利用系統(tǒng)發(fā)生足跡技術(shù)尋找巴西固氮螺菌基因組上的功能特征——基于局域網(wǎng)的并行實(shí)現(xiàn)

1、利用系統(tǒng)發(fā)生足跡技術(shù)尋找巴西固氮螺菌基因組上的功能特征基于局域網(wǎng)的多機(jī)并行實(shí)現(xiàn)姜平（煙臺(tái)，山東，山東工商學(xué)院信息與電子工程學(xué)院264005）摘要：要：巴西固氮螺菌是重要的植物促生內(nèi)生菌之一。為了研究其未知基因，在巴西固氮螺菌和與其同源的五個(gè)菌種之間進(jìn)行系統(tǒng)發(fā)生足跡研究，編寫軟件由計(jì)算機(jī)完成整個(gè)研究過程。由于任務(wù)執(zhí)行的串行性，效率較低。研究發(fā)現(xiàn)，整個(gè)過程包含了大量重復(fù)的、沒有數(shù)據(jù)依賴的操作，如文本信息的提取，DNA序列的比較等。因此，提出

2、了基于局域網(wǎng)的多機(jī)并行實(shí)現(xiàn)的思路，由服務(wù)器將任務(wù)分配給多臺(tái)計(jì)算機(jī)并行執(zhí)行在充分利用資源的同時(shí)，顯著提高了效率。關(guān)鍵詞關(guān)鍵詞：巴西固氮螺菌；同源；系統(tǒng)發(fā)生足跡；局域網(wǎng)；并行1引言11巴西固氮螺菌巴西固氮螺菌(Azospirillumbrasilence)是重要的植物促生內(nèi)生菌之一，其質(zhì)體上的不同基因分別控制著其各種不同的特性。對(duì)巴西固氮螺菌的深入研究對(duì)我國農(nóng)業(yè)的發(fā)展有著深遠(yuǎn)的影響。在巴西固氮螺菌的sp7菌株里，發(fā)現(xiàn)了兩個(gè)質(zhì)體，分子量分別為

3、115MDa(p115)和90MDa(p90)。實(shí)驗(yàn)表明：p115質(zhì)體會(huì)自發(fā)地從細(xì)菌細(xì)胞中消失，并且與原生型sp7比較，由p115的衍生物來代替p115沒有造成任何表現(xiàn)型如細(xì)菌的運(yùn)動(dòng)性，化學(xué)向性等的差異，而對(duì)p90的替代卻使得細(xì)菌不能正常生存。由此得出結(jié)論：細(xì)胞存活必須的基因信息在p90質(zhì)體上。[1]12系統(tǒng)發(fā)生足跡技術(shù)p90的基因序列已經(jīng)被微生物與植物遺傳中心(KULeuvenBelgium)破譯，并且部分基因的位置和功能已經(jīng)確認(rèn)，如

4、exoB和exoC控制著外聚多糖的合成。然而還有一些基因如nodP和nodQ，它們的功能還有待確定。本文應(yīng)用系統(tǒng)發(fā)生足跡技術(shù)對(duì)p90進(jìn)行研究。系統(tǒng)發(fā)生足跡是用來識(shí)別DNA序列中的調(diào)控因子(motif)的方法，它通過在多個(gè)同源基因的調(diào)控序列（基因間序列）中尋找保守區(qū)域來確定調(diào)控因子。系統(tǒng)發(fā)生足跡技術(shù)認(rèn)為：由于環(huán)境選擇的壓力，基因上的功能因子比那些非功能序列進(jìn)化的速率慢。因此，對(duì)于同源物種而言，那些保守區(qū)域?qū)⒊蔀楣δ苷{(diào)控因子的主要侯選者。[

5、2]13局域網(wǎng)多機(jī)并行實(shí)現(xiàn)隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，多機(jī)并行技術(shù)應(yīng)用日益廣泛。并行是指多臺(tái)計(jì)算機(jī)同時(shí)運(yùn)行，與單機(jī)串行運(yùn)行相比，并行能夠顯著的提高執(zhí)行速度。本系統(tǒng)構(gòu)建客戶機(jī)服務(wù)器模式的局域網(wǎng)，即一臺(tái)服根據(jù)BLAST計(jì)算出的相似度，用TribeMCL對(duì)蛋白質(zhì)進(jìn)行分組，序列相似的蛋白質(zhì)將被歸為一組。為了利用序列相似的傳遞性，將各蛋白質(zhì)之間的相似關(guān)系用圖來表示，蛋白質(zhì)作為結(jié)點(diǎn)，而邊用來代表蛋白質(zhì)之間的相似度，并且用log(E)作為相似度的權(quán)值。將圖進(jìn)

6、一步轉(zhuǎn)換為馬爾可夫矩陣，矩陣中的元素代表蛋白質(zhì)序列間的轉(zhuǎn)換概率。通過矩陣自乘進(jìn)一步尋找蛋白質(zhì)之間的親緣關(guān)系，避免將關(guān)系較遠(yuǎn)的蛋白質(zhì)遺漏[3]。得到蛋白質(zhì)的分組后，將蛋白質(zhì)轉(zhuǎn)換成其相應(yīng)的編碼基因，進(jìn)而得到基因分組，由于只需要與p90相關(guān)的基因組，再將包含p90基因的分組篩選出來存入數(shù)據(jù)庫中，結(jié)果如表1：表1:基因分組并行性分析并行性分析：蛋白質(zhì)分組需要將所有的蛋白質(zhì)相似度信息進(jìn)行比較，因此本模塊不能并行執(zhí)行，必須由一臺(tái)計(jì)算機(jī)獨(dú)立完成。21

7、4尋找motif得到了基因分組后，根據(jù)基因名稱將調(diào)控其編碼的基因間序列提取出來。然后在同源的基因間序列中尋找motif。本模塊使用MotifSampler軟件來尋找侯選motif該軟件采用Gibbs采樣算法，Gibbs通過隨機(jī)采樣不斷更新motif模型和在各條序列中的出現(xiàn)位置以優(yōu)化目標(biāo)函數(shù)，當(dāng)滿足一定的迭代終止條件時(shí)就得到了最終的候選motif。[4]并行性分析并行性分析：同BLAST相似，motif的尋找不存在數(shù)據(jù)依賴，可以并行執(zhí)行。