刘小乐教授连发多项研究成果
华人女学者、哈佛大学公共卫生学院Dana-Farber癌症研究所的刘小乐(X Shirley Liu)教授，也是教育部“长江学者”讲座教授、中组部“千人计划”入选者，是国际生物信息学界的领军人物。其带领的课题组长期致力于生物大数据的收集和信息挖掘、筛选治疗癌症药物的有效靶点，以及开发个性化癌症诊断和治疗的新方法。近期，刘小乐教授带领的研究小组先后在《Genome Research》、《PLOS Computational Biology》和《Genome Biology》等国际著名学术期刊发表多项研究成果。
今年六月份，刘小乐教授与CRISPR/Cas9技术先驱之一、麻省理工学院-哈佛大学布罗德研究所的张锋博士，在国际基因组研究权威期刊《Genome Research》发表题为“Sequence determinants of improved CRISPR sgRNA design”的学术论文。在这项研究中，研究人员系统地评估了提高CRISPR筛选中单导向RNA（sgRNA）效率的DNA序列特征。利用来自多重设计的信息，研究人员建立了一个新的序列模型，用于预测CRISPR/Cas9基因敲除实验中的sgRNA效率。这一模型证实了已知的序列特点，并提出了新的特征，包括优先选择裂解位点的胞嘧啶。经过实验验证，该模型可用于sgRNA介导的突变率和蛋白质敲除效率。研究人员在独立的数据集上进行了测试，发现该模型在阳性选择和阴性选择条件下，都取得了显著的效果，且优于现有的模型。该研究小组还发现，CRISPRi/a的序列偏好与CRISPR/Cas9敲除明显不同，并提出了一种新的模型，预测CRISPRi/a实验中的sgRNA效率。这些结果可有利于基因敲除和CRISPRi/a研究中改良sgRNA的全基因组设计。
九月份，刘小乐教授和上海师范大学、同济大学的同事在《PLOS Computational Biology》发表题为“Predicting Anticancer Drug Responses Using a Dual-Layer Integrated Cell Line-Drug Network Model”的学术成果，上海师范大学数学系的教授王军和副教授郑小琪也是本文共同通讯作者。在这项研究中，研究人员提出了一种双层整合的细胞系-药物网络模型，其采用细胞系相似性网络（CSN）数据和药物相似性网络（DSN）数据，用一种加权模型来预测一个给定细胞系的药物反应。利用Cancer Cell Line Encyclopedia (CCLE)和Cancer Genome Project (CGP)研究作为基准线数据集，具有CSN或DSN和只有一个参数的单层模型，所获得的预测性能，可与先前生成的弹性网络模型相媲美。当用整合CSN和DSN的双层模型时，研究人员获得的预测反应，明显优于之前采用弹性网络模型所获得的结果。研究人员还将双层细胞系-药物综合网络模型，用来填补CGp数据集中缺失的药物反应值。
十月三十日，刘小乐教授带领的研究团队，又开发了一种预测基因重要性的新方法，可以很好的用于CRISPR筛选等功能基因组实验。研究人员将自己开发的计算方法命名为NEST（Network Essentiality Scoring Tool）。他们用NEST对最近的全基因组CRISPR筛选数据进行了全面分析。研究显示，CRISPR筛选得出的基因重要性，很大程度上依赖于生物学网络中互作基因的表达水平。NEST不仅能够很好的用于CRISPR和shRNA筛选，还可以进行其他类型的基因组数据分析，比如评定ChIP-seq靶基因的优先次序，或者在肿瘤分析数据中鉴定存活基因。相关阅读：刘小乐教授发布CRISPR实用工具。
