脊椎动物中微小RNA进化模式研究

微小RNA（microRNA,miRNA）是一类长度约为22个核苷酸的内源性非编码RNA．它们在植物、多细胞动物和病毒的基因组中广泛存在并起着重要的调控作用．到目前为止,人们对于这类重要调控因子的进化特性还知之甚少．大多数的miRNA被认为在进化上是高度保守的,但近期随着大量相对不保守的miRNA被相继发现并报道,人们发现在进化过程中不断有新的miRNA产生．在本文中通过研究一个微小RNA超家族,分析了miRNA在脊椎动物中的进化特性．发现新产生的miRNA在其出现后的一段时期内会经历一个近似中性进化的过程,在序列上快速演变,随后逐渐固定下来,并在进化上趋于保守．同时观察到miRNA有系特异性（1ineage—specific）的大规模复制现象,以及miRNA在串连复制后,同源的miRNA前体可能会选择其发卡环不同臂上的序列作为成熟体,从而大大增加了miRNA新功能产生的可能性．这些观察表明,miRNA这一类重要的调控因子在进化过程中是十分活跃的。     

自组织作用在生物进化中的模拟研究

生物的进化可以看作是在基因随机突变的驱动下,通过自组织作用而形成高级有序结构的过程。生物进货研究只能看到进货的结果,而不能对进货的过程进行定量分析和检验。采用进化计算的算法框架对进化现象进行,模拟随机初始条件及环境突变条件下种群的分化和物种形成过程,研究地域分布对物种分化和形成的影响,以及过渡物种的分布特点,并对有限地域条件下地域面积和物种数量的关系进行了模拟研究。     

基因组复杂度进化的仿真研究

生物进化的主要趋势是由简单到复杂,由低级到高级。在整体进化的同时,生物界也广泛存在着局部的退化和简单化现象。为了研究生物的进化和退化并行、简单和复杂并存的现象,以及各种内、外部因素的影响,建立了一个考虑基因扩增／删除机制的进化模型,并对这个模型在各种影响因素下的进化过程进行了仿真研究。实验结果和理论分析表明,生物进化过程中的复杂化倾向主要是为了适应复杂多变的外部环境,但复杂的基因组或结构功能往往需要比较大的生存和繁殖成本,这又限制了复杂化的无限发展。当外部环境变化比较频繁,幅度比较大,而繁殖成本不高时,进化倾向于复杂化;当繁殖成本过高时,复杂化倾向被限制;而当外部环境变化很缓慢或基本稳定时,退化和简单化则成为主要趋势。     

多巴胺通路的基因与精神分裂症风险的多位点关联研究

精神分裂症是一种严重的精神疾患, 全世界的群体发病率约为1%. 一般认为它是一种复杂的多基因疾病, 其致病因素是多个基因的联合作用. 有证据表明多巴胺递质系统的改变与精神分裂症有关. 为了发现多巴胺代谢通路中的精神分裂症易感基因, 收集了82个精神分裂症病例和108个与之匹配的正常对照, 分析了该人群位于多巴胺代谢通路上的24个基因中的59个单核苷酸多态性(SNPs)位点. 由于传统的单位点关联研究忽视了复杂疾病的多基因致病性的本质, 不考虑易感基因之间的相互作用, 因此提出了一个多位点的关联分析方法, 该方法用致病后验概率度量一个多位点基因型组合的致病风险, 并用一套基于扰动和平均的算法来检测易感的多位点基因型组合和抑制噪声, 避免在结果中包含假阳性位点. 发现了一个三位点的SNP组合, 相应的基因组合为COMT和ALDH3B1基因, 对精神分裂症高度易感.     

基于小波分析的膜蛋白跨膜区段序列分析和预测

膜蛋白是一类结构独特的蛋白质,在各种细胞中普遍存在,发挥着重要的生理功能。目前仅有少数膜蛋白听结构被实验测出,因此用计算机预测膜蛋白的结构是蛋白质结构预测的主要研究内容之一。膜蛋白一般在膜上形成保守的跨膜螺旋结构,序列特征明显,比较适合用预测的方法确定跨膜螺旋区段的位置。国际上已有一些研究者用人工神经网络方法、多序列比对方法和统计方法进行了预测尝试,取得了一定的成功经验。我们对蛋白质序列数据库中的     

用电子克隆新基因C17orf32和ZNF362对NCBI人类基因数据库模式参考序列5种错误类型的分析与纠正

采用生物信息学分析与实验确认相结合的技术路线,通过所识别的基因在非冗余数据库比对发现了网上公布的计算机注释人类基因组编码序列存在各种类型的多处错误。该策略既有助于发现更多的人类新基因,又有助于纠正美国国家生物技术信息中心(NCBI)基因组注释项目公布的参考序列(REFSEQs)中所存在的错误。比如他们采用基因预测方法通过自动计算分析从NCBIcontig NT_010808预测到两个模式参考序列LOC124919和LOC147007,本该都是C17orf32,但却都是C17orf32的不同错误形式,分别为第1和2类型错误;再如,他们采用基因预测方法通过自动计算分析从NCBIcontig NT_004511预测到3个模式参考序列LOC14907、LOC200084和LOC91126,实际上都是．ZNF362一种基因,却提交了ZNF362的3种不同错误形式,分别为第4、5和7类型错误。本研究利用计算机识别并结合实验验证能够纠正或避免现有的人类基因组编码序列错误。以前公开发表的文献没有明确指出NCBI人类基因模式参考序列存在错误,因此直当慎重看待计算机注释的可能存在各种类型错误的人类基因组编码序列。人类新基因的正确识别和注释仍是一项长期而繁重的任务。     

通过新基因计算机识别与实验确认对NCBI人类基因数据库一些模式参考序列错误的分析与纠正

采用生物信息学分析与实验确认相结合的技术路线,通过所识别的基因在非冗余数据库比对发现了网上公布的计算机注释人类基因组编码序列存在各种类型的多处错误,包括cDNA水平的一个或一段碱基插入、缺失或突变,或是这些错误的不同排列组合,其中以错误插入为多,往往导致编码氨基酸的移码突变。最先举证了NCBIGENOME Annotation Project预测人类新基因的下列错误类型：(1)开放读码框架(0RF)中错误插入一个碱基造成编码氨基酸移码;(2)错误拼接;(3)开放读框中错误插入一个或一段碱基造成该读框提前终止。只编码N-端氨基酸的cDNA序列而不完整;(4)只有编码c一端氨基酸序列的cDNA而不完整;(5)只是正确基因0RF中间的一段编码蛋白cDNA序列而不完整,缺N-端与C-端氨基酸序列,并且将不完整蛋白氨基酸序列的第一个非起始码氨基酸错误地预测为起始码氨基酸,如将L错误地预测为M;(6)开放读框中错误插入一个或一段碱基造成前面出现不该有的终止码,因而编码蛋白缺开头部分氨基酸;(7)可能将污染基因组序列当作完整基因cDNA序列对待而预测出所谓单一外显子基因。即便真是基因,也只是较长单一外显子mRNA中有一小0RF,而0RF起始码上游同一相位确实存在终止码,无其他特点符合基因条件;(8)所预测基因只有0RF,而0RF两端没有任何EST证据,可据此0RF拼接出受EST和人类基因组双重支持的完整基因cDNA(开放读框上游同一相位有终止码),预示所预测0RF参考序列可能不正确;(9)有EST实验证据支持存在基因的人类基因组序列范围内又被预测出一条相似但更小的蛋白编码基因,因而新预测基因有可能是错误的。     

基于支持向量机(SVM)的剪接位点识别

剪接位点的识别作为基因识别中的一个重要环节, 一直受到研究人员的关注。考虑到剪接位点附近存在的序列保守性,已有一些基于统计特性的方法被用于剪接位点的识别中,但效果仍有待进一步改进。支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅｓ） 作为一种新的基于统计学习理论的学习机,近几年有了很大的发展,已被应用在模式识别的许多问题中。文中将其用于剪接位点的识别中,并针对满足ＧＴ－ ＡＧ 规则的序列样本中虚假剪接位点的样本数远大于真实位点这一特性, 提出了一种基于ＳＶＭ 的平衡取小法以获得更好的识别效果。实验结果表明,应用支持向量机进行剪接位点的识别能更好地提取位点附近保守序列的统计特征,对测试集具有更好的推广能力,并且使用上更加简单。这一结果为剪接位点的识别提供了一种新的方法,同时也为生物大分子研究中结构和位点的识别问题的解决提供了新的线索。     

人类可变翻译事件的研究

可变翻译事件是基因翻译过程中的一种非常重要的机制, 它可以增加基因产物的多样性. 虽然目前报道了一些可变翻译基因, 但是这些研究提供的信息还十分有限, 并不足以推广到整个基因组水平. 已知的可变翻译的基因数目很少, 因此对可变翻译机制的了解也是非常有限的, 这就需要发现更多的可变翻译基因. 然而, 依靠传统的实验方法去发现可变翻译基因十分费时费力, 因此通过系统地研究公共数据库中的大量已测序的蛋白质序列, 并且预测了1237个蛋白质簇作为可变翻译基因. 计人类基因组中大约有8%~10% 的基因会发生可变翻译现象. 这个结果大大地提高了可变翻译基因的数量级, 意味着可变翻译在基因的翻译过程中是一个十分普遍的现象.