一個國際研究小組最新發(fā)表在《細(xì)胞》雜志子刊《神經(jīng)元》（Neuron）上的論文稱,，他們使用一種最新測序技術(shù),，首次成功描繪出小鼠大腦基因活性的完整圖譜。該圖譜覆蓋了整個基因組的所有基因,，十分詳細(xì)地顯示了小鼠大腦皮層各層次的基因活性情況,。研究人員指出，該研究成果不僅有助于科學(xué)家進(jìn)一步理解哺乳動物大腦的組織結(jié)構(gòu)情況,，也為相關(guān)疾病研究指明了新的方向,。
大腦是人體最神秘的器官，如果想了解它的工作方式,，就必須了解其復(fù)雜的結(jié)構(gòu),。大腦皮層則是所有哺乳動物大腦的最大組成部分，對記憶,、感覺,、語言和高級認(rèn)知功能都至關(guān)重要。早在19世紀(jì),，科學(xué)家就意識到大腦皮層是一個分層結(jié)構(gòu),，六個層次中每一層的神經(jīng)細(xì)胞類型和連接方式都不盡相同。而一旦了解了整個大腦皮層的基因活性,，科學(xué)家就有可能更精確地將大腦解剖學(xué),、遺傳學(xué)和相關(guān)疾病聯(lián)系起來研究，意義十分重大,。2003年,，有科學(xué)家尋求利用微陣列技術(shù)測定小鼠大腦基因活性，但他們至今仍沒有完成所有已知基因活性的確定工作,。
此次由英國牛津大學(xué)和美國國家人類基因組研究院的研究人員組成的國際研究小組,，使用了一種稱為RNAseq的新測序技術(shù)。與其他DNA（脫氧核糖核酸）測序技術(shù)不同,，這種技術(shù)不是對DNA進(jìn)行測序以了解靜態(tài)的遺傳密碼,，而是對組織樣本里的所有RNA（核糖核酸）分子進(jìn)行測定，來檢測基因活性,，確定哪些基因是活躍的,。運(yùn)用這種技術(shù)，研究小組成功描繪出老鼠大腦皮層基因活性情況的完整圖譜,。圖譜顯示,，老鼠大腦中，有超過一半的基因在不同層次的活躍程度是不一樣的,。
研究人員稱,，該研究成果將使科學(xué)家能夠更好地觀察那些與疾病相關(guān)的基因,。如圖譜顯示,，與帕金森癥相關(guān)的基因在大腦皮層的第五層尤為活躍,，雖然這僅僅是一種關(guān)聯(lián)，并不意味著一定會引發(fā)疾病,，但卻為該疾病的研究開辟了新的途徑,。
該項(xiàng)研究領(lǐng)導(dǎo)者、英國牛津大學(xué)的克里斯·龐廷教授指出,，過去,，科學(xué)家只能在實(shí)驗(yàn)室里選擇性地觀察少量的RNA，或通過微陣列芯片來觀察基因活性,，而使用最新技術(shù),，則可使科學(xué)家近乎不受限制地“為之欲為，看之想看”,。下一步,，研究人員會將研究范圍從大腦皮層結(jié)構(gòu)層擴(kuò)展到不同類型的神經(jīng)細(xì)胞，甚至是特定的神經(jīng)回路和細(xì)胞,，以獲得更加精確的大腦基因活性情況,；同時研究人員也希望今后能夠?qū)θ四X組織樣本進(jìn)行類似研究。(生物谷 Bioon.com)
doi:10.1016/j.neuron.2011.06.039
PMC:
PMID:
A Transcriptomic Atlas of Mouse Neocortical Layers
T. Grant Belgard, Ana C. Marques, Peter L. Oliver, Hatice Ozel Abaan, Tamara M. Sirey Anna Hoerder-Suabedissen, Fernando García-Moreno, Zoltán Molnár , Elliott H. Margulies , and Chris P. Ponting
In the mammalian cortex, neurons and glia form a patterned structure across six layers whose complex cytoarchitectonic arrangement is likely to contribute to cognition. We sequenced transcriptomes from layers 1-6b of different areas (primary and secondary) of the adult (postnatal day 56) mouse somatosensory cortex to understand the transcriptional levels and functional repertoires of coding and noncoding loci for cells constituting these layers. A total of 5,835 protein-coding genes and 66 noncoding RNA loci are differentially expressed (patterned) across the layers, on the basis of a machine-learning model (naive Bayes) approach. Layers 2-6b are each associated with specific functional and disease annotations that provide insights into their biological roles. This new resource (http://genserv.anat.ox.ac.uk/layers) greatly extends currently available resources, such as the Allen Mouse Brain Atlas and microarray data sets, by providing quantitative expression levels, by being genome-wide, by including novel loci, and by identifying candidate alternatively spliced transcripts that are differentially expressed across layers.
