一株兔源A型多杀性巴氏杆菌的分离鉴定和全基因组测序及分析

【背景】多杀性巴氏杆菌可导致猪肺疫、牛出血性败血症和兔出血性败血症等多种疾病,严重威胁多种动物畜牧养殖业的健康发展。【目的】重庆某兔场送检一批病死兔,为研究其病原和治疗方法,对病原进行了微生物分离和全基因组测序分析。【方法】从2022年重庆某兔场送检兔病料中进行细菌分离纯化、生化试验、16S rRNA基因鉴定、荚膜血清型分型、药敏试验和毒力基因检测,同时通过全基因组测序结果进行毒力、耐药基因注释和遗传进化等分子生物学信息分析。【结果】该菌为兔源A:ST74多杀性巴氏杆菌,命名为LXSS001,基因组序列上传到NCBI数据库(登录号为CP119523.1),药敏试验显示该菌对四环素、杆菌肽、复方新诺明和磺胺异恶唑耐药,对头孢噻肟、头孢哌酮和丁胺卡那等药物敏感。全基因组长度为2 480 671 bp,并注释到了58个毒力基因和9类药物的靶向抗药基因。通过联合建树表明其与3480株一致性最高。【结论】本研究完成了一株A型多杀性巴氏杆菌的分离鉴定和全基因组测序,并揭示了其与国内外其他分离株的进化关系,为多杀性巴氏杆菌的后续研究提供了参考依据。     

典型油气藏区域环境因素差异对甲烷氧化菌丰度与群落结构分布的影响

【目的】甲烷氧化菌(methane-oxidizing bacteria, MOB)是油气微生物勘探中重要的指标微生物,其丰度与群落结构分布受到地理位置和多种环境因素的影响。本研究以采集的7个典型油气藏区域的土壤样品为研究对象,探究油气藏区域环境因素差异对甲烷氧化菌丰度与群落结构分布的影响。【方法】对采集自7个典型油气藏区域土壤样品进行pmoA基因实时荧光定量PCR (real-time fluorescence quantitative PCR, qPCR)、细菌16S rRNA基因测序和甲烷氧化菌功能基因pmoA测序,结合环境因子,比较甲烷氧化菌丰度差异,分析环境因子对甲烷氧化菌分布的影响。【结果】土壤样品的理化性质测定发现江汉盆地样品的含水量最高,约22.8%,硝态氮平均含量最高位于玉北油田,达到31.96 μg/g干重土壤,春光油田出现最高的SO₄^2- (6 425.0 mg/g干重土壤)及Cl^- (1 617.0 mg/g干重土壤)浓度。qPCR分析发现pmoA基因丰度仅为土壤样本总细菌丰度的0.77%,表明甲烷氧化菌绝对数量较少。16S rRNA基因测序发现type I型甲基八叠球菌属(Methylosarcina)、甲基嗜热菌属(Methylocaldum)、甲基球菌属(Methylococcus)与type II型的甲基胞囊菌属(Methylocystis) 4种主要的甲烷氧化菌,甲烷氧化菌中的优势菌属的相对丰度极低,最高仅为0.124%。甲烷氧化菌功能基因pmoA测序发现type II型的甲基胞囊菌属、甲基弯曲菌属(Methylosinus)为主要优势pmoA基因型。环境因子与甲烷氧化菌丰度相关性分析表明甲烷氧化菌绝对丰度与铵态氮、pH、颗粒大小、硫酸根和氯离子显著相关,而环境因子与甲烷氧化菌的相对丰度的相关性分析仅发现与颗粒大小、总氮、总磷、金属离子(Al、Fe、K、Ca、Mg、Mn、Zn和Cu)显著相关。甲烷氧化菌pmoA功能基因组成判别相关分析(discriminant correlation analysis, DCA)表明含水量(土壤湿度)、pH值、<2 μm的土壤颗粒、总氮及钙离子对甲烷氧化菌pmoA功能基因组成影响具有显著性。【结论】本研究通过对来自7个典型油气藏区域的土壤样品的甲烷氧化菌的绝对丰度与相对丰度进行分析,发现基于不同的测量方法,甲烷氧化菌的丰度存在较大差异,16S rRNA基因测序无法较为全面地反映土壤样本中优势甲烷氧化菌的群落结构,不同地理位置的甲烷氧化菌指示群落存在差异,在全国尺度下油气区及背景点均无特有的甲烷氧化菌指示群落。对环境因子与甲烷氧化菌相关性分析发现,基于不同的甲烷氧化菌丰度指标,环境因子的显著影响具有较大差别。     

拟南芥花粉管与柱头互作的乙醇代谢耦合模型

依据拟南芥公开的代谢途径数据库,构建了基于酶与酶的拟南芥代谢网络模型。利用拟南芥花粉管与柱头互作过程中的转录组数据,挖掘出花粉管与柱头在互作过程中的特异表达基因,进一步将特异表达的酶基因匹配到已构建的拟南芥代谢网络中,根据网络拓扑模型中的节点(酶)之间的共表达关联性,最后给出了一个拟南芥花粉管与柱头互作的乙醇代谢耦合模型。     

基于序列特征的环状RNA识别

环状RNA是新发现的一类具有重要生物学功能的RNA。现有的环状RNA识别工具依赖高通量测序数据,因数据本身和识别方式的弊端而普遍存在准确性不足、不同方法间重复性低以及假阳性率/假阴性率高等缺点。为了解决该问题,我们搭建模型来实现不依赖于测序数据而根据序列的内在特征的环状RNA从头预测。本文选取了包括剪接位点上下游内含子的长度、A-to-I密度和Alu重复序列等100个与RNA成环相关的序列特征,建立了机器学习模型,并识别了人类基因组中的环状RNA,比较了两种机器学习方法随机森林法(RF)和支持向量机(SVM)的分类效果。结果表明,所选序列特征能有效地鉴别RNA能否成环,同时,不同序列特征对模型的分类预测能力的贡献也不同。相比于SVM方法,RF分类的效果更好。     

不同演替状态下高寒草甸土壤物理性质与植物根系的相互关系

采用空间代时间的方法,以高寒嵩草草甸不同退化演替状态土壤物理性质(土壤机械阻力、温度、湿度)为变量,探讨高寒草甸不同退化阶段土壤物理性质同植物根系生长特质的相互关系。结果表明:高寒嵩草草甸根系分布具有明显的"V"型垂直构型特征;高寒嵩草草甸根系以细根为主,直径0.5 mm的根系占全剖面根系总长的90.8%—93.6%。土壤紧实度和土壤湿度与植物根系直径细化具有显著的正相关关系(P0.05);土壤温度与根系细化之间具有显著的负相关关系(P0.05),且其对高寒嵩草草甸根系生长特性形成的贡献率最高,说明高寒嵩草草甸植物根系生长构型特征的主控因子为温度。高寒嵩草草甸根系细化及表聚现象与土壤物理性质之间具有一定程度的互馈效应。低温、高紧实度和较高的土壤湿度有助于形成高密度和细根构型的草毡表层,这种土壤根系构型也是高寒草甸植物群落为适应放牧干扰及恶劣环境的应激性改变。该发现对明晰草地退化演替过程中生态系统构件对外界干扰改变的响应和适应过程及为制定合理有效的退化高寒草甸恢复措施提了供理论依据。     

Eoandromeda and the origin of Ctenophora

The Ediacaran fossil Eoandromeda octobrachiata had a high conical body with eight arms in helicospiral arrangement along the flanks. The arms carried transverse bands proposed to be homologous to ctenophore ctenes (comb plates). Eoandromeda is interpreted as an early stem‐group ctenophore, characterized by the synapomorphies ctenes, comb rows, and octoradial symmetry but lacking crown‐group synapomorphies such as tentacles, statoliths, polar fields, and biradial symmetry. It probably had a pelagic mode of life. The early appearance in the fossil record of octoradial ctenophores is most consistent with the Planulozoa hypothesis (Ctenophora is the sister group of Cnidaria + Bilateria) of metazoan phylogeny.     

Enhanced production of exopolysaccharides using industrial grade starch as sole carbon source

Bioprocess and Biosystems Engineering - Industrial grade soluble corn starch was used directly and effectively as the fermentation substrate for microbial exopolysaccharides production. Bacillus...     

嗜热II型内含子Tel3c/4c-RT结构域活性位点分析

【背景】嗜热Ⅱ型内含子是一类由内含子RNA和内含子编码蛋白(intron encoded protein,IEP)组成且在高温条件下能够在染色体上高频移动的反转录转座子,目前已被开发为高效基因打靶工具Thermotargetron,阐明其活性催化位点,对深入研究其“归巢”机制及开发新型遗传工具具有重要意义。【目的】筛选嗜热Ⅱ型内含子Tel3c/4c-RT结构域关键活性位点,并获得失活反转录功能的内含子编码蛋白突变体。【方法】先利用生物信息学技术分析并筛选可能影响Tel3c/4c-RT反转录功能的关键氨基酸位点;然后对筛选到的关键氨基酸位点进行定点突变,并以Thermotargetron质粒为基础构建失活反转录功能的突变型嗜热Ⅱ型内含子打靶系统;最后以大肠杆菌lacZ基因为例,通过蓝白斑计数分析突变型Thermotargetron系统的打靶效率,体内验证Tel3c/4c-RT结构域关键活性位点突变对嗜热Ⅱ型内含子打靶效率的影响。【结果】共筛选到15个可能影响反转录活性的氨基酸位点,包括D194、I195、S196、G197、C198、F199、Q241、G242、R274、Y275、A2...     

Using Amino Acid Physicochemical Distance Transformation for Fast Protein Remote Homology Detection

Protein remote homology detection is one of the most important problems in bioinformatics. Discriminative methods such as support vector machines (SVM) have shown superior performance. However, the performance of SVM-based methods depends on the vector representations of the protein sequences. Prior works have demonstrated that sequence-order effects are relevant for discrimination, but little work has explored how to incorporate the sequence-order information along with the amino acid physicochemical properties into the prediction. In order to incorporate the sequence-order effects into the protein remote homology detection, the physicochemical distance transformation (PDT) method is proposed. Each protein sequence is converted into a series of numbers by using the physicochemical property scores in the amino acid index (AAIndex), and then the sequence is converted into a fixed length vector by PDT. The sequence-order information can be efficiently included into the feature vector with little computational cost by this approach. Finally, the feature vectors are input into a support vector machine classifier to detect the protein remote homologies. Our experiments on a well-known benchmark show the proposed method SVM-PDT achieves superior or comparable performance with current state-of-the-art methods and its computational cost is considerably superior to those of other methods. When the evolutionary information extracted from the frequency profiles is combined with the PDT method, the profile-based PDT approach can improve the performance by 3.4% and 11.4% in terms of ROC score and ROC50 score respectively. The local sequence-order information of the protein can be efficiently captured by the proposed PDT and the physicochemical properties extracted from the amino acid index are incorporated into the prediction. The physicochemical distance transformation provides a general framework, which would be a valuable tool for protein-level study.