如果你在美國(guó)吃魚(yú)，很可能曾經(jīng)在另一個(gè)國(guó)家游過(guò)魚(yú)。據(jù)聯(lián)合國(guó)估計(jì)，這是因?yàn)槊绹?guó)進(jìn)口的海鮮超過(guò)80%。新的基因研究可以幫助養(yǎng)殖魚(yú)類(lèi)更加美味，并將美國(guó)的野生魚(yú)類(lèi)帶到餐桌上?？茖W(xué)家利用大數(shù)據(jù)和超級(jí)計(jì)算機(jī)捕獲魚(yú)類(lèi)基因組，這是其可持續(xù)水產(chǎn)養(yǎng)殖收獲的第一步。

研究人員首次匯集并注釋了基因組 - 魚(yú)類(lèi)物種Seriola dorsalis的總遺傳物質(zhì)。也被稱(chēng)為加利福尼亞黃尾魚(yú)，它是生魚(yú)片或生海鮮產(chǎn)業(yè)的高價(jià)值的魚(yú)。該科學(xué)團(tuán)隊(duì)由美國(guó)國(guó)家海洋漁業(yè)局西南漁業(yè)科學(xué)中心，愛(ài)荷華州立大學(xué)和墨西哥國(guó)家政治研究所組成。他們于2018年1月在BMC Genomics期刊上發(fā)表了他們的研究結(jié)果。

該研究的共同作者，基因組信息學(xué)科學(xué)家和設(shè)施經(jīng)理Andrew Severin說(shuō)：“該出版物的主要發(fā)現(xiàn)是對(duì)Seriola dorsalis基因組及其注釋進(jìn)行描述，同時(shí)更好地了解這種魚(yú)類(lèi)的性別決定。”愛(ài)荷華州立大學(xué)的設(shè)施。

“我們現(xiàn)在可以自信地說(shuō)，”Severin補(bǔ)充說(shuō)，“Seriola dorsalis有一個(gè)ZW性別決定系統(tǒng)，我們知道它所包含的染色體以及實(shí)際決定這種魚(yú)性別的區(qū)域。”ZW是指性染色體，取決于雄性或雌性是否是雜合的(XX，XY或ZZ，ZW)。另一種思考方式是，在ZW性別測(cè)定中，魚(yú)卵的DNA分子決定了后代的性別。相比之下，在XY性別決定系統(tǒng)中，這種情況在人類(lèi)中發(fā)現(xiàn)，精子決定了后代的性別。

很難區(qū)分雄性和雌性黃尾魚(yú)，因?yàn)樗鼈儧](méi)有任何明顯的表型或外在物理特征。“能夠確定魚(yú)類(lèi)的性別非常重要，因?yàn)槲覀兛梢蚤_(kāi)發(fā)出一種標(biāo)記物，可以用來(lái)確定幼魚(yú)的性別，而這種標(biāo)記是你無(wú)法用表型確定的，”Severin解釋道。“這可以用來(lái)改善水產(chǎn)養(yǎng)殖實(shí)踐。”性別鑒定可以讓養(yǎng)殖漁民儲(chǔ)備適當(dāng)比例的雄性和雌性，并獲得更好的產(chǎn)量。

組裝和注釋基因組就像構(gòu)建一個(gè)巨大的三維拼圖游戲。Seriola dorsalis基因組有6.85億個(gè)片段 - 它們的DNA堿基對(duì) - 組合在一起。“基因注釋是基因組上編碼轉(zhuǎn)錄成蛋白質(zhì)的轉(zhuǎn)錄本的位置，”Severin解釋道。“蛋白質(zhì)是從食物消化到免疫系統(tǒng)激活到指甲生長(zhǎng)的全身生物化學(xué)運(yùn)作的分子機(jī)制。即使這是對(duì)所有規(guī)則的過(guò)度簡(jiǎn)化。”

Severin和他的團(tuán)隊(duì)匯集了來(lái)自數(shù)千個(gè)較小片段的685兆堿基(MB)對(duì)的基因組，每個(gè)片段都提供信息以形成完整的圖像。研究報(bào)告的共同作者Arun Seetharam說(shuō)：“為了構(gòu)建完整的685 MB基因組，我們必須對(duì)它們進(jìn)行相當(dāng)深度的測(cè)序。”“這相當(dāng)于大量的數(shù)據(jù)，”愛(ài)荷華州立大學(xué)基因組信息學(xué)設(shè)施的副科學(xué)家Seetharam補(bǔ)充說(shuō)。

原始DNA序列數(shù)據(jù)為Seriola dorsalis基因組的500千兆字節(jié)，來(lái)自圣地亞哥Hubbs海洋世界研究所收集的幼魚(yú)的組織樣本。“為了將它們組合在一起，”Seetharam說(shuō)，“我們需要一臺(tái)具有更多RAM的計(jì)算機(jī)將其全部放入計(jì)算機(jī)的內(nèi)存中，然后將它們組合在一起構(gòu)建685 MB的基因組。我們需要非常強(qiáng)大的機(jī)器。”

當(dāng)Seetharam意識(shí)到當(dāng)時(shí)愛(ài)荷華州立大學(xué)的計(jì)算資源不足以及時(shí)完成工作時(shí)，他轉(zhuǎn)向XSEDE，這是由美國(guó)國(guó)家科學(xué)基金會(huì)資助的極限科學(xué)和工程發(fā)現(xiàn)環(huán)境。XSEDE是一個(gè)單一的虛擬系統(tǒng)，科學(xué)家可以使用它來(lái)交互式共享計(jì)算資源，數(shù)據(jù)和專(zhuān)業(yè)知識(shí)。

“當(dāng)我們第一次開(kāi)始使用XSEDE資源時(shí)，”Seetharam解釋道，“我們可以選擇ECSS，即擴(kuò)展協(xié)作支持服務(wù)。我們認(rèn)為如果有來(lái)自XSEDE的人幫助我們，這將是一個(gè)很大的幫助。我們選擇了ECSS。我們與匹茲堡超級(jí)計(jì)算中心的Phillip Blood的互動(dòng)對(duì)于讓我們?cè)赬SEDE資源上快速啟動(dòng)和運(yùn)行組件非常重要，“Seetharam說(shuō)。

該基因組組裝在匹茲堡超級(jí)計(jì)算中心(PSC)的Blacklight系統(tǒng)上計(jì)算了工作量，該系統(tǒng)曾經(jīng)是世界上最大的連貫共享內(nèi)存計(jì)算系統(tǒng)。此后，Blacklight已被PSC的以數(shù)據(jù)為中心的Bridges系統(tǒng)取代，該系統(tǒng)包括類(lèi)似的大型內(nèi)存節(jié)點(diǎn)，最高可達(dá)12TB，是典型個(gè)人計(jì)算機(jī)的千兆倍。“當(dāng)時(shí)我們最終使用了Blacklight，因?yàn)樗泻芏郣AM，”Andrew Severin回憶道。那是因?yàn)樗麄冃枰獙⑺性紨?shù)據(jù)放入計(jì)算機(jī)的隨機(jī)存取存儲(chǔ)器(RAM)中，以便它可以使用Maryland Super-Read Celera Assembler基因組裝配軟件的算法。“你必須能夠?qū)⒚恳粋€(gè)序列數(shù)據(jù)與每個(gè)其他部分進(jìn)行比較，以確定哪些部分需要連接在一起，

“我們還使用了Stampede，”Severin繼續(xù)說(shuō)道，“第一個(gè)Stampede，它是另一個(gè)擁有大量計(jì)算節(jié)點(diǎn)的XSEDE計(jì)算資源。每個(gè)計(jì)算節(jié)點(diǎn)都可以看作是一臺(tái)獨(dú)立的計(jì)算機(jī)。”Texas Advanced的Stampede1系統(tǒng)計(jì)算中心擁有超過(guò)6,400個(gè)戴爾PowerEdge服務(wù)器節(jié)點(diǎn)，后來(lái)又添加了508個(gè)英特爾Knights Landing(KNL)節(jié)點(diǎn)，為其目前的繼任者Stampede2準(zhǔn)備了4,200個(gè)KNL節(jié)點(diǎn)。

“我們使用Stampede對(duì)我們?cè)诨蚪M中發(fā)現(xiàn)的這些基因模型進(jìn)行了注釋?zhuān)噲D弄清楚它們的功能是什么，”Severin說(shuō)。“這要求我們執(zhí)行稱(chēng)為基本局部對(duì)齊搜索工具(BLAST)的分析，并且它要求我們使用許多CPU，超過(guò)一年的計(jì)算時(shí)間，我們最終在幾周的實(shí)際時(shí)間內(nèi)完成，因?yàn)樵赟tampede上有很多節(jié)點(diǎn)。“

“這項(xiàng)實(shí)驗(yàn)始于與NOAA西南漁業(yè)科學(xué)中心的合作，”Severin解釋道。他說(shuō)，該項(xiàng)目最初計(jì)劃完成一個(gè)大型的RNA-seq項(xiàng)目，結(jié)果發(fā)現(xiàn)有足夠的資金來(lái)進(jìn)行基因組裝配。“這導(dǎo)致了與西南漁業(yè)科學(xué)中心的長(zhǎng)期合作，”Severin說(shuō)。“隨著高通量DNA測(cè)序的最新進(jìn)展，我們現(xiàn)在能夠生成數(shù)TB的測(cè)序數(shù)據(jù)。這往往很短，100-150堿基對(duì)讀數(shù)，我們必須將它們放在一起，就像一個(gè)非常大的謎題并弄清楚所有的作品都去了，“他補(bǔ)充道。

Severin和Seetharam的團(tuán)隊(duì)完成了Seriola dorsalis基因組的基本圖片，但是他們說(shuō)還有改進(jìn)的空間。“我們組裝的基因組并不完美，因?yàn)樗匀淮嬖谠S多碎片。我們無(wú)法完全拼湊整個(gè)染色體，”Seetharam解釋道。“我們有許多代表每條染色體的支架，我們?nèi)鄙偬钛a(bǔ)空白所需的大量信息。”Seetharam說(shuō)，測(cè)序技術(shù)的進(jìn)步可以解決這些差距，通過(guò)可以產(chǎn)生更長(zhǎng)DNA讀取的測(cè)序技術(shù)的進(jìn)步。

“我們也在論文中假設(shè)，”Severin說(shuō)，“這種缺失位于將雌酮轉(zhuǎn)化為雌激素的基因的上游，這是性決定途徑的一部分。這可能是性別決定的原因。但由于它只是一個(gè)假設(shè)基于計(jì)算方法，這需要在實(shí)驗(yàn)室進(jìn)一步研究。我們當(dāng)然可以通過(guò)類(lèi)似CRISPR的實(shí)驗(yàn)來(lái)測(cè)試這種突變。“

Severin還提到了用于更大的全基因組關(guān)聯(lián)研究實(shí)驗(yàn)的數(shù)據(jù)收集，以找到與頜畸形相關(guān)的基因組中的位置和變體。“我們目前正在收集這些樣本，”Severin說(shuō)，“但我們將能夠利用該基因組為農(nóng)民提供標(biāo)記，以選擇對(duì)抗下頜畸形這些傾向的魚(yú)類(lèi)。”

Severin和Seetharam都堅(jiān)信大數(shù)據(jù)可以解決可持續(xù)糧食生產(chǎn)中的問(wèn)題。“我相信公眾將會(huì)看到更多這種大數(shù)據(jù)的利用，并了解為什么科學(xué)對(duì)我們的未來(lái)如此重要，”Severin說(shuō)。他認(rèn)為，基因注釋只是冰山一角。“我們將開(kāi)始比較基因組裝配，開(kāi)始了解基因組是什么以及它是如何工作的;以及特定基因組如何確定基因的存在與否或其三維結(jié)構(gòu)的背景，這是如何成為一個(gè)物種，“塞弗林說(shuō)。

“大數(shù)據(jù)不斷變大，我們正在尋找真正有趣問(wèn)題的答案。”塞弗林總結(jié)道。Seetharam補(bǔ)充說(shuō)：“將有更多的研究使用對(duì)公眾具有重大影響的大數(shù)據(jù)。這一級(jí)別的研究將在未來(lái)促進(jìn)更大規(guī)模的研究。”

這項(xiàng)研究“對(duì)Seriola dorsalis基因組裝配的硬骨魚(yú)性別測(cè)定的見(jiàn)解”于2018年1月發(fā)表在BMC Genomics期刊上。