Shewanella loihica PV-4基因組蛋白質(zhì)編碼基因重注釋.pdf

1、對(duì)原核生物基因組蛋白編碼基因的預(yù)測(cè)工作已經(jīng)持續(xù)了近30年。由于缺少內(nèi)含子，人們一直以為原核生物基因預(yù)測(cè)相對(duì)簡(jiǎn)單，然而，越來(lái)越多的研究表明不同的基因預(yù)測(cè)算法得到的基因預(yù)測(cè)結(jié)果差別較大，造成預(yù)測(cè)結(jié)果假陽(yáng)性和假陰性的不斷積累，導(dǎo)致生物信息數(shù)據(jù)庫(kù)中蛋白編碼基因普遍存在錯(cuò)誤注釋，影響了數(shù)據(jù)庫(kù)的使用質(zhì)量，甚至?xí)?dǎo)致錯(cuò)誤研究結(jié)論的產(chǎn)生。因此，本課題通過(guò)將原核生物基因組過(guò)注釋蛋白質(zhì)編碼基因重注釋算法與基因從頭預(yù)測(cè)算法結(jié)合，提出一種原核生物基因組蛋白質(zhì)編

2、碼基因重注釋算法，并實(shí)際應(yīng)用于在生物能源和環(huán)境治理中具有重要應(yīng)用的Shewanella loihica PV-4菌株基因組中，最終得到了1個(gè)過(guò)注釋基因和30個(gè)欠注釋基因，基于功能已知的蛋白質(zhì)編碼基因得到的預(yù)測(cè)效率評(píng)價(jià)指數(shù)Ac、MCC、AUC分別為99.93％、0.9986和0.9999?；贐LAST、COG等方法對(duì)預(yù)測(cè)得到的30個(gè)新基因進(jìn)行功能預(yù)測(cè)，有6個(gè)欠注釋蛋白質(zhì)編碼基因得到明確的生物學(xué)功能，2個(gè)欠注釋基因歸為COG分類中的“R”

3、類。在6個(gè)有明確生物學(xué)功能的欠注釋基因中，有2個(gè)磷酸核糖甘氨酰胺轉(zhuǎn)甲酰基酶2，2個(gè)葡萄糖-1-磷酸胸苷酰轉(zhuǎn)移酶，膜蛋白和轉(zhuǎn)座酶各1個(gè)，這些基因可能在離子交換和蛋白修飾等方面起到重要作用。進(jìn)一步分析表明本文構(gòu)建的重注釋算法準(zhǔn)確、可靠。在此基礎(chǔ)上，將該算法拓展應(yīng)用于其它9種希瓦氏菌基因組，得到了64個(gè)過(guò)注釋基因和1036個(gè)欠注釋基因，進(jìn)一步的功能分析發(fā)現(xiàn)有261個(gè)欠注釋基因具有明確生物學(xué)功能，有259個(gè)欠注釋基因具有COG功能分類。在有明確

4、功能的261個(gè)欠注釋基因中，“transposase”（轉(zhuǎn)座酶）類居多，有123個(gè)，約占明確功能基因總數(shù)的47%。“integrase”（整合酶）類有16個(gè)，“dehydrogenase”（脫氫酶類）有5個(gè)，“cytochrome C”細(xì)胞色素C類有3個(gè)等等，這些功能基因在離子交換和信號(hào)傳導(dǎo)等方面起到不可或缺的作用。在259個(gè)具有COG分類的欠注釋基因中，有182個(gè)新基因與細(xì)胞色素C相關(guān)，表明這些基因與離子傳遞及蛋白修飾相關(guān)；30個(gè)新基