科學家分享基因測序技術研發成果

　　臨床類

　　 杜克大學分子遺傳學教授David Goldstein

　　 David Goldstein提出運用精準醫學治療神經系統疾病。Goldstein專注于幾個癲癇患者大規模研究的課題，其中包括一項對超過350個患病的兒童及其父母進行測序來發現新突變的項目。盡管許多發現的突變屬罕見突變，但是它們經常參與共同的生物學途徑，因此可以利用這個信息來對病人進行分層。一個典型的例子是，對KCNT1 基因有突變的患者進行奎尼丁給藥，在3個患者中，有兩個癲癇發作的嚴重程度和頻率都有明顯的改善。Goldstein指出，如果沒有基因組學，這種靶向治療就不會被發現。Goldstein還表示當測序技術被用于臨床診斷時，保證基因組的正確性就至關重要了。患者的基因組需要進行全面的剖析：至少對于癲癇病患來說，新突變發現的速度是基因分型遠遠趕不上的。Goldstein的演講為通過臨床測序和生物信息學手段闡釋新發現提供了新希望。

　　 哈佛大學丹娜法伯癌癥研究院Levi Garraway

　　 Levi Garraway表示癌癥精準醫療的目標就是開發新的治療方法及藥物。他提到，在臨床癌癥基因組研究中有很多發現機會，尤其是新的治療方法。Garraway對57例前列腺癌患者的腫瘤組織及正常對照組織進行測序，以研究其體細胞突變。研究表明，在前列腺癌的發生中染色體重排導致相當大的基因組錯亂，這點很重要。他介紹利用10X Genomics公司長reads測序技術能獲取長達100kb的序列，從而便于對染色體重排進行研究。

　　 華盛頓大學醫學中心遺傳學負責人Gail Jarvik

　　 Gail Jarvik 分享了在臨床測序探索性研究計劃（ Clinical Sequencing Exploratory Research ，CSER） 的學習經驗。CSER是一個旨在分享創新及將基因組測序技術應用到臨床護理中的國家聯合項目。已經確立了112個基因列表，其中一些與ACMG有重合。CSER還對已知和新的變異進行注釋并評估其在具有歐洲和非洲血統的個體中的頻率。

　　 斯坦福大學醫學院Euan Ashley

　　 Euan Ashley的主題是走向臨床的全基因組測序。他首先介紹了基因組的復雜性，接著向大家展示了一個對12位成人進行全基因組測序的研究，描述了為何臨床測序需要一致性報告：遺傳性疾病基因的不完全覆蓋，可檢測遺傳變異的低重復性及臨床結果報告的不確定性都會影響全基因組測序結果。大部分的致病突變在經過人工注釋審核后其危險等級都有所下降，但是這需要很久的時間。

　　 美國堪薩斯州兒童慈善醫院Stephen Kingsmore

　　 Stephen Kingsmore介紹了下一代測序技術在新生兒遺傳性疾病方面的應用。Kingsmore首先介紹了新生兒篩查和早期診斷如何減低發病率和病死率。每年通過下一代測序技術對60種遺傳疾病進，能夠發現約5000例攜帶疾病的新生兒病例。他還提到了他與Illumina開發的一套快速測序流程，從樣本到基因變異注釋只需要28小時（暫未發表）。

　　 美國哈佛-麻省理工博德研究所Christian Matranga

　　 Christian Matranga 描述了臨床測序病毒基因組對理解病毒進化和傳播的重要性，及其在臨床檢測和治療方面起到的重要作用。研究人員開發了一種測序方法，該方法可檢測和組裝來自不同譜系的基因組，用這種方法對300個LAS病毒和100個埃博拉病毒進行了基因組測序。

　　 華盛頓大學醫學院Malachi Griffith

　　 Malachi Griffith的演講主要集中在基因組測序和分析方面。他強調說，通常對腫瘤進行全外顯子測序或全基因組測序時，平均覆蓋度應達到75-100X或是30-50X，如想檢測低頻突變就需要增加測序深度。通過對急性粒細胞白血病的測序分析發現：測序深度越深，發現的致病突變越多。

　　 測序研究&技術類

　　 耶魯大學遺傳學家Rick Lifton

　　 耶魯大學遺傳學家Rick Lifton在會議上表示，應當將更多的精力放在確定更多的人類基因組的功能上。因為“（基因功能研究）有非常大的空間探索新發現”，并指出在人類基因組中已知的21000個蛋白編碼基因，僅僅有3000個已經明確與疾病相關。Lifton舉例高血壓這一疾病就與孟德爾遺傳有關。Lifton呼吁將測序技術作為在臨床上的常規檢測手段。他認為，要想真正理解人類基因組需要闡明非編碼區，確定每一個基因突變的后果，并確定治療的生物靶點。

　　 華盛頓大學基因學家Evan Eichler

　　 Evan Eichler描述了如何通過單分子測序手段來發現人類遺傳變異。他指出測序reads較短會使許多結構變異難以發現，尤其是當結構變異發生在重復富集的區域附近時，許多重要變異信息會被遺漏，并且計算遺漏了多少。Eichler在葡萄胎（CHM1和CHM13，具有單倍體人類基因組）研究中使用Pacific Biosciences的單分子實時測序技術（SMRT），檢測到26，015個結構變異，并補平或縮小了人類參考基因組的90個gap（這些gap中有許多包含GC富集序列），增加了總共1.1Mb的新序列。他指出這項工作最重要的發現之一是在基因組內發現的92%的插入突變和60%的缺失突變都是之前未見報導的——包括許多存在于蛋白編碼區內——這或許能預示在之前的人類基因組研究中錯過了多少重要的發現。一項分析表明，通過SMRT?測序、組裝得到的STRs的比現有的人類參考基因組中的STRs更豐富3倍，更長出2.8倍；這個分析也表明目前對于基因組的認識不完全的。他還表示，“我們需要捕獲這些結構變異，來使精準醫療更加精準！”

　　 斯坦福大學遺傳學家Carlos Bustamante

　　 Carlos Bustamante在大會上向大家介紹了一種靶向捕獲分析器——PhenoCap，該儀器可以用于DNA樣本法醫學檢測后的表型預測。PhenoCap的表型特征預測功能，從常染色體顯性遺傳到面部形態，都能進行預測。一般的法醫學檢測都因DNA樣本高度降解或是污染，而使得傳統的STR和PCR分析手段困難重重，也無法保證結果的可信度。Bustamante團隊希望PhenoCap能夠綜合分析各類樣本，并能解決相關難題。該團隊還對毛里求斯一處奴隸公墓里奴隸的DNA進行測序，并研究發現了其祖先分布的廣泛多樣。

　　 賓夕法尼亞大學Sarah Tishkoff

　　 Sarah Tishkoff向大家介紹了非洲偏遠地區人群的基因組研究，如關于與俾格米人短小身材相關的遺傳因素研究。她呼吁與會者支持對不同種族人群進行測序，獲得多個參考基因組，以便更好地研究現有人類參考基因組中的獨特變異。

　　 南洋理工大學Hie Lim Kim

　　 Kim講述了用420K 的SNP數據芯片，來研究5個Nambian Khoisan人和一個種群，結果發現兩類人群中都廣泛存在著南非科伊桑人基因。結合氣象數據和測序數據，推斷這兩部分人可能來自共同的祖先，之后又分成現在的兩個不同的群體。

　　 懷特黑德研究所David Page

　　 David Page主要闡述了X、Y染色體的測序研究，他將X、Y染色體稱為“基因組中最具挑戰性的底物”。例如，人類Y染色體的特征是有8個回文序列，最大的一個將近3Mb；在小鼠中，Y染色體存在180個長達500kb的重復單元，使用BAC克隆技術和一種被稱為SHIMS的重復測序方法來研究這些復雜的區域，而這些區域大部分在現有的參考基因組中找不到相關信息。

　　 杜克大學Erich Jarvis

　　 Erich Jarvis談到了對脊椎動物基因組進行測序，來研究進化基因組學所面臨的挑戰。作為鳥類系統基因組學聯盟（>200個研究人員，>120個研究機構）的一員，他對48種鳥類的基因組進行了測序，基本涵蓋了所有的種類。他查明了現代鳥類大量消亡的原因，描述了在鳥類中有55個基因聚集表達。

　　 美國哈佛-麻省理工博德研究所Jessica Alfoldi

　　 Jessica Alfoldi認為進化有兩種方式：即自然和人工的選擇。非編碼等位基因頻率的改變可能促生了鯛這一物種的形成以及兔這一物種生活習性的改變，這些都可以在極短的時間內完成。

　　 美國哈佛-麻省理工博德研究所Alexandre Melnikov

　　 Alexandre Melnikov向大家介紹了MITE-Seq技術（Mutagenesis by Integrated TiLEs）。相比于傳統的誘變方法MITE定點誘變方法能夠為蛋白結構功能的研究提供更高的分辨率。隨后 Andrea Kohn 描述了海兔神經元單細胞甲基化的分析，使用甲基化測序及重亞硫酸鹽測序（bisulfite sequencing）可獲得每個神經元細胞大于20X覆蓋度的測序數據。

　　 冷泉港實驗室Sara Goodwin

　　 Sara Goodwin展示了利用Oxford MinION掌上測序儀進行de novo 組裝和測序。利用MinION對酵母菌株W303進行了超過120X覆蓋度的測序，結果表明并能夠獲得80%的比對率。

　　 哥倫比亞大學Yaniv Erlich

　　 Yaniv Erlich使用大規模人群的家族譜系來剖析人類長壽的遺傳結構。Erlich有新意地利用社交媒體來剖析復雜性狀的遺傳結構：使用geni.com來分析大家族的復雜性狀并用公共數據進行驗證；并使用出生地作為雅虎地圖的GPS坐標，向大家展示從中世紀到21世紀早期人類的遷徙。得到的結論是長壽是一個附加性狀，有利于個體化醫療。他的研究數據將對公眾開放。