基于高通量RNA-seq數(shù)據(jù)的水稻亞種特異性編碼基因鑒定及長(zhǎng)非編碼RNA識(shí)別.pdf

1、水稻是世界上最重要的糧食作物之一，同時(shí)也是禾本科植物研究的重要模式物種。RNA-seq技術(shù)可以得到生物體在特定時(shí)期特定組織中全部的轉(zhuǎn)錄本，這使得我們可以從轉(zhuǎn)錄組的分析中挖掘出新轉(zhuǎn)錄本以及新基因。本文試圖從不同品種、不同組織的水稻轉(zhuǎn)錄組數(shù)據(jù)中挖掘粳稻日本晴和秈稻MH63、ZS97參考基因組上不存在的新轉(zhuǎn)錄本和新基因，盡可能全面地補(bǔ)充水稻的注釋信息。
　　本文采用先組裝后比對(duì)的策略，通過(guò)對(duì)NCBI數(shù)據(jù)庫(kù)中2012年1月-2016年4月

2、發(fā)表的共960個(gè)樣本的亞洲栽培水稻（Oryza sativa）RNA-seq數(shù)據(jù)，分秈稻（indica）、粳稻(japonica)兩個(gè)亞種進(jìn)行de novo組裝，得到28，352條秈稻及50，648條粳稻轉(zhuǎn)錄本。其中秈稻有6，939條新轉(zhuǎn)錄本、粳稻有11，875條新轉(zhuǎn)錄本均未比對(duì)到水稻日本晴、MH63以及ZS97參考基因組。通過(guò)對(duì)秈、粳轉(zhuǎn)錄本進(jìn)行相互比對(duì)，發(fā)現(xiàn)僅有5.1％的秈稻轉(zhuǎn)錄本與3％的粳稻轉(zhuǎn)錄本相互間有大于60％的重疊區(qū)域，這說(shuō)明

3、絕大多數(shù)的新轉(zhuǎn)錄本具有亞種特異性。
　　通過(guò)開(kāi)放閱讀框預(yù)測(cè)及與蛋白質(zhì)非冗余數(shù)據(jù)庫(kù)（nr庫(kù)）進(jìn)行同源序列比對(duì)，從新轉(zhuǎn)錄本中分別預(yù)測(cè)得到3，794條秈稻及6，181條粳稻高可信度蛋白編碼序列。通過(guò)對(duì)其進(jìn)行功能注釋，3，380條(89.1％)秈稻及5，314條(86％)粳稻蛋白編碼序列可在Pfam數(shù)據(jù)庫(kù)中得到比對(duì)注釋，1，648條(43.4％)秈稻及2，494條(40.3％)粳稻蛋白編碼序列可通過(guò)KOG注釋到23個(gè)蛋白功能分類中。2，4

4、89(65.6％)條秈稻及3，795條(61.4％)粳稻蛋白編碼序列有GO注釋結(jié)果。715條(18.8％)秈稻及1，046條(17.0％)粳稻蛋白編碼序列在KEGG代謝途徑分析中得到注釋。并且發(fā)現(xiàn)大量基因參與水稻抗病及非生物脅迫響應(yīng)過(guò)程。進(jìn)一步分析秈、粳稻蛋白編碼基因的同源基因家族發(fā)現(xiàn)，2，057條(54.2％)秈稻及4，404條(71.3％)粳稻蛋白編碼基因是亞種特有的。
　　另一方面，通過(guò)對(duì)秈、粳轉(zhuǎn)錄本組裝結(jié)果進(jìn)行編碼能力預(yù)測(cè)