基因組序列特征研究及順式調(diào)控元件保守性分析.pdf

1、生物學(xué)與信息科學(xué)是當(dāng)今世界上發(fā)展最迅速、影響最大的兩門(mén)科學(xué)。而這兩門(mén)科學(xué)的交叉融合形成了廣義的生物信息學(xué)，正以嶄新的理念吸引著科學(xué)家的注意。近幾年借助信息技術(shù)的優(yōu)勢(shì)，測(cè)序平臺(tái)得到快速發(fā)展，越來(lái)越多的生物基因組數(shù)據(jù)被公布出來(lái)，反過(guò)來(lái)又為生物信息學(xué)提出了新的挑戰(zhàn)。如何快速而有效的分析這些數(shù)據(jù)，正成為生物信息學(xué)的一個(gè)重要研究方向。 基因組序列分析是基因組學(xué)的一個(gè)重要組成部分和研究領(lǐng)域。在本研究中，我們從信息論的角度，將基因組序列視作遺

2、傳信息流，提出了一種新的序列分析特征－BBC（Base-Base Correlation），證明該特征即反映了基因組信息組織的結(jié)構(gòu)規(guī)律，也是一種基因組標(biāo)（signature）。經(jīng)過(guò)BBC特征的計(jì)算，一條核酸序列轉(zhuǎn)化成其對(duì)應(yīng)的一個(gè)16維特征向量，從而將不同基因組的序列比較，轉(zhuǎn)化為其對(duì)應(yīng)的多維特征向量的數(shù)學(xué)分析。同時(shí)BBC特征法作為一種無(wú)比對(duì)（alignment-free）法，可以很好的適用于大規(guī)模基因組序列比較和序列搜索。BBC特征法對(duì)于

3、一條核酸序列，不論其長(zhǎng)度是多少，都可將其轉(zhuǎn)化為一個(gè)16維的特征向量，這其實(shí)是對(duì)不同規(guī)模的基因組序列的歸一化和標(biāo)準(zhǔn)化。因此，BBC特征法可以快速而有效的對(duì)基因組序列進(jìn)行比較分析。 真核生物尤其是人類基因組中包含大量的非編碼序列。這些非編碼序列包括內(nèi)含子、基因上游區(qū)、基因下游區(qū)以及基因間區(qū)。我們首先利用BBC特征，并結(jié)合核酸單詞頻率，二聯(lián)核苷酸相對(duì)豐度分析了人類基因組中的基因上游區(qū)、基因下游區(qū)、外顯子、內(nèi)含子以及基因間區(qū)，將序列轉(zhuǎn)化

4、成對(duì)應(yīng)的特征向量。在特征分析的基礎(chǔ)上，我們采用判別分析對(duì)基因組中不同的功能區(qū)域進(jìn)行判別分類。我們的研究發(fā)現(xiàn)，人類基因組中不同的功能區(qū)域存在不同的組成特征。我們的結(jié)果表明：對(duì)于人類基因組中編碼蛋白質(zhì)的外顯子，判別準(zhǔn)確率達(dá)到94％，而對(duì)于基因中不編碼的內(nèi)含子，判別準(zhǔn)確率達(dá)到86％。 伴隨著測(cè)序技術(shù)的迅速發(fā)展，全基因組數(shù)據(jù)的快速增長(zhǎng)，對(duì)遺傳進(jìn)化領(lǐng)域也提出了新的挑戰(zhàn)?；谌蚪M的系統(tǒng)發(fā)生分析可有效避免基于單一基因或片段的系統(tǒng)發(fā)生分析產(chǎn)

5、生的偏向。但基于全基因組序列的比對(duì)遭遇到理論和計(jì)算上的瓶頸。我們采用BBC特征代替?zhèn)鹘y(tǒng)的多序列比對(duì)，構(gòu)建系統(tǒng)發(fā)生樹(shù)，提出了一套基于BBC特征的全基因組系統(tǒng)發(fā)生學(xué)分析方法。首先，我們將這套方法應(yīng)用于存在爭(zhēng)議的戊肝病毒分型。我們的分析表明，基于BBC特征的全基因組系統(tǒng)發(fā)生學(xué)分析方法，戊肝病毒被分為四個(gè)型和若干亞型，不同型的戊肝病毒具有不同的地理分布。這和序列比對(duì)的方法以及目前大部分的研究結(jié)果相一致，但基于BBC特征的系統(tǒng)發(fā)生學(xué)分析方法卻明顯

6、提高了分析效率，將原先需要幾天才能完成的工作縮短為幾分鐘。另外，我們將這套算法應(yīng)用于冠狀病毒的進(jìn)化研究中。從基于BBC特征構(gòu)建的進(jìn)化樹(shù)上，我們可以看到冠狀病毒主要分為四個(gè)大的分支，SARS自成一分支，且遠(yuǎn)離其它冠狀病毒。我們進(jìn)一步從基因組信息結(jié)構(gòu)角度證明了SARS屬于一種新型的冠狀病毒。同時(shí)，我們也確定了在SARS之后新發(fā)現(xiàn)的兩株冠狀病毒（NL63和HKU1）所屬分支。 生物信息學(xué)的另一個(gè)重要應(yīng)用是借助各種算法和分析工具，關(guān)注對(duì)

7、人類疾病相關(guān)問(wèn)題的分析。另外，生命科學(xué)已進(jìn)入功能基因組時(shí)代，影響基因表達(dá)調(diào)控的調(diào)控元件的研究已成為一個(gè)重要的研究方向。博士期間，我被國(guó)家公派選拔前往美國(guó)哈佛大學(xué)進(jìn)行為期一年的學(xué)習(xí)和研究。在這期間，作為ENCODE項(xiàng)目的參與者，我們借助哈佛大學(xué)及其附屬醫(yī)院在乳腺癌研究方面的優(yōu)勢(shì)，應(yīng)用功能基因組中的高通量檢測(cè)技術(shù)ChIP-chip來(lái)分析乳腺癌中的重要基因雌激素受體（Estrogen Receptor， ER）及先鋒轉(zhuǎn)錄因子FoxA1在全基因