基因组时代的计算微生物学

微生物基因组和RNA序列构成生物学数据的重要部分.从基因组出发而且不用序列联配的CVTree和基于16S rRNA序列联配的LVTree,是两套原始数据和计算过程相互独立的构建原核生物亲缘树和分类系统的途径.这两套途径的自动化,使亲缘关系和分类系统成为大数据分析的副产品,可以帮助后继乏人的分类学摆脱困境.特别是基于基因组的CVTree,既提供了大范围研究的工具,又在种以下具有16SrRNA序列分析所不能企及的高分辨力,可以提出和解决一批新问题,开辟若干新方向.本文是相关研究工作的扼要综述.     

基于k-mer组分信息的系统发生树构建方法

随着越来越多基因组的测序完成,基于全基因组的非比对的系统发生分析已成为研究热点。不同的生物物种或个体基因组之间的核酸组分不完全相同。遗传语言-DNA序列的信息很大程度上反映在其k—mer频数中。基于基因组序列k-mer频数的系统发生树则从新的角度为我们提供物种之间的亲缘关系。本文定义基于k-mer,频数的信息参数,并用它表征基因组序列,计算不同基因组之间信息参数的距离,用邻接法对84个病毒构建了系统发生树,发现构建的系统发生树很大程度上与已有的系统发生树相吻合。     

黑麂线粒体基因组序列分析

采用PCR产物直接测序方法测定了黑麂线粒体基因组全序列 ,初步分析了其基因组特点并定位了各基因的位置 .结果显示 :黑麂的线粒体基因组全序列长度为 1 6 35 7bp ,可编码 2 2种tRNA、2种rRNA、1 3种蛋白质 ,碱基组成及基因位置与小麂、赤麂和其它哺乳类动物的线粒体基因组相似 ;模拟电子酶切图谱与先前的报道基本一致 ;基于细胞色素b的全基因序列 ,分别以最大简约法、N J法、最大似然数法与其它 1 4种鹿类动物的相应序列进行了聚类分析 ,构建出相似的系统进化树 :初步确定了麂亚科动物在鹿科中处于与鹿亚科、北美鹿亚科并列的进化地位 .在此基础上 ,进一步以黑麂、赤麂、小麂的线粒体编码RNA和编码蛋白质的基因序列构建系统进化树 ,分析了三者的亲缘关系 .结果表明 :黑麂和赤麂亲缘关系较近 ,是较新的物种 ,而小麂是较为原始的物种     

同域分布的3种木蓼属植物叶绿体基因组比较

刺木蓼(Atraphaxis spinosa)、额河木蓼(A. jrtyschensis)和细枝木蓼(A. decipiens)是同域分布在我国新疆北部的3种木蓼属物种。通过二代高通量测序,对叶绿体基因组进行组装和注释,比较3个物种的叶绿体基因组差异并进行系统发育分析。结果表明,木蓼属3个物种的叶绿体全基因组大小为164 106–164 216 bp,与其它绿色植物类似,由1个大单拷贝区(LSC)、1个小单拷贝区(SSC)及介于二者之间的2个反向重复区(IRa/IRb)组成。在刺木蓼、额河木蓼和细枝木蓼中检测到48–49个串联重复序列及59–63个简单重复序列(SSR)。3个物种的核苷酸多样性平均值为0.000 96,Ka/Ks平均值为0.030 3,遗传距离平均值为0.001 0。通过对3个物种的叶绿体基因组进行比较,发现编码区比非编码区更保守。系统发育分析结果显示3个物种的亲缘关系较近。该研究基于叶绿体基因组对木蓼属物种的亲缘关系进行分析,揭示了3个同域分布的物种之间的亲缘关系以及木蓼属在蓼科中的系统位置。研究结果可为木蓼属的分类学、系统学和生物地理学研究提供参考。     

基于低拷贝核基因的组分特征研究十字花科植物的系统发生关系

近年来人们在十字花科物种系统发生关系方面开展了大量工作,研究发现十字花科可分为3个主要类群,但是这些类群内部以及类群间的进化关系还不明确。旨在快速准确地解决十字花科物种系统发生关系,通过选取39个十字花科物种及两个外类群物种作为研究材料,使用系统发生基因组学方法获得了覆盖所选物种的低拷贝同源基因集合。进一步通过CVTree方法分析低拷贝核基因的组分特征,得到了高度支持与稳定的十字花科系统发育关系。结果显示,十字花科被分为6个主要的类群,其中3个主要类群的划分与前人的分类结果高度一致,并且增加了两个新类群,此外,前人研究中存在争议的第二类群在本研究结果中成为有稳定支持的单系群。表明基于大量低拷贝同源基因集合并结合组分矢量分析,可以较为准确地反映十字花科物种的系统发生关系。因此,CVTree方法不仅适用于研究原核生物、真菌等微生物的系统发生关系,也可以用来探究十字花科植物等高等生物的亲缘关系。     

菊科植物叶绿体基因组特征分析

基于高通量测量技术的发展,目前在GeneBank数据库中已获得了27种菊科植物叶绿体基因组全序列。尽管叶绿体基因组全序列在捕获进化事件的功能方面是有一定分歧的,但由于其高度的保守性和较低的进化速率,使其在不同物种间的系统进化研究中具有更好的统一性,从而使叶绿体基因组全序列成为一个更适合研究分子系统发育与分子生态学的宝贵工具。本研究对27种菊科植物叶绿体全基因组序列进行了系统分析,内容包括全基因组序列的大小,基因组容量,LSC,SSC,IR-LSC/SSC边界,假基因和DNA条形码等。基于上述信息,植物叶绿体基因组为菊科植物的分类鉴定和定位提供了更加准确的证据。     

基于双核酸频率分布特征的细菌亲缘关系定量分析

目的采用生物信息学方法定量分析细菌的亲缘关系。方法抽取全基因组核酸序列的双核苷酸频率特征向量,表征数字特征。采用Pearson相关系数分析特征向量之间的距离。结果以119个细菌的全基因组核酸序列为研究对象,两两比对的结果为:越是相近的物种,Pearson相关系数越大,PCC距离越小。结论该方法对细菌亲缘关系的定量描述做了有益的探索。     

基于图像配准分析物种进化关系的新方法

图像配准是图像处理的一个重要技术,可用于分析两幅图像之间的相似度。本文提出了一种基于图像配准分析物种进化关系的新方法:首先利用一阶马尔可夫链方法计算不同基因组序列的寡聚核苷酸转移概率矩阵;然后将转移概率矩阵转换为彩色图像矩阵,并绘制物种两两之间彩色图像矩阵的联合直方图;最后分析联合直方图点集的分布情况,引入直方图点集的散度公式,将其作为相似性测度的标准,从而鉴定物种亲缘关系的远近。100种细菌全基因组的计算结果表明,相较于单基因法或基于基因组寡聚核苷酸频率组分差异信息的方法,本文提出的新方法具有更高的准确度和分辨力,它不仅能够很好地分辨科以下的分类单元,而且对科以上的分类单元同样具有较好的区分效果。该方法有望发展成为物种鉴定及系统发育推断的有效手段。     

中华鳖线粒体基因组序列分析

参照近源物种线粒体基因组序列,设计17对特异引物,采用PCR产物直接测序法测得中华鳖线粒体基因组全序列.初步分析其基因组特点和各基因的定位,用pDRAW32软件预测12种限制性酶对其的酶切图谱.结果表明,中华鳖线粒体基因组全长17364bp,核苷酸组成为35.23%A、27.26%T、25.73%C、11.78%G,包括13个蛋白质编码基因、2个rRNA基因、22个tRNA基因和1个非编码控制区.基于线粒体基因组编码的13个蛋白质的氨基酸序列,用NJ法和MP法构建系统进化树,分析6种龟鳖类动物之间的亲缘关系,与传统的系统分类基本一致,初步确定淡水龟科与海龟科的亲缘关系比与龟科的亲缘关系要近.     

应用非序列联配方法对哺乳动物系统发育关系的探讨

非序列联配的序列分析方法,将序列中特定寡聚核苷酸的kmer统计频率作为特征,在序列间按特征进行比较和分析。这种方法综合考虑了所有变异类型对序列整体特征的影响,因而在组学数据分析上有独特的优势。但是,这类方法在复杂多细胞生物基因组系统发育中的适用性仍然有待检验。在本文中,我们使用基于非序列联配方法的CVTree软件,以45种哺乳动物的蛋白质组数据建立了系统发育关系NJ树,并据此探讨了哺乳动物系统发育的若干问题。在广受关注的真兽下纲四个总目的关系问题上,CVTree支持形态学的普遍结论即上兽类(Epitheria)假说。这与基于序列联配方法支持的外非洲胎盘类(Exafro-placentalia )假说不同。在哺乳动物内部目的层次上,CVTree树的结论与分子和形态所普遍接受的系统发育关系基本一致。但是在目的内部,CVTree树会有较多的差异。研究结果初步显示非序列联配方法在使用复杂多细胞生物的组学数据进行系统发育关系分析中的可行性。对非序列联配方法自身的改进及其与传统基于取代的序列联配方法之间的比较仍有待深入研究。     

基于全基因组结构域信息的进化树构建

重建生物进化树一直以来都是进化生物学家的梦想。大量物种全基因组的测序使得我们可以从全基因组水平上构建进化树,来研究各个物种之间的进化关系。本文采用2种统计方法和3种距离计算方法,在全基因组水平上建立基于蛋白质结构的进化树。选取93个物种的全基因组作为分析对象,涵盖了3个超界:真核生物,细菌和古细菌。而结果也正确地将这些物种分为三个大类,每个大分支内部的物种聚类情况也基本和这些物种的形态学分类相吻合。并将这些方法的聚类结果与物种分类的结果相比较,得出丰度的统计方法和基于两向量夹角的距离计算方法这种组合在构建进化树上比其他组合更好。     

西瓜与近缘种亲缘关系的比较基因组原位杂交分析

物种间亲缘关系的研究是杂交育种的理论基础,野生西瓜在西瓜育种中具有重要作用,然而目前对西瓜属物种间亲缘关系的研究十分有限,而且对西瓜属物种的分类问题还存在分歧.比较基因组原位杂交是分析物种间亲缘关系的有效手段,本研究以西瓜基因组DNA作探针,分别对缺须西瓜、热迷西瓜、药西瓜和诺丹西瓜有丝分裂中期染色体进行了比较基因组原位杂交分析,揭示了西瓜属物种间的亲缘关系,同时对分类地位尚存在争议的诺丹西瓜的归属问题进行了分析,发现诺丹西瓜和甜瓜之间具有非常近的亲缘关系,本研究结果为西瓜与近缘种间的远缘杂交提供了重要的理论依据.     

短尾蝮蛇线粒体基因组全序列分析

参照近缘物种的线粒体基因序列设计并筛选得到8对引物,结合TA克隆和步移测序获得了全长17227bp的短尾蝮蛇线粒体基因组全序列.与多数蛇类线粒体基因组类似,其共编码包括13个蛋白、2个rRNA和22个tRNA在内的37个基因,另外还包含2个非编码的富含AT的控制区.基因间排列紧凑,多数基因间间隔极短甚至发生重叠.除nad1、cox1和nad3外,多数蛋白编码基因均以ATG作为起始密码子,终止密码子的使用则存在TAA、AGA、AGG和不完全的T4种情况.基于合并的19个tRNA基因序列组合数据采用NJ、MP和ME3种算法对21种蛇进行了初步的系统发育分析,结果表明,各主要分类单元之间的亲缘关系与前人基于形态学、线粒体12SrRNA和cytb基因序列研究的结论完全一致,这证实了基于合并的线粒体tRNA基因序列进行蛇类物种DNA分子系统学研究的可行性.     

中国地鼠线粒体基因组的序列分析与分子进化

目的 获得中国地鼠线粒体基因组序列,为线粒体疾病模型提供分子数据.方法 参照近缘物种的线粒体基因组序列,设计27对特异引物,采用TD-PCR及测序技术获得了中国地鼠的线粒体全基因组序列,分析了其基因组特点和各基因的定位.还结合GenBank中已发表的其他5种啮齿类动物的线粒体基因组序列,探讨啮齿类动物不同科间的系统进化关系.结果 中国地鼠线粒体基因组全长为16 283 bp,碱基组成为33.53％A、30.50％T、12.98％G、22.80％C,包括13个蛋白质编码基因、2个rRNA基因、22个tRNA基因和1个非编码基因控制区.中国地鼠和金黄地鼠亲缘关系最近.结论 中国地鼠线粒体基因组各基因长度、位置与典型的啮齿类动物相似,其编码蛋白质区域和rRNA基因与其他啮齿类动物具有很高的同源性,显示线粒体基因组在进化上十分保守.5种动物的分子系统进化树与传统分类地位一致.     

孑遗濒危植物矮扁桃叶绿体全基因组特征分析及亲缘关系鉴定

对第三纪孑遗濒危植物矮扁桃（Amygdalus nana）叶绿体全基因组进行结构特征分析,并探究其与近缘物种之间的系统进化关系。利用Illumina HiSeq Xten测序技术获取叶绿体全基因组序列,对其进行组装、注释和特征分析。结果表明：①矮扁桃叶绿体全基因组总长度为158 596 bp,其中LSC长度为86 771 bp,SSC长度为19 037 bp,2个IRs均为26 394 bp,为环状四分体结构。共注释130个基因,包括85个PCGs、37个tRNA和8个rRNA。②对6种植物进行IR边界区扩张和收缩分析,发现在4个边界区的基因类型和基因分布情况存在一定差异,并且亲缘关系越紧密差异程度越小。③在矮扁桃叶绿体全基因组中共预测了71个SSRs位点。④系统发育分析结果显示,在扁桃亚属中,矮扁桃在亲缘关系上与蒙古扁桃更近,而与长柄扁桃和榆叶梅的亲缘关系稍远。本研究对矮扁桃叶绿体全基因组进行了深度剖析,并且涉及大量被子植物的叶绿体全基因组资料,为桃属植物之间的进化关系和植物鉴定提供参考依据。     

基于全基因组的系统发生分析

系统发生（phylogeny)是指生物之间的进化关系。系统发生分析就是通过比较物种的特征,研究物种之间的进化关系。本文主要对系统发生分析中,基于全基因组分析的各个特征提取的方法进行了综述。首先阐述了用基于全基因组进行系统发生分析的原因,然后介绍了六种基于全基因组的系统发生分析方法,最后对这些方法的优缺点进行了总结。     

丝兰属6种植物叶绿体基因组特征分析

为了理清丝兰属（Yucca）叶绿体基因组特征和序列变异情况,进行丝兰属植物叶绿体比较基因组学分析,并构建基于叶绿体基因组的系统发育树。利用高通量测序技术获得无刺龙舌兰（Y. treculeana）叶绿体基因组序列,结合丝兰属现已发表的叶绿体基因组,使用生物信息学方法对6种丝兰属植物叶绿体全基因组进行基本结构、重复序列、边界收缩与扩张以及序列变异分析等在内的比较基因组学研究,并进行系统发育分析。结果表明：6种丝兰属植物叶绿体基因组大小、基因的类型及数目相近,种间基因组结构比较保守;从丝兰属植物叶绿体基因组中检测到多条重复序列,其中SSR位点多是由单核苷酸、双核苷酸和四核苷酸组成,且偏好使用A、T碱基;根据核酸多态性指数π≥0.008,在6种丝兰属植物叶绿体基因组中筛选出了psbK-psbl-trnS-GCU、rpl20-rps12和ccsA-ndhD 3个高变异区域;基于叶绿体全基因组和LSC+SSC区序列构建的系统发育关系基本一致,确定了6种丝兰属植物间的系统发育关系,其中无刺龙舌兰与克雷塔罗丝兰（Y. queretaroensis）的亲缘关系最近。本研究测序获得了无刺龙舌兰叶绿体基因组,揭示了6种丝兰属植物叶绿体基因组特征和序列变异情况,明确了各物种间的亲缘关系,研究结果可为后续丝兰属植物分子标记开发及系统发育研究提供参考。     

原核生物基因组三核苷酸转移概率偏倚的物种特异性及致病关联性

作为DNA序列的重要组成特征,基因组寡核苷酸使用模式及其偏倚的研究已被广泛应用于原核生物基因组的分析。然而,关于寡核苷酸使用模式的偏倚是否具有种群特异性并反映种群的功能这一问题,尚未阐明。我们基于一阶马尔可夫链模型,提出了一个度量寡核苷酸使用模式偏倚的新指标——基因组三核苷酸(trinucleotide,tri-)转移概率偏倚(transition probability bias,TPB)特征向量,或称之为三核苷酸转移概率最大偏倚分布,并分析比较了727条有代表性的原核生物基因组序列tri-TPB特征向量。结果表明,基因组tri-TPB特征向量具有物种特异性,亲缘关系越近的物种,它们的tri-TPB特征向量越相似;同种内的不同菌株具有几乎完全相同的tri-TPB特征向量,并且不依赖于基因组的GC含量;此外,基因组tri-TPB特征向量的相似性与菌株的致病性特征相关。本研究结果为基于全基因组寡核苷酸组成和分布信息的物种及其致病性进化分析提供了新的思路和方法。     

DNA标记的种类、特点及其研究进展

生命的遗传信息存储于DNA序列之中,基因组DNA序列的变异是物种遗传多样性的基础。目前已发展出的DNA标记技术不下十几种,它们各具特色,并被广泛地应用于作物遗传育种、基因定位、亲缘关系鉴别、基因克隆研究等方面。对DNA标记技术进行分类,并作了初步概述。     

虾虎鱼类线粒体全基因组序列结构特征分析及系统发育关系探讨

虾虎鱼类体态变异大、体型小、种类多, 形态鉴定及谱系分类较为困难。为深入开展虾虎鱼类的鉴定、分类及遗传进化等研究, 文章对已获得的26种虾虎鱼线粒体全基因组进行分析。结果发现, 虾虎鱼类线粒体基因组的基因组成及排列模式与大多数脊椎动物线粒体基因组特征基本一致; 由于不同物种的控制区存在不同数量的重复序列而导致基因组序列长度存在明显的差异; 26种虾虎鱼线粒体全基因组序列及不同基因中A+T的含量均超过50%, 并存在碱基G偏倚现象。基于37个编码基因序列, 利用Kimura双参数法计算遗传距离, 发现矛尾刺虾虎鱼与斑尾刺虾虎鱼、斑纹舌虾虎鱼与钝吻舌虾虎鱼分别为同种异名。通过对26种虾虎鱼线粒体基因组控制区序列的比较, 识别了终止结合序列区、中央保守区及保守序列区。利用26种虾虎鱼线粒体基因组的36个编码基因序列构建系统发育树, 发现部分聚类结果不同于传统的形态学分类方式, 虾虎鱼科中的5个亚科出现了明显的分化, 近盲虾虎鱼亚科、背眼虾虎鱼亚科、瓢虾虎鱼亚科亲缘关系较近而聚成一大支, 然后与拟虾虎鱼亚科种类形成姐妹类群, 虾虎鱼亚科与其它的4个亚科亲缘关系较远, 单独成为一个类群。根据分子钟估算结果推测虾虎鱼科物种可能起源于始新世晚期至渐新世时段, 在中新世进一步分化为具有现代表征的虾虎鱼种类。