用生物信息学方法探索纤维素酶分类模式和设计分析Southern杂交的工具

摘要

本文的研究主要包括两方面，分别是提出了新的纤维素酶的分类方法和设计了一种辅助Southern杂交方案设计和分析Southern实验数据的新工具。本文也在相应的章节分别综述了纤维素酶分类的研究和现阶段常用的研究基因功能以及检测外源插入片段的方法。 研究者对纤维索酶的分类已经进行了广泛研究，这些研究方法多数是仅基于序列相似性或者结构相似性。本文使用了一种新方法，结合了序列和结构的相似性来进行分类研究，并着重对各分类在各物种中的分布情况作了分析。首先从GenBank中获取纤维索酶序列并使用多序列比对和构建进化树方法进行初分类。对初分类的各序列作Pfam结构域分析，找出各序列保守结构域。并对各结构域作数据挖掘，得出各类中各结构域的关联关系。由此将近2000种纤维素酶分成10类结构组成模式。与单纯使用酶蛋白质序列信息或结构域信息来进行分类的方法不同，本文综合运用序列相似性和结构域信息进行分类，一定程度上避免了酶序列相似程度和功能保守程度不一致的影响，属于一种通用的蛋白质功能分类方法，也可以对其他有特定功能的酶系进行分类。 Southern杂交是在分子生物学研究中应用广泛的一项技术，常用来确定外源片段是否成功插入靶基因组。进一步可以用其它实验手段来判断外源片段的拷贝数和插入位点。有时也可以使用不同的酶分别酶切基因组，然后根据Southern杂交信号条带数粗略推断插入片段是否为单拷贝。本文开发了一种软件包，它利用基因组序列信息来设计优化的Southern杂交的酶组合方案，可以提高以上方法的精确度，从而可以准确定位外源插入片段在基因组上的定位及推测其拷贝数。这拓展了Southern杂交的应用范围。 SouthLoc使用了两种评分策略为Southem实验使用的酶组合方案打分。这两种评分策略分别是计算片段组合对应的定位区域在基因组上的平均出现次数和计算片段组合的平均覆盖度。前者适用于预测可以得到较少定位区域数的酶组合，而后者适用于得到能得到平均最小定位区域的酶组合。SottthLoc为不同组合方案评分，并寻找最优的方案。由于计算量的原因，本文的方法是先计算出所有两种酶的组合的分值，并采用合理的变换策略和算法计算最优的多酶组合方案。 为了证实SouthLoc软件包的正确性，本文还以模式真菌 Aspergillus fumigatus为例，使用SouthLoc设计了一个优化的Southern杂交的酶组合方案。并对一些Southern杂交的实验数据做了分析，计算得到的结果与实验结果十分吻合。因此，SouthLoc可以作为一种通用的工具，用以分析Southern杂交的数据，并准确推断外源片段的插入位置和辅助其它后续实验。由于SouthLoc只需要使用Southern杂交的数据，而且其是针对某一特定基因组设计优化方案的，因此，无论是用于大规模的插入突变库的分析，还是用于验证表达菌株的外源基因插入情况，SouthLoc都可以体现出其具有的优势，具有很好的应用前景。

目录

原创性声明及关于学位论文使用授权的声明

摘要

第一章绪论

1.1引言

1.2基因组研究中的生物信息学

1.2.1生物信息学

1.2.2生物信息学发展概况

1.2.3基因组研究中的生物信息学

第二章纤维素酶新分类模式

2.1研究背景

2.2本章研究方法

2.2.1序列获取整理与初分类

2.2.2使用HMMER检索序列中的结构域

2.2.3数据挖掘准备工作及数据挖掘

2.2.4分类

2.3本章分析结果

2.4本章讨论

第三章SouthLoc：一种优化Southern杂交方案和定位序列插入位点的工具

3.1本章研究背景

3.1.1研究基因功能的方法

3.1.2插入片段的检测

3.1.3本文的工作

3.2 SouthLoc的设计思路

3.2.1基本思路

3.2.2基因组序列的预处理

3.2.3两种评分策略

3.2.4多种酶的组合方案

3.2.5问题的图论表示及解法

3.2.6其它的细节

3.3 SouthLoc主要功能和部分算法介绍

3.3.1 SouthLoc主要功能

3.3.2通用的处理函数

3.3.3最小回路的计算

3.4 SouthLoc的典型分析流程及结果讨论

3.4.1 SouthLoc的典型分析流程及结果

3.4.2讨论

全文总结

参考文献

致谢