水稻基因组中的假基因研究

【摘要】：水稻是世界上最重要的粮食作物之一,是第一个完成全基因组序列框架图测序的作物。假基因(pseudogene)是目前基因组学的研究热点,指在聚因组中那些与已知功能基因序列高度相似,但是缺乏编码蛋白功能的DNA序列。假基因保留了远古基因的信息,被视为基因组进化中的分子化石,成为研究生物进化和动态基因组的重要线索。利用假基因对水稻基因组进行研究,会揭示水稻更多的生物和遗传特性,了解水稻基因组在进化过程中基因复制、突变以及DNA替换、插入、缺失等遗传事件的机制,为水稻的生产提供更多的科学指导。 利用同源性搜索,我们可以得到大量假基因在水稻基因组中的分布信息。通常的步骤为基因组序列的获取、六框翻译比对、FASTA程序重新联配、去除冗余基因、合并已知假基因、筛选加工假基因和非加工假基因;对上述结果可以进行假基因的群体特性,染色体分布,同源家族、GC含量分布、序列长度分布、Ka/Ks比、基因和假基因进化、物种亲缘关系比较、DNA突变机制等一系列分析。在研究过程中,我们使用了BLAST、FASTA、CLUSTAL、GO、SIM4、PAML等工具软件,并使用Bioperl开发了一系列似基因序列分析的程序,得到不同格式的假基因数据文件。 本实验中籼稻和粳稻数据来自中国科学院北京基因组研究所完成测序的籼稻、粳稻全基因组序列,蛋白质数据来自国际数据库中水稻的氨基酸序列以及全长cDNA翻译的结果。通过同源性搜索,序列比对、筛选等步骤,我们在粳稻基因组中发现了59504个假基因,在籼稻中则发现了179924个假基因,两个亚种基因组中的假基因都非常丰富(假基因/基因比例大于1)且有比较一致的分布特性。粳稻中有加工假基因17629个,而非加工假基因为41875个。籼稻中的加工假基因为51964个,非加工假基因为127960个,很明显非加工假基因在基因组的数量大于加工假基因。不同的染色体上假基因分布不均,越长的染色体丰度越高;基因越密集的地方,则可能有更多的假基因。两个亚种的7号和9号染色体假基因含量都异常丰富,其假基因/基因比例高于其他染色体。水稻两个亚种假基因在序列长度上的分布十分接近,其平均长度、最大长度都相差不多,100-1000bp之间的假基因序列占总数量的90%以上。相比较而言,加工假基因比非加工假基因更倾向于短序列。同样的情况出现在假基因GC含量的分布情况上,水稻两个亚种基因