中國(guó)地方雞種核酸數(shù)據(jù)庫(kù)建設(shè)與功能設(shè)計(jì).ppt

1、中國(guó)地方雞種核酸數(shù)據(jù)庫(kù)建設(shè)與功能設(shè)計(jì),匯報(bào)人：白云峰 副研究員 單 位：江蘇省農(nóng)業(yè)科學(xué)院,匯 報(bào) 內(nèi) 容,研究意義與目的 中國(guó)地方雞種核酸序列數(shù)據(jù)庫(kù)初步建設(shè) 數(shù)據(jù)獲取 數(shù)據(jù)庫(kù)構(gòu)成 數(shù)據(jù)分析 系統(tǒng)功能設(shè)計(jì) 核酸序列特征一般分析 核酸序列相似性搜索 系統(tǒng)發(fā)生分析 系統(tǒng)演示 未來(lái)展望,研 究 意 義,中國(guó)是世界上生物多樣性最豐富國(guó)家之一，地方雞種是我國(guó)具有戰(zhàn)略意義的獨(dú)特資源。亟需構(gòu)建該領(lǐng)域擁有自身特色和自主知識(shí)產(chǎn)權(quán)的，與國(guó)際主流生物信息數(shù)據(jù)庫(kù)接軌的專業(yè)二級(jí)數(shù)據(jù)庫(kù)。 當(dāng)前，農(nóng)業(yè)生物信息數(shù)據(jù)庫(kù)主要集中在英、美、日等發(fā)達(dá)國(guó)家。我國(guó)大多生物學(xué)數(shù)據(jù)庫(kù)只能提供鏡像和索引服務(wù)，無(wú)自主知識(shí)產(chǎn)權(quán)，獨(dú)立開發(fā)并能提供豐富

2、資源和工具的生物信息數(shù)據(jù)庫(kù)平臺(tái)仍很缺乏。 目前國(guó)內(nèi)關(guān)于醫(yī)療和制藥領(lǐng)域的生物信息數(shù)據(jù)庫(kù)較多，而高質(zhì)量的農(nóng)業(yè)生物信息數(shù)據(jù)庫(kù)數(shù)量較少，尚無(wú)我國(guó)專門化的地方雞種生物信息數(shù)據(jù)庫(kù)系統(tǒng)。 生物信息數(shù)據(jù)庫(kù)分布分散且格式不統(tǒng)一，將獨(dú)立的、分散的農(nóng)業(yè)生物信息數(shù)據(jù)庫(kù)信息整合，使農(nóng)業(yè)生物信息數(shù)據(jù)庫(kù)集成化和標(biāo)準(zhǔn)化,中國(guó)地方雞種核酸序列數(shù)據(jù)庫(kù)初步建設(shè),數(shù)據(jù)獲取方面 基于Agent智能代理本地化數(shù)據(jù)獲取程序； 863合作單位數(shù)據(jù)提供與數(shù)據(jù)校驗(yàn)； 數(shù)據(jù)分析 數(shù)據(jù)完整性分析 數(shù)據(jù)特征特征值掃描 地方雞種數(shù)據(jù)篩選,中國(guó)地方雞種核酸序列數(shù)據(jù)庫(kù)初步建設(shè),數(shù)據(jù)標(biāo)準(zhǔn)化 基于XML中國(guó)地方雞種核酸序列元數(shù)據(jù)模型； 自定義中國(guó)地方雞種數(shù)據(jù)結(jié)

3、構(gòu)； 數(shù)據(jù)轉(zhuǎn)導(dǎo) 與國(guó)際主流數(shù)據(jù)文件格式的兼容 完成中國(guó)地方雞種核酸序列數(shù)據(jù)庫(kù)結(jié)構(gòu)設(shè)計(jì),系 統(tǒng) 功 能 設(shè) 計(jì),目標(biāo)序列分析（以白銀耳雞1條序列AF128321作為本系統(tǒng)分析處理結(jié)果示例） 功能設(shè)計(jì)3個(gè)層次： 序列組成統(tǒng)計(jì)特征分析； 本地化序列相似性搜索 系統(tǒng)發(fā)生分析,核酸序列組成統(tǒng)計(jì)特征分析,密碼子計(jì)數(shù) 核苷酸統(tǒng)計(jì) 轉(zhuǎn)換成互補(bǔ)序列 互補(bǔ)統(tǒng)計(jì) 核苷酸組成統(tǒng)計(jì)作圖 二聚體統(tǒng)計(jì) 密碼子使用偏性 CpG島 短序列匹配 繪制熱紅外分布圖 識(shí)別開發(fā)閱讀框ORFs 翻譯成對(duì)應(yīng)氨基酸序列,待分析序列,ttgttctcaactacgggaacaattttattttttaacctaactcccctactaagtg

4、taccccccctttcccccccagggggggtatactatgcataatcgtgcatacatttatataccacatatattatggtaccggtaatatatactatatatgtactaaacccattatatgtatacgggcattaatctatattccacatttctcccaatgtccattctatgcatgatccaagacatactcattcaccctccccatagacagttctaaaccactatcaagccacctaactatgaatggttacaggacataaatctcactctcatgctctccccctaacaagtcacctaactatga

5、atggttacaggacatacatttaactaccatgttctaacccatttggttatgctcgccgtatcagatggatttattgatcgtccacctcacgagagatcagcaacccctgcctgtaatgtacttcatgaccagtctcaggcccattctttccccctacacccctcgccctacttgccttccaccg,密碼子計(jì)數(shù)結(jié)果,AAA: 1 AAC: 5 AAG: 0 AAT: 2 ACA: 7 ACC: 3 ACG: 1 ACT: 6 AGA: 2 AGC: 1 AGG: 1 AGT: 2 ATA: 4 ATC: 2 ATG: 4 AT

6、T: 5 CAA: 1 CAC: 5 CAG: 0 CAT: 8 CCA: 8 CCC: 10 CCG: 1 CCT: 1 CGA: 1 CGC: 1 CGG: 0 CGT: 1 CTA: 10 CTC: 2 CTG: 1 CTT: 2 GAA: 0 GAC: 0 GAG: 1 GAT: 1 GCA: 1 GCC: 3 GCG: 0 GCT: 2 GGA: 2 GGC: 1 GGG: 3 GGT: 2 GTA: 6 GTC: 2 GTG: 0 GTT: 2 TAA: 5 TAC: 4 TAG: 1 TAT: 9 TCA: 5 TCC: 3 TCG: 2 TCT: 6 TGA: 3 TGC: 2

7、 TGG: 1 TGT: 2 TTA: 3 TTC: 4 TTG: 1 TTT: 4,密碼子使用偏性,由于密碼子的簡(jiǎn)并性，每個(gè)氨基酸至少對(duì)應(yīng)1種密碼子，最多有6種對(duì)應(yīng)的密碼子。 不同物種、不同生物體的基因密碼子使用存在著很大的差異。各種生物體似乎更偏愛使用某些同義三聯(lián)密碼子（即編碼相同氨基酸的密碼子）。 高表達(dá)的基因密碼子的使用偏性一般比較大。這些偏好可能與兩個(gè)原因有關(guān)：一是避免使用類似終止密碼子的密碼子；二是這些偏好能夠有效地翻譯密碼子，因?yàn)檫@些密碼子對(duì)應(yīng)于生物體中非常豐富的tRNA。 真實(shí)的外顯子一般能反映出這些偏好，而隨機(jī)選擇的三聯(lián)體序列卻不能,密碼子使用偏性,研究結(jié)果表明，基因密碼子的

8、使用也與基因編碼的蛋白的結(jié)構(gòu)和功能有關(guān)。mRNA中的稀有密碼子的使用與蛋白質(zhì)結(jié)構(gòu)域的連接區(qū)和規(guī)則二級(jí)結(jié)構(gòu)單元的連接區(qū)有關(guān)，翻譯速率在連接區(qū)會(huì)降低，說(shuō)明蛋白質(zhì)折疊方式與mRNA序列之間存在一定的相關(guān)性。 研究結(jié)果還表明，蛋白質(zhì)的三級(jí)結(jié)構(gòu)與密碼子使用概率有密切的關(guān)系，通過(guò)對(duì)密碼子的聚類分析，可以將具有不同三級(jí)結(jié)構(gòu)蛋白質(zhì)的編碼基因分成不同的類，而具有相似三級(jí)結(jié)構(gòu)蛋白的編碼基因則大致聚在同一類中。進(jìn)一步的研究發(fā)現(xiàn)，在不同物種中，類型相同的基因具有相近的同義密碼子使用偏性，對(duì)于同一類型的基因由物種引起的同義密碼子使用偏性的差異較小,繪制熱紅外分布圖,CpG島分析,在人類基因組中有一半左右的CpG isl

9、and 與已知管家基因（housekeeping gene）有關(guān)聯(lián)； CpG island很少出現(xiàn)在不含基因的區(qū)域和那些發(fā)生多次突變的基因中； CpG與一種重要的化學(xué)修飾甲基化密切相關(guān),短序列匹配,在待分析序列中查找特征短片段，如TATA Box TATA Box，CAAT Box，終止子等,識(shí)別開放閱讀框ORFs,開放閱讀框(Open Reading Frame: ORF)是基因序列的一部分，包含一段可以編碼蛋白的堿基序列，不能被終止子打斷。 開讀框架的預(yù)測(cè)常與第一個(gè)ATG和終止密碼子的確定相關(guān)。 系統(tǒng)以原核生物和真核生物兩種模式識(shí)別待分析序列的ORFs,中國(guó)地方雞種基因序列比對(duì)與相似性搜索

10、,意義與目的： 通過(guò)搜索序列數(shù)據(jù)庫(kù)，找到與新序列同源的已知序列，并根據(jù)同源性推測(cè)未知序列的生物學(xué)功能； 對(duì)于DNA序列，同源搜索還有助于確定編碼區(qū)域，確定基因； 實(shí)現(xiàn)方法： 中國(guó)地方雞種核酸序列庫(kù)+家禽基因組序列庫(kù)的比對(duì)搜索； 設(shè)定全局最優(yōu)比對(duì)算法+局部最優(yōu)比對(duì)算法2種策略,中國(guó)地方雞種系統(tǒng)發(fā)生分析（開發(fā)中,由于國(guó)內(nèi)學(xué)者對(duì)國(guó)內(nèi)地方雞種mtDNA研究較多，數(shù)據(jù)庫(kù)收集到數(shù)據(jù)較豐富特點(diǎn)。構(gòu)建地方雞種mtDNA系統(tǒng)發(fā)生專門化分析組件。 線粒體DNA非常適合于系統(tǒng)發(fā)生分析，因?yàn)榫€粒體DNA從母體完全傳到子代，不與父代DNA重組。線粒體DNA具有易分離、進(jìn)化速度快、母系遺傳、缺乏重組和無(wú)內(nèi)含子等特點(diǎn)。使線

11、粒體DNA成為分子系統(tǒng)發(fā)育學(xué)研究的一類重要的分子標(biāo)記。 mtDNA的控制區(qū)即D-loop區(qū)為非編碼區(qū)，不編碼蛋白質(zhì)線粒體DNA中，受到選擇壓力較小，因此積累了較多的突變，如堿基替換、插入、缺失，以及眾多的串聯(lián)重復(fù)序列等。 系統(tǒng)采用非加權(quán)分組平均法（UPGMA，unweighted pair group method with arithmetic means)構(gòu)建進(jìn)化樹,系統(tǒng)功能實(shí)現(xiàn)的關(guān)鍵技術(shù),Matlab Bioinformatic Toolbox 引用 Imports System Imports System.Reflection Imports MathWorks.MATLAB.NET

12、.Utility Imports MathWorks.MATLAB.NET.Arrays Imports ComponentName M文件編寫與調(diào)試 MATLAB與.NET數(shù)據(jù)類型轉(zhuǎn)換,M文件編程示例,function HeatMap(mitochondria) for frame = 1:3 figure(color,1 1 1) subplot(2,1,1); codoncount(mitochondria,frame,frame,figure,true); title(sprintf(閱讀框%d密碼子,frame); subplot(2,1,2); codoncount(mitocho

13、ndria,reverse,true,frame,frame,figure,true); title(sprintf(閱讀框%d反義密碼子, frame); end,調(diào)用MATLAB生物信息學(xué)函數(shù),Matlab與.NET數(shù)據(jù)類型轉(zhuǎn)換,引自蘇金明等Matlab高級(jí)編程北京，電子工業(yè)出版社，2008,數(shù)據(jù)類型轉(zhuǎn)換實(shí)例,利用MatLab構(gòu)建不同地方雞種親緣關(guān)系進(jìn)化樹； %定義數(shù)組二維data，存儲(chǔ)雞種名稱和mtDNA序列； function phylogenyanalysis(data,m) %data = 白銀耳雞 AF128320; 靈昆雞 AF128330; 壽光雞 AF512058; 絲羽烏

14、骨雞 AF512060; 茶花雞 AF512078; %for ind = 1:5 % seqs(ind).Header = dataind,1; % seqs(ind).Sequence = getgenbank(dataind,2, sequenceonly, true); %end %進(jìn)化距離運(yùn)算；UPGMA，非加權(quán)分組平均法（unweighted pair group method with arithmetic means）Jukes-Cantor， for ind = 1:m seqs(ind).Header = dataind,1; seqs(ind).Sequence = dataind,2; end distances = seqpdist(seqs,Method,Jukes-Cantor,Alphabet,DNA); tree = seqlinkage(distances,UPGMA,seqs); %畫出進(jìn)化樹； h = plot(tree,orient,bottom); set(findobj(gca,Type,line,Color,0 10 1),Color,red,LineWidth,2); ylabel(進(jìn)化距