人类长链非编码RNA在哺乳动物中直系同源序列的鉴定及数据库LongMan的建立

摘要

目的:
　　(1)获取人类长链非编码RNA在16个哺乳动物中的直系同源物，研究人类长链非编码RNA的进化特征及种系特异性;
　　(2)建立人类长链非编码RNA在16个哺乳动物中的直系同源基因数据库，为大规模的长链非编码RNA的比较研究与功能分析提供重要数据。
　　方法:
　　1.获取人类长链非编码RNA在哺乳动物中的直系同源物
　　我们根据GENCODE v18项目报道的13562个人类长链非编码RNA，对黑猩猩（chimpanzee）、猕猴(macaque)、狨猴(marmoset)、眼镜猴(tarsier)、鼠科狐猴(mouse lemur)、树鼩(treeshrew)、小鼠(mouse)、大鼠(rat)、豚鼠(guineapig)、兔(rabbit)、狗(dog)、牛(cow)、大象(elephant)、刺猬(hedgehog)、负鼠(opossum)、鸭嘴兽(platypus)这16个哺乳动物进行了基因组搜索，经过筛选得到人类长链非编码RNA在哺乳动物中的直系同源物。由于长链非编码RNA存在补偿性突变现象，具有序列保守性低而结构保守性高的特点，BLAST/BLAT等基于序列保守性的传统搜索软件无法可靠获取长链非编码RNA同源序列，因此我们采用基于结构比对的RNA搜索软件Infernal搜索人类长链非编码RNA在多个物种中的同源序列。大规模的基因组搜索工作主要在本地PC服务器及广州超级计算中心“天河二号”超级计算机上展开。
　　2.构建长链非编码RNA及其直系同源物的系统发育树
　　我们用Phylip计算序列间距离，构建了长链非编码RNA及其直系同源物的系统发育树。
　　3.根据人类长链非编码RNA及其同源基因揭示人类与灵长类特异性长链非编码RNA
　　我们把长链非编码RNA基因在某物种中存在直系同源基因的情况赋值为1，不存在直系同源基因的情况赋值为0，将13562个人类长链非编码RNA在16个哺乳动物中的直系同源状态转换为离散数据。根据这些离散数据，我们对长链非编码RNA在哺乳动物系统发育树中的获得/缺失事件进行了估计。
　　4.人类长链非编码RNA及其同源物的转座子注释
　　根据转座子数据库RepBase，我们采用RepeatMasker来注释13562个人类长链非编码RNA及其在16个哺乳动物中的同源序列所含转座子。
　　5.根据人类长链非编码RNA及其同源基因建立哺乳类直系同源基因数据库LongMan
　　我们根据13562个人类长链非编码RNA及其同源基因，结合生物信息学注释，在此基础上采用MySql5.1在Linux CentOS6.5系统环境下搭建了哺乳动物直系同源长链非编码RNA数据库LongMan。数据导入使用Python语言，Apache作为web服务器，平台的操作网站使用Symfony框架进行搭建。
　　结果:
　　1.人类长链非编码RNA种系特异性的分析结果
　　GENCODE v18报道的13562个人类长链非编码RNA在其他物种中的直系同源基因分布情况如下:
　　单孔目哺乳动物鸭嘴兽中有1008个(7％)直系同源基因;啮齿目动物小鼠和大鼠中分别有4416个(30％)和4099个(28％);人类近亲黑猩猩中有13239个(98％)与人类长链非编码RNA直系同源，而有323个(2％)长链非编码RNA为人类特有。
　　根据Phylip中mix软件估计的长链非编码RNA在各祖先节点的获得/缺失情况显示，兔形目、啮齿目、树鼩目及灵长目的早期共同祖先共有7458个(55％)同源基因。自此分歧之后，兔形目与啮齿目的祖先所含同源基因数目逐渐减少，而灵长目与树鼩目的祖先所含同源基因数逐渐增多，到灵长目祖先已有10498个(77％)同源基因。
　　2.人类长链非编码RNA在哺乳动物中的直系同源基因数据库LongMan的建立
　　LongMan数据库目前收录人类长链非编码RNA及其直系同源基因共133646条，并提供长链非编码RNA的序列信息、比对信息、外显子信息、转座子信息、种系特异性插入与缺失信息等。与PubMed类似，LongMan可多条件组合查询长链非编码RNA，除此之外还提供灵活的显示与下载功能。
　　结论:
　　1.对13562个人类长链非编码RNA及其直系同源基因的分析，揭示它们呈现出明显的种系特异性，且其中约2％是人类特有，超过70％的人类长链非编码RNA为灵长类特有。除此之外，在单孔目哺乳动物鸭嘴兽中发现了1008个同源基因，提示了部分长链非编码RNA的悠久起源。
　　2.LongMan是首个大规模收录同源长链非编码RNA的数据库，不仅拥有大批量（人类长链非编码RNA及其直系同源基因共133646条）、多物种（包括人类在内共17个物种）、多层次（物种涵盖单孔动物、有袋类哺乳动物及真哺乳动物）的长链非编码RNA数据和次级信息，而且提供长链非编码RNA的检索、显示、序列分析等功能，创新性的将转座子和长链非编码RNA结合在一起进行了分析与注释。其同源数据对长链非编码RNA的比较与功能研究具有重要价值。

目录

摘要

第一章 绪论

1．1 长链非编码RNA的发现及特性

1．1．1 长链非编码RNA的发现

1．1．2 长链非编码RNA的特性

1．2 长链非编码RNA的功能及机制

1．2．1 长链非编码RNA参与表观遗传修饰

1．2．2 长链非编码RNA参与转录调控过程

1．2．3 长链非编码RNA参与翻译调控过程

1．3 数据库基本概念

1．3．1 数据库的定义

1．3．2 数据库的结构与分类

1．3．3 数据库的特点

1．4 常用的长链非编码RNA相关数据库

1．5 本课题的研究目的及意义

第二章 人类长链非编码RNA在哺乳类中直系同源基因的搜索

2．1 引言

2．2 数据与方法

2．2．1 获取长链非编码RNA的直系同源基因

2．2．2 通过简约法确定祖先状态

2．3 结果

2．3．1 人类长链非编码RNA同源物在哺乳动物中的分布

2．3．2 长链非编码RNA在哺乳动物中的进化

2．4 讨论与小结

第三章 人类长链非编码RNA在哺乳动物中直系同源基因数据库LongMan的建立

3．1 引言

3．2 数据与方法

3．2．1 对人类长链非编码RNA同源基因进行转座子注释

3．2．2 对人类长链非编码RNA同源基因进行多序列比对

3．2．3 搭建LongMan的后台数据库

3．2．4 建立LongMan的用户界面

3．3 结果

3．3．1 LongMan收录的数据

3．3．2 对长链非编码RNA同源基因的初步分析与注释

3．3．3 LongMan的数据检索与下载

3．3．4 LongMan的序列比对与可视化显示

3．3．5 LongMan的更新

3．4 讨论与小结

结语

参考文献

读研期间发表论文

致谢

声明