人类蛋白编码基因局部GC水平相关性分析

GC含量是基因组DNA序列碱基组成的重要特征,蕴涵基因结构、功能和进化信息。文中通过从公共数据库提取7992个非冗余的人类蛋白质编码基因DNA序列,分析了基因序列不同区域的局部GC含量和相关性。结果表明:基因局部GC含量呈现不均一性,5′非翻译区GC水平最高,为62.56%;而3′非翻译区GC水平最低,为43.97%。3′侧翼序列的GC含量能较好地代表基因所在区域DNA长片段的GC水平。虽然开放阅读框的GC含量比内含子、3′非翻译区和3′侧翼序列的GC含量高,但4个区域的GC含量之间均存在较高的相关性。密码子第三位置的平均GC含量(GC3)为58.09%,显著高于密码子第一位置和第二位置的GC含量,且与开放阅读框的GC水平高度相关,相关系数高达0.91。GC3与内含子、3′非翻译区、3′侧翼序列的GC水平相关性也较高,GC3对3′侧翼序列的GC含量的直线回归斜率为1.25。因此,GC3可作为基因所在区域GC水平变化的敏感性指标。而密码子第一位置和第二位置以及5′侧翼序列和5′非翻译区GC水平与基因其他区域的GC水平的相关性较弱。该研究结果提示:基因蛋白编码区密码子第三位置、内含子、3′非翻译区和3′侧翼序列的碱基可能经历了相近的进化过程,而蛋白编码区密码子第一位置和第二位置、5′侧翼序列和5′非翻译区由于功能的需要而经历了不同的突变和选择。