兩種新的預(yù)測(cè)水平轉(zhuǎn)移基因的方法.pdf

1、一個(gè)生物體內(nèi)的大部分基因來(lái)自于線性遺傳后代，并分享著相同的理論進(jìn)化過(guò)程，但它體內(nèi)也有相當(dāng)一部分基因并非源于線性遺傳，而是來(lái)自水平轉(zhuǎn)移過(guò)程，這些基因被稱(chēng)為外源基因。識(shí)別這些由水平轉(zhuǎn)移過(guò)程所獲得的基因不僅對(duì)于重構(gòu)生物體的進(jìn)化歷史非常重要，同時(shí)也有助于我們更深入了解這類(lèi)基因在生物體中的功能。 基于不同的理論基礎(chǔ)，我們建立了兩種新的水平轉(zhuǎn)移基因預(yù)測(cè)戰(zhàn)略，并將其運(yùn)用于預(yù)測(cè)幾種藍(lán)藻(Cyanobacteria)基因組中的水平轉(zhuǎn)移基因。以下是

2、我們主要的研究?jī)?nèi)容和結(jié)果： 1.CGS(核心基因相似性)方法。在不同基因組中，核苷酸片段相對(duì)頻率會(huì)呈現(xiàn)出顯著的差異，本算法正是利用了這一特性。目前，也有其它一些方法(如CAI，W8等)利用了這一特性在基因組中識(shí)別外源基因，但這些方法都有同一個(gè)問(wèn)題，即利用的是全部某一長(zhǎng)度的核苷酸片段。由于全部的片段中有許多片段并不含信息，所以這些方法的噪音過(guò)高，降低了識(shí)別外源基因的能力。為解決這一問(wèn)題，我們首先得出一組非常保守的訓(xùn)練基因，這些基因

3、分別在13個(gè)不同的藍(lán)藻基因組中都有直向同源物，它們代表了藍(lán)藻的內(nèi)源基因：接下來(lái)，我們?cè)谟?xùn)練基因中獲得了一組非常低頻的核苷酸片段，并利用這些片段去識(shí)別外源基因。在模擬試驗(yàn)中，顯著水平低于10％時(shí)，CGS方法的功效在各種條件下都高于CB；當(dāng)供體基因組和受體基因組的GC含量差異大時(shí)，CGS方法的功效高于W8；當(dāng)供體基因組與受體基因組的GC含量差異小時(shí)，CGS方法的功效則高于C+G。據(jù)以上模擬結(jié)果顯示，W8和C+G算法受到供體與受體基因組GC含

4、量差異的顯著影響，但CGS方法卻非常穩(wěn)定，并且功效很高。盡管構(gòu)建進(jìn)化樹(shù)存在一些缺陷，但仍是目前最好的評(píng)估方法，因此我們利用了S8102作為真實(shí)的例子，采用構(gòu)建進(jìn)化樹(shù)的方法去評(píng)估CGS、W8、C+G、CB的功效。在S8102的系統(tǒng)樹(shù)分析過(guò)程中，G檢測(cè)的CGS方法略強(qiáng)于C+G，并明顯優(yōu)于W8和CB。就此，我們已使用BioLisp計(jì)算機(jī)語(yǔ)言開(kāi)發(fā)了相關(guān)軟件，以供數(shù)據(jù)分析使用。 2.MGC(多基因組比較)方法。本算法基于如下假設(shè)：在同一物

5、種的不同菌株間，微生物染色體上的基因具有十分保守的共線性，水平基因轉(zhuǎn)移事件將使外源基因組整合進(jìn)這些保守的基因組中。如果只利用兩個(gè)在進(jìn)化上非常相近的基因組進(jìn)行簡(jiǎn)單的配對(duì)，將很難區(qū)分由于染色體的重排與丟失而造成的基因獲得與丟失。MGC方法能夠盡可能地避免由于基因丟失造成的錯(cuò)誤外源基因島預(yù)測(cè)，從而改進(jìn)了預(yù)測(cè)的準(zhǔn)確性。當(dāng)該方法被運(yùn)用于PMED4時(shí)，我們的結(jié)果證實(shí)了早期曾提出過(guò)的一個(gè)觀點(diǎn)：tRNA是外源基因的整合熱點(diǎn)，許多基因組島被正向重復(fù)序列所

6、包圍。這些結(jié)果還表明，GI主要是通過(guò)遺傳重組被整合進(jìn)入宿主基因組中。通過(guò)搜尋病毒基因組數(shù)據(jù)庫(kù)，我們發(fā)現(xiàn)PMED4的42個(gè)外源基因的同源基因存在于病毒基因組中，但是大部分的病毒基因組只有大的片段而沒(méi)有整個(gè)基因組，因而我們只能分析部分外源基因與病毒基因組的關(guān)系。通過(guò)分析21個(gè)外源基因的進(jìn)化樹(shù)，我們還發(fā)現(xiàn)7個(gè)病毒基因組中存在的外源基因的同源基因可能是來(lái)自藍(lán)藻。這些外源基因在病毒中存在，顯示這些基因可能對(duì)病毒有某些好處，并在病毒中發(fā)揮著重要的功