李文雄教授预测酵母细胞周期中50个转录因子的互作网络

　　9月20号新鲜出炉的PNAS上，来自中国台湾的美国国家科学院院士李文雄教授领导的课题小组利用统计学方法预测了酵母细胞周期中50个转录因子（TFs）之间相互作用形成的网络系统，加深了对于酵母细胞周期调控的了解，也进一步证明生物信息学在基础生命科学研究中的作用。

        酵母这个鼓鼓胖胖的可爱生物不仅对于我们日常生活是必不可少的小助手，而且在生命科学研究领域也发挥着不可小窥的作用。作为最简单的真核生物研究模式，酵母的基因组研究曾经也正在帮助着人们了解了许多高等真核生物基因组的结构和功能秘密。并且由于酵母遗传操作手段成熟，是一种较好的遗传研究的生物模型。正是由于这些原因，中央研究院的Genomics研究中心（Genomics  Research  Center,  Academia  Sinica）研究人员以酿酒酵母细胞作为研究对象，以转录因子调控（包括转录因子相互作用）会引起基因表达水平差异为理论前提，运用两种先进的研究手段——芯片技术和染色体免疫沉淀分析（chromatin  immunoprecipitation，ChIP）技术，“画”出了一张漂亮的网络结构图。

        ChIP染色体免疫沉淀技术是目前唯一研究体内DNA与蛋白相互作用的一种方法。它的基本原理是在活细胞状态下固定蛋白－DNA复合物，并将其随机切断成一定长度范围的染色体小片段，然后通过免疫学方法沉淀这些复合物片段，特异性的富集目的蛋白结合的DNA片段，再对这些片段进行纯化和检测分析，获得DNA与蛋白相互作用的信息。这一方法的应用现在已经越来越广泛，可以和基因芯片技术相结合建立CHIP-on-chip方法，用于特定反式作用因子（相对于顺式作用元件）的高通量筛选。因此在这篇文章中，整个实验思路就是利用ChIP将TFs相关DNA“钓”出来，然后在芯片上分析这些DNA的功能。

　    除了实验操作外，研究人员也借助了大量的生物信息学的帮助，也预设了一些情况，比如KS常态性检测，ANOVA方差分析等等，相对于之前的方法，李文雄院士这一研究小组利用自己的方法检测出了更多激活或者式抑制阶段的协同性反应，并且不需多重time  points。

        最后，研究人员不仅预测了50个TFs作用的具体细胞周期范围和相应的功能，而且获得了这些TFs相互协调作用的规律图（见上）。

                        原文：Huai-Kuang  Tsai,  Henry  Horng-Shing  Lu,  and  Wen-Hsiung  Li  Statistical  methods  for  identifying  yeast  cell  cycle  transcription  factors  PNAS  2005  102:  13532-13537;  published  online  before  print  September  12  2005,  10.1073/pnas.0505874102   (责任编辑：泉水)

搜索

热门标签:

李文雄教授预测酵母细胞周期中50个转录因子的互作网络