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

1、對原核生物基因組蛋白編碼基因的預測工作已經(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測相對簡單，然而，越來越多的研究表明不同的基因預測算法得到的基因預測結(jié)果差別較大，造成預測結(jié)果假陽性和假陰性的不斷積累，導致生物信息數(shù)據(jù)庫中蛋白編碼基因普遍存在錯誤注釋，影響了數(shù)據(jù)庫的使用質(zhì)量，甚至會導致錯誤研究結(jié)論的產(chǎn)生。因此，本課題通過將原核生物基因組過注釋蛋白質(zhì)編碼基因重注釋算法與基因從頭預測算法結(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，并實際應用于在生物能源和環(huán)境治理中具有重要應用的Shewanella loihica PV-4菌株基因組中，最終得到了1個過注釋基因和30個欠注釋基因，基于功能已知的蛋白質(zhì)編碼基因得到的預測效率評價指數(shù)Ac、MCC、AUC分別為99.93％、0.9986和0.9999?；贐LAST、COG等方法對預測得到的30個新基因進行功能預測，有6個欠注釋蛋白質(zhì)編碼基因得到明確的生物學功能，2個欠注釋基因歸為COG分類中的“R”

3、類。在6個有明確生物學功能的欠注釋基因中，有2個磷酸核糖甘氨酰胺轉(zhuǎn)甲?；?，2個葡萄糖-1-磷酸胸苷酰轉(zhuǎn)移酶，膜蛋白和轉(zhuǎn)座酶各1個，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。進一步分析表明本文構建的重注釋算法準確、可靠。在此基礎上，將該算法拓展應用于其它9種希瓦氏菌基因組，得到了64個過注釋基因和1036個欠注釋基因，進一步的功能分析發(fā)現(xiàn)有261個欠注釋基因具有明確生物學功能，有259個欠注釋基因具有COG功能分類。在有明確

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