研习报告与讨论.doc

研習報告與討論 姓名：蔡彝帆 學號：891605 研習地點：University of Chicago李文雄老師實驗室 Title: Duplicate Gene in Yeast Abstract 在一個生物體中，有些genes會發生duplication，當其發生時，只需要有其中一個保留其原來的功能即可維持該生物體的生命，另一個duplicate gene很有可能會慢慢演化成帶有另一個function的gene，而這種function的改變通常會伴隨著codon usage bias的改變，因此duplicate gene 是研究codon usage bias很好的素材。我們在Yeast的gene families中發現high expression往往會對應到large codon usage bias，但並不是所有gene expression增加的時候，codon usage bias也會跟著增加，通常這種gene expression增加codon usage bias也增加的情形在high expression genes中較易被觀察到，原因為high expression genes需要經歷較多的translation，因此codon usage bias會受到tRNA量的較大影響，因此gene expression 與codon usage bias的正關係在high expression genes中較強。至於是否還有除了expression的其他因素會影響codon usage bias，則需要未來實驗的鑑定。 Introduction Codon usage bias 生物體在合成protein的時候，是由mRNA translate出protein，此時須藉由tRNA利用其上的anticodon辨識mRNA上的codon，Materials and Methods 實驗數據來源 我們實驗中所使用的數據取自database(Yeast)： Gene families: Big gene family 2 gene family All independent pairs Expression data Measurement from Affymetrix microarray 實驗中所使用的index ENC─表示codon usage bias大小所使用的index。其涵義為一個gene之內20個amino acid對應到的平均codon數目，其值介於20~61之間，數值越大，codon usage bias越小。若ENC=20，則表示20個amino acid只由20個codon所決定，其他41個(扣除3個stop codon)完全沒用，此時codon usage bias最大；反之，若ENC=61，則表示每一個amino acid都平均使用了其對應的codon，此時codon usage bias最小。 r p value─皆為表示線性相關程度大小的index r2越大、p value越小，線性相關程度越大 實驗中所使用的統計法 normalize─在求差值的時候，為了使差值大小合理化，我們還必須考慮原值的大小，故把差值除以原值大小的平均值[i.e.,|A-B|/0.5(A+B)]，如此求得的Δ值為比較值，而非絕對值。在用於比較各組不組的數據時，將數值normalize是較可信的方法。 Methods Only computer work. 利用Microsoft Excel做圖，找出codon usage bias vs. gene expression  Δcodon usage bias vs.Δgene expression的關係。 Results and discussion Codon usage bias (ENC) vs. Expression Big gene family 圖一Expression vs. ENC [Big gene family] 由此圖可以看出，在每一個gene family中，high gene expression都是對應到small ENC value(即large codon usage bias)。 ENC與Gene expression之間並非完全呈現線性關係，其線性相關程度我們可由r2 p value得知： 表一 Big gene family中各group的r2 p value Group id r2 p value 22_1 0.2615 1.50E-02 23_1 0.8044 6.86E-09 23_2 0.4557 4.09E-