基因组gc含量与碱基、密码子和氨基酸使用偏好的关系-生物医学工程专业论文.docxVIP

I I 摘要 摘 要 随着高通量测序技术的发展，大量的微生物基因组数据被发布在公用数据库 中。这使得用比较分析法挖掘序列的规则或新的序列模式更加方便。在这些基因 组的研究中， 基因组 GC 含量对核苷酸和氨基酸组成的影响引起了特别的注意。 先前的工作已经表明不同物种 DNA 双链中的 GC 含量有很大差异。在真核生物中， 基因组GC 的含量变化范围比较小，大约从 30%到 50%，而在原核生物中的基因组 GC 含量变化范围比较大，大约从 25%到 75%。 这篇文章总共对目前已测序的所有原核生物，即来自不同物种的 2670 株细菌 和古细菌的基因组进行分析。这些原核生物的基因组 GC 含量变化范围从 14%至 75%，比之前报道的范围要广。文章主要分析了基因组 GC 含量和碱基、密码子和 氨基酸使用偏好的关系，包括以下几项工作内容： 第一，我们分析了整个基因组中密码子三个位点上的碱基使用频率、密码子 使用频率和氨基酸使用频率分别对应的距离，即碱基距离、密码子距离和氨基酸 距离，以及这些距离和基因组 GC 含量的关系，通过热图的方式直观的表现出来， 并计算了碱基距离、密码子距离和氨基酸距离与基因组 GC 含量差值之间的线性关 系；我们列举了个别 GC 含量少的碱基、密码子和氨基酸作为例子，针对整个已测 序的原核生物对基因组 GC 含量和碱基频率、密码子频率和氨基酸频率的关系做了 验证工作，证明其存在线性关系。 第二，对于基因组 GC 含量和基因组长度关系，我们从不同的系统发育谱系角 度进行了分析；同时，我们将原核生物数据分别按照基因组 GC 含量和所属门类进 行分组分析，对比研究这两组的结果表明，基因组 GC 含量对碱基、密码子和氨基 酸的使用偏好的影响比系统发育更大；而对基因组 GC 含量和 tRNA 基因的使用频 率做了线性分析结果表明，基因组 GC 含量对氨基酸使用偏好的影响更多的是直接 作用于碱基序列，而不是转录过程。 最后，提供了数据预处理小工具，使得即使数据更新迅速，文中大量的数据 提取工作在后期继续分析的重复使用时得到简化，提高效率。 总而言之，在这篇文章中，我们通过之前未用过的热图法分析了基因组 GC 含 量对碱基、密码子和氨基酸使用偏好的影响，并分析讨论了这个影响力的作用强 度和作用渠道。 II II 摘要 关键词：基因组 GC 含量；密码子使用偏好；原核生物；系统发育 PAGE PAGE IV ABSTRACT ABSTRACT With the wide application of high-throughput sequencing technology, a large number of prokaryotic genomes have been published. This makes it very convenient to mine rules or new patterns from the sequences using comparative analysis methods. Among them, the effect of the genomic GC content on nucleotide or amino acid composition receives special attentions. Previous work has demonstrated that the content of G and C bases in the double-stranded DNA are within specific ranges for different species. Especially, some of the work showed that GC content in eukaryotic genomes ranges from about 30% to 50%, and in bacterial genomes ranges from about 25% to 75%. GC contents of 2670 prokaryotic genomes were analyzed in this paper and they belong to diverse phylogenetic lineages. They are in a large range of GC content from 13% to 75%. Then the relationship between genomic GC content and patterns of base usage, codon usage and amino usage in prokaryote