基于高通量RNA-seq數(shù)據(jù)的水稻亞種特異性編碼基因鑒定及長非編碼RNA識別.pdf

1、水稻是世界上最重要的糧食作物之一，同時也是禾本科植物研究的重要模式物種。RNA-seq技術可以得到生物體在特定時期特定組織中全部的轉錄本，這使得我們可以從轉錄組的分析中挖掘出新轉錄本以及新基因。本文試圖從不同品種、不同組織的水稻轉錄組數(shù)據(jù)中挖掘粳稻日本晴和秈稻MH63、ZS97參考基因組上不存在的新轉錄本和新基因，盡可能全面地補充水稻的注釋信息。
　　本文采用先組裝后比對的策略，通過對NCBI數(shù)據(jù)庫中2012年1月-2016年4月

2、發(fā)表的共960個樣本的亞洲栽培水稻（Oryza sativa）RNA-seq數(shù)據(jù)，分秈稻（indica）、粳稻(japonica)兩個亞種進行de novo組裝，得到28，352條秈稻及50，648條粳稻轉錄本。其中秈稻有6，939條新轉錄本、粳稻有11，875條新轉錄本均未比對到水稻日本晴、MH63以及ZS97參考基因組。通過對秈、粳轉錄本進行相互比對，發(fā)現(xiàn)僅有5.1％的秈稻轉錄本與3％的粳稻轉錄本相互間有大于60％的重疊區(qū)域，這說明

3、絕大多數(shù)的新轉錄本具有亞種特異性。
　　通過開放閱讀框預測及與蛋白質(zhì)非冗余數(shù)據(jù)庫（nr庫）進行同源序列比對，從新轉錄本中分別預測得到3，794條秈稻及6，181條粳稻高可信度蛋白編碼序列。通過對其進行功能注釋，3，380條(89.1％)秈稻及5，314條(86％)粳稻蛋白編碼序列可在Pfam數(shù)據(jù)庫中得到比對注釋，1，648條(43.4％)秈稻及2，494條(40.3％)粳稻蛋白編碼序列可通過KOG注釋到23個蛋白功能分類中。2，4

4、89(65.6％)條秈稻及3，795條(61.4％)粳稻蛋白編碼序列有GO注釋結果。715條(18.8％)秈稻及1，046條(17.0％)粳稻蛋白編碼序列在KEGG代謝途徑分析中得到注釋。并且發(fā)現(xiàn)大量基因參與水稻抗病及非生物脅迫響應過程。進一步分析秈、粳稻蛋白編碼基因的同源基因家族發(fā)現(xiàn)，2，057條(54.2％)秈稻及4，404條(71.3％)粳稻蛋白編碼基因是亞種特有的。
　　另一方面，通過對秈、粳轉錄本組裝結果進行編碼能力預測