刚刚,科学家发现了一大堆解释人类进化的基因...

640?wx_fmt=jpeg

图片来源:《Nature Genetics》

来源:中国生物技术网

5月27日发表在《Nature Genetics》上的一项新研究发现, 以前被认为在不同生物体中具有相似作用的数十种基因,实际上是人类独有的, 这或许有助于解释我们这个物种是如何形成的。

640?wx_fmt=jpeg

已知这些基因编码的一类蛋白质称为转录因子(或TF)控制着基因活性。TF识别称为基序(motif)的DNA代码特定片段,并将它们用作结合DNA打开或关闭基因的着陆点。

过去的研究表明,在不同生物体中看起来相似的TF也结合了相似的基序 ,即使在果蝇和人类等多种物种中也同样如此。但来自加拿大多伦多大学Donnelly细胞及生物分子研究中心Timothy Hughes教授实验室的一项新研究表明,情况并非总是如此。

640?wx_fmt=jpeg

Timothy Hughes

在该研究中,研究团队描述了一种新的算法,可以更准确地预测 每种TF在许多不同物种中结合的基序序列。研究结果表明,TF的某些亚型在功能上比以前认为的更加多样化。

研究第一作者Sam Lambert说:“即使在亲缘关系密切的物种之间, 也有一部分TF可能与新序列结合。 这意味着它们可能通过调节不同基因而具有新的功能,这可能对物种差异很重要。”

即使在基因组99%相同的黑猩猩和人类之间,也有几十种TF识别两种物种之间的不同基序,其方式会影响几百种不同基因的表达。

Lambert说:“我们认为,这些分子差异可能正是导致黑猩猩与人类之间的一些差异。”

640?wx_fmt=jpeg

图片来源:University of Toronto 

为了重新分析基序序列,Lambert开发了一种新软件以寻找TF的DNA结合区域之间的结构相似性。这些结构相似性与它们结合相同或不同DNA基序的能力有关。 如果两个来自不同物种的TF具有相似的氨基酸组成,那么它们很可能结合了相似的基序 。但与比较这些区域作为一个整体的老方法不同, Lambert的方法自动为整个区域中一小部分且直接与DNA接触的氨基酸赋予更大的价值。在这种情况下,两个TF整体上看起来可能相似,但如果它们在这些关键氨基酸的位置不同,则它们更有可能结合不同的基序。当Lambert 比较不同物种的所有TF并与所有可用的基序序列数据匹配时,他发现许多人类TF识别不同的序列,因此调控不同的基因,而不是其他动物中相同蛋白质的不同版本。

这一发现与之前的研究结果相矛盾,之前的研究表明,几乎所有人类和果蝇的TF都结合了相同的基序序列。 这呼吁科学家们应该谨慎对待,他们希望通过仅研究相对简单的生物体来获得关于人类TF的见解。

Hughes教授说:“有一种观点一直坚持了下来,那就是TF在人类和果蝇之间结合几乎相同的基序。虽然有很多例子表明这些蛋白质在功能上是保守的,  但这绝不是人们所接受的程度。 ”

640?wx_fmt=jpeg

图片来源:《Nature Genetics》

至于具有独特人类功能的TF,它们属于快速进化的所谓C2H2锌指 (以含锌离子的指状突起命名)TF类,它们与DNA结合在一起。它们的作用仍然是一个悬而未决的问题,但我们知道,具有更多样化TF的生物体也有更多的细胞类型,它们可以以新的方式组合在一起,形成更复杂的身体。

Hughes教授很兴奋地发现, 其中一些锌指TF可能是人体生理学和解剖学的独特特征,如我们的免疫系统和大脑,这在动物中是最复杂的。另一个问题涉及性别二态性,那些可见(或不太明显)性别之间的差异指导着配偶选择,它对生殖成功有直接影响,而且还对生理学产生长期深远的影响。男性的胡须或雄孔雀的尾巴就是这种特征的典型例子。

Hughes教授说:“在人类遗传学中,几乎没有人研究性别二态性的分子基础,然而这些特征是所有人类都能在彼此身上看到的,也是我们都感兴趣的。如果我能找到方法揭开这个面纱,我将把我职业生涯的后半段时间花在这上面。”

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491754.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android数据存储——SQLite数据库(模板)

本篇整合Android使用数据库,要保存一个实体类的样本。 首先看一下数据库语句: ORM:关系对象映射 添加数据: ContentValues values new ContentValues();values.put("name", "小丽");values.put("phone", &qu…

Python切分文本(将文本文档切分为词列表)

对于一个句子,一种简单的方法是使用split() a This is an apple. Do you like apple? b a.split() print(b) # [This, is, an, apple., Do, you, like, apple?] 可以看到切分结果不错,但标点符号也当成了词的一部分,可以使用正则表达式…

吴恩达《机器学习》学习笔记八——逻辑回归(多分类)代码

吴恩达《机器学习》笔记八——逻辑回归(多分类)代码导入模块及加载数据sigmoid函数与假设函数代价函数梯度下降一对多分类预测验证课程链接:https://www.bilibili.com/video/BV164411b7dx?fromsearch&seid5329376196520099118 之前笔记…

DeepMind 综述深度强化学习:智能体和人类相似度竟然如此高!

来源:AI科技评论近年来,深度强化学习(Deep reinforcement learning)方法在人工智能方面取得了瞩目的成就,从 Atari 游戏、到围棋、再到无限制扑克等领域,AI 的表现都大大超越了专业选手,这一进展…

Python随机选择一部分训练样本作为测试样本

假设训练样本有30个,从训练样本中随机获得10个作为测试样本,剩下20个继续作为训练样本 import numpy as nptrainingSet list(range(30)) # 训练样本下标 testSet [] for i in range(10):randIndex int(np.random.uniform(0, len(training…

吴恩达《机器学习》学习笔记十——神经网络相关(2)

吴恩达《机器学习》学习笔记十——神经网络相关(2)一、 代价函数二、 反向传播算法三、 理解反向传播算法四、 梯度检测五、 随机初始化1.全部初始化为0的问题2.随机初始化的思想六、 神经网络算法整体流程1.选择网络具体架构2.训练神经网络课程链接&…

Ajax跨域请求解决方案——jsonp

转自:http://www.cnblogs.com/dowinning/archive/2012/04/19/json-jsonp-jquery.html 1、一个众所周知的问题,Ajax直接请求普通文件存在跨域无权限访问的问题,甭管你是静态页面、动态网页、web服务、WCF,只要是跨域请求&#xff0…

MATLAB的Kmeans函数实现聚类

转自https://blog.csdn.net/a493823882/article/details/79282425 使用方法: Idxkmeans(X,K) [Idx,C]kmeans(X,K) [Idx,C,sumD]kmeans(X,K) [Idx,C,sumD,D]kmeans(X,K) […]Kmeans(…,’Param1’,Val1,’Param2’,Val2,…)各输入…

吴恩达《机器学习》学习笔记十一——神经网络代码

吴恩达《机器学习》学习笔记十一——神经网络代码数据准备神经网络结构与代价函数初始化设置反向传播算法训练网络与验证课程链接:https://www.bilibili.com/video/BV164411b7dx?fromsearch&seid5329376196520099118 数据集链接:https://pan.baidu…

中国科研人员发明单晶体管逻辑结构新原理

▲随着晶体管不断缩小特征尺寸,集成电路的性能得以持续提升。然而在超小器件尺寸下,硅材料的物理极限导致了功耗的大幅提升,难以进一步持续减小晶体管的特征尺寸。来源:文汇网通过引入层状半导体,并依据其特性设计新型…

Java 内存模型

1、并发模型编程的分类 在并发模型编程中,我们需要解决两个关键问题:线程之间如何通信以及线程之间如何同步。线程之间的通信包括两种:共享内存和消息传递。 Java并发采用的是共享内存模型。 2、Java内存模型的抽象 Java内存模型的主要目标是…

神经网络中Batch和Epoch之间的区别

来自蜂口知道公众号 随机梯度下降法是一种具有大量超参数的学习算法。通常会使初学者感到困惑的两个超参数: Batch大小和Epoch数量,它们都是整数值,看起来做的事情是一样的。在这篇文章中,您将发现随机梯度下降中Batch和Epoch之间的差异。 阅读这篇文章…

PyTorch框架学习一——PyTorch的安装(CPU版本)

PyTorch框架学习一——PyTorch的安装(CPU版本)PyTorch简介PyTorch的安装(CPU版)机器学习/深度学习领域的学习都是需要理论和实践相结合的,而它们的实践都需要借助于一个框架来实现,PyTorch在学术界目前处于…

你的大脑在自动驾驶,而你一无所知

来源:果壳想象一下,你的大脑里有着两个小人,它们在不停地打架,试图夺取控制你行动的权力。当然,这两个小人并不是你善意和邪恶的念头。那它们是什么?在很多人看来,这两者就是我们的意识和无意识…

常用的损失函数

来自 机器学习成长之路公众号 本文将常用的损失函数分为了两大类:分类和回归。然后又分别对这两类进行了细分和讲解,其中回归中包含了一种不太常见的损失函数:平均偏差误差,可以用来确定模型中存在正偏差还是负偏差。 从学习任务…

吴恩达《机器学习》学习笔记十一——应用机器学习的建议

吴恩达《机器学习》学习笔记十一——应用机器学习的建议一、训练完模型后下一步要做什么二、评估算法与模型选择1.训练集与测试集2.训练/测试步骤3.模型选择4.数据集新的划分——验证集的加入三、偏差与方差1.偏差与方差的理解2.正则化和偏差方差的关系3.学习曲线四、决定接下来…

为什么说深耕AI领域绕不开知识图谱?

来源:AI科技大本营“所有在 AI 领域深耕的人,最终都会发现语义鸿沟仍是一个非常具有挑战性的问题,这最终还需要借助知识图谱等技术,来帮助将整体的 AI 认知取得新进展。”在 5 月 26 日的 CTA 峰会机器学习专场,Hulu 首…

Ruby 变量

Ruby 之初体验。接着学习,昨天竟然病了,懈怠了。要坚持锻炼丫,就和坚持写博客似的。 来,下面接着唠。 来侃侃变量,百度上说是能储存计算结果或能表示值抽象概念。顾名思义就是可变化的值。 Ruby 支持五种类型的变量。 …

机器学习中的相似性度量总结

来自 机器学习算法那些事公众号 在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。 目录 1. 欧氏距离 …

吴恩达《机器学习》学习笔记十二——机器学习系统

吴恩达《机器学习》学习笔记十二——机器学习系统一、设计机器学习系统的思想1.快速实现绘制学习曲线——寻找重点优化的方向2.误差分析3.数值估计二、偏斜类问题(类别不均衡)三、查准率P与召回率R——代替准确率的评估指标四、查准率与召回率的权衡——…