如果你在美國吃魚，很可能曾經(jīng)在另一個國家游過魚。據(jù)聯(lián)合國估計，這是因為美國進口的海鮮超過80%。新的基因研究可以幫助養(yǎng)殖魚類更加美味，并將美國的野生魚類帶到餐桌上?？茖W家利用大數(shù)據(jù)和超級計算機捕獲魚類基因組，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 - 魚類物種Seriola dorsalis的總遺傳物質(zhì)。也被稱為加利福尼亞黃尾魚，它是生魚片或生海鮮產(chǎn)業(yè)的高價值的魚。該科學團隊由美國國家海洋漁業(yè)局西南漁業(yè)科學中心，愛荷華州立大學和墨西哥國家政治研究所組成。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，基因組信息學科學家和設(shè)施經(jīng)理Andrew Severin說：“該出版物的主要發(fā)現(xiàn)是對Seriola dorsalis基因組及其注釋進行描述，同時更好地了解這種魚類的性別決定。”愛荷華州立大學的設(shè)施。

“我們現(xiàn)在可以自信地說，”Severin補充說，“Seriola dorsalis有一個ZW性別決定系統(tǒng)，我們知道它所包含的染色體以及實際決定這種魚性別的區(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性別測定中，魚卵的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，因為它們沒有任何明顯的表型或外在物理特征。“能夠確定魚類的性別非常重要，因為我們可以開發(fā)出一種標記物，可以用來確定幼魚的性別，而這種標記是你無法用表型確定的，”Severin解釋道。“這可以用來改善水產(chǎn)養(yǎng)殖實踐。”性別鑒定可以讓養(yǎng)殖漁民儲備適當比例的雄性和雌性，并獲得更好的產(chǎn)量。

組裝和注釋基因組就像構(gòu)建一個巨大的三維拼圖游戲。Seriola dorsalis基因組有6.85億個片段 - 它們的DNA堿基對 - 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)激活到指甲生長的全身生物化學運作的分子機制。即使這是對所有規(guī)則的過度簡化。”

Severin和他的團隊匯集了來自數(shù)千個較小片段的685兆堿基(MB)對的基因組，每個片段都提供信息以形成完整的圖像。研究報告的共同作者Arun Seetharam說：“為了構(gòu)建完整的685 MB基因組，我們必須對它們進行相當深度的測序。”“這相當于大量的數(shù)據(jù)，”愛荷華州立大學基因組信息學設(shè)施的副科學家Seetharam補充說。

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

當Seetharam意識到當時愛荷華州立大學的計算資源不足以及時完成工作時，他轉(zhuǎn)向XSEDE，這是由美國國家科學基金會資助的極限科學和工程發(fā)現(xiàn)環(huán)境。XSEDE是一個單一的虛擬系統(tǒng)，科學家可以使用它來交互式共享計算資源，數(shù)據(jù)和專業(yè)知識。

“當我們第一次開始使用XSEDE資源時，”Seetharam解釋道，“我們可以選擇ECSS，即擴展協(xié)作支持服務(wù)。我們認為如果有來自XSEDE的人幫助我們，這將是一個很大的幫助。我們選擇了ECSS。我們與匹茲堡超級計算中心的Phillip Blood的互動對于讓我們在XSEDE資源上快速啟動和運行組件非常重要，“Seetharam說。

該基因組組裝在匹茲堡超級計算中心(PSC)的Blacklight系統(tǒng)上計算了工作量，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)包括類似的大型內(nèi)存節(jié)點，最高可達12TB，是典型個人計算機的千兆倍。“當時我們最終使用了Blacklight，因為它有很多RAM，”Andrew Severin回憶道。那是因為他們需要將所有原始數(shù)據(jù)放入計算機的隨機存取存儲器(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€序列數(shù)據(jù)與每個其他部分進行比較，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)說道，“第一個Stampede，它是另一個擁有大量計算節(jié)點的XSEDE計算資源。每個計算節(jié)點都可以看作是一臺獨立的計算機。”Texas Advanced的Stampede1系統(tǒng)計算中心擁有超過6,400個戴爾PowerEdge服務(wù)器節(jié)點，后來又添加了508個英特爾Knights Landing(KNL)節(jié)點，為其目前的繼任者Stampede2準備了4,200個KNL節(jié)點。

“我們使用Stampede對我們在基因組中發(fā)現(xiàn)的這些基因模型進行了注釋，試圖弄清楚它們的功能是什么，”Severin說。“這要求我們執(zhí)行稱為基本局部對齊搜索工具(BLAST)的分析，并且它要求我們使用許多CPU，超過一年的計算時間，我們最終在幾周的實際時間內(nèi)完成，因為在Stampede上有很多節(jié)點。“

“這項實驗始于與NOAA西南漁業(yè)科學中心的合作，”Severin解釋道。他說，該項目最初計劃完成一個大型的RNA-seq項目，結(jié)果發(fā)現(xiàn)有足夠的資金來進行基因組裝配。“這導致了與西南漁業(yè)科學中心的長期合作，”Severin說。“隨著高通量DNA測序的最新進展，我們現(xiàn)在能夠生成數(shù)TB的測序數(shù)據(jù)。這往往很短，100-150堿基對讀數(shù)，我們必須將它們放在一起，就像一個非常大的謎題并弄清楚所有的作品都去了，“他補充道。

Severin和Seetharam的團隊完成了Seriola dorsalis基因組的基本圖片，但是他們說還有改進的空間。“我們組裝的基因組并不完美，因為它仍然存在許多碎片。我們無法完全拼湊整個染色體，”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空白所需的大量信息。”Seetharam說，測序技術(shù)的進步可以解決這些差距，通過可以產(chǎn)生更長DNA讀取的測序技術(shù)的進步。

“我們也在論文中假設(shè)，”Severin說，“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。但由于它只是一個假設(shè)基于計算方法，這需要在實驗室進一步研究。我們當然可以通過類似CRISPR的實驗來測試這種突變。“

Severin還提到了用于更大的全基因組關(guān)聯(lián)研究實驗的數(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，“但我們將能夠利用該基因組為農(nóng)民提供標記，以選擇對抗下頜畸形這些傾向的魚類。”

Severin和Seetharam都堅信大數(shù)據(jù)可以解決可持續(xù)糧食生產(chǎn)中的問題。“我相信公眾將會看到更多這種大數(shù)據(jù)的利用，并了解為什么科學對我們的未來如此重要，”Severin說。他認為，基因注釋只是冰山一角。“我們將開始比較基因組裝配，開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，這是如何成為一個物種，“塞弗林說。

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

這項研究“對Seriola dorsalis基因組裝配的硬骨魚性別測定的見解”于2018年1月發(fā)表在BMC Genomics期刊上。