基因组序列8-mer频次使用规律及与物种进化的关系

基因组序列k-mer的非随机使用规律及包含的生物学意义一直是人们关注的问题,目前还没有根本性进展。本文以七个物种的全部基因序列为样本,得到各物种基因组序列的8-mer频谱分布。发现狗和牛的频谱有三个峰,而斑马鱼、青鳉鱼、秀丽线虫和酿酒酵母的频谱只有一个峰,鸡的频谱分布形状介于两者之间。将8-mer集合按照XY二核苷含量分类,结果显示只有CG二核苷分类下0CG、1CG和2CG三类子集的频谱形成各自独立的单峰分布。对照随机序列,发现0CG模体是随机进化的,1CG和2CG模体是定向进化的,它们的使用频次远小于随机频次,且这种独立进化分离规律具有物种普适性。三个CG子集频谱之间的距离是产生单峰或多峰现象的根本原因。将七个物种基因组序列标准化到109bp,比较发现1CG和2CG子集频谱与物种进化显著相关,0CG子集频谱与物种进化无显著关系。可以认为三种CG模体各自执行着不同的生物学功能。基因组序列8-mer的独立分离规律为揭示基因组结构、基因组进化以及模体的生物功能提供了一种新的思维方式。

核小体结合模体的理论预测和检验

核小体结合模体集合的理论预测对于全面了解核小体的定位和染色质重塑以及DNA序列的结构和进化具有重要的意义.以人类1号染色体基因间序列为样本,研究了8-mer相对模体数随频次分布的三峰现象.发现依照8-mer中CG二核苷含量分类,三个8-mer子集(记为iCG,i=1,2,3)形成独立的单峰分布,而依照其它15种二核苷含量分类则没有此现象.分析DNA序列的这一独特结构后,提出一个理论猜想,即含1CG的模体就是核小体结合模体集合.为了验证这一猜想,提取了1CG 8-mer中偏好和稀有的三核苷,分别构建了核小体特征参数Ktri(O)和Ktri(R),得到它们在基因转录起始序列(TSS)上的分布,将两类分布分别与实验给出的核小体占据率分布做线性拟合.统计结果显示,1177个TSS序列中,置信度大于95%的序列占到总数的89.2%,置信度大于99%的序列占到总数的81.6%.结果验证了1CG模体集合就是核小体结合模体的猜想.