必需基因與復制起始點數據庫的建立及分析.pdf

1、隨著基因測序技術的不斷發(fā)展，生物領域內的數據呈現爆炸式增長。而如何從海量數據中挖掘出有價值的信息和模型，則逐步成為生物信息學研究的主要內容。生物必需基因和復制起始點均是維持生命正常代謝生存的主要基因組元件，本論文主要專注于上述兩者的數據收集與分析，介紹了相應數據庫，并對現有的數據進行生物信息學分析與應用。
　　論文第一部分主要圍繞生物必需基因這一內容展開的。首先介紹了全新版本的必需基因數據 DEG，目前 DEG數據庫中的數據較于之

2、前版本有了重大的擴充，不僅大量收集了不同實驗條件下原核和真核生物的必需基因，同時也收集了大量必需的非編碼基因元件，例如非編碼 RNA、啟動子、調控序列及復制起始點等。并且，我們還開發(fā)了可定制的序列對比服務，用戶可將自己的基因序列、注釋或非注釋的全基因組序列提交到DEG中，與自己選定的特殊物種或者特殊實驗條件下的必需基因進行序列對比。另外，基于DEG中的數據分析，我們發(fā)現細菌基因組中必需基因在全部基因中的比例與基因組長度成指數型衰減，并對

3、五種生物進行了必需基因與非必需基因的GO富集分析。最后，通過全面分析和比較23種細菌中必需基因和非必需基因之間的Ka/Ks值，發(fā)現在這些細菌中必需基因相比于非必需基因要更加保守。而且我們還基于蛋白質直系同源簇（COGs）數據庫將蛋白質編碼基因進行功能分類，發(fā)現屬于COG子類中 G（糖代謝與轉運）、H（輔酶代謝轉運）、I（轉錄），J（翻譯、核糖體代謝和生物合成）及 K（脂類代謝轉運）的必需基因在細菌中相比于這些類別中的非必需基因呈現出更強

4、的保守性。
　　論文第二部分主要分析了生物復制起始點及其特點。我們收集了大量不同種類生物的復制起始點數據，分別建立了原核和真核生物復制起始點數據庫DoriC和 DeOri。其中DoriC數據庫中的數據不僅有了大幅增長，而且也新增了實驗驗證及理論預測的古菌復制起始點數據。同時 DeOri也是第一個包含不同真核生物復制起始點的數據庫。論文最后介紹了第一個古菌基因組復制起始點網上預測系統(tǒng)Ori-Finder2。目前，Ori-Finder