Genoma ieguve

Lerijs Hanters tikko bija ievācies savā jaunajā birojā, kad viesojās reportieris, tāpēc telpā trūka nieciņu un ģimenes momentuzņēmumu. Hanters tomēr bija sācis izpakot savas grāmatas, un tās jau sāka veidot interesantu rakstu. Rodžers Šanks Dinamiskā atmiņa , klasiskais nosaukums mākslīgajā intelektā, tika novietots blakus Georga Šulca titulam Olbaltumvielu struktūras principi. Mašīnmācība blakus Onkogēni . Mākslīgā dzīve pieliecās Medicīniskā informātika .

Pareizi interpretējot, Hantera grāmatu plauktā redzamais modelis atklāj jaunākās tendences bioloģijā, jomu tagad tik ļoti pārņem informācija, ka tā ir arvien vairāk atkarīga no datorzinātniekiem, piemēram, Hantera, lai izprastu tās atklājumus. Eksperts mākslīgā intelekta pētījumu atzarā, kas pazīstams kā mašīnmācīšanās, kurā datori tiek mācīti atpazīt smalkus modeļus, Hanters nesen tika izvilināts no vientuļa teorētiskā amata Nacionālajā medicīnas bibliotēkā, lai vadītu molekulārās statistikas un bioinformātikas nodaļu Nacionālajā medicīnas bibliotēkā. Cancer Institute (NCI) — grupa, kas izveidota 1997. gadā, lai izmantotu matemātikas zināšanas, lai izsijātu bioloģisko atradumu vircu.

No kurienes nāk visi dati? Vienkāršā atbilde ir tāda, ka tas izplūst no cilvēka genoma projekta. Pārsteidzošas konkurences no komerciālā sektora vadīti, valsts finansētie centieni kataloģizēt aptuveni 100 000 cilvēka gēnu tuvojas noslēgumam; vairāki lieli akadēmiskie centri plāno pabeigt aptuveno projektu līdz nākamā gada pavasarim. Līdz tam laikam viņi būs ievietojuši desmitiem miljardu bitu datu tiešsaistes gēnu sekvenču krātuvē, kas pazīstams kā GenBank un ko uztur Nacionālais biotehnoloģijas informācijas centrs (NCBI) Nacionālajā veselības institūtā (NIH) Betesdā, Md. DNS sekvences nav vienīgais datu veids, kas pieaug. Izmantojot DNS mikroshēmas, zinātnieki tagad var atklāt modeļus, kad dzīvā šūnā tiek ieslēgti un izslēgti tūkstošiem gēnu, kas papildina atradumu plūdus.

Jauna veida dati kļūst pieejami pārsteidzošā tempā, priecājas Nats Gudmens, Compaq Computer dzīvības zinātņu informātikas direktors. Compaq ir viens no daudzajiem uzņēmumiem, kas meklē svarīgu komerciālu iespēju bioinformātikas jomā. Šis datoru un bioloģijas kongress ir plaukstošs bizness, taču līdz šim tas galvenokārt bija saistīts ar programmatūru gēnu datu kalnu ģenerēšanai un pārvaldībai. Tagad farmācijas uzņēmumiem ir vajadzīgi arvien ātrāki veidi, kā iegūt šo kalnu atklājumiem, kas radīs jaunas slimības ārstēšanas metodes.

Šeit ienāk uzņēmīgi pētnieki, piemēram, Lerijs Hanters. Hantera grāmatplauktā atrodas stikla dārgakmens, kurā rakstīts: 2 000 000 $ A sērija, priekšroka. 1999. gada 5. marts — viņa līdzdibinātā uzņēmuma Molecular Mining piesaistīto riska kapitāla fondu svinības. Firma, kas atrodas Kingstonā, Ontārio štatā, cer izmantot datu ieguves metodes, lai palīdzētu farmācijas uzņēmumiem paātrināt jaunu zāļu izstrādi, identificējot galvenos bioloģiskos modeļus dzīvās šūnās, piemēram, kuri gēni ir ieslēgti īpaši bīstamos audzējos un kādas zāles tās ir. audzēji reaģēs uz. Un vēl ducis jaunuzņēmumu — biotehnoloģiju nozares labākais rādītājs, kas liecina par aktuālajām tendencēm — ir izveidoti, lai izveidotu datu ieguves rīkus (skatiet The Genome Miners). Hanters prognozē, ka bioloģija arvien vairāk tiks balstīta uz algoritmiem, kas var atrast slēptu struktūru milzīgos molekulāro datu apjomos. Šāda veida datu ieguves darbs, kurā Hanters specializējas, bieži tiek saukts par modeļu atpazīšanu, un tā ir viena no visātrāk mainīgajām bioinformātikas jomām. Patiešām, ja Hanteram ir taisnība, modeļu atpazīšana var izrādīties tas, kas rada jaunu terapiju zeltu.

Genoma kalnrači

Uzņēmumu, kas specializējas modeļu atpazīšanas programmatūrā, izlase.

Uzņēmums Atrašanās vieta Izcelt Bioreason
(privāts) Santafē, N.M. Mākslīgā intelekta programmatūrai ir jēga no ķīmijas datiem. Compugen
(privātais) Telaviva, Izraēla Bijušie Izraēlas aizsardzības darbuzņēmēji gūst lielus rezultātus ģenētisko datu ieguves jomā. Klientu vidū ir ASV Patentu birojs. IBM
(publisks) Armonk, N.Y. Uzlaboti modeļu atpazīšanas algoritmi nodrošina 1997. gada Monsanto aliansi proteīnu atklāšanai. Lion Bioscience
(privātais) Heidelberga, Vācija 100 miljonu dolāru pakts ar narkotiku gigantu Bayer uzstāda bioinformātikas rekordu. Molekulārā ieguve
(privātais) Kingstona, Ontārio martā savāca 2 miljonus USD starta fondos no riska kapitālistiem. Neomorfs
(privātie) Bērklija, Kalifornija. Slēptie Markova modeļi ir vieni no šī 1996. gada jaunizveidotā uzņēmuma uzlabotajiem gēnu noteikšanas rīkiem. Partek
(privātais) St. Peters, Mo. Neironu tīklu speciālisti ienāca bioloģijas tirgū 1998. gadā. Silīcija ģenētika
(privātais) Sankarlosa, Kalifornija, Stenforda spinoff iegūst gēnu datus peļņas gūšanai. Silikona grafika
(publisks) Mauntinvjū, Kalifornija Mine Set vizuālais datu ieguves rīks ir populārs finanšu, telekomunikāciju un narkotiku nozarēs.

Vispirms jums tie ir jāatrod

Lai saprastu, cik liels kalns ir Hanters un viņa kolēģi, ņemiet vērā faktu, ka katrā cilvēka šūnā ir 23 pāri hromosomu, kas satur aptuveni 3,5 miljardus nukleotīdu pāru, ķīmiskos burtus A, C, G un T veido. DNS ģenētiskais kods. Bet faktiskie gēni, kas nes kodu, lai ražotu olbaltumvielas, un kļūdās ģenētisko slimību un vēža gadījumā, aizņem mazāk nekā 3 procentus no genoma; pārējais ir ģenētiskais troksnis. Gēnu atklāšanu vēl grūtāk padara fakts, ka to proteīnus kodējošie elementi ir izkaisīti, tāpat kā ģenētiskie signāli, ko šūna izmanto, lai tos atkal savienotu un vadītu to izpausmi: process, kas aktivizē tos proteīnu veidošanā. Galvenais, lai izprastu genomu, ir saprast šo signālu valodu, saka Deivids Hauslers, vadošais skaitļošanas biologs no Kalifornijas Universitātes Santakrusā. Bet tie ir paslēpti, un tie ir trokšņaini.

Pirmā būtiskā problēma ir tos izvilkt no šī neatbilstošā koda labirinta. Oak Ridge National Laboratory Edvarda Uberbahera skaitļošanas biozinātņu nodaļa ir risinājusi gēnu atrašanas problēmu ar mākslīgajiem neironu tīkliem — mākslīgā intelekta (AI) programmas veidu, kas atšķiras ar spēju mācīties no pieredzes. Oak Ridžā neironu tīkli tika izmantoti tādiem darbiem kā ienaidnieka tanku atpazīšana neskaidros satelītattēlos; 1991. gadā Uberbahers pielāgoja šīs metodes, lai izveidotu programmu GRAIL, kas var atlasīt gēnus. Kopš tā laika GRAIL ir pievienojies vismaz duci citu gēnu noteikšanas programmu, no kurām daudzas pētniekiem ir pieejamas tiešsaistē.

Pašreizējās gēnu noteikšanas programmas ir tālu no perfektas, dažkārt paredzot gēnus, kas nav īsti, un bieži vien trūkst tādu gēnu, kas ir. Daļēji precizitātes problēmu dēļ, saka Uberbahers, šīs metodes kādu laiku ir bijušas ierobežotas. Taču, ņemot vērā pieaugošos genoma datu plūdus, biologi būs spiesti paļauties uz tiem un uzlabot tos. Lai arī cik tie ir nepilnīgi, tie ir labākā vieta, kur sākt, saka Liza Brūksa, Nacionālā cilvēka genoma pētniecības institūta genoma informātikas nodaļas programmu direktore, kuras darbība ik gadu izdala 20 miljonus ASV dolāru bioinformātikas datu bāzu atbalstam un jaunu datu ieguves metožu izstrādei. .

Rakstu atpazīšanas programmas netiek izmantotas tikai gēnu atklāšanai; tie tiek arī ļoti izmantoti, lai sniegtu pētniekiem norādes par to, ko dara gēni. Mūsdienās visplašāk izmantotā programma — NCBI pamata vietējās izlīdzināšanas meklēšanas rīks jeb BLAST — saņem 50 000 trāpījumu dienā no pētniekiem, kuri meklē līdzības starp jaunatklātajām DNS sekvencēm un tām, kuru loma jau ir izprotama. Ņemot vērā līdzīgas secības, zinātnieki bieži var secināt, ka diviem gēniem ir līdzīgas funkcijas.

Pētnieciskajā runā gēna funkcijas interpretācijas un ievadīšanas datubāzē procesu sauc par anotāciju. Maijā Londonas Sanger centrs un Eiropas Bioinformātikas institūts (EBI), daudznacionālās Eiropas Molekulārās bioloģijas laboratorijas filiāle Hinkstonā, Anglijā, paziņoja par steigā organizētu projektu, kas pazīstams kā EnsEMBL. EnsEMBL mērķis, saka EBI Alans Robinsons, ir nodrošināt, lai pirmajam cilvēka genoma uzmetumam būtu pievienota anotācija. EnsEMBL pirmā darbība būs gēnu atrašanas algoritmu izsūtīšana, lai izpētītu genomu un atgrieztu aptuvenu priekšstatu par to, kur atrodas gēni - meklētāja ar roku zīmētā karte. Kad karte ir uzzīmēta, EnsEMBL izmantos tādus rīkus kā BLAST, lai uzminētu gēnu funkcijas.

Tādi datorizētu atklāšanas cauruļvadu plāni kā šis ir svarīgi farmācijas uzņēmumiem, kas cīnās, lai identificētu un patentētu galvenos slimību izraisošos gēnus. Piemēram, jūnijā Vācijas narkotiku gigants Bayer piekrita maksāt Heidelbergas jaunuzņēmumam Lion Bioscience pat 100 miljonus dolāru par automatizētu sistēmu ģenētisko datu bāzu rakšanai. Lion ir nodēvējis datorizēto pieeju par i-bioloģiju, saskaņā ar tās bioinformātikas daļas vadītāju Reinhardu Šneideru, un sola Bayer, ka piecu gadu laikā tā datori atklās 500 jaunus gēnus, kā arī anotēs 70 Bayer jau atrastos gēnus. Rakstu atpazīšanas algoritmi, kas vadīs datu bāzu ikdienas pārbaudi, ir i-bioloģijas pamatā.

Lai gan Bayer-Lion pakts ir rekordists, tas ir tikai viens no desmitiem datu ieguves aliansēm starp farmācijas gigantiem un skaitļošanas ziņā gudriem jaunizveidotiem uzņēmumiem — pierādījumi, ka matemātiskās metodes ieņem galveno vietu genoma pētījumos. Akadēmiķi, kas raksta algoritmus, arī konstatē, ka viņu zvaigznes uzlec, īpaši rūpniecībā. Lionu dibināja labākie bioinfonauti no Eiropas Molekulārās bioloģijas laboratorijas, kuras galvenā mītne atrodas Heidelbergā. Celera Genomics, uzņēmums Rockville, Md., kura plāni atšifrēt ģenētisko kodu ir satricinājuši cilvēka genoma projektu un paātrinājuši valsts finansēto darbu, panākumi balstās uz modeļu analīzes eksperta Jūdžina Maiersa zināšanām. Selera pārvilināja Maiersu no ieņemamā amata Arizonas Universitātē, lai viņš vadītu tās informātikas centienus, nolīgstot Compaq, lai viņš izveidotu pasaulē jaudīgāko civilo superdatoru (skatiet The Gene Factory, TR 1999. gada marts/aprīlis). Pēc Hauslera teiktā, lielākā daļa zinātnieku domā, ka Maiersa metožu panākumi padarīs vai salauzīs Seleru.

Vēža kategorizators

Lai arī cik svarīgi tie ir, gēnu identificēšana un salīdzināšana, lai noskaidrotu to funkciju, ir tikai pirmie soļi garā ceļā uz medicīnisku nozīmi – zāļu izstrāde var aizņemt daudzus gadus ilgāk. Taču skaitļošanas zinātnieki saka, ka modeļu ieguvei varētu būt daudz tuvākā termiņā, ja to izmanto cita veida genoma datiem, kas pazīstami kā gēnu ekspresijas profili.

Gēna ekspresijas līmenis attiecas uz to, cik daudz tā specifiskā proteīna kopiju tas ir aicināts izveidot jebkurā laikā. Olbaltumvielas ir faktiskie darba zirgi šūnā, kas veic ikdienas metabolisma uzdevumus; katra līmenis laika gaitā var ievērojami atšķirties, un slimajās šūnās tas bieži vien nav piemērots. Pateicoties ierīcēm, kas pazīstamas kā DNS mikroshēmas vai, vēl pazīstamāk, DNS mikroshēmas, zinātnieki tagad pirmo reizi var regulāri izmērīt tūkstošiem gēnu ekspresijas līmeņus vienlaikus. DNS mikroshēmas izmanto faktu, ka, lai izveidotu proteīnu, šūna vispirms pārvērš gēnu vairākās molekulas, ko sauc par Messenger RNS (mRNS), kopijām. MRNS veids un daudzums šūnā atbilst olbaltumvielām pēc pasūtījuma - un, vienlaikus mērot tūkstošiem dažādu mRNS līmeni, DNS mikroshēmas spēj izveidot momentuzņēmumu par tūkstošiem gēnu darbību.

Marks Buguskis, NCBI vecākais pētnieks, saka, ka jaunie dati par gēnu ekspresijas līmeņiem atšķiras no tiem, ar ko biologi jebkad ir bijuši pakļauti. Iepriekš biologi varēja analizēt tikai dažu gēnu darbību vienlaikus. Tagad DNS mikroshēmas var radīt masveida paralēlu šūnu aktivitātes nolasījumu. Tas ir svarīgs sasniegums, jo atšķirība starp veselību un slimībām parasti slēpjas nevis viena gēna aktivitātē, bet gan vispārējā gēnu ekspresijas modelī.

Vaithedas/MIT Genoma pētniecības centra komanda izmanto šo masveidā paralēlo nolasījumu, lai noteiktu atšķirības starp dažādiem vēža veidiem. Pazīstama kā Molekulārā modeļa atpazīšanas grupa, to pagājušajā gadā uzsāka genoma centra direktors Ēriks Landers, un to vada molekulārais biologs Tods Golubs. Citi dalībnieki ir bijušais IBM matemātiķis Džils Mesirovs, datorzinātniece Donna Slonima un skaitļošanas fiziķis Pablo Tamajo, kurš pievienojās Vaithedam no superdatoru uzņēmuma Thinking Machines.

Šis starpdisciplinārais smadzeņu trests mēģina atrisināt ārkārtīgi svarīgu modeļu atpazīšanas problēmu. Audzēji atšķiras smalkos veidos, un vēža šūnas, kas mikroskopā izskatās vienādi, ļoti atšķirīgi reaģē uz zālēm. Lietas, ko mēs saucam par vienu vēža veidu, noteikti ir dažādi vēža veidi, saka Landers, taču mēs nezinām, kādas [atšķirības] meklēt.

Lai nodrošinātu jauno metožu etalonu, Landera grupa sāka ar diviem leikēmijas veidiem, kurus jau var atšķirt mikroskopā: akūtu mieloīdo leikēmiju (AML) un akūtu limfoīdo leikēmiju (ALL). Viņi izmērīja aptuveni 6800 dažādu gēnu līmeni kaulu smadzeņu paraugos no 38 leikēmijas pacientiem, lai noteiktu modeļus, kas varētu atšķirt AML no ALL. Taču darbs ar 6800 parametriem (gēniem) un tikai 38 datu punktiem (paraugiem) radīja uzdevumu, kas līdzīgs mēģinājumam prognozēt vēlēšanas, aptaujājot duci cilvēku. Pēc gada zīmuļu un skrāpējamo papīra krājumu izmantošanas viņi atrada risinājumu.

Galvenais solis bija datu punktu ievadīšana mācību algoritmā, kas pazīstams kā pašorganizējoša karte. Iezīmējot 38 paraugus augstas dimensijas matemātiskā telpā, kartes algoritms spēja sadalīt paraugus divās grupās - pa vienai katram vēža veidam. Pārbaudot informāciju par zināmajiem audzēju veidiem, Landers saka, ka kļuva skaidrs, ka kopas gandrīz perfekti izlauzās no ALL un AML paraugiem. Mēs parādījām, ka, ja jūs nebūtu zinājuši atšķirību starp šiem diviem leikēmijas veidiem — kuru noteikšana patiesībā prasīja 40 gadus —, jūs būtu varējis to apkopot vienā pēcpusdienā, viņš saka.

Pētnieku komanda arī saprata, cik vērtīgas pacientiem varētu būt viņu metodes (joprojām nav publicētas, kad TR nonāca presē). Vienā brīdī algoritmi nespēja klasificēt paraugu nevienā no leikēmijas kategorijām. Vai matemātika bija kļūdaina? Nē - diagnoze bija. Programmas rezultātu mudināti, ārsti vēlreiz paskatījās un atklāja, ka leikēmija, viņuprāt, ir ļoti ļaundabīgs muskuļu vēzis, no kura pacients tagad tiek ārstēts. Saskaņā ar Deivs Ficeneks, bijušais astrofiziķis, kuru Millennium nolīga, lai savā iekšējā programmatūrā instalētu jaunākos datu ieguves algoritmus, Kembridžā, Masačūskas štatā bāzētajā uzņēmumā Millennium Pharmaceuticals pētnieki ir saderējuši, ka līdzīgas pieejas nodrošinās optimālus vēža diagnostikas testus. Uzņēmums cieši sadarbojas ar Lander centru — Landers ir tūkstošgades līdzdibinātājs, kurš ir uzņēmuma direktoru padomē.

Jaunās paralēlās metodes gēnu ekspresijas momentuzņēmumu veidošanai tiek izmantotas arī jaunu zāļu kandidātu novērtēšanai. Startup Rosetta Inpharmatics Kērklendā, Vašingtonā, zinātniskā komanda apkopo un iegūst datu bāzes gēnu modeļiem, lai paātrinātu zāļu atklāšanu. Rosetta pēta rauga šūnas, pakļaujot tās potenciālām jaunām zālēm un pēc tam analizējot gēnu ekspresijas līmeņus, lai noskaidrotu narkotiku darbību. Piemēram, šūnas var ātri pārbaudīt, lai noskaidrotu, vai to reakcija atbilst toksisko blakusparādību modelim. Šādu zaudētāju agrīna izmešana ir daļa no Rosetta programmas zāļu atklāšanas efektivitātes uzlabošanai, saka Stīvens Draugs, kurš vienlaikus ir Rosetta galvenais zinātnes darbinieks un molekulārās farmakoloģijas programmas vadītājs Sietlas Freda Hačinsona vēža izpētes centrā. Zāļu firmas ir pievērsušas uzmanību, astoņas ir reģistrējušās kā Rosetta partneri.

Prāta nosūkšana

Kamēr uzņēmumu un universitāšu pētnieki steidzas uz datu ieguves ceļu, viņi, visticamāk, saskarsies ar daudziem nelīdzenumiem turpmākajā ceļā. Daži investori, piemēram, joprojām ir nobažījušies par to, ka dažādu bioloģisko rezultātu datu bāzes joprojām ir slikti savstarpēji savienotas un dažkārt nevienmērīgas kvalitātes. Lerijs Boks, riska kompānijas CW Group Palo Alto biroja investors, saka: Datu ieguvei var būt nedaudz pāragri, jo jūsu spēja veikt ieguvi ir tieši saistīta ar datu bāzes kvalitāti. Tomēr, saka Barbara Daltone, riska uzņēmuma SR One viceprezidente Rietumkonšohokenā, Pennsylvanijā, ilgtermiņa izredzes izskatās labas. SR One kopā ar Prinstonu, N.J. Cardinal Health Partners, ieguldīja 2 miljonus USD, lai finansētu Lerija Hantera starta uzņēmumu Molecular Mining. Datu ieguve būs narkotiku atklāšanas galvenā sastāvdaļa, prognozē Daltons.

Bet pirms tas notiek, jomai var nākties salauzt savu nopietnāko sašaurinājumu: akūtu mentoru trūkumu. Deviņdesmitajos gados bioinformātika ir strauji attīstījusies, piesaistot daudzus labākos universitāšu pasniedzējus un pētniekus augsti apmaksātajā privātajā sektorā. Mēs pārgājām no ļoti mazas intereses par bioinformātiku, bet lielākā daļa cilvēku strādāja uzņēmumos, saka Marks Adamss, kurš pameta akadēmisko ceļu, lai strādātu Kembridžas (Masa) biotehnoloģiju uzņēmumā Variagenics. Tā kā universitātes ir iztukšotas no dažiem to gaišākajiem prātiem, daudzi domā, kurš apmācīs nākamās paaudzes skaitļošanas biologus.

Daļa atbildes tika sniegta jūnijā, kad NIH direktora Harolda Varmusa sasauktā īpaša padomdevēja grupa secināja, ka ASV valdībai vajadzētu tērēt pat 10 miljonus ASV dolāru, lai finansētu 20 jaunas izcilības programmas biomedicīnas skaitļošanas jomā. Vairākas universitātes ir iesaistījušās arī darbā, tostarp Džona Hopkinsa, kur tiek uzsākta jauna skaitļošanas bioloģijas programma, pateicoties 2,5 miljonu ASV dolāru dotācijai no Burroughs Wellcome fonda. Stenforda, Prinstona un Čikāgas Universitāte plāno lielus centrus, kas apvienos fizikas zinātniekus ar biologiem.

Rūpniecībā konverģence jau ir realitāte. Viena trešdaļa no Rosetta Inpharmatics 100 darbiniekiem ir skaitļošanas zinātnieki, kas iegūti no tik dažādām jomām kā sonāru noteikšana, gaisa satiksmes vadība un astrofizika. Galvenais zinātnieks Stīvens Draugs saka, ka kopš pievienošanās uzņēmumam 1997. gadā ir nonācis pie svarīgas atziņas. Viņš saka, ka biologi joprojām var uzdot labākos jautājumus un izstrādāt pārliecinošākos eksperimentus, taču labākās atbildes sniedz fiziķi vai matemātiķi. Šīs atbildes, visticamāk, novedīs pie svarīgām jaunām terapijām — zeltu, kas iegūts no cilvēka genoma projekta kalniem, izmantojot modeļu atpazīšanas rīkus.

paslēpties