检索历史 清除

摘要随着 DNA测序技术的进步,迄今为止已有近两千原核生物基因组被全测序,而二代测序技术的广泛应用更是推进了细菌转录组的研究。面对海量组学数据的剧增,急需大规模深度挖掘这些重要微生物资源。本论文以细菌硫肽生物合成基因簇预测和细菌非编码 RNA序列特征分析等两个重要问题为切入点,深入探讨利用生物信息学进行生物大数据挖掘的策略。<br>　　本论文第一部分是在细菌基因组序列中挖掘硫肽生物合成基因簇。硫肽(Thiopeptides)是一类被高度修饰的、富含硫的微生物源环肽类抗生素,对革兰氏阳性病原菌有很强抑制作用。近期还发现其对人癌细胞的增殖有明显抑制作用。其成员都具有一个以六元杂环为核心、由多个五元杂环和脱水氨基酸组成的典型环肽结构。为了发现新硫肽类抗生素,我们采用隐马尔科夫模型来表征硫肽合成关键酶的序列保守性,在高性能四路服务器上采用LAMP架构开发了识别硫肽合成基因簇的在线工具 ThioFinder。该工具可在2-3分钟内快速地识别出Bacillus cereus ATCC14579基因组(5.4M)中完整的thiocillin合成基因簇及其前体肽的剪切位点。从 NCBI收录的1686个全测序和1875个部分测序的菌株基因组序列中,ThioFinder识别出65个硫肽基因簇;其中11个与已得到实验报道的完全一致,其余的54个是首次报道。此外,内置的基于PostgreSQL的开放数据库 ThioBase首次系统地收录了99个已知硫肽化合物的化学结构、生物活性和产生菌等重要信息,可供硫肽抗生素研究者对相关化合物信息进行快速查找与比较。ThioFinder提供了一个界面友好和快速高效识别硫肽合成基因簇的网上工具,有助于更多新的硫肽类抗生素的发现,同时对于研究者应用组合生物合成技术开发新的临床药物提供新的思路。<br>　　ncRNA是一类长度在几十至几百个核苷酸之间的RNA分子,不编码蛋白质。在不同环境下,细菌 ncRNA对宿主基因表达调控有关键作用,从而可能对细菌致病和耐药等重要生理过程产生影响。本论文第二部分即结合当前 RNA-Seq技术在细菌转录组学中的应用,系统地收集和分析了RNA-Seq实验产生的ncRNA数据。通过对17个细菌 RNA-Seq实验进行分析,获得了17个物种中的1490个 ncRNA基因。此外,通过大量文献挖掘,获得了878个实验验证的ncRNA基因。整合实验验证和RNA-Seq两个不同来源的ncRNA,将其作为阳性数据集。对这些 ncRNA基因的转录起始和终止区域信号特征进行分析,发现了ncRNA基因的转录单元特征与细菌基因组的G+C含量紧密相关,从而为不同种属细菌 ncRNA的准确预测提供了数据基础。