基于支持向量机的细菌基因组水平转移基因预测

随着各种生物基因组序列测定工作的完成,大量的DNA序列数据涌现出来,为研究在基因组中寻找水平转移基因提供了极大的便利.将基因序列特征分析和支持向量机技术结合起来,通过分析基因序列的特征差异发现水平转移基因.依据以前研究工作的基础,选取了绝对密码子使用频率(FCU)作为序列特征,主要因为它既包含了基因密码子使用偏性的信息,也包含了基因所编码蛋白的氨基酸组成信息,支持向量机利用这些信息进行水平转移基因分析和预测,可以提高预测的准确性.另外,提出了基于分链的水平转移基因预测新方法,即将细菌基因组前导链和滞后链上的基因区别对待,分别进行水平转移基因预测.结果显示,基本预测方法要优于目前预测结果最好的Tsirigos等提出的基于八联核苷酸频率的打分算法,命中率的相对提高率最高达31.47%,而基于分链的方法对水平转移基因的预测取得了更好的结果.     

基因转移因子———一类在海洋中广泛存在的介导水平基因转移的新型生物因子

基因转移因子(Gene Transfer Agent,GTA)是一种由细菌释放的、形态和有尾病毒类似的生物颗粒。GTA颗粒携带的遗传物质是宿主基因组的随机小片段而不包含编码GTA自身的基因或病毒基因组。根据4个模式菌株释放的GTA的研究,GTA具有高效的,种间介导基因水平转移的功能。近年来大规模细菌基因组测序,发现编码GTA的基因簇广泛存在于海洋细菌基因组上,GTA是在海洋环境中发生水平基因转移的重要模式。本文在总结4个模式菌株释放的GTA的认识的基础上,着重描述海洋主要类群的细菌释放的GTA的特征,讨论在海洋生态系统中,GTA对水平基因转移的贡献,并对未来的研究进行了展望。     

细菌中基因组岛的转移与调控机制研究进展

基因水平转移可导致细菌不同种属间个体DNA的交换,从而使细菌对环境的适应性增强,是细菌进化的重要途径之一。基因组岛是基因水平转移的重要载体,可移动的基因组岛能够整合到宿主的染色体上,并在特定的条件下切除,进而通过转化、接合或转导等方式转移到新的宿主中。基因组岛具有多种生物学功能,如抗生素抗性、致病性、异源物质降解、重金属抗性等。基因组岛的转移造成可变基因在不同种属细菌间的广泛传播,例如毒力和耐药基因的传播导致了多重耐药细菌的产生,威胁人类健康。基因组岛由整合酶介导转移,同时在转移的过程受到多种不同转录因子的调控。本文对细菌中基因组岛的结构特点、转移和调控机制以及预测等方面进行了综述,并最终阐明基因组岛的转移及其调控机制是遏制基因组岛传播的重要策略。     

基因水平转移的评判方法和转移方式研究进展

基因水平转移是不同物种之间或细胞器间基因的交流。基因水平转移现象在原核生物中普遍存在, 在真核生物中近年来也发现了众多例证, 说明水平转移是生物界的普遍现象。文章着重对基因水平转移的概念、评判基因水平转移的标准, 水平转移的特点和转移方式, 以及基因水平转移对基因组进化的作用等方面的研究进展进行了综述。在已有的基因水平转移研究中进化树分析法、碱基组成分析法、选择压力分析法、内含子分析法、特殊序列分析法和核苷酸组成偏向性分析法等几种是常用的方法; 转座序列是生物中最易于发生水平转移的基因类型;原核生物基因水平转移的主要方式有转化、接合和转导, 真核生物中水平转移发生方式尚不清楚。基因水平转移在基因、基因组和生物进化中有着其独特的作用。     

家蚕核型多角体病毒水平转移基因分析

为了探讨杆状病毒基因组的遗传进化模式,文章利用家蚕核型多角体病毒(BmNPV)和其宿主家蚕全基因组数据,进行了全基因组的同源性搜索和系统进化分析,结果显示,BmNPV的几丁质酶(Chi)基因、凋亡抑制蛋白3(IAP3)基因和尿苷二磷酸葡萄糖转移酶(UGT)基因为水平转移基因。这3个基因都来源于其宿主昆虫。通过核苷酸组成、密码子偏好性、选择压力等基因特征分析,发现BmNPV水平转移基因与其基因组序列存在明显差异,进一步验证水平转移基因的外源性。对3个水平转移基因的功能分析发现它们有利于杆状病毒在宿主昆虫中的侵染与繁殖,并提高杆状病毒在昆虫中的生存能力。     

致病菌基因组岛的研究进展

细菌基因组岛是细菌基因组上的特定区域,和水平基因转移相关,具有一定的结构特点,常携带致病、耐药及与适应性等功能相关的基因。通过基因组岛在细菌间的移动,可以造成相关基因在细菌间的传播,在细菌生存和致病等过程中具有重要作用。目前已经可通过生物信息和分子生物学实验等方法对基因组岛进行预测和验证。通过对致病菌基因组岛的研究,可以阐释细菌致病性和耐药等重要功能的获得,对疾病进行溯源,在传染病预防控制中具有重要意义。     

基于扩展起始节点和加权融合策略预测肺癌风险致病基因

肺癌风险致病基因预测有助于了解疾病发病机制、提高临床治疗效果.目前,以重启游走为框架的风险致病基因预测算法,普遍存在起始节点少、节点转移概率相同、信息源单一的问题.为此,本文提出一种基于扩展起始节点和加权融合策略的风险致病基因预测算法(命名为AFMFSC),并在肺癌中验证算法有效性.首先,基于增广模糊测量思想,计算疾病表型近似基因间的增广功能相似得分,从中选出重要基因与致病基因作为扩展起始节点;其次,采用节点拓扑相似度转移矩阵及基因表达差异相关性转移矩阵,分别在蛋白质网络中重启随机游走,并将两种结果加权融合排序;最后,通过富集分析排名靠前基因,得到有显著意义的风险致病基因.AFMFSC算法预测的73个肺癌风险致病基因,均与肺癌发生、发展有密切联系,生物学意义显著.与其他排序算法相比,AFMFSC算法的Top 1%、Top 5%和AUC值比较大,平均排名和受拓扑特性偏差影响程度小;融合策略排名性能优于单一转移矩阵或普通邻接矩阵游走排名.AFMFSC算法不仅能准确有效地预测肺癌风险致病基因,而且可推广预测其他疾病风险致病基因,为探索癌症致病机理提供新视角及依据.     

基于迭代自学习的操纵子结构预测

原核生物操纵子结构的准确注释对基因功能和基因调控网络的研究具有重要意义,通过生物信息学方法计算预测是当前基因组操纵子结构注释的最主要来源.当前的预测算法大都需要实验确认的操纵子作为训练集,但实验确认的操纵子数据的缺乏一直成为发展算法的瓶颈.基于对操纵子结构的认识,从基因间距离、转录翻译相关的调控信号以及COG功能注释等特征出发,建立了描述操纵子复杂结构的概率模型,并提出了不依赖于特定物种操纵子数据作为训练集的迭代自学习算法.通过对实验验证的操纵子数据集的测试比较,结果表明算法对于预测操纵子结构非常有效.在不依赖于任何已知操纵子信息的情况下,算法在总体预测水平上超过了目前最好的操纵子预测方法,而且这种自学习的预测算法要优于依赖特定物种进行训练的算法.这些特点使得该算法能够适用于新测序的物种,有别于当前常用的操纵子预测方法.对细菌和古细菌的基因组进行大规模比较分析,进一步提高了对基因组操纵子结构的普遍特征和物种特异性的认识.     

基因组挖掘默诺霉素生物合成基因簇的比较分析

通过对NCBI数据库的检索,使用次级代谢基因挖掘的方法对整个基因组数据进行扫描,发现含有潜在的默诺霉素家族磷酸糖脂类抗生素合成途径基因簇的6株链霉菌:Streptomyces ghanaensis、Streptomyces bambergiensis、 Streptomyces prasinus、 Streptomyces lincolnensis、 Streptomyces. sp. SAT1和Streptomyces clavuligerus。将搜寻获取的候选基因簇与S. ghanaensis中的默诺霉素合成相关基因簇进行比较基因组学分析,从共线性比对、合成基因的进化水平和同源性比对结果的分析,说明默诺霉素合成基因簇存在两种不同的进化来源与途径。其中5株链霉菌的合成基因簇位于染色体的两臂区,该区域常发生染色体插入或缺失的水平转移。通过对移动元件的基因岛序列的预测,发现默诺霉素合成基因簇是由20 kb大小的基因组岛实现了种间水平转移。基因组岛的插入是链霉菌获得新性状的重要途径,可以阐述基因簇在种间转移的途径和进化方向,以生物信息学基因组分析的角度为高产菌株的构建提供数据支持和改造。     

乳腺癌发生的特征基因筛选及模式识别

本文选取癌症基因组图谱数据库的乳腺癌样本作为数据集,在全基因组的水平上研究乳腺癌病人从正常到发病Ⅰ期基因表达的变化,寻找与乳腺癌发病密切相关的特征基因,建立乳腺癌发生的模式识别分类方法,为乳腺癌预防及早期诊断提供理论支持.研究中,综合利用相关性、t检验、置信区间等统计学方法,建立乳腺癌发生特征基因筛选方法,获得与乳腺癌发生具有显著性差异的特征基因336个.通过机器学习方法建模,得到的分类准确率能达到98%以上,与之前乳腺癌相关的研究相比,准确率更高.同时采用KEGG(kyoto encyclopedia of genes and genomes)通路分析得到与基因显著相关(P0.05)的通路有8个,GO(gene ontology)基因功能富集分析显示与基因显著相关(P0.05)的功能有18个.最后对映射在8个通路中的一部分基因进行简要功能分析,说明了其在调控水平上的密切关系,表明识别的特征基因在乳腺癌的发生过程中有重要的作用,这对了解乳腺癌发病机理以及乳腺癌的早期诊断非常重要.