE项目组不仅生成高质量的数据，还整合分析注释这些数据，并提供搜索和可视化这些注释结果的工具。ENCODE项目组对数据的注释分析分为两种级别，一种为直接分析实验产生的数据的基本分析，主要是单一种类数据的流程性处理；一种为整合多种实验数据的整合性分析注释。而整合性分析注释的核心工作是候选顺式调控元件（candidate cis-regulatory elements，ccREs）的注释（the Registry of candidate cis-regulatory elements），该工作是由麻省大学医学院翁志萍教授带领的团队完成的。翁教授自2011年起担任ENCODE计划数据分析工作组联合主席。2018年6月28日，翁教授受邀到中国科学院北京基因组研究所主讲GPB杰出学者论坛，向大家汇总介绍了ENCODE计划第三期数据分析工作的成果。
袁国丞（Guocheng Yuan）教授和翁志萍（Zhiping Weng）教授
## 翁志萍早年毕业于中国科技大学，1997年获得美国波士顿大学医学工程博士学位，翁志萍博士在2003年，她毕业六年以后，获聘麻省大学医学院终身副教授，她由博士毕业到成为终身副教授所花费的时间要远远少于平均值。当时，她也以32岁的年龄成为波士顿大学历史上最年轻的具有终身职称的教授之一。##
翁教授及其团队，主要利用 DNase-seq和组蛋白甲基化（H3K4me3）、组蛋白乙酰化（H3K27ac）、CTCF ChIP-seq 四类数据来鉴定ccREs。DNase-seq数据用于表示染色体是否处于开放状态，处于开放状态的区域被称作DNase酶高敏位点（DHSs）。以该数据为基础，在所有细胞系中根据DHS信号强度，挑选出代表性DHSs（representative DHSs, rDHSs）。如果rDHSs上同时存在H3K4me3、H3K27ac、CTCF 三者当中至少一种信号的话，则被称之为ccRE。通过建立注册资源库（registry of ccREs）的方式，研究归纳ccREs，赋予每一个ccRE 唯一的编号，方便不同实验室之间研究结果的比较。根据H3K4me3、H3K27ac、CTCF所代表的功能，将ccREs分为启动子、增强子、绝缘子三大类。使用这种方法，他们将ccREs分为所有细胞类型中共有的具有启动子功能，增强子功能，和CTCF结合的绝缘子功能的候选调控元件。对于每种特定的细胞类型，鉴定出细胞特异性的三类调控元件。目前在人类基因组序列当中共鉴定出131万个ccREs（约占整个基因组的20%），在小鼠中鉴定出43万个ccREs，有21种人类（11种小鼠）细胞类型具有完整的细胞特异性ccRE分类，并且597种人类（127种小鼠）细胞类型具有部分的细胞特异性ccRE分类。
为了让更多的生物学家可以利用这些ccREs的研究成果，翁教授团队开发建立了操作友好的可视化数据库SCREEN（http://screen.encoproject.org） #这个网站我打不开，不知道墙外可不可以打开 # 科学家可以利用SCREEN搜索ccRE，并展示它们的原始数据以及许多类相关联的注释信息的，还可以利用SCREEN解释全基因组关联研究（GWAS）发现的与疾病相关的变异的功能。综合分析GWAS数据和ccREs，发现与精神类疾病相关的SNPs一般位于脑组织里活化的ccREs上。这不仅为SNP与疾病之间存在相关性的原因提供了解释，也为其他基因组突变或多样性研究提供了思路。翁教授团队得到的部分ccREs的功能正在通过生物学实验验证，期待经过后续实验验证的功能性ccREs为我们提供更明确的疾病机制与疾病靶点。
ENCODE Data Analysis Center
ENCODE还开辟了一种数据挖掘的新程序，称为“主题线程”（ThemedTherads）。它将ENCODE的所有数据和Nature等杂志发表的几十篇论文，汇总在一起，可以依据主题，通过虚拟计算机进行数据的调阅、拼接、分析、整合和预测。这也为今后生命科学和复杂疾病的研究增添了一个新的、有力的工具。
网友评论