結(jié)核分枝桿菌基因組重注釋研究.pdf

1、結(jié)核病每年都對全世界人民的身體健康造成嚴(yán)重的危害,其中結(jié)核分枝桿菌(Mycobacterium tuberculosis)是結(jié)核病的病原菌。雖然關(guān)于結(jié)核分枝桿菌基因組學(xué)研究取得了很大的進(jìn)展,在基因組公共數(shù)據(jù)庫中已有結(jié)核分枝桿菌全基因組的注釋信息,但隨著時間的推移,越來越多新的基因功能信息被添加進(jìn)數(shù)據(jù)庫,這其中就可能包含當(dāng)初對結(jié)核分枝桿菌進(jìn)行注釋時未被使用的具有序列相似性的基因。在基因組分析時,這些新添加的基因功能信息可能為一些假想的基因

2、提供功能轉(zhuǎn)移來源。同時一些原始注釋中未包含的基因也可能通過與新添加的基因功能信息進(jìn)行相似性比對而被發(fā)現(xiàn)。
　　本文將針對以上問題,以最新的基因組公共數(shù)據(jù)庫為標(biāo)準(zhǔn),通過基因相似性比對以及基于從頭預(yù)測的方法發(fā)現(xiàn)新基因等方法,對結(jié)核分枝桿菌基因組信息進(jìn)行重新注釋研究。本研究的方法可為其他物種的基因組重注釋工作提供參考。本研究的主要內(nèi)容為:
　　1.以Z曲線理論方法為基礎(chǔ),從原始基因注釋中篩選出從屬于功能已知的蛋白質(zhì)編碼基因(第一類

3、基因)作為正樣本,并用第一類基因的隨機(jī)洗牌序列生成負(fù)樣本。以正負(fù)樣本為訓(xùn)練集,通過基于五重交叉驗證的 Fisher模型確定假設(shè)基因(第二類基因)中非編碼的部分,即原注釋中錯誤注釋的基因。
　　2.使用Prodigal和Zcurve兩款基因預(yù)測軟件對結(jié)核分枝桿菌基因組進(jìn)行基因預(yù)測,將基因預(yù)測結(jié)果與原始基因組注釋進(jìn)行對比,挑選出重疊率低的候選新基因進(jìn)行Blast序列比對,應(yīng)用設(shè)定的篩選參數(shù)挑選出滿足條件的新基因,并為新基因添加具體的功