The National Institutes of Health Mammalian Gene Collection (MGC) Program is a multiinstitutional effort to identify and sequence a cDNA clone containing a complete ORF for each human and mouse gene. ESTs were generated from libraries enriched for full-length cDNAs and analyzed to identify candidate full-ORF clones, which then were sequenced to high accuracy. The MGC has currently sequenced and verified the full ORF for a nonredundant set of >9,000 human and >6,000 mouse genes. Candidate full-ORF clones for an additional 7,800 human and 3,500 mouse genes also have been identified. All MGC sequences and clones are available without restriction through public databases and clone distribution networks (see http://mgc.nci.nih.gov ).

The Pathway Interaction Database (PID, http://pid.nci.nih.gov) is a freely available collection of curated and peer-reviewed pathways composed of human molecular signaling and regulatory events and key cellular processes. Created in a collaboration between the US National Cancer Institute and Nature Publishing Group, the database serves as a research tool for the cancer research community and others interested in cellular pathways, such as neuroscientists, developmental biologists and immunologists. PID offers a range of search features to facilitate pathway exploration. Users can browse the predefined set of pathways or create interaction network maps centered on a single molecule or cellular process of interest. In addition, the batch query tool allows users to upload long list(s) of molecules, such as those derived from microarray experiments, and either overlay these molecules onto predefined pathways or visualize the complete molecular connectivity map. Users can also download molecule lists, citation lists and complete database content in extensible markup language (XML) and Biological Pathways Exchange (BioPAX) Level 2 format. The database is updated with new pathway content every month and supplemented by specially commissioned articles on the practical uses of other relevant online tools.

Incompatible data storage formats have hindered the sharing and analyses of digital representations of biological pathways. BioPAX is a standardized language supported by >40 databases and software tools for exchanging pathway data. Biological Pathway Exchange (BioPAX) is a standard language to represent biological pathways at the molecular and cellular level and to facilitate the exchange of pathway data. The rapid growth of the volume of pathway data has spurred the development of databases and computational tools to aid interpretation; however, use of these data is hampered by the current fragmentation of pathway information across many databases with incompatible formats. BioPAX, which was created through a community process, solves this problem by making pathway data substantially easier to collect, index, interpret and share. BioPAX can represent metabolic and signaling pathways, molecular and genetic interactions and gene regulation networks. Using BioPAX, millions of interactions, organized into thousands of pathways, from many organisms are available from a growing number of databases. This large amount of pathway data in a computable form will support visualization, analysis and biological discovery.

The molecular mechanisms underlying pluripotency and lineage specification from embryonic stem cells (ESCs) are largely unclear. Differentiation pathways may be determined by the targeted activation of lineage-specific genes or by selective silencing of genome regions. Here we show that the ESC genome is transcriptionally globally hyperactive and undergoes large-scale silencing as cells differentiate. Normally silent repeat regions are active in ESCs, and tissue-specific genes are sporadically expressed at low levels. Whole-genome tiling arrays demonstrate widespread transcription in coding and noncoding regions in ESCs, whereas the transcriptional landscape becomes more discrete as differentiation proceeds. The transcriptional hyperactivity in ESCs is accompanied by disproportionate expression of chromatin-remodeling genes and the general transcription machinery. We propose that global transcription is a hallmark of pluripotent ESCs, contributing to their plasticity, and that lineage specification is driven by reduction of the transcribed portion of the genome.

In three different subtypes of B-cell lymphomas, two papers report frequent somatic mutations in the genes CREBBP and EP300, which are present in primary tumours or acquired at relapse. These genes encode related acetyltransferases that mainly function to regulate gene expression by acetylating histones and other transcriptional regulators. The mutations disrupt these activities and thus alter chromatin regulation of gene expression, as well as proliferation and potentially the response to anticancer drugs. These studies may provide a rationale for the use of histone deacetylase inhibitors in certain B-cell lymphomas. In three different subtypes of B-cell lymphomas, two papers now report frequent somatic mutations in CREBBP and EP300, present in primary tumours or acquired at relapse. These genes encode related acetyltransferases that mainly function to regulate gene expression by acetylating histones and other transcriptional regulators. The mutations found inactivate these activities and thus alter chromatin regulation of gene expression, as well as proliferation and potentially the response to therapeutic drugs. Relapsed acute lymphoblastic leukaemia (ALL) is a leading cause of death due to disease in young people, but the biological determinants of treatment failure remain poorly understood. Recent genome-wide profiling of structural DNA alterations in ALL have identified multiple submicroscopic somatic mutations targeting key cellular pathways1,2, and have demonstrated substantial evolution in genetic alterations from diagnosis to relapse3. However, DNA sequence mutations in ALL have not been analysed in detail. To identify novel mutations in relapsed ALL, we resequenced 300 genes in matched diagnosis and relapse samples from 23 patients with ALL. This identified 52 somatic non-synonymous mutations in 32 genes, many of which were novel, including the transcriptional coactivators CREBBP and NCOR1, the transcription factors ERG, SPI1, TCF4 and TCF7L2, components of the Ras signalling pathway, histone genes, genes involved in histone modification (CREBBP and CTCF), and genes previously shown1,2 to be targets of recurring DNA copy number alteration in ALL. Analysis of an extended cohort of 71 diagnosis–relapse cases and 270 acute leukaemia cases that did not relapse found that 18.3% of relapse cases had sequence or deletion mutations of CREBBP, which encodes the transcriptional coactivator and histone acetyltransferase CREB-binding protein (CREBBP, also known as CBP)4. The mutations were either present at diagnosis or acquired at relapse, and resulted in truncated alleles or deleterious substitutions in conserved residues of the histone acetyltransferase domain. Functionally, the mutations impaired histone acetylation and transcriptional regulation of CREBBP targets, including glucocorticoid responsive genes. Several mutations acquired at relapse were detected in subclones at diagnosis, suggesting that the mutations may confer resistance to therapy. These results extend the landscape of genetic alterations in leukaemia, and identify mutations targeting transcriptional and epigenetic regulation as a mechanism of resistance in ALL.

The National Institutes of Health's Mammalian Gene Collection (MGC) project was designed to generate and sequence a publicly accessible cDNA resource containing a complete open reading frame (ORF) for every human and mouse gene. The project initially used a random strategy to select clones from a large number of cDNA libraries from diverse tissues. Candidate clones were chosen based on 5′-EST sequences, and then fully sequenced to high accuracy and analyzed by algorithms developed for this project. Currently, more than 11,000 human and 10,000 mouse genes are represented in MGC by at least one clone with a full ORF. The random selection approach is now reaching a saturation point, and a transition to protocols targeted at the missing transcripts is now required to complete the mouse and human collections. Comparison of the sequence of the MGC clones to reference genome sequences reveals that most cDNA clones are of very high sequence quality, although it is likely that some cDNAs may carry missense variants as a consequence of experimental artifact, such as PCR, cloning, or reverse transcriptase errors. Recently, a rat cDNA component was added to the project, and ongoing frog ( Xenopus ) and zebrafish ( Danio ) cDNA projects were expanded to take advantage of the high-throughput MGC pipeline.

In the last few years there have been rapid advances in developing genetic maps for humans, greatly enhancing our ability to localize and identify genes for inherited disorders. Through the collaborative efforts of three large groups generating microsatellite markers and the efforts of the 110 CEPH collaborators, a comprehensive human linkage map is presented here. It consists of 5840 loci, of which 970 are uniquely ordered, covering 4000 centimorgans on the sex-averaged map. Of these loci, 3617 are polymerase chain reaction-formatted short tandem repeat polymorphisms, and another 427 are genes. The map has markers at an average density of 0.7 centimorgan, providing a resource for ready transference to physical maps and achieving one of the first goals of the Human Genome Project—a comprehensive, high-density genetic map.

We describe here a system for the rapid identification, assay development, and characterization of gene-based single nucleotide polymorphisms (SNPs). This system couples informatics tools that mine candidate SNPs from public expressed sequence tag resources and automatically designs assay reagents with detection by a chip-based matrix-assisted laser desorption/ionization time-of-flight mass spectrometry platform. As a proof of concept of this system, a genomewide collection of reagents for 9,115 gene-based SNP genetic markers was rapidly developed and validated. These data provide preliminary insights into patterns of polymorphism in a genomewide collection of gene-based polymorphisms.

Variations in gene sequence and expression underlie much of human variability. Despite the known biological roles of differential allelic gene expression resulting from X-chromosome inactivation and genomic imprinting, a large-scale analysis of allelic gene expression in human is lacking. We examined allele-specific gene expression of 1063 transcribed single-nucleotide polymorphisms (SNPs) by using Affymetrix HuSNP oligo arrays. Among the 602 genes that were heterozygous and expressed in kidney or liver tissues from seven individuals, 326 (54%) showed preferential expression of one allele in at least one individual, and 170 of those showed greater than fourfold difference between the two alleles. The allelic variation has been confirmed by real-time quantitative PCR experiments. Some of these 170 genes are known to be imprinted, such as SNRPN, IPW, HTR2A, and PEG3. Most of the differentially expressed genes are not in known imprinting domains but instead are distributed throughout the genome. Our studies demonstrate that variation of gene expression between alleles is common, and this variation may contribute to human variability.

Abstract Finding better therapies for the treatment of brain tumors is hampered by the lack of consistently obtained molecular data in a large sample set and the ability to integrate biomedical data from disparate sources enabling translation of therapies from bench to bedside. Hence, a critical factor in the advancement of biomedical research and clinical translation is the ease with which data can be integrated, redistributed, and analyzed both within and across functional domains. Novel biomedical informatics infrastructure and tools are essential for developing individualized patient treatment based on the specific genomic signatures in each patient's tumor. Here, we present Repository of Molecular Brain Neoplasia Data (Rembrandt), a cancer clinical genomics database and a Web-based data mining and analysis platform aimed at facilitating discovery by connecting the dots between clinical information and genomic characterization data. To date, Rembrandt contains data generated through the Glioma Molecular Diagnostic Initiative from 874 glioma specimens comprising ∼566 gene expression arrays, 834 copy number arrays, and 13,472 clinical phenotype data points. Data can be queried and visualized for a selected gene across all data platforms or for multiple genes in a selected platform. Additionally, gene sets can be limited to clinically important annotations including secreted, kinase, membrane, and known gene-anomaly pairs to facilitate the discovery of novel biomarkers and therapeutic targets. We believe that Rembrandt represents a prototype of how high-throughput genomic and clinical data can be integrated in a way that will allow expeditious and efficient translation of laboratory discoveries to the clinic. (Mol Cancer Res 2009;7(2):157–67)