Nature揭示染色体真实面貌

　　

生物通报道  科学家们利用一种新方法显像染色体，绘制出了更真实的染色体形状图片，发现它很少时候像我们大部分人所熟知的X形DNA团块。

来自Babraham研究所、剑桥大学和Weizmann研究所的研究人员展开合作构建出了漂亮的染色体3D模型，这些模型更准确地显示出了染色体的复杂形状以及DNA在其中折叠的方式。

结果表明，我们通常用来描述染色体的X形状只是其复杂性的一个快照。这项研究发表在9月25日的《自然》（Nature）杂志上。

Babraham研究所的Peter Fraser解释说：“许多人所熟知的染色体图像，就是一条X形状的DNA团块。但这一染色体显微图像确实地表明，这种结构只短暂地存在于细胞正准备进行分裂的那一时间点。”

“生物体中的绝大多数细胞处于细胞分裂完成阶段，它们的染色体一点也不像X形状。这些细胞中的染色体以非常不同的形式存在，到目前为止还没有可能构建出它们的精确结构图像。”

Peter的研究小组开发出了一种新方法来显现它们的形状。利用最新的DNA测序技术，他们对单细胞中的染色体进行了数千次的分子测量。通过将这些细小的测量结果组合到一起，利用强大的计算机他们第一次构建出了染色体的三维图像。

Fraser博士补充说：“这些独特的图像不仅向我们显示了染色体的结构，还揭示了染色体中的DNA线路，使得我们能够绘制出特异的基因和其他重要的特征。利用这些3D模型，我们已经开始解开染色体结构的一些基本原理，以及它对我们的基因组如何发挥功能所起的作用。”

这项新研究将DNA置于它在细胞内的适当环境下，以比以往大量文献更为有效的方式揭示了哺乳动物基因组的美妙与复杂性。通过这样，它表明了这些染色体的结构以及DNA在染色体中折叠的方式与基因何时以及如何表达之间密切相关，后者则直接影响着健康、衰老和疾病。

英国生物技术与生物科学研究委员会（BBSRC）首席执行官Douglas Kell说：“直到现在，我们对于染色体结构的认识还仅限于模糊的照片，所有的图解显示的都是细胞分裂前看到的熟悉的X形状。这些更为真实的图片帮助我们更深入地了解了我们身体中大多数细胞内染色体的样子。这种复杂的折叠有助于阐明染色体的相互作用机制以及基因组功能受控的机制。”

（生物通：何嫱）

生物通推荐原文摘要：

Single-cell Hi-C reveals cell-to-cell variability in chromosome structure

Large-scale chromosome structure and spatial nuclear arrangement have been linked to control of gene expression and DNA replication and repair. Genomic techniques based on chromosome conformation capture (3C) assess contacts for millions of loci simultaneously, but do so by averaging chromosome conformations from millions of nuclei. Here we introduce single-cell Hi-C, combined with genome-wide statistical analysis and structural modelling of single-copy X chromosomes, to show that individual chromosomes maintain domain organization at the megabase scale, but show variable cell-to-cell chromosome structures at larger scales. Despite this structural stochasticity, localization of active gene domains to boundaries of chromosome territories is a hallmark of chromosomal conformation. Single-cell Hi-C data bridge current gaps between genomics and microscopy studies of chromosomes, demonstrating how modular organization underlies dynamic chromosome structure, and how this structure is probabilistically linked with genome activity patterns.