基因組序列k-mer頻次分析及核小體結(jié)合模體的理論預(yù)測(cè)和驗(yàn)證.pdf

1、基因組序列k-mer出現(xiàn)的頻次存在進(jìn)化分離現(xiàn)象?；谶@一現(xiàn)象，我們分析了酵母基因組核小體核心序列與核小體連接序列中k-mer(k≤8)使用頻次的差異。分析了人類1號(hào)染色體基因間序列8-mer使用頻次的三峰分布及在XY二核苷分類下的分布特征，給出了理論預(yù)測(cè)的核小體結(jié)合模體集合，并與核小體占據(jù)率實(shí)驗(yàn)結(jié)果進(jìn)行了比較。具體內(nèi)容如下。
　　基于Brogaard等人在實(shí)驗(yàn)上給出的酵母基因組序列上單堿基精度的核小體定位標(biāo)注，獲得全部的核小體中心

2、序列和核小體連接序列。分析了k-mer（k取4、5、6和8）在兩類序列中相對(duì)使用頻率(RF)的差異，發(fā)現(xiàn)當(dāng)k≥6時(shí)，少數(shù)高頻k-mer使用差異明顯。引入兩類序列k-mer相對(duì)使用頻率比的對(duì)數(shù)㈣參數(shù)值，并按照該值增序的方式排列模體，結(jié)果顯示模體長(zhǎng)度越長(zhǎng)兩類序列的使用差異越明顯，當(dāng)k＞7以后差異分布逐漸穩(wěn)定。按照核心序列8-mer相對(duì)使用頻率增序的方式排列模體，發(fā)現(xiàn)在相對(duì)使用頻率小于0.5的區(qū)域，兩類序列的8-mer使用差異更加顯著。分別計(jì)

3、算了7個(gè)抽樣點(diǎn)附近核心序列偏好的8-mer和連接序列偏好8-mer的G+C含量和二核苷含量。結(jié)果顯示當(dāng)8-mer相對(duì)頻率逐步減小時(shí)，對(duì)應(yīng)模體的G+C含量逐步增大，連接序列偏好GG和CC二核苷的使用，核心序列明顯偏好CG和GC二核苷的使用?？傊?，除了少數(shù)極偏好的模體外，兩類序列k-mer使用的差異多數(shù)出現(xiàn)在k-mer相對(duì)頻率很低的模體上，這些模體具有較高的G+C含量。
　　核小體結(jié)合模體集合的理論預(yù)測(cè)對(duì)于全面了解核小體的定位和染色質(zhì)

4、重塑以及DNA序列的結(jié)構(gòu)和進(jìn)化具有重要的意義。為了解釋人類基因組序列8-mer相對(duì)模體數(shù)隨頻次的分布的三峰現(xiàn)象。將8-mer集合按照8-mer中包含CG二核苷的含量分類，發(fā)現(xiàn)三個(gè)8-mer子集(0CG，1CG和2CG)各自形成獨(dú)立的單峰分布，而依照其它15類二核苷分類則沒(méi)有此現(xiàn)象，總體8-mer的三個(gè)峰正是這三個(gè)CG8-mer子集分布的疊加。分析了DNA序列中8-mer使用的這一獨(dú)特的性質(zhì)，結(jié)合對(duì)核小體結(jié)合序列的實(shí)驗(yàn)研究結(jié)論，我們提出了

5、1CG模體集合就是核小體結(jié)合模體的理論猜想。為了驗(yàn)證我們的猜想，計(jì)算了1CG8-mer集合中偏好和稀有的三核苷相對(duì)頻率，分別構(gòu)建了核小體特征參數(shù)ktri(O)和Ktri(R)，得到它們?cè)?177個(gè)基因轉(zhuǎn)錄起始序列(TSS)上的分布，然后與實(shí)驗(yàn)給出的核小體占據(jù)率分布比較。線性擬合的統(tǒng)計(jì)結(jié)果表明，置信度大于95％的序列占到總數(shù)的89.2％，置信度大于99％的序列占到總數(shù)的81.6％。比較的結(jié)果印證了1CG模體集合就是核小體結(jié)合模體的理論猜想