基因組水平生物信息學(xué)工具的開(kāi)發(fā)和應(yīng)用（從ReAS到WEGO）.pdf

1、隨著生物技術(shù)的發(fā)展，生物信息學(xué)工具在生物數(shù)據(jù)的分析中扮演著越來(lái)越重要的角色，尤其是在基因組水平的數(shù)據(jù)分析當(dāng)中。本文介紹了用于GeneOntology注釋結(jié)果分析的WEGO和用于基因組水平轉(zhuǎn)座子構(gòu)建的ReAS這兩個(gè)工具的開(kāi)發(fā)和應(yīng)用。 GeneOntology(GO)組織免費(fèi)提供的統(tǒng)一的、結(jié)構(gòu)化的詞匯表和分類(lèi)正在越來(lái)越多的大規(guī)?；蚪M注釋工作中得到應(yīng)用。GO的三大分類(lèi)(分子功能、生物過(guò)程、細(xì)胞組份)涵蓋了注釋中基本和常用的信息、。除

2、了創(chuàng)始GO組織的酵母基因組數(shù)據(jù)庫(kù)SGD、果蠅數(shù)據(jù)庫(kù)Flybase和小鼠基因組數(shù)據(jù)庫(kù)MGD之外，包括擬南芥數(shù)據(jù)庫(kù)TAIR、線蟲(chóng)數(shù)據(jù)庫(kù)WormBase、大鼠數(shù)據(jù)庫(kù)RGD等在內(nèi)越來(lái)越多的模式生物數(shù)據(jù)庫(kù)正在加入這個(gè)項(xiàng)目。因此，針對(duì)GO的使用，開(kāi)發(fā)了許多信息學(xué)工具。WEGO就是一個(gè)針對(duì)GO注釋結(jié)果進(jìn)行比對(duì)、可視化和比較的有用小工具。與一般商業(yè)性的畫(huà)圖工具不同，WEGO是針對(duì)GO的直接非循環(huán)圖(DAG)的結(jié)構(gòu)進(jìn)行可視化、分析及畫(huà)圖的。WEGO已經(jīng)在

3、水稻基因組項(xiàng)目、家蠶基因組項(xiàng)目等一些重要的生物學(xué)項(xiàng)目中得到應(yīng)用。它是基因注釋下游分析，尤其是比較基因組學(xué)工作的常用工具。WEGO與另外兩個(gè)名為ExternaltoGOQuery和GOArchiveQuery的GO工具都通過(guò)http：//wego.genomics.org.cn向所有用戶(hù)提供免費(fèi)服務(wù)。鏡像地址http：//wego2.genomics.org.cn和http：//wego.genomics.com.cn也同樣可以使用。

4、 轉(zhuǎn)座子是真核生物基因組的重要組成成份。它們?cè)谏锏倪M(jìn)化中扮演重要角色，并且是基因組分析的重要工具。RepeatMasker是最常用的找轉(zhuǎn)座子的方法之一。它主要是通過(guò)與Repbase這樣的轉(zhuǎn)座子庫(kù)進(jìn)行比對(duì)得到結(jié)果的。Repbase這樣的轉(zhuǎn)座子庫(kù)是經(jīng)過(guò)多年的實(shí)驗(yàn)工作累積而得的。因此，一些生物信息學(xué)工具，例如REPuter,RECON，RepeatGluer嘗試將這項(xiàng)工作自動(dòng)化進(jìn)行。但是，現(xiàn)在大部分的基因組測(cè)序都采用了全基因組鳥(niǎo)槍法策略

5、，這種方法雖然有種種優(yōu)點(diǎn)但是卻無(wú)法完整將基因組的轉(zhuǎn)座子恢復(fù)。如果想盡量多地把轉(zhuǎn)座子恢復(fù)出來(lái)就很容易造成錯(cuò)拼。為了減少錯(cuò)拼，全基因組鳥(niǎo)槍法測(cè)序在拼接的時(shí)候一般都會(huì)先將重復(fù)度非常高的測(cè)序片段先從拼接中去除。隨著全基因組鳥(niǎo)槍法的應(yīng)用越來(lái)越廣，這種高重復(fù)度測(cè)序片段的去除，也使得基因組水平上對(duì)轉(zhuǎn)座子的構(gòu)建成為一個(gè)難題。例如，在采用全基因組鳥(niǎo)槍法進(jìn)行測(cè)序的小鼠基因組{Waterston，2002＃19}和水稻基因組{Yu，2005＃21；Yu，20

6、02＃20}的工作中，分別有15％和14％的reads沒(méi)有用于拼接。這些沒(méi)有用于拼接的測(cè)序片段中，有許多是因?yàn)橹z粒和端粒造成的。但是，至少在水稻中，轉(zhuǎn)座子是非常重要的原因之一。實(shí)際上，這些沒(méi)有用于拼接的測(cè)序片段正是轉(zhuǎn)座子現(xiàn)代序列的組成部分，是構(gòu)建轉(zhuǎn)座子最有用的素材。之前所提到用于轉(zhuǎn)座子注釋的生物信息學(xué)工具都是基于已經(jīng)拼接完成的基因組進(jìn)行的。這些方法各有所長(zhǎng)，但是，如果能夠利用這些富含轉(zhuǎn)座子信息的測(cè)序片段，是不是能夠得到更好的結(jié)果，構(gòu)件

7、出更加完整、真實(shí)的轉(zhuǎn)座子呢。 正是基于這樣的構(gòu)想，我們開(kāi)發(fā)了ReAS(recoveryofancestralsequences)。ReAS正是一種利用全基因組鳥(niǎo)槍法中無(wú)法用于拼接的測(cè)序片段進(jìn)行轉(zhuǎn)座子構(gòu)建的新方法和工具。ReAS的工作原理是基于如下兩個(gè)假設(shè)：首先轉(zhuǎn)座子必需多拷貝存在于基因組當(dāng)中，同時(shí)，這些轉(zhuǎn)座子還沒(méi)有過(guò)于古老以至于與轉(zhuǎn)座子的祖先序列完全不同。將這種方法應(yīng)用在粳稻基因組中，ReAS幾乎能夠恢復(fù)Repbase中所有高拷