新闻媒体-太阳成tyc7111cc

发稿时间：2017-11-29来源：天昊生物

11月22日，nature news发布了一篇有关数据挖掘的有趣的文章。

peter kerpedjiev是一位软件工程师，但受过一些生物信息学方面的培训。在他攻读博士学位期间，因为需要一个遗传学速成课程，kerpedjiev便好奇一个问题“如果我想和遗传学专业的人有一场看起来自己特别专业的对话，我需要了解哪些基因？”。

出于软件工程师对数据的敏感性，peter立即想到了pubmed这一庞大的数据库。从2002年开始，美国国家医学图书馆（nlm）一直在对pubmed数据库中的文章进行信息标记。kerpedjiev提取了所有标记为描述基因或其编码蛋白质的结构，功能或位置的论文，进行了一些有趣的可视化信息展示。

• top10基因

          通过记录排序，kerpedjiev整理出如下的榜单—人类基因组被研究最多的基因top10。

这个名单的榜首，他发现是一个叫tp53的基因。三年前，kerpedjiev首先做了有关tp53的分析，他发现研究人员在约6600份论文中仔细研究了tp53基因或其编码蛋白p53。现在，这个数字已经达到了8,500个左右。平均来看，每天就有两篇描述tp53基础生物学新细节的论文发表。当然，这个基因成为榜首对生物学家来说都在意料之中。该基因是一种肿瘤抑制因子，被广泛称为“基因组的守护者”。它在大约一半的人类癌症中突变。马里兰州巴尔的摩市约翰霍普金斯大学医学院癌症遗传学家bert vogelstein说：“这个榜单揭示了它的持久力。他说，在癌症中，“没有更重要的基因”。

但再让我们看看榜单里其它基因的功能，就有很多意料之外的出现了。kerpedjiev现在是马萨诸塞州波士顿哈佛医学院（harvard medical school）研究基因组数据可视化的博士后，他也说：“这个列表令人惊讶，有些基因是可以预测的，有些基因则完全出乎意料。

在人类基因组中大约有20,000个蛋白质编码基因，而其中100个就占据了nlm标记的四分之一以上的论文。这意味着，很多基因都是被冷漠对待的。英国剑桥大学（university of cambridge）的科学史家海伦·安妮·库里（helen anne curry）表示：“这揭示了我们不了解还有很多，因为我们不去研究它。

• 基因研究界的“时尚风潮”

1. 不同时期，有不同的基因引领“潮流”。20世纪80年代，血红蛋白（haemoglobin）的编码基因是血液疾病，遗传学会议的讨论热点。但随着研究人员掌握测序和操作dna的新技术，他们开始转向其他基因和疾病，其中包括当时主要见于男同性恋者的一种神秘感染疾病。

2. 在1983年发现艾滋病毒是艾滋病的原因之前，临床免疫学家，例如大卫·克拉茨曼（david klatzmann）就表示：“我对这些患者没有t4细胞感到震惊”。他在细胞培养实验中发现，hiv似乎选择性地感染和破坏这些细胞，但问题是：病毒是如何进入细胞的？klatzmann推断，免疫学家用来定义这组细胞的表面蛋白（后来称为cd4）也可以作为hiv进入细胞的受体。后来证明，他的推断是正确的。在后续三年内，cd4是生物医学文献中的出现频率最高基因。它从1987年到1996年一直保持这样的状态，这个时期占了nlm所有标签的1-2％。

3. 九十年代初，tp53已经开始登上历史舞台。但在它爬到人类基因阶梯顶端之前的几年时间，一种名为grb2的鲜为人知的基因却是研究的焦点。当时，研究人员开始确定与细胞通讯有关的特定蛋白质的相互作用。由于细胞生物学家tony pawson的开创性工作，科学家们知道一些小的细胞内蛋白质含有一个称为sh2的模块，它可以与细胞表面的活化蛋白质结合并将信号传递给细胞核。1992年，位于康涅狄格州纽黑文的耶鲁大学医学院的生物化学家约瑟夫·施莱辛格（joseph schlessinger）指出，由grb2  - 生长因子受体结合蛋白2编码的蛋白质就是这个接力点。它包含一个sh2模块以及两个激活参与细胞生长和存活的蛋白质的结构域。“这是一个分子媒介，”施莱辛格说。grb2之所以受人关注，部分是因为grb2“是信号传导级联的两个部分之间的第一个物理连接”，加州圣地亚哥州立大学的生物化学家peter van der geer说。此外，“它涉及细胞调控的许多不同方面”。但在top10基因中，grb2又是一个异常值。这不是疾病的直接原因;也不是药物靶点，这也许可以解释为什么它在“火爆期”是短暂的。泰晤士报卡罗林斯卡研究所（karolinska institute），皮埃尔和玛丽居里大学（pierre and marie curie university）的tp53长期研究员thierry soussi说：“一些冉冉升起的新星因为没有临床价值而快速倒下。具有持久力的基因通常表现出吸引资助机构支持的治疗潜力。soussi说。“基因的重要性与其临床价值有关，这显而易见”。

4. 1979年已经确定了tp53基因编码p53。然而，tp53在2000年左右才成为研究最多的基因。它与许多主宰生物学研究的基因一样，在最初的发现之后并没有得到正确的理解。起初，癌症研究界把它误认为癌基因 - 当癌症突变时，它驱动了癌症的发展。直到1989年vogelstein实验室的研究生suzanne baker才发现，它实际上是一种抑癌剂。

5. 人类对癌症的研究也使得tnf基因获得了亚军，成为即tp53之后最受关注的人类基因之一，在nlm数据中有超过5,300次被引用（参见“top基因”）。它编码一种蛋白质 - 肿瘤坏死因子 - 因其能杀死癌细胞而于1975年命名。但是抗癌作用并不是tnf的主要功能。当在人体中测试时，tnf蛋白的治疗形式是高度毒性的。

•      其它物种的基因组明星基因

美国国家医学图书馆跟踪了数十种物种的基因，包括小鼠，苍蝇和其他重要的模式生物，以及病毒。从所有物种的基因来看，在过去的50年中，100个研究最多的基因中有超过三分之二是人类基因。但是，一些非人类基因也在名单上排名非常靠前。通常，这些与人类健康有明确的联系，如tp53的小鼠版本，或env，编码参与进入细胞过程的包膜蛋白的病毒基因。

一个基因之所以比别的基因更受关注，融合了生物学，社会压力，商业机会和医疗需求等多方面的因素。但是，一旦它进入这个所谓“明星阵列”，英国利兹大学（university of leeds）的科学史学家格雷戈里·拉迪克（gregory radick）说：“这些基因会被认为是更保险的下注目标，除非发生条件改变”。现在的问题是条件如何改变。什么样的新发现可能会把一个新的基因送上top列表 - 并将今天的顶级基因从list上剔除呢？

1.