一株間型假絲酵母基因組的組裝及注釋.pdf

1、21世紀(jì)生物信息學(xué)進(jìn)入高速發(fā)展的階段，基因組序列、轉(zhuǎn)錄本序列等各類生物學(xué)數(shù)據(jù)使人們對(duì)于生物在基因和分子層面的了解更加深入?；蚪M中包含了生物絕大部分遺傳信息，對(duì)于生物基因組序列的分析是探索一個(gè)生物的過(guò)程中最基礎(chǔ)最重要的部分。
　　本文將介紹一株間型假絲酵母基因組的組裝及注釋過(guò)程。該假絲酵母菌株是一株經(jīng)過(guò)篩選可對(duì)木糖進(jìn)行高效降解的野生菌株，具有很好的研究?jī)r(jià)值。其基因組分別采用第二代測(cè)序技術(shù)（Ion Torrent）和第三代測(cè)序技術(shù)（

2、PacBio SMRT）測(cè)序。本文使用多種基因組組裝策略組裝該基因組，對(duì)Ion Torrent reads和PacBio reads或分別組裝或混合組裝。混合組裝有用 Ion Torrent reads與 PacBio reads混合組裝和用PacBio reads對(duì)Ion Torrent reads組裝結(jié)果進(jìn)行補(bǔ)洞這兩種方式。最后用一種基因組組裝結(jié)果整合軟件CISA對(duì)所有組裝結(jié)果進(jìn)行整合。結(jié)果發(fā)現(xiàn)用PacBio reads組裝出的基因

3、組比用Ion Torrent reads組裝出的基因組和混合組裝出的基因組完整很多，用PacBio reads組裝出的最好結(jié)果contig數(shù)目為228個(gè)，N50為91k，而用Ion Torrent reads組裝出的最好結(jié)果 contig數(shù)目為677個(gè)，N50為40k，混合組裝的最好結(jié)果contig數(shù)目為352個(gè)，N50為87k。值得一提的是用二三代測(cè)序數(shù)據(jù)混合組裝（SPAdes軟件）得到的基因組contig N50遠(yuǎn)遠(yuǎn)超過(guò)了其他組裝結(jié)

4、果，達(dá)到了1.2M。對(duì)這些組裝結(jié)果進(jìn)行整合后得到的基因組完整度大大提升，contig數(shù)目為19個(gè)，N50為1.3M。
　　在組裝整合結(jié)果中隨機(jī)抽取長(zhǎng)度為2000bp左右的可信度高的序列和可信度較低的序列進(jìn)行測(cè)序驗(yàn)證，發(fā)現(xiàn)19條可信度高的序列有17條均存在，25條可信度較低的序列有8條不存在，2條組裝錯(cuò)誤。這8條不存在的序列有3條來(lái)自SPAdes，1條來(lái)自三代組裝軟件celera assembler，另4條都是由CISA對(duì)兩個(gè)不同組

5、裝結(jié)果整合出來(lái)。這說(shuō)明高可信度的組裝結(jié)果是非?？煽康模涂尚哦鹊男蛄泻幸欢ǖ腻e(cuò)誤。
　　接下來(lái)對(duì)完成組裝的基因組進(jìn)行了注釋。首先用兩個(gè)重復(fù)序列識(shí)別軟件（RepeatMasker和RepeatModeler），分別識(shí)別出2057和2225個(gè)重復(fù)序列，其中包括53個(gè)從沒(méi)有被報(bào)道過(guò)的新重復(fù)序列。接著用GeneMark和Genscan進(jìn)行de novo基因預(yù)測(cè)，用Augustus借助RNA-seq數(shù)據(jù)進(jìn)行證據(jù)性基因預(yù)測(cè)，用blast和

6、exonerate進(jìn)行同源基因預(yù)測(cè)，分別得到4220-5453個(gè)假定的基因。對(duì)這些基因預(yù)測(cè)結(jié)果進(jìn)行整合，得到5024個(gè)基因預(yù)測(cè)結(jié)果，與報(bào)道過(guò)的假絲酵母屬下其他物種的基因總數(shù)較為相近。
　　用interproscan對(duì)這5024個(gè)基因做功能注釋，在WEGO網(wǎng)頁(yè)上得到圖形化注釋結(jié)果，這些結(jié)果可能對(duì)有關(guān)間型假絲酵母的研究有幫助在KEGG數(shù)據(jù)庫(kù)中查找到與木糖代謝有關(guān)的通路，通過(guò)與釀酒酵母和熱帶假絲酵母相關(guān)通路比較，可發(fā)現(xiàn)一些特殊的木糖代謝