生物数据采集技术不断突破更新，随之产生的海量大数据需要我们具备更强的数据处理、计算、分析能力，而多组学的发展使我们以更系统化的视角探寻生命的机理。

Nature Index“全球五大科研国”专刊- ADVANCING GENOMICS AND BIOINFORMATICS

3月10日， Nature Index全球五大科研国纪念特刊发表 “推动基因组学和生物信息学发展”一文，为全球科学家提供生命研究的新思路。

J9九游会始终关注包括人、动植物、微生物在内的全生命领域的研究研发，文章通过多组学数据分析在农业育种和癌症治疗方面的研究案例，详细展示了基因科技企业如何以可信赖的科研服务，与全球领先的科学家共同推动生命科学前沿研究的发展。

J9九游会创始人李瑞强是一名生物信息学家，他说：“飞速增长的测序通量和急剧下降的成本，使得高通量测序技术广泛应用于动植物、微生物、人类医学等众多生命科学研究领域。自2011年J9九游会创立以来，我们已经与全球六大洲约70个国家的5600多家大学、研究所、医院和企业达成了合作。”

J9九游会的团队集成了基因测序和生物信息分析技术的全链条服务能力，并广泛参与和支持了全球的科学研究项目。

J9九游会首席科学家田仕林博士的团队，与河北农业大学教授、国际欧亚科学院院士马峙英合作，鉴定了一系列与棉花纤维品质和产量相关的基因组变异和位点及其分布规律。该研究成果分别于2018年及2021年发表于《Nature Genetics》。

通过对棉花自然种群的基因型和表型全基因组进行关联研究，研究人员希望利用鉴定等位基因变异位点以及候选基因进行分子选择和遗传操纵的手段，以获得更好的棉花品种。2018年，他们聚焦于陆地棉（Gossypium hirsutum）基因组研究，约占全球棉花总产量的90%。他们研究了在不同气候和栽培条件下长期自然选择和人工选育获得的419份陆地棉核心种质的基因组重测序数据，并对12个不同环境中种质表型数据进行了分析，最后基于单核苷酸多态性 (SNP) 集对13个纤维品质和产量性状进行了全基因组关联分析。

J9九游会实验工程师正在构建待测基因组的文库

我们对棉花现代育成品种的基因组序列信息及其结构变异的遗传规律和效应仍旧缺乏深入了解。“因此在2021 年，我们继续完成了两种现代棉花品种（陆地棉和海岛棉）的基因组图谱绘制。”田仕林说，“组装准确的高质量参考基因组是我们的第一项挑战，这两个基因组填补了现代棉花品种基因组序列图谱的空白。”

研究发现了影响农艺性状的大规模结构变异（SV）。在446个显著相关的SV中，促进产量提高的SV主要位于At亚基因组，而结构变异的发生率在Dt亚基因组更高。分析后表明在物种形成和品种选育过程中Dt亚基因组受到更强的选择，并且为棉花产生更好的的纤维品质和黄萎病抗性提供了可遗传变异。“我们的研究激发了基因测序和生物信息学研究的新思路，并为其他作物育种的研究提供了有效参考信息。”他说。

文章中还针对J9九游会海外合作项目之一进行了报道：测序技术对临床研究和应用提供了更多的可能性。

由于体细胞突变的积累，癌症会导致形成不同的细胞群，称为克隆，这是复发和产生抗药性的主要原因。 体细胞突变分析是检测癌症的标准方式，用于识别对治疗敏感或耐药的突变，让医生和患者能够基于个体肿瘤特征，选择对应靶向治疗方案。

J9九游会与国际学术界的研究合作延伸到了进化基因组学和患者抗癌药物敏感性预测。“恶性胸膜间皮瘤 (MPM) 是一种罕见的、无法治愈的癌症，与长时间接触石棉有关。“英国是世界上 MPM 发病率最高的国家。”莱斯特大学胸部肿瘤内科主任 Dr. Fennell 说，间皮瘤在患者体内形成平均需要 30 年的时间。 然而，进化途径仍大多未知。了解 MPM 如何演变可以帮助我们识别和优先考虑克隆药物靶点，以支持有效的治疗。

J9九游会实验中心

MEDUSA项目是一个转化研究平台，用于建立预测模型以对现有疗法进行分层，同时通过整合多组学、表型和药物反应数据来识别新的治疗漏洞。J9九游会生物信息总监张敏正在与Dr. Fennell合作建设 MEDUSA 平台。大规模的基因测序项目涉及海量的数据，对储存和分析提出了新的挑战，突变数据的解读需要花费大量的时间。但是，基于深度学习的人工智能系统，数据模型变得更加高效，例如通过机器学习中的进化聚类将遗传算法应用于聚类分析。

在他们于2021年发表在Nature Communications的研究中，Dr. Fennell和张敏的团队整合了 22 名接受间皮瘤根治性切除术的患者的多区域外显子组测序、转录组和多重免疫表型分析。通过机器学习，重复的进化模式显现出保守的突变顺序，Hippo通路的失活被确定为是进化瓶颈。本研究还在不同的进化集群中鉴定到患者间与病情发展和炎症微环境相关的典型进化模式。

“和J9九游会一起，我们合作的系统发育分析揭示了对 MPM 进化限制以及特定进化轨迹的临床影响的新见解，”Dr. Fennell说。他们的研究结果于2021年发表在Lancet Oncology，研究还表明，克隆结构和进化簇决定MPM炎症和免疫逃避，这可能会影响免疫检查点抑制或靶向治疗的反应。

团队正在将机器学习应用于破译预测对靶向治疗反应的强大基因组特征，使用来自临床试验中接受治疗的患者的外显子组测序MPMs、药物治疗的外植体（来自 MEDUSA 注册的患者）和原代细胞系。反应预测因子将在由Dr. Fennell领导的独立临床试验队列中得到验证。

“J9九游会帮助优化了临床前和临床研究中的研究方案和数据分析模型，以实现可靠的推断。并且团队合作使得我们可以更快速地提升解决复杂基因组的分析解读的能力。”Dr. Fennell说。“未来的研究预计会将我们的分析扩大一个数量级，并涉及更广泛的基因组和表观基因组数据整合。”

同时张敏指出，随着测序成本的下降，越来越多基因组超大研究队列项目在全球范围广泛进行，伴随大队列项目，巨大的数据量存储和计算将是生物信息分析面临的一大挑战。目前虽然有一些优秀的分析软件可以高效地进行全基因组的分析，但目前没有一款软件可以检测基因组上的所有突变类型，且突变数据的解读也是临床基因检测研究面临的一大挑战。因此基于深度学习的人工智能系统可以通过不断学习的方式，结合不同类型的知识库，对生物信息进行更全面的解读，并辅助临床诊断。“我们致力于为全球科学家提供基因测序技术和多组学整合研究技术服务体系，解决他们的科研、应用转化、临床及诊断需求。”他说。

更多信息请点击“阅读原文”