第八章：组学与前沿技术
8.1 基因组学
DNA测序技术
第一代测序（Sanger测序）：
- 双脱氧终止法
- 读长：500-1000 bp
- 准确率：>99.9%
- 应用：小片段验证、重测序
第二代测序（NGS）：
| 平台 | 技术原理 | 读长 | 应用 |
|——|———|——|——|
| Illumina | 桥式PCR + 荧光标记 | 150-300 bp | 全基因组、RNA-seq |
| Ion Torrent | 半导体测序 | 200-400 bp | 靶向测序 |
第三代测序：
- PacBio：单分子实时测序，读长10-20 kb
- Oxford Nanopore：纳米孔测序，便携、实时
全基因组分析
全基因组测序（WGS）：
- 检测SNV、Indel、SV、CNV
- 疾病研究、群体遗传学
全外显子测序（WES）：
- 只测外显子区域（占基因组1-2%）
- 成本较低，适合孟德尔疾病研究
基因组注释：
- 基因预测（ab initio、同源比对）
- 功能注释（GO、KEGG）
- 非编码RNA注释
比较基因组学
同线性分析（Synteny）：
全基因组复制（WGD）：
8.2 转录组学
RNA-seq技术
原理：
- RNA提取
- 逆转录为cDNA
- 文库构建
- 高通量测序
- 数据分析
应用：
- 基因表达定量
- 可变剪接分析
- 新转录本发现
- 融合基因检测
单细胞转录组
scRNA-seq技术：
| 平台 | 特点 |
|——|——|
| 10x Genomics | 高通量，3’端捕获 |
| Smart-seq2 | 全长覆盖 |
| Drop-seq | 低成本 |
分析流程：
- 质控和过滤
- 归一化
- 降维（PCA、t-SNE、UMAP）
- 聚类
- 差异表达分析
- 轨迹推断
应用：
空间转录组
技术原理：
平台：
- 10x Genomics Visium
- Slide-seq
- MERFISH
8.3 蛋白质组学
质谱技术
LC-MS/MS：
定量方法：
| 方法 | 原理 |
|——|——|
| SILAC | 稳定同位素标记 |
| iTRAQ/TMT | 同位素标记 |
| Label-free | 无标记，基于肽段强度 |
| DIA/SWATH | 数据非依赖采集 |
蛋白质相互作用
酵母双杂交（Y2H）：
质谱蛋白质组学：
- AP-MS（亲和纯化质谱）
- BioID（邻近标记）
翻译后修饰
磷酸化蛋白质组：
泛素化蛋白质组：
8.4 代谢组学
代谢物检测
LC-MS：
GC-MS：
NMR：
代谢流分析
原理：
- 同位素示踪（¹³C、¹⁵N）
- 追踪代谢物转化
- 计算代谢通量
8.5 表观基因组学
ChIP-seq
原理：
应用：
- 转录因子结合位点
- 组蛋白修饰分布
- 染色质可及性（ATAC-seq）
DNA甲基化测序
WGBS（全基因组亚硫酸氢盐测序）：
RRBS（简化代表性亚硫酸氢盐测序）：
染色质构象
Hi-C：
Capture-C：
8.6 前沿技术
基因治疗
递送系统：
| 类型 | 特点 |
|——|——|
| 病毒载体 | AAV、慢病毒、腺病毒 |
| 非病毒载体 | 脂质纳米颗粒（LNP） |
| 基因编辑 | CRISPR体内递送 |
应用：
- 单基因遗传病（如镰状细胞贫血）
- 癌症免疫治疗（CAR-T）
- 眼科疾病
合成生物学
基因线路：
细胞工厂：
人工智能与生物学
AlphaFold：
深度学习应用：
类器官与器官芯片
类器官（Organoid）：
- 干细胞自组织形成
- 模拟器官结构和功能
- 疾病建模、药物筛选
器官芯片（Organ-on-chip）：
本章小结
- 组学技术从基因组、转录组、蛋白质组、代谢组多层次研究生物系统
- 单细胞和空间技术揭示细胞异质性和组织微环境
- 表观基因组学研究基因调控的表观遗传机制
- 前沿技术（基因治疗、合成生物学、AI）正在改变生物医学研究
思考题
- 单细胞RNA-seq相比bulk RNA-seq有什么优势和局限？
- 空间转录组技术如何改变我们对组织生物学的理解？
- 人工智能在分子生物学研究中有哪些应用前景？