结核分枝杆菌基因组重注释研究.pdfVIP

摘要 摘 要 结核病每年都对全世界人民的身体健康造成严重的危害，其中结核分枝杆菌 （Mycobacterium tuberculosis ）是结核病的病原菌。虽然关于结核分枝杆菌基因组 学研究取得了很大的进展，在基因组公共数据库中已有结核分枝杆菌全基因组的 注释信息，但随着时间的推移，越来越多新的基因功能信息被添加进数据库，这 其中就可能包含当初对结核分枝杆菌进行注释时未被使用的具有序列相似性的基 因。在基因组分析时，这些新添加的基因功能信息可能为一些假想的基因提供功 能转移来源。同时一些原始注释中未包含的基因也可能通过与新添加的基因功能 信息进行相似性比对而被发现。 本文将针对以上问题，以最新的基因组公共数据库为标准，通过基因相似性 比对以及基于从头预测的方法发现新基因等方法，对结核分枝杆菌基因组信息进 行重新注释研究。本研究的方法可为其他物种的基因组重注释工作提供参考。本 研究的主要内容为： 1. 以Z 曲线理论方法为基础，从原始基因注释中筛选出从属于功能已知的蛋 白质编码基因（第一类基因）作为正样本，并用第一类基因的随机洗牌序列生成 负样本。以正负样本为训练集，通过基于五重交叉验证的 Fisher 模型确定假设基 因（第二类基因）中非编码的部分，即原注释中错误注释的基因。 2. 使用Prodigal 和Zcurve 两款基因预测软件对结核分枝杆菌基因组进行基因 预测，将基因预测结果与原始基因组注释进行对比，挑选出重叠率低的候选新基 因进行Blast 序列比对，应用设定的筛选参数挑选出满足条件的新基因，并为新基 因添加具体的功能注释信息。 3. 在基因重注释过程中，需要研究人员进行手动筛选，当有大量的基因组需 要重注释，尤其是从Blast 结果中筛选出满足条件的新基因时，将会是一个非常繁 重的工作。因此本研究还使用PHP 开发了一套能够自动进行基因组重注释的Web 工具，在实现重注释工具化减少人工手动筛选工作量的同时，也能大大提高基因 重注释的效率。 关键词：结核分枝杆菌；基因组重注释；排除非编码ORFs；查找新基因；基因组 重注释自动化 I ABSTRACT ABSTRACT Every year, the tuberculosis do es serious harm to the health of people throughout the world. So far the genome research about mycobacterium tuberculosis, which is the causative agent of most cases of tuberculosis, has made great progress. And there is the whole genome annotation information for mycobacterium tuberculosis in the public genome database. However, the genome annotation would be outdated with the functional information when several years passed since the sequencing. Latest database may contain new functional genes which were not yet assigned functional information when the analyzed genome was sequenced. Those newly added functional information would provide the source of function transfer for some hypo the