基于机器学习分析的浸润性乳腺癌蛋白质编码基因的标志物鉴定

目的应用随机森林(RF)、极限梯度提升算法(XGBoost)、轻量的梯度提升机(LightGBM)、类别型特征提升(CatBoost)4种机器学习算法分析浸润性乳腺癌转录组表达数据,筛选与浸润性乳腺癌预后相关的生物标志物。方法通过癌症基因组图谱公共数据库下载浸润性乳腺癌的表达数据,采用DESeq2程序包、t检验及Cox单因素分析,对人类浸润性乳腺癌样本中与生存预后相关的差异蛋白质编码基因进行筛选。基于RF、XGBoost、LightGBM、CatBoost等机器学习模型的构建与比较,挖掘浸润性乳腺癌预后相关的蛋白质编码基因标志物,并使用基因表达综合数据库的乳腺癌表达数据作为外部测试进行验证。结果共获得151个与生存预后相关的差异蛋白质编码基因,其中由C3orf80、UGP2和SPC253个基因构建的机器学习模型效果较好。结论筛选出3个(UGP2、C3orf80、SPC25)与浸润性乳腺癌预后相关的生物标志物,为诊断和治疗浸润性乳腺癌提供了新的方向。

鳗鲡目鱼类线粒体蛋白质编码基因易位及系统演化关系分析

鳗鲡目鱼类线粒体基因组的基因组成较为保守,在58个线粒体基因组中,仅有3个物种存在基因数量的差异。在19个鳗鲡目鱼类线粒体基因组中存在主编码基因的重排。主编码基因的变异位点分析结果支持nad5、nad4和nad2基因作为cox1和lrRNA基因辅助的分子标记。鳗鲡科Anguillidae的20个种(亚种)聚在一起,强烈支持鳗鲡科为单系群(BPP=100)。鳗鲡科下属的3个类群(大洋洲类群、大西洋类群和印度洋-太平洋类群)也同时得到有力的验证(BPP均为100)。线鳗科Nemichthyidae和锯齿鳗科Serrivomeridae亲缘关系最近,二者聚类后,与鳗鲡科Anguillidae构成姊妹群(BPP=100)。在囊喉鱼亚目Saccopharyngoidei中,宽咽鱼科Eurypharyngidae与囊鳃鳗科Saccopharyngidae聚类(BPP=100),同时,单颌鳗科Monognathidae与月尾鳗科Cyematidae聚类(BPP=100),4个科聚在一支,支持囊喉鱼亚目为单系群(BPP=100)。在囊喉鱼亚目线粒体基因组中,3个物种(吞鳗Eurypharynx pelecanoides、拉文囊鳃鳗Saccopharynx lavenbergi和杰氏单颌鳗Monognathus jesperseni)存在主编码基因的重排。16种鳗鲡(细美体鳗Ariosoma shiroanago、短吻颈鳗Derichthys serpentinus、凯氏短尾康吉鳗Coloconger cadenati、鸭颈鳗Nessorhamphus ingolfianus、龟草鳗Thalassenchelys sp.、粗犁齿海鳗Cynoponticus ferox、百吉海鳗Muraenesox bagio、巨斑花蛇鳗Myrichthys maculosus、大吻沙蛇鳗Ophisurus macrorhynchos、几内亚副康吉鳗Paraconger notialis、哈氏异康吉鳗Heteroconger hassi、小头鸭嘴鳗Nettastoma parviceps、弱头鳗Leptocephalus sp.、斑点长犁齿鳗Hoplunnis punctata、尖吻小鸭嘴鳗Facciolella oxyrhyncha和星康吉鳗Conger myriaster),与鳗鲡目线粒体主编码基因的原始排列相比,共享nad6基因的易位。同时,基于线粒体基因组13个蛋白质编码基因构建的系统演化树,强烈支持这16个物种聚为一支(BPP=100)。然而,由此而带来的海鳗科Muraenesocidae、拟鯙科Chlopsidae和糯鳗科Congridae是否为单系群的问题,值得今后深入探究。

瑟伯氏棉TIR-NBS-LRR类蛋白质编码基因的克隆与分析

以对抗黄萎病种质瑟伯氏棉接菌前后高调表达的3个TIR-NBS-LRR类蛋白质点为出发点,根据其对应同源蛋白质B3V7R2(烟草)、B9INW6(棉白杨)和Q19EF1(拟南芥),利用BLAST在线搜索棉花中对应的表达序列标签(EST),分别设计引物,对接菌后的瑟伯氏棉进行RT-PCR扩增,进而以获得的EST序列为母序列,通过电子克隆及RACE技术,克隆了3个编码TIR-NBS-LRR类蛋白质的候选基因。生物信息学分析结果表明,3个候选TIR-NBS-LRR类蛋白质编码基因均具有典型的TIR、NBS及LRR功能域;系统进化分析结果显示,3个候选基因在瑟伯氏棉抗黄萎病机制中可能起重要作用。

基于SPA的蛋白质编码基因的比对

给出了二重比对 SPA 算法的一个扩展,把 SPA 算法推广到蛋白质编码基因的比对中.首先利用经典的密码子进化模型,得到了密码子两两的得分矩阵,并用该矩阵对 SPA 算法进行了修改,使其更加合理有效地应用于蛋白质编码基因的比对.

水稻线粒体基因组水平上的蛋白质编码基因克隆方法研究

为探索适用于水稻线粒体基因的克隆方法,以水稻线粒体基因ccmB、nad9为例,分别选用3种不同的方法进行克隆。在对水稻线粒体基因组蛋白质编码基因进行比对分析的基础上,探讨了各种克隆方法的优劣及适用范围。结果表明:常规方法适用于Ⅰ类水稻线粒体基因的克隆,RT-PCR法适用于Ⅱ类水稻线粒体基因的克隆,简易方法只适用于Ⅲ类水稻线粒体基因的克隆。

蝎蝽次目线粒体蛋白质编码基因的比较研究

[目的]本研究旨在对蝎蝽次目11科线粒体基因组中13个蛋白质编码基因(PCG)的密码子使用情况、A+T含量、氨基酸序列和核苷酸序列信息位点以及核苷酸进化速率进行比较研究,同时基于13个PCG序列构建蝎蝽次目系统发育树。[方法]通过GenBank获得蝎蝽次目所有14个代表种的PCG序列,统计蝎蝽次目起始密码子和终止密码子的使用频率。在BioEdit 7.1中计算核苷酸串联序列第一位、第二位、第三位和一二三位密码子A+T含量。在MEGA 6.0中计算核苷酸串联序列和氨基酸串联序列的保守位点、信息简约位点和自裔位点。用软件DnaSP 6.0计算蛋白质编码基因每个位点的非同义替代率(Ka)和同义替代率(Ks),由此分析每个基因的核苷酸进化速率Ka/Ks。在RAxML 8.2.8和MrBayes 3.2.5中分别基于最大似然法和贝叶斯法构建系统发育树。[结果]蝎蝽次目昆虫起始密码子使用中,ATN的使用频率明显高于GTG和TTG。蝎蝽次目使用的4种终止密码子中,TAA和T的使用频率最高。蝎蝽次目每一位密码子的碱基组成含量表明第三位密码子的AT含量最高,远远高于第一位与第二位密码子。在氨基酸和核苷酸序列中,COI的保守位点数最多,ATP8和ND4L的保守位点数最少;ND5的简约信息位点数最多,其次为ND2和ND4。核苷酸进化速率的分析中,ATP8基因的进化速率最快,COI基因进化速率最慢。ML和BI的系统发育结果基本一致,分支关系如下:(划蝽总科+((蟾蝽总科+蝎蝽总科)+(潜蝽总科+(仰泳蝽总科+固蝽总科))))。[结论]本研究补充了蛋白质编码基因在蝎蝽次目比较线粒体基因组学研究中的不足,揭示了蛋白质编码基因在比较线粒体基因组学研究中的重要性。

蜡状芽孢杆菌ATCC 10987基因组蛋白质编码基因的重新注释与分析

蜡状芽胞杆菌ATCC 10987对于细菌比较基因组学的研究有重要意义.但其染色体中基因的数目被RefSeq注释为5 603个,这个注释是有疑问的.本文采用Zcurve和Glimmer程序联合打分的方法来识别其蛋白质编码基因.为保证预测结果的可靠性,对联合判别附加预测的基因使用了BLAST方法进行数据库同源性搜索.结果,蜡状芽胞杆菌ATCC 10987基因组中的蛋白质编码基因的数目被重新确定为5 180个.这个数目明显低于原始注释的数目,并且一些指标表明新的注释更为可信.这些相对正确的基因集合为该细菌亲缘物种的深入研究提供了基础.

原核生物基因组肽编码sORFs分布及功能特征

近期,从非编码RNA中发现具有肽编码能力的小开放阅读框(sORFs),激发了人们对这种长期被忽略的基因组元件的研究兴趣,sORFs迅速成为当前重点研究领域.由于表达水平及丰度低、序列短等因素,对肽编码sORFs的有效研究方法及数据资源还很缺乏,现有研究仅集中在少数真核模式生物,对自然界中广泛存在的原核生物研究非常少,肽编码sORFs的发现为目前精准背景下的基因组注释提出严峻挑战.在此背景下,本文首先系统研究了80余种不同类型原核生物中长度小于100个氨基酸的肽编码sORFs分布及功能特征,并对不同长度区间sORFs的序列组成、分布及进化特征进行了对比分析.结果表明,肽编码sORFs在原核生物基因组普遍存在,随着序列长度的降低,其序列复杂度降低,行使的生物功能也相对集中.在此基础上,进一步结合当前肽编码sORFs研究现状,深入总结了肽编码sORFs研究存在的问题及挑战,为今后肽编码sORFs研究奠定了坚实理论基础.

长链非编码RNA共表达基因在卵巢上皮性癌的生物学作用

目的采用生物信息学方法评估与长链非编码RNA共表达相关基因在卵巢上皮性癌(卵巢癌)的生物学作用。方法通过数据库检索、perl语言及R语言平台利用皮尔森相关系数和z-test检验目标lncRNA表达水平与蛋白质编码基因(PCG)之间的相关性;随后分别对筛选出的PCG应用GO及KEGG进行生物功能及通路富集分析、STRING数据库及Cytoscape软件进行PPI网络构建、module及hub gene确定;对重要module进行生物学功能分析、通路富集分析及对hub gene进行生存分析。结果与lncRNA(共9种)共表达且属卵巢癌中差异表达的基因共1,421个。GO分析表明共表达差异基因参与了DNA复制、细胞分裂和细胞增殖等功能富集过程;KEGG分析发现有49个共表达差异基因参与了pathways in cancer信号通路。PPI网络筛选出重要module 2个、hub gene 274个。其中高表达水平的hub gene(CDCA3、BTRC、UBR4、IQGAP1、FBXL3、FGF2、SYT1、TRIM4、REPS1、AGFG1、PCNT、POLK、PTGER3和QKI)与卵巢癌患者的总体生存率(OS)降低显著相关(P<0.05);低表达水平的hub gene(EXO1、MCM3、POLR2D、ANAPC11、SPC24、KLHL25、LSM4、PUF60和EIF3M)与卵巢癌患者的OS降低显著相关(P<0.05)。结论与lncRNA共表达且在卵巢癌中差异表达的PCG参与了卵巢癌的恶性增殖、病情进展及临床预后等生物学行为,这些结论可为后续实验生物学研究提供线索。

棘皮动物线粒体基因组的基因重排、分子标记及系统发生分析

棘皮动物(echinoderms)是海洋生境中所特有的无脊椎动物重要类群,本文全面比较分析了棘皮动物29个物种的线粒体全基因组。线粒体基因组主编码基因的分析结果显示,海胆纲Echinoidea和海参纲Holothuroidea物种的基因排列完全相同;海星纲Asteroidea物种之间的基因排列也完全相同,然而与海胆纲、海参纲相比,存在一个长片段的倒位。海百合纲Crinoidea的栉羽星Phanogenia gracilis和花形羽枝Florometra serratissima主编码基因的基因排列完全相同,地中海海羊齿和海百合Neogymnocrinus richeri与此相比,均存在一个蛋白质编码基因(nad4L)的易位。蛇尾纲Ophiuroidea真蛇尾目Ophiurida的3个科(阳遂足科Amphiuridae、辐蛇尾科Ophiactidae和栉蛇尾科Ophiocomidae)主编码基因的基因排列完全相同,而同属于真蛇尾目,另外一个科(真蛇尾科Ophiuridae)的白色真蛇尾Ophiura albida和灰色真蛇尾Ophiura lutkeni,与同目的前3个科相比,存在3个蛋白质编码基因(nad1、nad2和cob)的倒位。蛇尾纲蔓蛇尾目Euryalida的海盘Astrospartus mediterraneus,与真蛇尾目5个线粒体基因组相比,存在主编码基因的重排。棘皮动物线粒体单基因的变异位点特征显示,nad5、nad4和nad2基因是理想的分子标记基因。基于29个线粒体基因组的氨基酸序列,通过两种方法(邻接法和最大似然法)所构建系统发生树的拓扑结构完全一致。支持其下分的5个纲(蛇尾纲、海参纲、海胆纲、海星纲和海百合纲)均为单系群。线粒体基因组的数据支持棘皮动物动物在纲层次的亲缘关系为:(((海胆纲+海星纲)+海参纲)+蛇尾纲)+海百合纲,海百合纲作为棘皮动物中最为古老的类群,位于系统发生树的根部。基于线粒体基因组构建的系统发生树,支持所有的科均为单系群;综合系统发生树及主编码基因的基因重排分析,均支持真蛇尾目并非单系发生,真蛇尾目的有效性还值得今后深入研究。

枣食芽象甲线粒体基因组全序列测定与系统发育分析

【目的】从线粒体基因组水平上探讨枣食芽象甲Scythropus yasumatsui与近缘种的系统发育关系。【方法】利用Illumina MiSeq测序平台对枣食芽象甲线粒体基因组进行测序,对基因组序列进行拼装、注释和特征分析;利用贝叶斯法和最大似然法构建基于象甲科13个物种的线粒体基因组13个蛋白质编码基因核苷酸序列的系统发育树。【结果】结果表明,枣食芽象甲线粒体基因组全长为16472 bp(GenBank登录号:MF807224),包含13个蛋白质编码基因、22个tRNA基因、2个rRNA基因和2个非编码控制区,37个基因的排列顺序与祖先昆虫的线粒体基因排列顺序一致。13个蛋白质编码基因的起始密码子为ATN,其中除了cob和nad1基因的完全终止密码子为TAG外,其余11个基因的完全终止密码子为TA(A)。22个tRNA基因中除了trnS1缺少DHU臂,反密码子由GCT变为TCT外,其余均能形成典型的三叶草结构。基于13个蛋白质编码基因序列构建的系统发育树结果显示,象甲科8个亚科系统发育关系为:(((隐喙象亚科(Cryptorhynchinae)+(象虫亚科(Curculioninae)+魔喙象亚科(Molytinae)))+长小蠹亚科(Platypodinae))+(粗喙象亚科(Entiminae)+Cyclominae亚科))+隐颏象亚科(Dryophthorinae)+小蠹亚科(Scolytinae))。【结论】在13种象甲科昆虫物种中,同属于粗喙象亚科的枣食芽象甲与南美果树象甲Naupactus xanthographus在系统发育树中聚为同一分支,表明基于线粒体基因组全序列的分子系统发育结果与传统的形态分类结果是一致的。

基于叶绿体基因组探讨桃金娘目及其近缘类群的系统发育关系

该研究基于叶绿体基因组数据,对桃金娘目(6科44属97种)及其近缘类群(牻牛儿苗目2科5属25种)的系统发育关系进行了分析。结果表明:(1)桃金娘目基因组大小为152~171 kb,包括的蛋白质编码基因数目为74~90个;牻牛儿苗目基因组大小为116~242 kb,包括的蛋白质编码基因数目为75~132个。(2)对比叶绿体基因组序列和蛋白质编码基因所构建的系统发育树结果,在目间及牻牛儿苗目内差异显著,但在桃金娘目内基本一致。(3)基于蛋白质编码基因所构建的系统发育树表明,桃金娘目和牻牛儿苗目均为单系,为姐妹类群;桃金娘目内形成两个大支,桃金娘科、Vochysiaceae、野牡丹科形成一支,其中桃金娘科和Vochysiaceae关系较近是姐妹群,柳叶菜科、千屈菜科和使君子科形成另一支,其中柳叶菜科和千屈菜科关系较近为姐妹群;科级水平,桃金娘科、Vochysiaceae、野牡丹科、柳叶菜科、千屈菜科、使君子科和牻牛儿苗科均为单系(仅包括一个物种的科除外)。(4)支持将石榴属及菱属置于千屈菜科。(5)对蛋白质编码基因序列变异分析的结果表明,野牡丹科19个属的共享变异基因数目为53个,变异范围为5.84%~29.53%,桃金娘科9个属的共享变异基因数目为57个,其变异范围为1.31%~15.78%。该研究结果为进一步研究桃金娘目及相关科属的系统发育提供了理论依据。

液相色谱-质谱联用分析流感病毒感染引起宿主蛋白类泛素化修饰

干扰素刺激基因15编码蛋白质(Interferon stimulated gene 15 k Da protein,ISG15)是最早被鉴定的类泛素分子蛋白质,在病毒感染和免疫调节等方面具有重要作用。本研究利用免疫沉淀技术将被类泛素ISG15修饰的蛋白富集纯化,采用液相色谱-质谱联用技术对流感病毒感染A549宿主细胞过程中产生的类泛素ISG15修饰蛋白进行了分析。实验结果表明,在流感病毒感染的实验组A549细胞中,鉴定到了22种来源于宿主细胞的ISG15修饰的蛋白,包括类泛素蛋白ISG15、细胞周期蛋白-T1、热休克蛋白71、钙调素结合蛋白、真核翻译起始因子等,以及1种来源于流感病毒的非结构蛋白NS1。在鉴定的22种宿主蛋白中,有6种蛋白在未感染病毒的对照组A549细胞中也得到鉴定,包括膜联蛋白A1、果糖二磷酸醛缩酶A、线粒体三磷酸腺苷合成酶亚基g、烯醇化酶、肌动蛋白、微管蛋白。生物信息学分析表明,流感病毒感染引起的ISG15修饰的宿主蛋白分别归属于9个不同的蛋白分类,包括细胞骨架蛋白、分子伴侣蛋白、酶调节剂、核酸结合蛋白、激酶类、转移酶类、转录因子、氧化还原酶类以及结构蛋白。本研究为大规模分析鉴定ISG15修饰蛋白提供了一种特异、有效的研究方法。

蝽次目线粒体基因组特征及系统发育关系重建

目前GenBank数据库共收录122种蝽次目昆虫全线粒体基因组序列,比较分析其13个蛋白质编码基因的密码子使用情况、核苷酸进化速率及核苷酸序列信息位点等序列特征,归纳蝽次目tRNA基因的重排现象,同时基于蛋白质编码基因用贝叶斯法和最大似然法重建蝽次目系统发育树,最终为蝽次目昆虫的分子进化信息进行了分析和补充,为蝽次目的系统发育分析奠定了良好基础.两种方法构建的系统发育树结果基本一致,分支关系如下:(扁蝽总科+(蝽总科+(缘蝽总科+(红蝽总科+长蝽总科)))).

天津完成世界首个花椰菜基因组测序 可缩短育种周期及选育新品种

据《天津日报》2018年9月6日报道,天津科润农业科技股份有限公司蔬菜研究所花椰菜育种团队完成了世界上第一个花椰菜全基因组测序。我国是世界上花椰菜种植面积最大、总产量最高的国家。据2016年FAO报告,全世界花椰菜种植面积约134.33万hm2,年总产量约2 523.37万t;我国种植面积约52.01万hm2,年总产量约1 026.37万t,分别占38.72%和40.67%。通过三代pacbio SMART测序技术得到花椰菜contig总长为584.60 Mbp,contig N50达到2.11 Mbp。花椰菜基因组共预测出47 772个蛋白质编码基因,其中97.6%可根据已知蛋白库预测出功能。

装饰短蚋线粒体全基因组序列测定与分析

目的测定和注释装饰短蚋(Simulium ornatum)线粒体全基因组序列,并在线粒体基因组水平上分析短蚋亚属与蚋亚属、纺蚋亚属之间的系统发育关系。方法采用长PCR扩增加引物步移法和总DNA测序法对装饰短蚋线粒体全基因组序列进行扩增测序,应用邻接法重建装饰短蚋与其近缘物种的系统发育关系。结果装饰短蚋线粒体基因组序列全长为15640 bp,包括13个蛋白质编码基因(PCGs)、2个rRNA基因、22个tRNA基因及1个控制区(CR),A、T、C、G碱基含量分别为38.1%、36.4%、14.7%、10.8%;基于13个PCGs序列构建的系统发育关系表示为{[(S.ornatum+S.variegatum)+S.maculatum]+S.aureohirtum}+S.quinquestriatum,基于DNA条码序列构建系统发育关系表示为{[(S.ornatum+S.variegatum)+S.quinquestriatum]+S.maculatum}+S.aureohirtum。结论短蚋亚属与蚋亚属杂色蚋组(variegatum group)的亲缘关系最近,利用线粒体全基因组进行系统发育分析DNA条码序列具有更高的分辨率。

参与植物防御反应的LRR型蛋白结构与功能

植物含有多种富含亮氨酸重复(LRRs)结构的蛋白质,它们在植物生长、发育和抗病反应等方面发挥着重要作用。综述了这类具有LRRs结构蛋白质家族的结构特征及其参与植物防御反应的功能。参与植物防御反应LRR型蛋白质家族包括:抗病基因编码蛋白质、类受体蛋白激酶、多聚半乳糖醛酸酶抑制蛋白和伸展蛋白家族。这四大蛋白质家族成员主要通过LRRs结构识别并结合病原物蛋白质,参与抗病信号传递,诱导植物防卫基因的表达,使植物获得系统抗性。其中LRRs序列中氨基酸的不同和单位重复数目的差异决定了蛋白识别的特异性和结合能力。

植物B染色体的分子结构组成及遗传机制研究进展

B染色体(B chromosomes, Bs)是独立于常规染色体即A染色体(A chromosomes, As)的一类特殊染色体。长期以来,由于实验方法的限制和B染色体可有可无的性质,B染色体一直被认为是完全由异染色质组成且不携带任何功能基因。随着高通量测序技术的发展,很多物种的B染色体被分离,通过对其DNA组成进行全面分析,发现B染色体也携带蛋白质编码基因且对宿主的转录和蛋白表达有影响。本文以黑麦(Secale cereale L.)、玉米(Zea mays L.)和拟斯卑尔脱山羊草(Aegilops speltoides Tausch.)为例,主要介绍了B染色体对植物表型的影响、B染色体的分子结构及DNA重复序列组成、B染色体的功能基因研究,并讨论了植物B染色体领域的研究现状及潜在的应用前景,旨在为染色体工程和育种提供新思路。

自噬的相关分子机制

细胞自噬是真核生物中高度保守的一类生物学途径,它通过降解细胞浆内不同组分,维持细胞自身平衡并帮助细胞在应激情况下生存。自噬在生物体生长发育、免疫防御、肿瘤抑制及神经退行性疾病中都有重大的意义。哺乳动物细胞中,自噬过程主要由自噬相关蛋白(Atg)所形成的一系列复合物所调控,这些蛋白质分别在自噬的启动、自噬泡的形成、延伸及成熟和降解过程中发挥重要的作用。在此,本文针对一些重要的自噬相关蛋白质对近年来自噬分子机制的研究进展做一总结。

LincRNAs的研究新进展

一直以来生物医学研究的主流焦点在于阐明细胞中蛋白质的功能和相互作用。在分子生物学中心法则中,RNA一度被视为蛋白生产的中介和DNA的前体分子。然而,RNA 85%以上从基因组区域转录,而蛋白编码在人类基因组序列不超过3%。在细胞的基本功能方面,曾经认为RNA只限定于一些重要和进化相关的功能,如tRNA、rRNA和mRNA。功能性RNA或具有酶样活性的RNA,被认为是进化残余。在很长的一段时间里,非编码RNA(ncRNA的)