結(jié)核分枝桿菌基因組重注釋研究.pdf

1、結(jié)核病每年都對(duì)全世界人民的身體健康造成嚴(yán)重的危害,其中結(jié)核分枝桿菌(Mycobacterium tuberculosis)是結(jié)核病的病原菌。雖然關(guān)于結(jié)核分枝桿菌基因組學(xué)研究取得了很大的進(jìn)展,在基因組公共數(shù)據(jù)庫(kù)中已有結(jié)核分枝桿菌全基因組的注釋信息,但隨著時(shí)間的推移,越來(lái)越多新的基因功能信息被添加進(jìn)數(shù)據(jù)庫(kù),這其中就可能包含當(dāng)初對(duì)結(jié)核分枝桿菌進(jìn)行注釋時(shí)未被使用的具有序列相似性的基因。在基因組分析時(shí),這些新添加的基因功能信息可能為一些假想的基因

2、提供功能轉(zhuǎn)移來(lái)源。同時(shí)一些原始注釋中未包含的基因也可能通過(guò)與新添加的基因功能信息進(jìn)行相似性比對(duì)而被發(fā)現(xiàn)。
　　本文將針對(duì)以上問(wèn)題,以最新的基因組公共數(shù)據(jù)庫(kù)為標(biāo)準(zhǔn),通過(guò)基因相似性比對(duì)以及基于從頭預(yù)測(cè)的方法發(fā)現(xiàn)新基因等方法,對(duì)結(jié)核分枝桿菌基因組信息進(jìn)行重新注釋研究。本研究的方法可為其他物種的基因組重注釋工作提供參考。本研究的主要內(nèi)容為:
　　1.以Z曲線理論方法為基礎(chǔ),從原始基因注釋中篩選出從屬于功能已知的蛋白質(zhì)編碼基因(第一類

3、基因)作為正樣本,并用第一類基因的隨機(jī)洗牌序列生成負(fù)樣本。以正負(fù)樣本為訓(xùn)練集,通過(guò)基于五重交叉驗(yàn)證的 Fisher模型確定假設(shè)基因(第二類基因)中非編碼的部分,即原注釋中錯(cuò)誤注釋的基因。
　　2.使用Prodigal和Zcurve兩款基因預(yù)測(cè)軟件對(duì)結(jié)核分枝桿菌基因組進(jìn)行基因預(yù)測(cè),將基因預(yù)測(cè)結(jié)果與原始基因組注釋進(jìn)行對(duì)比,挑選出重疊率低的候選新基因進(jìn)行Blast序列比對(duì),應(yīng)用設(shè)定的篩選參數(shù)挑選出滿足條件的新基因,并為新基因添加具體的功