Fragrep： An Efficient Search Tool for Fragmented Patterns in Genomic Sequences

Many classes of non-coding RNAs （ncRNAs; including Y RNAs, vault RNAs, RNase P RNAs, and MRP RNAs, as well as a novel class recently discovered in Dictyostelium discoideum） can be characterized by a pattern of short but well-conserved sequence elements that are separated by poorly conserved regions of sometimes highly variable lengths. Local alignment algorithms such as BLAST are therefore ill-suited for the discovery of new homologs of such ncRNAs in genomic sequences. The Fragrep tool instead implements an efficient algorithm for detecting the pattern fragments that occur in a given order. For each pattern fragment, the mismatch tolerance and bounds on the length of the intervening sequences can be specified separately. Furthermore, matches can be ranked by a statistically well-motivated scoring scheme.     

基于β-微管蛋白基因部分序列探讨灵芝属菌株的亲缘关系

PCR分别扩增了38个灵芝属菌株的β-微管蛋白基因片段,并对PCR产物进行序列测定,得到419bp的一段核苷酸系列.根据MEGA 2.1软件中的neighbour-joining methods对上述序列进行聚类分析,结果所有供试菌株被分成9个聚类组.中国栽培灵芝菌株分布于6个聚类组,其中树舌亚属、紫芝组的菌株各自聚成一组,灵芝组的菌株分成四组,但大部分灵芝组菌株均聚于同一组, 这表明树舌亚属、紫芝组和灵芝组间的遗传差异较大,灵芝组内虽然存在着一定的遗传差异,但总体上亲缘关系比较近,遗传多样性并不丰富.同时,序列分析的结果显示,β-tubulin基因序列在第三位密码子和内含子部位有高的碱基替换率,这些变异提供了丰富的系统发育信息,提示β-tubulin基因适合于灵芝属菌株的亲缘关系研究.     

冬季赤水河流域刚毛藻多样性调查及系统发育分析

研究于2019年冬季对赤水河流域开展刚毛藻多样性调查,共设计采样点38个,覆盖赤水河上、中、下游。调查发现:21个采样位点分布有刚毛藻目藻类,其中19个位点有刚毛藻分布。基于核糖体小亚基(SSU rDNA)、核糖体大亚基(LSU rDNA)和内转录间隔区(ITS)对采集样品进行系统发育分析,结果显示:(1)赤水河流域刚毛藻多样性较高,且该流域上、中、下游均有刚毛藻分布;(2)目前淡水刚毛藻类群包含至少10个支系,赤水河流域采集到的刚毛藻覆盖其中6个支系(分别是clade 1、clade 2、clade 4、clade 7、clade 9和clade 10);(3)相比基于SSU+LSU双分子标记构建的系统进化树,基于SSU+ITS+LSU三分子标记构建的进化树各支系支持度更高,可以较有效地将淡水刚毛藻不同支系区分开来。研究较好地展示了冬季赤水河流域刚毛藻的广泛分布及其分子多样性,丰富了中国淡水丝状绿藻的分类研究,也为赤水河段的水生态环境保护提供了基础数据支持。     

草莓轻型黄边病毒中国分离物全基因组序列测定和分析

草莓轻型黄边病毒（Strawberry mild yellow edge virus,SMYEV）是引起我国草莓病毒病害的重要病毒之一,我们测定了共侵染草莓植株的2个SMYEV中国分离物FJ1和FJ2的全基因组序列。FJ1和FJ2分离物基因组全长均为5 971 nt,包含5个开放阅读框（ORF）,其中,FJ2分离物ORF4编码蛋白C端缺乏7 aa。SMYEV分离物FJ1和FJ2的基因组核苷酸序列一致性为89.8%,两者和其他SMYEV分离物的基因组核苷酸序列一致性分别为83.7%～89.8%和84.1%～90.0%;基于CP基因的系统进化分析表明,SMYEV分离物分为2个大组群4个亚群,FJ1和FJ2分别归属不同的组,两者具有较远的亲缘关系,其中FJ1与中国分离物sy01和sy04、日本分离物T1以及韩国分离物KNS1亲缘关系最近,FJ2与中国分离物sy02、加拿大一株分离物PEI113＿12以及日本分离物T2亲缘关系最近。RDP4重组分析表明,FJ1和FJ2均存在潜在的重组事件。本研究首次报道了我国SMYEV基因组全长序列,为该病毒在我国的侵染流行、检测和防控提供了理论基础。     

基因外显子连接序列与相应内含子序列的相互作用

剪接后的内含子与相应mRNA序列的相互作用在基因表达调控过程中起着非常重要的作用。基于27个物种的核糖核蛋白基因序列,采用Smith—Waterman局域比对方法得到外显子连接序列与相应内含子序列的最佳匹配片段,分析了外显子连接序列上的匹配频率分布和匹配片段的序列特征。发现一些低等真核生物EJC结合区域的匹配频率明显低于其它区域,所有物种EJC结合区域的序列构成呈现出相对低的结构序。最佳匹配片段的平均长度和配对率分布与siRNA和miRNA的结合特征相同。推测EJC和内含子在与外显子序列结合的过程中存在相互竞争和相互协作的关系,内含子中部序列在基因表达调控过程中起着重要的作用。     

拽线法:一个构建系统发育树的新算法

这篇文章要讨论的拽线法（DL）是贪婪算法的一种。和Fitch—Margoliash（FM）一样,DL也是基于距离矩阵构建系统发育树,但是和FM算法相比,DL具有低复杂度、较高的容错性和准确度高的优点。当存在误差时,DL算法只是加大了不在同一个父节点下的基因序列的距离,但能够准确的判断序列的亲缘关系,进而得到完美的进化树拓扑结构;相比之下,FM算法让各个基因序列间的距离均摊了这种误差,从而有可能将本应该具有相同父节点的基因序列分到不同的分支。     

GPGPU加速生物序列比对研究进展

序列比对是生物信息学中最常用和最经典的研究手段。生物序列比对需要有强大计算能力的硬件支撑,而近年快速发展起来的GPGPU正好可堪此任。本文首先介绍GPGPU的发展过程,进而讲述GPGPU硬件设备与其编程环境,然后对GPGPU做科学计算时需要的数学库函数做一介绍,最后综述近年来国内外基于GPGPU的生物序列比对软件和相关研究工作,并总结和展望其辉煌前景。     

鸡基因组差异表达基因翻译起始密码子上下游序列的比较研究

翻译起始调控是基因表达调控的一个关键步骤之一。本文以鸡为研究材料,比较研究了鸡基因组高表达基因和低表达基因翻译起始密码子上下游的碱基序列差异,旨在寻找影响鸡基因表达水平的特异性调控位点。全部3 020个单剪接基因完整的mRNA序列及有详细注释的5＇UTRs序列从Ensembl下载。编写计算机程序,读取每个基因mRNA起始密码子上下游各位点的碱基。研究发现,起始密码子上游-3、-2位点可能是鸡基因组基因表达起始密码子正确识别的关键位点。起始密码子上下游的碱基组成分析发现,高表达基因和低表达基因起始密码子的上游均倾向使用（G＋C）,高表达基因的使用偏倚尤为强烈。序列差异比较发现,高表达基因在-9、-6、-3、＋4位点显著偏向G,在-1、-2、-4、-5位点显著偏向C。低表达基因起始密码子上游使用A、U的频率显著高于低表达基因。在-19位点强烈偏向A,在＋1、＋11、＋14位点强烈偏向U。     

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。     

基于全基因组序列的弯曲菌特征分析

空肠弯曲菌(Campylobacter jejuni)和结肠弯曲菌(Campylobacter coli)是引起人类腹泻的主要致病菌。传统生化方法在鉴定弯曲菌时存在步骤多、耗时长、通量低等问题。本研究通过利用生物信息学方法对弯曲菌全基因组进行序列、基因注释、耐药基因、多位点序列分型以及CRISPR-Cas系统等分析,挖掘能够有效区分空肠弯曲菌和结肠弯曲菌的高分辨力特征。实验结果表明,空肠弯曲菌和结肠弯曲菌在基因组序列长度、GC含量、基因数量、多位点序列分型以及CRISPR-Cas系统等方面存在显著差异。同时,研究还发现了一段在空肠弯曲菌基因组中广泛存在的高分辨力CRISPR重复序列。这些特征可用于构建能够准确鉴别空肠弯曲菌和结肠弯曲菌的生物信息学方法。