人類(lèi)基因短編碼區(qū)識(shí)別及冠狀病毒酶切位點(diǎn)預(yù)測(cè).pdf

1、隨著人類(lèi)基因組及模式生物基因組大規(guī)模測(cè)序的順利實(shí)施,GenBank,EMBL和DDBJ國(guó)際三大核酸序列數(shù)據(jù)庫(kù)的序列數(shù)量和堿基個(gè)數(shù)呈指數(shù)增長(zhǎng),同時(shí)國(guó)際上著名的蛋白質(zhì)數(shù)據(jù)庫(kù)如PIR,SWISS-PROT和PDB等中的蛋白質(zhì)數(shù)目與DNA序列同步,也呈指數(shù)增長(zhǎng).如何分析這些數(shù)據(jù),從中獲得生物結(jié)構(gòu)、功能等的相關(guān)信息是基因組研究取得成果的決定性步驟.該論文主要致力于真核生物基因的蛋白質(zhì)編碼區(qū)識(shí)別和冠狀病毒基因組多聚蛋白酶切位點(diǎn)的識(shí)別.論文第一部分介

2、紹了生物信息學(xué)發(fā)展的背景和主要研究?jī)?nèi)容,真核生物基因組的特點(diǎn)以及真核基因識(shí)別算法的發(fā)展?fàn)顩r.論文第二部分是圍繞人類(lèi)基因的短編碼區(qū)識(shí)別問(wèn)題展開(kāi)的.在Z曲線(xiàn)理論的基礎(chǔ)上,考慮密碼子內(nèi)部相鄰堿基之間的近程相關(guān)性,將Z曲線(xiàn)參數(shù)進(jìn)一步發(fā)展,得到Z曲線(xiàn)方法的n變量,這里n=9,21,21',45,69,69',93,189.基于建立的數(shù)據(jù)庫(kù)和標(biāo)準(zhǔn)評(píng)價(jià)指數(shù),對(duì)包括馬爾科夫模型在內(nèi)的19種算法進(jìn)行評(píng)價(jià)發(fā)現(xiàn),69參數(shù)和189參數(shù)Z曲線(xiàn)方法在19種算法中識(shí)

3、別準(zhǔn)確率最高.此外,與目前國(guó)際上廣泛使用的馬爾科夫模型相比,Z曲線(xiàn)方法參數(shù)數(shù)目少,計(jì)算簡(jiǎn)單.論文第三部分主要致力于冠狀病毒多聚蛋白酶切位點(diǎn)的預(yù)測(cè).基于傳統(tǒng)的權(quán)重矩陣方法,充分考慮3C-like和papain-like蛋白酶剪切位點(diǎn)及剪切產(chǎn)物的保守性,開(kāi)發(fā)出了預(yù)測(cè)冠狀病毒多聚蛋白酶切位點(diǎn)的程序ZCURVE_CoV 2.0(http:∥tubic.tju.edu.cn/sars/).類(lèi)比3C-like蛋白酶的剪切模式,觀察papain-li

4、ke蛋白酶剪切產(chǎn)物的注釋情況,提出了一個(gè)新的papain-like蛋白酶剪切模型,對(duì)NCBI的注釋情況進(jìn)行了修正和補(bǔ)充.論文第四部分主要是建立真核生物蛋白質(zhì)亞細(xì)胞位置序列集.利用SWISS-PROT蛋白質(zhì)序列數(shù)據(jù)庫(kù)資源(版本號(hào)40,數(shù)據(jù)庫(kù)共105,322條蛋白質(zhì)記錄,于2002年2月23日建立索引)建立了真核生物亞細(xì)胞位置序列集,為開(kāi)發(fā)真核生物蛋白質(zhì)亞細(xì)胞預(yù)測(cè)算法提供了相關(guān)基礎(chǔ),另外,對(duì)處于多亞細(xì)胞位置蛋白質(zhì)的各種情況給予了較詳細(xì)的分析