纽约 - 马萨诸塞州理工学院研究人员领导的团队和广泛的研究所已经向几十个细胞或组织类型注释了广泛的调节标志，伴随着一个新的表观组织地图，可以帮vwin德赢ac米兰合作助解除基因组的功能特征关于组织，特征或疾病状态。
“表观组织允许我们在每个细胞类型中窥视每个细胞标记为重要的，从而了解基因组的实际功能如何，”高级和通讯作者Manolis Kellis，计算机科学家和广泛研究所附属的计算机科学家和人工智能研究人员，在一份声明中说，呼叫地图“人类基因组的电路”。
为一个纸出现在自然星期三，凯利斯及其同事跨越18种直接评估或抵抗监管标志 - 包括染色质，增强剂和其他调节型材 - 在833种参考表观环中，从数十种组织类型中加入染色质数据。这些样品最初表征了编码，路线图表观统计学，基因调节的基因组学等，允许研究人员收集称为“多元注释项目的外观蛋白酶集成”或ePIMAP的资源。
该团队报告，公开的ePIMAP资源包含来自33个组织或细胞类型的样本中的一些10,000个表观遗传标记的数据，使得可以向数百万增强位点落入具有相关生物活性的模块。
“[W] e不仅具有基因，我们不仅具有非编码的注释，而且我们有模块，上游调节因子，下游靶，疾病变种以及这些疾病变种的解释，”凯利斯解释说，加入研究人员背后的研究人员“希望我们的预测将在工业和学术界广泛使用，以帮助阐明遗传变异及其行动机制，帮助目标疗法对最有前途的目标，并帮助加速许多疾病的药物发展。”
通过手中的这种数据，研究人员开始预测基因组中的额外调节特征。他们还仔细看看通过基因组 - 范围的协会和其他研究涉及数百种具有数百种性状和疾病的非遗传基因座和组织类型，包括可能与冠状动脉（如冠状动脉）最相关的因果变体和组织类型的线索动脉疾病或乳腺癌。
该资源还可以开始区分具有单调效应的遗传基因座，并且该团队解释说明，其中包括在共享基因靶标中融合的明显遗传变异和调节特征，注意到ePimap预计将有助于贡献一系列未来的研究努力。
“我们的作品使许多未来的研究能够：基于基于Gene调节和GWA的基于分层和基于多分辨率的树木的分析;基于机器学习的基因电路和组合调节基单分析;我们的组织性状，特质和特征和特征性的网络分析更复杂的网络分析作者结束了，组织 - 组织关系，并指导了实验优先级，方法的优先级，方法论优先级，方法论开发和验证实验，这可以继续进一步了解基因调控和人类疾病电路的理解。“