생물학의 블랙박스 Unknome을 소개합니다

"오메"는 과학에서는 주문이 아니지만 생화학, 유전학, 분자생물학에서는 점점 더 일반적인 접미사로 사용되고 있습니다. 우리 모두는 게놈에 대해 알고 있습니다. 그 다음에는 후성유전체(epigenome)가 있었고, 그 다음에는 프로테옴(proteome)이 있었습니다. 이제 상호작용체, 대사체, 전사체 등이 있습니다. 때때로 문헌에 더 많은 "옴"이 나타나는 것 같습니다. 개인이나 종의 유전자 집합을 나타내는 게놈에서와 같이 접미사 -ome는 "몸체" 또는 함께 설명할 수 있는 부분 집합을 나타냅니다. 프로테옴은 세포의 모든 단백질로 구성됩니다. 전사체는 DNA 전사체 세트입니다. 상호작용체는 프로세스에서 상호작용하는 모든 부분의 집합이고, 대사체는 특정 상태의 세포, 조직 또는 유기체에 있는 대사산물의 전체 보완체입니다. 새로운 것은 우리가 전혀 알지 못하는 모든 구성요소의 집합인 "Unnome"입니다. 이에 대해서는 나중에 자세히 설명하겠습니다. -ome 접미사는 리보솜, 시토크롬, 크립토크롬, 염색체와 같은 개별 단위에도 오랫동안 사용되어 왔습니다. 시인은 생화학에 관한 시를 쉽게 쓸 수 있어야 합니다.

모든 오메에 대한 연구는 유전체학, 단백질체학, 전사체학과 같은 계열 구성원을 포함하는 오믹스(Omics)라고 부를 수 있습니다. Omics는 단순한 분류학적 연습이 아닙니다. 이는 세포생물학자들이 직면하고 있는 당혹스러운 복잡성을 해결하려는 시도입니다. 그리고 모든 멤버가 오메에 갇혔다고 생각하는 순간 문제가 발생합니다.

예를 들어, 사이언스(Science) 저널은 최근 “당신의 세포에는 당신이 타고난 게놈이 없다”고 발표했습니다. 대부분의 사람들이 23andMe에 의해 믿게 된 것과는 달리, 우리 중 누구도 임신 시점을 제외하고는 "a" 게놈을 가지고 있지 않습니다. 그때부터 게놈은 일생 동안 세포별로, 조직별로 변화합니다. 이는 체세포당 최대 수만 개의 변화를 추가할 수 있습니다. 돌연변이나 발생 과정에 의한 게놈 변형은 우리를 게놈의 우주로 만듭니다!

결과적으로,모든 사람은 실제로 게놈의 모자이크로서 몸 전체에 걸쳐 다양하며 종종 동일한 기관이나 조직 내에서도 다양합니다.이러한 DNA 변화는부모로부터 물려받은 보다 광범위한 변화만큼 건강에 중요할 수 있는 신체의 체세포 또는 비생식 세포의 다양성.이제 국립보건원(NIH)은 지도 작성을 위한 5년간 1억 4천만 달러 규모의 프로젝트를 시작했습니다.이 게놈 다양성의 세계가 왜 중요한지 조사해 보세요.[강조가 추가되었습니다.]

Dan Landau는 이것을 “인간 유전학의 거대한 혁명”이라고 부릅니다. 그는 결과를 보고 싶어합니다. “우리는 이 놀라운 모험의 시작에 불과합니다.”

Science의 또 다른 리뷰 기사에서는 "공간 오믹스의 여명"을 발표했습니다. 편집자의 리뷰에 따르면,

모든 생물학은 우주에서 일어납니다.살아있는 유기체에서 세포는 3차원 조직에서 상호작용하고 조립되어야 합니다.각 세포의 위치는 세포의 본질적인 특성만큼 중요합니다. 질병에서 조직이 어떻게 기능하거나 오작동하는지를 결정하는 데 사용됩니다. 최근에는 많은 기술이 개발되어자연스러운 맥락에서 세포를 제거하지 않고 프로파일링 셀 , 조직 내 공간적 위치와 함께 세포 게놈의 유전자 발현 및 조절 환경을 측정합니다. 검토에서 Bressan et al. 의 특징을 설명하다이러한 방법을 총칭하여 공간 오믹스(spatial omics)라고 합니다., 잠재력을 최대한 발휘하기 위해 무엇이 부족한지 논의하십시오.

저자인 Bressan, Battistoni 및 Hannon은 다음과 같은 팡파르로 시작합니다. “단일 세포 서열분석이 생물학의 많은 분야에 혁명을 일으켰듯이, 분자 매개변수가 온전한 조직 샘플에서 현장에서 측정되는 공간적 '오믹스'도 다음과 같이 설정되었습니다. 새로운 세대의 과학적 발견에 힘을 실어줄 것입니다.”

"다중 오믹(multi-omic)" 기술을 사용한 조직 수준(때로는 세포 수준)의 공간 분자 프로파일링을 통해 연구자들은 기관, 조직 또는 세포 내의 현장에서 게놈, 전사체 및 프로테옴을 동시에 연구할 수 있습니다. 이는 이전 연구에서 숨겨진 또 다른 정보 계층을 추가합니다.