在高等真核生物基因組轉(zhuǎn)錄過程中,一次剪接即可完成短內(nèi)含子的去除,而部分較長內(nèi)含子(10 kbp)則需通過多次剪接方可去除。多次剪接去除長內(nèi)含子的過程通常被稱為遞歸剪接。已有研究表明,遞歸剪接事件與諸多生物學過程及疾病的發(fā)生發(fā)展有著密切的聯(lián)系。近年來,關于遞歸性剪接事件的研究越來越多,研究者已經(jīng)在果蠅和多種脊椎動物基因組轉(zhuǎn)錄過程中發(fā)現(xiàn)了遞歸剪接事件,通過不同的生物信息學方法找到了多個遞歸剪接位點并進行了實驗驗證。目前國際上對遞歸剪接的研究主要集中在遞歸剪接過程、剪接位點識別及其對生物學過程的影響等方面。但是尚未有比較成熟的識別遞歸剪接位點的軟件,本文針對轉(zhuǎn)錄組數(shù)據(jù)進行遞歸剪接事件的識別方法研究,并開發(fā)了一套識別遞歸剪接位點的算法流程RSfinder。同時利用RSfinder對卵巢癌組織和癌旁正常組織的轉(zhuǎn)錄組數(shù)據(jù)進行遞歸剪接位點的識別與分析。以下是本文的主要工作:首先,分析遞歸剪接位點附近序列特征。本文分別對實驗驗證的人腦組織的7個基因的8個遞歸剪接位點、果蠅的14個基因的24個遞歸剪接位點進行了研究,對這些遞歸剪接位點上下游序列進行序列比對統(tǒng)計、分析。研究結(jié)果發(fā)現(xiàn)發(fā)生遞歸剪接現(xiàn)象的三組序列特征,即:剪接位點的保守性、發(fā)生遞歸剪接現(xiàn)象的內(nèi)含子長度、內(nèi)含子表達量信息呈現(xiàn)鋸齒狀。其次,本文開發(fā)了一套識別遞歸剪接位點的算法流程RSfinder。RSfinder對上述已驗證遞歸剪接位點的轉(zhuǎn)錄組測序數(shù)據(jù)進行分析檢測的具體步驟如下:1,以基因組堿基序列、基因注釋文件為參考,運用fastQC進行質(zhì)量檢測;2,利用TopHat對轉(zhuǎn)錄組數(shù)據(jù)進行比對,得到讀段的整體比對結(jié)果Sam文件和junction文件;3,通過遞歸剪接位點特征信息進行分析篩選,得到符合上述特征的潛在遞歸剪接位點;4,利用序列信息構(gòu)造生物剪接的親和性矩陣對遞歸剪接位點進一步篩選;5,編寫的可視化工具RS-fig肉眼識別鋸齒狀結(jié)構(gòu)、非鋸齒結(jié)構(gòu);6,利用PCCAdaBoost算法對樣本進行訓練,得到準確率達95%以上的分類器,即得到符合條件的遞歸剪接位點識別算法流程(RSfinder)。運用RSfinder對Homo sapiens已驗證的八個遞歸剪接位點、果蠅24個位點所在的轉(zhuǎn)錄組進行分析檢測,比較檢測結(jié)果,驗證算法流程RSfinder的準確性,結(jié)果表明RSfinder算法流程性能較好,能夠在人腦組織檢測到7個(87.5%)遞歸剪接位點;果蠅中檢測到23個(95.8%)遞歸剪接位點。最后,應用所開發(fā)的算法流程對卵巢癌中發(fā)生遞歸剪接事件進行了檢測與分析。卵巢癌數(shù)據(jù)分為兩組:卵巢癌組織和癌旁正常組織,每組數(shù)據(jù)集三個生物學重復。得到的轉(zhuǎn)錄組數(shù)據(jù)利用RSfinder進行分析,預測得到遞歸剪接位點,分析兩組數(shù)據(jù)集遞歸剪接位點所在基因的差異性。結(jié)果發(fā)現(xiàn)卵巢癌組織中發(fā)現(xiàn)遞歸剪接事件、癌旁正常組織未發(fā)生的位點共31個,存在于25個基因的25個內(nèi)含子中;癌旁正常組織存在遞歸剪接事件、卵巢癌組織未檢測到的位點共43個,存在于31個基因的31個內(nèi)含子內(nèi)。此外本文還對得到的這兩組基因的表達量信息進行了分析。本論文的研究工作,也為遞歸剪接事件對卵巢癌的影響進行深入研究奠定了一定的基礎。
【學位單位】：南京航空航天大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：Q811.4
【部分圖文】：

圖 1. 1 總體研究方案排方法開發(fā)一套識別遞歸剪接位點矩陣、相似性篩選等過程預測得篩選，得到所需要的樣本。利用點識別軟件。利用 RSfinder 對卵剪接事件的基因的差異性，從遞如下：和研究意義，簡單介紹了論文所思路，最后概述了本章內(nèi)容。生遞歸剪接事件的研究現(xiàn)狀事件的研究現(xiàn)狀。描述了二代測

圖 2. 1 內(nèi)含子單步剪接流程圖2 表示的是“外顯子-內(nèi)含子-外顯子”模型單步剪接 reads 密度圖。圖 A 為 reads 表達模型圖，圖中可以看出單步剪接內(nèi)含子的表達量圖譜從 5’到 3’呈圖 B 為本文通過 RS-fig 軟件對某一內(nèi)含子與上下游兩外顯子之間表達量圖圖，從圖中可以看出內(nèi)含子的去除為單步剪接時，內(nèi)含子表達量圖譜會呈現(xiàn)”，且內(nèi)含子部分表達量圖譜呈現(xiàn)直線向下。

圖 2. 1 內(nèi)含子單步剪接流程圖圖 2.2 表示的是“外顯子-內(nèi)含子-外顯子”模型單步剪接 reads 密度圖。圖 A 為內(nèi)含子單步接切的 reads 表達模型圖，圖中可以看出單步剪接內(nèi)含子的表達量圖譜從 5’到 3’呈現(xiàn)斜向下的直線。圖 B 為本文通過 RS-fig 軟件對某一內(nèi)含子與上下游兩外顯子之間表達量圖譜進行繪制的結(jié)果圖，從圖中可以看出內(nèi)含子的去除為單步剪接時，內(nèi)含子表達量圖譜會呈現(xiàn)明顯的“三角狀”，且內(nèi)含子部分表達量圖譜呈現(xiàn)直線向下。
【相似文獻】

相關期刊論文 前10條

1 馮桂海;何濤;汪莉;王玉民;;果蠅非經(jīng)典剪接位點的生物信息學預測[J];生物技術通訊;2010年06期

2 孫波;李小霞;李鋮果;;基于模糊支持向量機的剪接位點識別[J];計算機應用;2011年04期

3 晏春,杜耀華,高青斌,王正志;基于支持向量機的人類5'非翻譯區(qū)剪接位點識別[J];生物物理學報;2005年04期

4 鄭毅，丁達夫;果蠅內(nèi)含子3＇剪接位點的選擇機制[J];生物物理學報;1994年03期

5 王科俊;呂俊杰;馮偉興;王鑫;賀波;;一種新的真核基因剪接位點識別方法[J];電子學報;2011年05期

6 陳麗萍;呂軍;;利用多樣性增量位置得分函數(shù)預測人類5'非翻譯區(qū)剪接位點[J];內(nèi)蒙古工業(yè)大學學報(自然科學版);2009年04期

7 劉良式;轉(zhuǎn)錄物剪接的分子機理[J];植物生理學通訊;1995年05期

8 曾瑩;陳淵;袁哲明;;基于統(tǒng)計差表與加權投票的高精度剪接位點預測[J];生物化學與生物物理進展;2019年05期

9 楊烏日吐;李前忠;林昊;楊科利;;預測競爭性和非競爭性剪接位點對(英文)[J];內(nèi)蒙古大學學報(自然科學版);2008年03期

10 馮秀程,錢敏平,鄧明華,馬小土,嚴熙婷;隱半馬氏模型在 3′剪接位點識別中的應用(英文)[J];生物化學與生物物理進展;2004年05期

相關博士學位論文 前4條

1 晉宏營;最大信息原理、能量及選擇約束在基因剪接位點預測分析中應用的研究[D];內(nèi)蒙古大學;2009年

2 劉薇;選擇性剪接順式調(diào)控元件的位置效應[D];武漢大學;2010年

3 吳同彬;PPT結(jié)合蛋白結(jié)合位點定位揭示出其在前體mRNA剪接中的多樣功能[D];武漢大學;2010年

4 楊烏日吐;基于序列信息預測選擇性剪接位點和盒式外顯子[D];內(nèi)蒙古大學;2008年

相關碩士學位論文 前10條

1 魏金川;基于轉(zhuǎn)錄組測序數(shù)據(jù)的遞歸剪接事件識別及其應用[D];南京航空航天大學;2019年

2 李瑞;基于深度學習的農(nóng)作物基因剪接位點識別研究[D];山東農(nóng)業(yè)大學;2019年

3 姚雨;基于深度學習網(wǎng)絡的剪接位點及蛋白質(zhì)相互作用預測方法研究[D];安徽大學;2019年

4 夏慧煜;剪接位點識別與選擇性剪接機制的初步研究[D];清華大學;2004年

5 呂俊杰;真核基因剪接位點識別算法研究[D];哈爾濱工程大學;2010年

6 鄭大軍;真核基因剪接位點的特征描述與識別算法研究[D];福建農(nóng)林大學;2014年

7 孫永山;基于序列模式挖掘識別基因剪接位點的研究[D];安徽大學;2016年

8 李紹燕;基于變長馬爾可夫模型的基因剪接位點識別[D];蘇州大學;2011年

9 王卉;蛋白質(zhì)編碼基因及遺傳疾病相關基因的預測[D];華中科技大學;2006年

10 張鵬飛;人類基因組中選擇性剪接位點的預測及序列特征分析[D];內(nèi)蒙古大學;2010年

本文編號：2859663