搜索
胡德实验室“系统生物学和医学-不仅在实验室，但在人们的日常生活-挑战想象力和将改变21世纪。”胡德实验室的整合生物学，技术和计算来创建一个预测，个性化，预防性和参与性的医学。这P4医学将使用一个系统或整体方法和新的计算和数学工具来分析分子，细胞，表型和医疗数据，现在可以为各个生成的巨大量。通过查看药品为信息科学，P4医药将利用潜在的健康和疾病的网络的理解。的目标是在治疗和预防疾病通过识别在生物网络扰动，并通过治疗介入打击那些扰动。此外，系统的方法来生物学会创造知识与农业产生深远的影响，能源生产，环境保护，以及许多其他人类活动。研究综述胡德实验室正在开发的战略，技术和知识，这将导致医学认为是预测性，个性化，预防性和参与性-P4医学。他们的工作的前提是，疾病从生物网络扰动导致。这些扰动可能引起的生物变化，如在基因组中的数字信息的突变，或从环境影响，如毒素或细菌。这些疾病扰乱网络的原因和反映了疾病的进展。因此，疾病可以诊断，治疗和预防通过了解和干预背后的健康和疾病中的网络。十年之内，P4医学会支持创建一个虚拟云十亿每个各地的数据点。ISB的目标是开发需要将这一庞大的数据云成左右在每个人的健康和疾病直白预测的分析工具。胡德实验室正在研究一些技术驱动的项目，这将有助于实现P4医学的承诺。它通过受特定疾病家庭的完整基因组测序开创了一种新的方法对疾病基因的鉴定。使用系谱信息使得有可能校正DNA测序错误的显著分数，识别罕见的遗传变体（其中一些有助于疾病），并减少对疾病基因的搜索空间。它是建立分析人类基因组序列，将可用在未来十年的十万，最终需要数以百万计的计算基础设施。这些计算工具将使人类基因组的大规模的比较分析和随之而来的分子，细胞和表型数据。这是支持人类蛋白质组项目，将平行的人类基因组计划。使用选择反应监测（SRM）质谱法，它几乎所有的人类蛋白质，它开辟了有趣的机会，确定血液和组织中的生物标志物创建有针对性的检测。正在开发使用基因组，蛋白质组和细胞分析中，包括使用诱导多能干细胞（iPS）的临床试验中，探索和发展，以分层疾病。通过合作与非营利P4医学研究所和美国俄亥俄州立医学院，这些分析被用来改善健康涉及健康和心脏衰竭两个试点项目。该集团是使用和发展若干高通量技术，这将是宝贵的研究主要针对P4药，其中包括：的表面等离子体共振仪器能够使1000测量的时间来筛选有效抗体和分析其它蛋白质/蛋白质相互作用。一个Nanostring仪专为RNA和miRNA分子，现在的数字计数被用来进行高灵敏度蛋白分析。我们也正在探索使用这种仪器的开发高度敏感的酶联免疫吸附蛋白分析。一个Fluidigm的微阵列平台，该平台将被用于量化的mRNA和miRNA的各种单细胞的研究。该研究正在进行中胡德实验室的科学家们需要一个跨学科的组合。该实验室还从事内部ISB重要的合作开发P4医学和与外部合作伙伴，如西雅图的P4医学研究所，使临床试验的患者在不同的医疗中心和格莱斯顿研究所在旧金山和马萨诸塞州总医院在波士顿神经退行性疾病。研究重点朊病毒病在研究小鼠的神经变性胡德实验室说明了系统方法对疾病的能力。胡德团队的成员注射传染性朊病毒-蛋白诱导病引起其他朊病毒蛋白承担新的配置-进近交系小鼠的大脑。然后，他们收集的数据有关的大脑基因表达随着病情的进展。使用微阵列，它们的疾病进展，以确定差异表达的基因（DEGS）期间相比较基因表达的在患病动物中的那些正常动物在10或更多个时间点的模式。他们还研究了基因表达水平的鼠标和朊病毒株八种不同的组合，以消除消减过程的生物学“噪音”无关的疾病。以这种方式，他们减少了确定在原始屏幕333DEGS该编码的核心朊病毒神经变性响应7400DEGS。结果是惊人的。三分之二的333度的视角的是先前被确定为打在朊病毒病作用四个主要的生物网络的组件。其余DEGS定义了六种以前未知的网络。这些网络的动态变化几乎解释了朊病毒疾病的细胞病理学的各个方面。基因表达和网络分析的结果在小鼠朊病毒模型建议，相关的生物标志物为疾病进展将在血液中发现。使用这些标记物使人们有可能诊断朊病毒疾病症状出现之前，遵循疾病的进展，和分层的疾病成不同的类型。因此，这些研究产生临界认识到如何使用血液作为窗口进入健康和疾病。神经退行性疾病胡德和他的同事正在申请他们开发的朊病毒疾病小鼠的系统方法（见“研究方向”），其他几个项目。他们正在研究2其它神经变性疾病的小鼠，亨廷顿氏病和额颞叶痴呆。他们应用系统的方法来癌症胶质母细胞瘤在小鼠和人类。他们还利用系统的分析研究肝毒性引发的各种化学毒素的小鼠。使用iPS细胞来研究心肌细胞分化在一个新的项目，该集团造成iPS细胞产生完全分化的心肌细胞。iPS细胞来自一个家族的两个个别成员与心肌病酮正常个体和所述第二一个患病个体。该系列的所有成员都拥有自己的基因组测序。通过以下iPS细胞从一个个体与心肌病和兄弟姐妹的分化没有心肌病，组可以测量的蛋白质，代谢物，的mRNA，和miRNA的基因表达的活性，基因的表观修改和种群。这些测量然后可以相对于已知的基因组序列进行评估，与所有的数据集成到患病心肌细胞如何正常和开发的网络模型的目标。家庭测序在引擎盖的实验室，它集成了生物的发现与计算工具发展的重大努力的另一个领域，是具有遗传疾病的家庭成员全基因组序列的分析。我们相信，这将让我们能够很容易地检测编码简单的孟德尔遗传疾病的基因，也许找出修饰基因或编码的那些复杂的遗传性疾病。家庭基因组计划说明如何能够解决的系统生物学，生物复杂生物系统中的核心问题和信号从大型数据集引起的噪声问题之一。我们认为，过滤器和集成商在处理噪音有用的设备。筛选工作，立即拒绝一些事件是不可能的，或者至少是不太可能，通过征收的假设信号。积分变换的信息流通过聚集各个事件（相同的数据类型或不同类型的数据）转换成更大的单元，以产生一个基本的新类型的信息（见Idekur等（以下引用），用于在上下文中的这些新概念的讨论家族基因组研究）。全基因组测序是因为所提供的数据的精度，来检测罕见变体的能力，并划定与在孩子精度父母单倍型的能力变革。原则上的全基因组序列测定所有的遗传标记，因此编码区以及非编码区可以搜索用于编码疾病遗传元件。全基因组关联研究表明可能有许多这样的非编码的元素，例如，调节基序和剪接信号。家系中的情况下全基因组测序可以帮助重组和连锁分析，这对受影响家庭的候选基因的准确和自信定位非常重要。此外，家庭的基因组研究的精度允许我们进行的首次估计的代际突变率（〜每名儿童或一百○八分之一突变率低于见蟑螂等30突变）。数个软件模块正在被灵活地集成到工作流程自动化有关探索和分析全基因组系谱数据的复杂的任务。各个模块的误差分析，基因突变，遗传状态分析，相位和先验概率。工作流将免费提供给科学界。在这种方法的第一个应用程序的组测序一个四口之家的基因组窝藏一个未知的基因隐性遗传造成米勒综合征（罗奇等，2010）。没有以前存在的工具可适于在高吞吐量数据分析这一挑战，所以一个计算工作流程亦随数据分析开发的。主要创新包括能够检测基因分型错误和继承状态analys是。这些包括上面提到的过滤器和集成商。高度精确的序列数据和精确的系谱分析的结合，使得识别缺陷基因的隐性遗传疾病，从四个只有一个家庭以前很难壮举（米勒综合征，这是DHODH）。现在的组是使用家庭完整基因组测序，以确定在基因与神经变性疾病，亨廷顿氏病的主要缺陷基因（即遗传改性剂）相互作用变体。事实上，我们现在分析从亨廷顿氏病影响的家庭成员65全基因组序列。将来的研究将解决更加复杂，多基因病症如阿尔茨海默氏症和帕金森氏症，经过适当的疾病分层到他们的不同的类型。在这些具体的疾病研究平行，该组的不断发展和改进所需的人类基因组的大规模的比较分析，并在临床中的全基因组序列分析的最终利用计算工具。