206 生物信息学第 13 卷牙周疾病是常见的危害人类牙齿的主要口腔疾病而牙龈卟啉单胞菌被认为是牙周疾病最重要的致病菌之一, 与多种牙周疾病有密切关系牙周炎是一种慢性口腔疾病, 破坏牙齿支持组织, 包括胶原蛋白纤维和骨骼牙周疾病是由细菌引起的一类感染性疾病, 而牙龈卟啉单胞菌 (Porph

Size: px

Start display at page:

Download "206 生物信息学第 13 卷牙周疾病是常见的危害人类牙齿的主要口腔疾病而牙龈卟啉单胞菌被认为是牙周疾病最重要的致病菌之一, 与多种牙周疾病有密切关系牙周炎是一种慢性口腔疾病, 破坏牙齿支持组织, 包括胶原蛋白纤维和骨骼牙周疾病是由细菌引起的一类感染性疾病, 而牙龈卟啉单胞菌 (Porph"

硕僪
5 years ago
Views:

1 第 13 卷第 4 期 2015 年 12 月生物信息学 ChineseJournalofBioinformatics Vol.13No.4 Dec.2015 doi: /j.isn 牙龈卟啉单胞菌编码基因重注释研究徐晓捷 1,2, 计得伟 1,2, 张欣悦 3, 张无忌 1,2 1,2, 张会雄 (1. 电子科技大学生命科学与技术学院, 神经信息教育部重点实验室, 成都 ; 2. 电子科技大学信息医学中心, 成都 ; 3. 成都中医药大学针灸推拿学院, 成都 ) 摘要 : 为了确保牙龈卟啉单胞菌生物大分子信息的准确性, 对 NCBI 数据库中的 3 株牙龈卟啉单胞菌的注释信息进行研究首先, 准备好蛋白质编码与非编码序列正负样本, 用基于 Z 曲线理论的 Fisher 判别法对正负样本集进行训练, 确定一个判断 ORF 编码或非编码的阈值 t 0, 由阈值作为判别条件来识别所有的 ORFs, 判断基因片段是否具有编码蛋白质的功能, 由此阈值为判别标准排除掉 3 株牙龈卟啉单胞菌基因组中错误的基因注释信息然后, 用 Prodigal 基因预测软件对牙龈卟啉单胞菌进行基因预测, 基因预测结果与原始功能已知基因进行比对, 挑选出具有不同 5 终端的 ORFs, 将这些具有不同 5 终端的 ORFs 与功能已知的基因片段进行比对, 找到重叠率小于 20% 的候选基因最后, 对这些候选基因用 Blast 进行序列比对找到满足条件的新基因, 并为这些新基因添加功能注释信息基于以上方法共排除了 117 个非编码的开放式阅读框, 并找到了 30 个 NCBI 数据库中缺失的编码蛋白质的新基因关键词 : 牙周病 ; 牙龈卟啉单胞菌 ; 基因重注释 ; 新基因中图分类号 :Q 文献标志码 :A 文章编号 : (2015) Re annotationofporphyromonasgingivaliscoding sequences XUXiaojie 1,2,JIDewei 1,2,ZHANGXinyue 3,ZHANGWuji 1,2,ZHANGHuixiong 1,2 (1.SchoolofLifeScienceandTechnology,KeyLabofNeuroinformationofMinistryofEducation, UniversityofElectronicScienceandTechnology(UESTC),Chengdu610054,China; 2.MedicalInformaticsCenter,UESTC,Chengdu610054,China; 3.SchoolofAcupunctureandMasage,ChengduUniversityofTCM,Chengdu610054,China) Abstract:ToensureaccuracyofP.gingivalisbiologicalmacromoleculesinformation,weinvestigatedtheannotations ofthe3p.gingivalisbasedonncbidatabase.firstly,wepreparedprotein codingandnon codingsequencesas positiveandnegativesamples,respectively,andusedfisherdiscriminantwhichwasdesignedbasedonzcurve theorytodeterminethethresholdt 0,whichwasusedasthecriteriontodeterminewhetherthegeneencodingthe proteinornot.wefirstlyexcludedthewrongannotationinformationfromthreestainsofp.gingivalisbasedonthe threshold.secondly,thep.gingivaliswerepredictedwiththeprodigalgenepredictionsoftware.weusedthe predictedgenescomparedtotheoriginalknown functiongenesandselectedtheorfswithdiferent5 terminals, identifiedthecandidategeneswithoverlappingrateoflesthan20% from theorfswithdiferent5 terminals. Finaly,weusedthesequencealignmentsoftwareBlasttofindthecandidategenesthatmeettheconditions.We excluded117non codingopenreadingframes,andfound30newprotein codinggenesthatwerenotannotatedin thencbidatabase. Keywords:Periodontaldisease;Porphyromonasgingivalis;Re annotation;newgenes 收稿日期 : ; 修回日期 : 基金项目 : 中央高校基本科研业务费 (ZYGX2013J100);2014 年非全日制专业学位研究生教研教改项目 (ZY ) 作者简介 : 徐晓捷, 女, 硕士研究生, 研究方向 : 生物医学工程 ; @qq.com. 通信作者 : 张会雄, 副教授, 研究方向 : 移动互联与公众健康 ; @qq.com.

2 206 生物信息学第 13 卷牙周疾病是常见的危害人类牙齿的主要口腔疾病而牙龈卟啉单胞菌被认为是牙周疾病最重要的致病菌之一, 与多种牙周疾病有密切关系牙周炎是一种慢性口腔疾病, 破坏牙齿支持组织, 包括胶原蛋白纤维和骨骼牙周疾病是由细菌引起的一类感染性疾病, 而牙龈卟啉单胞菌 (Porphyromonas gingivalis,p.gingivalis) 被认为是牙周疾病最重要的致病菌之一且与成年人青少年的牙周炎牙周脓肿牙槽骨脓肿牙髓感染以及难治性牙周炎有关牙龈卟啉单胞菌是牙周病细菌病因学研究的热点 [1] 牙龈卟啉单胞菌不仅可以引起发炎, 它还与动脉粥样硬化以及肥胖病的发生有关 [2-5], 且牙龈卟啉单胞菌引起的口腔感染能够通过侵犯主动脉的组织循环加速内皮细胞凋亡 [5], 造成内皮功能紊乱, 许多研究描述了牙周炎导致内皮功能障碍, 可通过牙周治疗来改善内皮功能 [6] Curtis 等发现, 在牙龈卟啉单胞菌 W50 菌株的 55 kda 大外膜上存在着一个由重组活化基因 (Recombinationactivation gene,rag)b 编码的相对分子质量为免疫显性表面抗原, 与牙周病患者的免疫球蛋白 G 抗体能否发挥作用有密切关系 [7] 通过揭示牙龈卟啉单胞菌生物大分子 ( 如核酸蛋白质等 ) 的结构, 并探索其在遗传信息和细胞信息的传递方式, 有助于研究牙龈卟啉单胞菌的致病机理, 为研究牙周疾病提供依据在基因组公共数据库中已有牙龈卟啉单胞菌基因组的功能注释信息, 但是由于很多原因, 都有可能造成基因组注释出现有蛋白质功能编码基因被丢弃, 或非编码蛋白质功能编码基因被错误标记为功能编码部分的情况出现可能当时基因组数据库数据量的局限性, 或相似基因注释存在错误等, 导致基因预测软件会产生一部分错误注释的基因, 即非编码的开放式阅读框被预测为编码基因这就需要研究人员定期对基因组注释信息进行更新如 Bocs 等就在 26 个原核生物全基因组中就发现 34% 的基因是被错误注释的 [8] 还有一种情况是一些真正编码蛋白质的基因, 由于种种原因却被丢弃掉了, 可以通过一些从头预测的基因查找工具结合基因相似性比对来探测这些基因并为它们添加正确的生物功能信息近几年, 随着基因测序技术的快速发展, 尤其是第二代基因测序技术的出现, 越来越多的微生物基因组完成了测序, 并被上传至公共核苷酸数据库大量的基因序列数据为人们挖掘更多的生物信息提供了绝佳的机会与此同时, 这也对基因注释信息的准确性提出了更高的要求 [9] 如果一个物种的基因组注释出现了错误, 那么不仅会影响基于此基因组的后续研究工作, 还可能导致与此基因组具有亲缘关系的其他基因组的相关研究工作出现问题, 因此为了保证基因注释信息的准确性, 需要对数据库中已测序基因组的注释信息进行定期的检查 [10] 针对以上问题, 下载了 NCBI 数据库中最新的牙龈卟啉单胞菌全基因组的注释信息, 用基于 Z 曲线理论的 Fisher 判别法识别假设基因, 排除 3 株牙龈卟啉单胞菌数据库中被错误注释的假阳性的开放式阅读框 (Openreadingframes,ORFs), 共排除了 117 个非编码 ORFs 增加新基因, 即一些真正的能编码蛋白质的基因, 由于种种原因被丢弃掉了, 需要用基因预测工具并结合基因相似性比对, 或通过实验手段探测这些数据库中丢失的基因并为它们添加正确的生物功能注释信息如 Zhou 等就通过转录分析和相似性搜索相结合的方法为野油菜黄单胞菌 (Xanthomonascampestris) 添加了 306 个新蛋白编码基因 [11] 用 Prodigal 基因预测软件对 3 株牙龈卟啉单胞菌进行基因预测, 把预测基因与原始基因注释信息进行比对, 保留重叠率低于 20% 的预测基因为候选基因, 并通过 Blast 对候选基因进行比对, 满足条件的则被认为是要找的新基因, 共找到了 30 个 NCBI 数据库中缺失的新基因 1 材料和方法 1.1 数据来源本研究所用的数据主要由两部分组成, 一部分是牙龈卟啉单胞菌的全基因组各染色体 DNA 序列文件 ( 文件扩展名为 fna), 另一部分是该物种对应的基因在染色体上的位置分布及编码蛋白质功能信息等基因注释数据 ( 文件扩展名为 pt) 这两部分数据都可以从美国国家生物技术信息中心 (NCBI) 所提供的核酸序列公开数据库 (GenBank) 的 Ftp 下载中心 (ftp://ftp.ncbi.nlm.nih.gov/genomes/ Bacteria/) 获得牙龈卟啉单胞菌全基因组总共包括 3 个, 均是完全测序且在 2014 年 7 月之前下载的, 它们的全名依次是 :PORPHYROMONAS_GINGIVALIS _ATCC_33277_UID58879,PORPTYROMONAS_ GINGIVALIS_TDC60_UID67407,PORPHYROMONAS _GINGIVALIS_W83_UID57641, 对应的参考序列号为 :NC_010729,NC_015571,NC_ 基因组注释文件中包含基因片段编码蛋白质功能的描述信息, 根据这些描述信息把基因分为三类第一类是具有明确功能描述的基因, 此类基因一般会有确定的基因名称, 如 gyrb 表示 DNA 旋转酶 B 亚单位的编码蛋白质第三类是功能描述为 Hypothetical

3 第 4 期徐晓捷, 等 : 牙龈卟啉单胞菌编码基因重注释研究 207 Protein 的基因, 即在基因注释中不能确定功能信息的假设基因余下的基因归为第二类基因, 一般是在注释文件中具有 Family Putative Domain 等描述词的基因而第三类基因中还不确定哪些基因真正具有蛋白质编码功能, 哪些不具有蛋白质编码功能因此本文将重点关注第三类基因 1.2 ORFs 判定要排除基因注释中的非编码 ORFs, 关键在于建立一个模型和识别方法对所有需要验证的 ORFs 进行判定 Z-fisher 是基于 Z 曲线理论对假设基因进行检验并排除非编码 ORFs [12,13] 在任意一个基因序列片段或 ORF 中, 把基因序列分为 3 个相位, 第 1 相位对应第个碱基所在的位置 ; 第 2 相位对应第个碱基所在的位置 ; 第 3 相位对应第个碱基所在的位置根据基因序列的 Z 变换原理, 任意一个基因片段或 ORF 可由 33 位空间中的一个点来标识, 这 33 个分量将用作基因编码区的识别变量具体理论基础和实现过程可参考文献 [12-13] 1.3 去除过注释基因的过程在重注释过程中首先要排除错误注释的基因信息基于从头预测的基因预测软件 (Genefinder) 会产生一部分错误注释的基因, 即非编码 ORFs 被预测为编码基因, 这部分基因需要从注释文件中删除对于本步骤过程的讨论可以参考文献 [9] Zfisher 是专业为检查和排除细菌或古细菌非编码 ORFs 而设计的开源服务系统, 可在 htp:// / Zfisher/ 获得 [9], 步骤见图查找新基因的过程在对已测序的基因组进行注释的过程中, 为了保证较低的假阳性, 一些真正编码蛋白质的基因可能会被遗漏本研究中使用 Blast 在线服务中的 Blastx 程序对所有候选基因的核苷酸序列进行查询如果一个候选基因的 Blast 结果同时满足以下 4 个条件 :(1)Evalue< ,(2)QueryCover> 60%,(3)Ident>50%,(4) 候选基因与同源相似基因的长度差 <20%, 则此候选基因是要找的新基因 [9], 并为这些新基因添加正确的基因功能信息, 具体实现步骤见图 2 图 2 用 Prodigal 基因预测软件对牙龈卟啉单胞菌的基因预测及发现新基因的过程 Fig.2 Theprocesofpredictingthecandidategenes from P.gingivalisuesedProdigalgeneprediction softwareanddiscoverynewgenes 2 结果与讨论图 1 判断第三类基因中的基因序列是否编码蛋白质的流程图 Fig.1 Theflowchartofjudgingthegenesequencewhether encodingtheproteinornot 2.1 基因组大小与基因数量的线性关系在对牙龈卟啉单胞菌基因组进行重注释之前, 先对基因组大小与基因数目之间的关系进行统计分析, 本文中用到了 2638 个细菌或古细菌的全基因序列及对应的基因注释信息 ( 包括 3 个牙龈卟啉单胞菌 ) 作为统计分析对象, 根据物种的基因组注释信息可以统计出每个染色体的大小及注释的基因数

4 208 生物信息学第 13 卷目, 并绘制二者的散点分布图 ( 见图 3) 图中 x 轴表示基因组的大小 ( 单位为 kb),y 轴表示基因数目, 从图中可以发现这 2638 个细菌或古细菌的基因组大小与基因数目之间具有很强的正相关性 ( 相关系数 R=0.994), 这说明随着物种基因组的增大, 其包含的基因数目也应该随之增多 Mira 等也提出, 与真核生物相比, 大部分原核生物 ( 包括细菌和古细菌等 ) 的编码蛋白质基因紧密的分布在染色体上 [14] 此外, 由于原核生物中缺少内含子, 所以其基因结构比真核生物要简单可能正是这种紧密的染色体结构以及简单的基因结构, 使得细菌或古细菌的基因组大小与基因数目间具有强征相关性图 3 基因组大小与基因数目关系分布图 Fig.3 Linearcorrelationbetweengenomesizeandgenenumber 通过绘制基因组大小与基因数目的线性拟合线 ( 图中黑色虚线 ), 我们发现大部分细菌或古细菌分布在拟合线附近, 有部分物种的注释基因数目远多于 ( 或少于 ) 拟合值针对本文的研究对象,3 个牙龈卟啉单胞菌 ( 图中实心圆点 ), 也有类似的规律由于 3 个牙龈卟啉单胞菌的基因组大小比较相近 ( 约 2300K), 所以它们在图中几乎分布在同一垂直线上我们可以发现 3 个牙龈卟啉单胞菌的注释基因数目分布在拟合性两侧, 在基因组大小与基因数量关系方面, 这 3 个牙龈卟啉单胞菌未显示出任何异常 2.2 去除非编码的 ORFs 以 P.gingivalisATCC33277 为例, 基于 Fisher 判别模型, 对正负样本集进行训练, 得到判别的阈值, 然后比对所有第三类基因, 根据阈值判别每一个基因片段是否真正编码蛋白质在 P.gingivalis ATCC33277 中, 有 36 个假设基因判定为非编码 ORFs( 见表 1) P.gingivalisW83 没有排除的非编码 ORFs P.gingivalisTDC60 排除 81 个非编码 ORFs( 见表 2) 表 1 P.gingivalisATCC33277 中排除的 36 个非编码 ORFs 基因片段同义号 Table1 Synonymouscodesof36ORFsidentifiedasnon-codinginP.gingivalisATCC33277 PGN_0028 PGN_0045 PGN_0077 PGN_0127 PGN_0155 PGN_0308 PGN_0443 PGN_0506 PGN_0551 PGN_0563 PGN_0699 PGN_0853 PGN_0854 PGN_0897 PGN_0979 PGN_1030 PGN_1051 PGN_1237 PGN_1247 PGN_1266 PGN_1306 PGN_1379 PGN_1386 PGN_1477 PGN_1621 PGN_1686 PGN_1709 PGN_1732 PGN_1769 PGN_1774 PGN_1778 PGN_1810 PGN_1956 PGN_2002 PGN_2015 PGN_2076 在一个指定的细菌基因组中, 所有的蛋白质编码基因都应该有相似的核苷酸组成结构 [15], 也就是说 P.gingivalisATCC33277 中的假设基因需要与其功能已知基因具有相似的核苷酸结构, 否则将被判定为非编码 ORFs 相似性核苷酸结构的判定, 正是通过判别模型来确定的, 在判别模型中会根据 33 个

5 第 4 期徐晓捷, 等 : 牙龈卟啉单胞菌编码基因重注释研究 209 表 2 P.gingivalisTDC60 中排除的 81 个非编码 ORFs 基因片段同义号 Table2 Synonymouscodesof81ORFsidentifiedasnon-codinginP.gingivalisTDC60 PGTDC60_0009 PGTDC60_0029 PGTDC60_0037 PGTDC60_0046 PGTDC60_0062 PGTDC60_0096 PGTDC60_0103 PGTDC60_0107 PGTDC60_0149 PGTDC60_0154 PGTDC60_0158 PGTDC60_0179 PGTDC60_0213 PGTDC60_0228 PGTDC60_0244 PGTDC60_0264 PGTDC60_0296 PGTDC60_0302 PGTDC60_0333 PGTDC60_0385 PGTDC60_0403 PGTDC60_0468 PGTDC60_0469 PGTDC60_0470 PGTDC60_0471 PGTDC60_0474 PGTDC60_0495 PGTDC60_0499 PGTDC60_0518 PGTDC60_0531 PGTDC60_0544 PGTDC60_0554 PGTDC60_0560 PGTDC60_0578 PGTDC60_0580 PGTDC60_0587 PGTDC60_0606 PGTDC60_0615 PGTDC60_0628 PGTDC60_0629 PGTDC60_0637 PGTDC60_0664 PGTDC60_0676 PGTDC60_0682 PGTDC60_0693 PGTDC60_0741 PGTDC60_0750 PGTDC60_0783 PGTDC60_0790 PGTDC60_0791 PGTDC60_0793 PGTDC60_0794 PGTDC60_0799 PGTDC60_0815 PGTDC60_0818 PGTDC60_0823 PGTDC60_0888 PGTDC60_0889 PGTDC60_0893 PGTDC60_0894 PGTDC60_0899 PGTDC60_0912 PGTDC60_0915 PGTDC60_0929 PGTDC60_0967 PGTDC60_0968 PGTDC60_1005 PGTDC60_1009 PGTDC60_1038 PGTDC60_1044 PGTDC60_1057 PGTDC60_1083 PGTDC60_1097 PGTDC60_1118 PGTDC60_1146 PGTDC60_1157 PGTDC60_1158 PGTDC60_1159 PGTDC60_1160 PGTDC60_1214 PGTDC60_1216 PGTDC60_1234 PGTDC60_1237 PGTDC60_1264 PGTDC60_1271 PGTDC60_1315 PGTDC60_1341 PGTDC60_1346 PGTDC60_1367 PGTDC60_1390 PGTDC60_1407 PGTDC60_1417 PGTDC60_1469 PGTDC60_1551 PGTDC60_1609 PGTDC60_1610 PGTDC60_1615 PGTDC60_1625 PGTDC60_1626 PGTDC60_1643 PGTDC60_1662 PGTDC60_1663 PGTDC60_1664 PGTDC60_1677 PGTDC60_1679 PGTDC60_1696 PGTDC60_1711 PGTDC60_1712 PGTDC60_1726 PGTDC60_1727 PGTDC60_1733 PGTDC60_1734 PGTDC60_1735 PGTDC60_1738 PGTDC60_1755 PGTDC60_1769 PGTDC60_1770 PGTDC60_1788 PGTDC60_1854 PGTDC60_1874 PGTDC60_1888 PGTDC60_1908 PGTDC60_1914 PGTDC60_1934 PGTDC60_1952 PGTDC60_1956 PGTDC60_1974 PGTDC60_2010 PGTDC60_2037 PGTDC60_2048 PGTDC60_2054 PGTDC60_2062 PGTDC60_2079 PGTDC60_2092 PGTDC60_2093 PGTDC60_2154 PGTDC60_2155 PGTDC60_2163 PGTDC60_2178 PGTDC60_2186 PGTDC60_2187 PGTDC60_2209 识别变量确定此核苷酸序列的阈值, 通过此阈值判定是否编码蛋白质, 排除这 36 个假设基因正是基于此判别方法 [12] 下图是 P.gingivalisATCC33277 菌株 1125 个功能已知基因 ( 蓝色圆点标记 ) 和 36 个非编码 ORFs( 黑色圆点标记 ) 的核苷酸散点分布图 ( 见图 4) 图 4 P.gingivalisATCC33277 全基因组 G+C 含量散点分布图 Fig.4 P.gingivalisATCC33277genomeG+Ccontentscaterdistribution 注 : 图中颜色标注见电子版 (htp://swxxx.aljournals.cn/index.aspx)(2015 年第 4 期 )

6 210 生物信息学第 13 卷从图中可以观察到绝大部分的功能已知基因与非编码 ORFs 相分离而且几乎所有的功能已知基因都位于 45 度对角线上方, 这说明其第二相位 G+C 含量要低于第三相位 G+C 含量而 36 个非编码 ORFs 中绝大部分分布在 45 度对角线附近, 这表明其第二三相位的 G+C 含量基本相同由此可见编码功能蛋白质将会影响基因的核苷酸结构分布 [13,16,17] 因此, 由于这 36 个假设基因与功能已知基因具有不同的核苷酸结构, 在判别模型中得到的判别值不满足编码蛋白质的 Z 曲线阈值, 导致其被排除为非编码 ORFs 2.3 找到新基因, 添加功能信息使用 Blast 在线服务对所有候选基因的核苷酸序列进行查询如果一个候选基因的 Blast 结果同时满足 4 个条件 :(1)Evalue< ,(2)Query Cover>60%,(3)Ident>50%,(4) 候选基因与同源相似基因的长度差 <20%, 我们就认为此候选基因是要找的新基因通过以上方法, 从 3 株牙龈卟啉单胞菌中分别找到了不同数量的新基因在 P.gingivalis TDC60 中找到了 6 个新基因 ( 见表 3) 这 6 个新基因的基因位置与原注释中的基因位置重叠率很低, 全部小于 0.05%, 其中还包括 5 个重叠率几乎为 0 的新基因, 即原注释信息中几乎没有覆盖到的基因根据同源基因的功能描述确定新基因的功能信息, 同时这 6 个新基因也被赋予各自同源基因的功能注释信息, 如新基因 (+) 则被注释为转座酶 (Transposase) 表 4 和表 5 分别是 P.gingivalisATCC33277 和 P.gingivalisW83 中发现的新基因以及其相应的功能注释信息表 3 P.gingivalisTDC60 中发现的 6 个新基因信息 Table3 Thedetailedinformationofthe6newgenesofP.gingivalisTDC transposase transposase transposase,is4family hypotheticalprotein,partial transposase mobileelementprotein 表 4 P.gingivalisATCC33277 中发现的 5 个新基因信息 Table4 Thedetailedinformationofthe5newgenesofP.gingivalisATCC divergentaaadomainprotein hypotheticalprotein transposase nitritereductase hypotheticalprotein 表 5 P.gingivalisW83 中发现的 19 个新基因信息 Table5 Thedetailedinformationofthe19newgenesofP.gingivalisW Pg-Ifimbriaea hypotheticalprotein,partial transposase TonB-linkedadhesion transposase,is4family site-specificrecombinase TaqI-likeC-terminalspecificitydomainprotein transposase,is4family transposaseinispg2

7 第 4 期徐晓捷, 等 : 牙龈卟啉单胞菌编码基因重注释研究 211 续 ( 表 5) mobileelementprotein transposase ABCtransporter ROKfamilyprotein RHSrepeat-asociatedcoredomainprotein transposase transposase transposase ISPg1,transposase transposaseinispg1,partial 3 结论与展望基因组重注释方法是根据 Fisher 判别法识别 3 株牙龈卟啉单胞菌所有第三类基因 ( 假设基因 ), 判定基因片段是否具有编码蛋白质功能基于此方法从 3 株牙龈卟啉单胞菌中共排除了 117 个非编码 ORFs 对牙龈卟啉单胞菌使用基于从头预测方法的基因识别工具 Prodigal 查找候选新基因, 并以最新的基因数据库为基础进行 Blast 在线相似性比对查找同源基因, 最后根据设定的参数阈值对结果进行过滤筛选, 确定满足条件的新基因并添加对应的基因功能信息, 在本文中为牙龈卟啉单胞菌共添加了 30 个新基因经过本文的重注释, 可能仍然还存在未排除的非编码 ORFs 和未找到的新基因为保证结果的可靠性, 使用特异性较低的方法排除非编码 ORFs( 低至 54%), 同时在查找新基因的过程中只保留高相似度的结果 ( 高达 99%) 随着这两个参数的变化, 发现新基因的数量和排除的非编码基因的 ORF 的数量都有可能会变化本研究中, 用 Prodigal 基因预测软件识别基因位置, 后续可以扩展使用更多其他的基因预测软件对假设基因进行验证, 以确保结果的可靠性参考文献 [1] 黄定明, 吴亚菲. 牙龈卟啉单胞菌的分型及其致病作用 [J]. 国外医学 : 口腔医学分册,2002,29(4): HUANGDingming,WUYafei.Typingandpathogenicrole ofporphyromonasgingivalisaeromonas[j].foreignmedi cal:stomatologyvolume,2002,29(4): [2]SHAHPK.Plaquedisruptionandthrombosis:potentialrole ofinflammationandinfection[j].cardiologyinreview, 2000,8(1): [3]KUVINJT,KIMMELSTIELCD.Infectiouscausesofathero sclerosis[j].americanheartjournal,1999,137(2): [4]CAIY,KOBAYASHIR,HASHIZUME-TAKIZAWAT,et al.porphyromonasgingivalisinfectionenhancesth17re sponsesfordevelopmentofatherosclerosis[j].archivesof OralBiology,2014,59(11): [5]AOM,MIYAUCHIM,INUBUSHIT,etal.Infectionwith porphyromonasgingivalisexacerbatesendothelialinjuryin obesemice[j].plosone,2014,9(10):e e [6]GURAV A N.Theimplicationofperiodontitisinvascular endothelialdysfunction[j].europeanjournalofclinicalin vestigation,2014,44(10): [7]HANLEYSA,ADUSE-OPOKUJ,CURTISMA.A55- Kilodaltonimmunodominantantigenofporphyromonasgingi valisw50hasarisenviahorizontalgenetransfer[j].infec tionandimmunity,1999,67(3): [8]BOCSS,DANCHINA,M?DIGUEC.Re-annotationofgenome microbialcoding-sequences:findingnewgenesandinaccurate lyannotatedgenes[j].bmcbioinformatics,2002,3(1):1-10. [9]GUOFB,XIONGL,TENGL,etal.Re-annotationof protein-codinggenesin10completegenomesofneiseri aceaefamilybycombiningsimilarity-basedandcomposition -basedmethods[j].dnaresearch,2013,20(3): [10]CAMUSJC,PRYORM J,MéDIGUEC,etal.Re-annota tionofthegenomesequenceofmycobacterium tuberculosis H37Rv[J].Microbiology,2002,148(10): [11]ZHOUL,VORH?LTERFJ,HEYQ,etal.Genediscovery bygenome-widecdsre-predictionandmicroaray-based transcriptional analysis in phytopathogen Xanthomonas campestris[j].bmcgenomics,2011,12(1):359. [12]ZHANGCT,ZHANGR.Analysisofdistributionofbases inthecodingsequencesbyadiagrammatictechnique[j]. NucleicAcidsResearch,1991,19(22): [13]ZHANGCT,CHOUKC.Agraphicapproachtoanaly zingcodonusagein1562escherichiacoliproteincoding sequences[j].journalofmolecularbiology,1994,238 (1):1-8. [14]MIRAA,OCHMANH,MORANNA.Deletionalbias andtheevolutionofbacterialgenomes[j].trendsgenet, 2001,17(10): [15]ZHANG CT,WANG J.Recognitionofproteincoding genesintheyeastgenomeatbeterthan95% accuracy basedonthezcurve[j].nucleicacidsresearch,2000, 28(14): [16]GUO FB.Thedistributionpaternsofbasesofprotein- codinggenes,non-codingorfs,andintergenicsequences inpseudomonasaeruginosapa01genomeanditsimplica tions[j].journalofbiomolecularstructureanddynamics, 2007,25(2): [17]CHENLL,ZHANGCT.SevenGC-richmicrobialge nomesadoptsimilarcodonusagepaternsregardlesof theirphylogeneticlineages[j].biochemicalandbiophysi calresearchcommunications,2003,306(1):

< D4241C8EBD1A7BFBCCAD4B3C9BCA8C5C5D0F2A3A D322D3238A3A92E786C7378>

< D4241C8EBD1A7BFBCCAD4B3C9BCA8C5C5D0F2A3A D322D3238A3A92E786C7378> 1 241.0 非全日制 43 221.0 非全日制 85 213.0 非全日制 2 240.0 非全日制 44 220.0 非全日制 86 213.0 非全日制 3 240.0 非全日制 45 220.0 非全日制 87 213.0 非全日制 4 239.0 非全日制 46 220.0 非全日制 88 213.0 非全日制 5 238.0 非全日制 47 220.0 非全日制 89 212.0 非全日制