基于EST和NGS序列的生物信息分析平臺開發(fā)研究.pdf

1、DNA測序是現(xiàn)代生物學研究的重要手段,目前已為公共生物數(shù)據(jù)庫積累了海量的數(shù)據(jù)資源,主要包括由Sanger測序產(chǎn)生的EST序列以及由下一代測序(NGS)產(chǎn)生的序列,這些信息被廣泛應用于基因識別、基因表達以及注釋基因組等科研領(lǐng)域。針對已有的大量EST數(shù)據(jù)以及NGS產(chǎn)生的高通量數(shù)據(jù)進行研究,開發(fā)出統(tǒng)一的數(shù)據(jù)分析工具,能夠充分挖掘其中蘊含的生物信息,提高生物工作者的實驗效率,從而促進利用新技術(shù)來解決重大生物學問題。本文首先提出了針對EST和NG

2、S數(shù)據(jù)的綜合處理框架,然后基于此框架構(gòu)建了在線生物信息分析平臺。目前,該平臺主要研究了兩類問題,即EST的模式分析和基于NGS的多聚腺苷化分析,以后可按照新的分析需求不斷拓展功能模塊。上述兩類問題分析如下。
　　 (1)基因組注釋與基因表達等應用的成功很大程度上依賴于EST序列的質(zhì)量。然而,一些GenBank EST卻被證明是不準確的,給下游應用造成了不利影響。識別原始EST中的cDNA終端及其結(jié)構(gòu)不僅有利于控制EST數(shù)據(jù)質(zhì)量,

3、而且可以準確描繪轉(zhuǎn)錄本末端。為了能夠產(chǎn)生更準確和更可靠的EST數(shù)據(jù),本文基于cDNA的終端模式分析對松樹的原始EST數(shù)據(jù)進行了處理,可以提高識別和提取真實cDNA插入片段的準確率,有利于基因組注釋和基因結(jié)構(gòu)預測等基于EST的下游應用。
　　 (2)隨著NGS的發(fā)展,許多研究表明選擇性多聚腺苷化在基因組中廣泛存在。多聚腺苷化(Polyadenylation,poly(A))是基因表達調(diào)控的重要途徑,對細胞中mRNA的生命周期起決定

4、作用。分析不同類型的poly(A)位點及其表達差異,將有利于深入理解基因表達調(diào)控,促進調(diào)控真核生物mRNA多聚腺苷化過程的分子、生物及進化機制的研究。本文針對來自擬南芥不同組織的NGS數(shù)據(jù),對poly(A)信息進行標準化,綜合分析了不同條件下多聚腺苷化的相關(guān)問題,包括poly(A)位點分布研究、APA組織特異性分析以及識別差異表達基因。
　　 本文最后給出了在線生物信息分析平臺的技術(shù)實現(xiàn)方案,該設計基于GWT工具包(Smart