比较基因组学博士毕业论文

秋海棠属（ Begonia ）是世界上物种多样性最为丰富的类群之一，是全球维管植物物种数量排名前十的大属，种类超过2,000种。近日，由 深圳市仙湖植物园与深圳华大生命科学研究院 牵头完成秋海棠属植物基因组研究，在植物学领域国际权威刊物《新植物学家》（ New Phytologist ）（IF=）发表题为“ Genomes shed light on the evolution of Begonia, a mega-diverse genus ”的研究成果。 此项研究的测序及组装数据已存储于国家基因库生命大数据平台（CNGBdb），项目编号为： CNP0001056  。 秋海棠属植物主要分布于热带及亚热带地区，多数种类生活在阴湿的环境，属于典型的阴生植物。此外，秋海棠属植物叶型、叶斑变化多样，花色丰富，兼观叶与观花于一身，观赏价值极高， 是现今最具应用价值的园艺观赏花卉之一。 研究团队完成桑寄生状秋海棠（ Begonia loranthoides ）、铁十字秋海棠（ Begonia masoniana ）、黑武士秋海棠（ Begonia darthvaderiana ）、和盾叶秋海棠（ Begonia peltatifolia ）4种秋海棠属植物全基因组组装，并完成了74个全球代表性的种类的浅层基因组测序。组装结果显示，4个物种基因组大小介于331 Mb ~ 799 Mb，基因数量介于22,059~23,444之间，BUSCO评估均达到91%以上， 高质量的基因组组装为秋海棠属植物功能基因组学研究以及分子育种培育新优品种提供重要的参考。 该研究还发现，秋海棠属祖先在大约三千五百万年前（35 MYA）经历了一次特有的全基因组加倍事件（WGD），该事件对秋海棠属植物多样性演化和耐阴适应性具有重要贡献。WGD发生后，很多与光合作用及能量代谢相关的基因得以保留与富集，并且发现与红光、蓝光及紫外光接收有关的受体基因（PHOT、CYR1/2、PHY及UVR8）均保留了多个拷贝，且部分已经发生了的功能分化，这对秋海棠属植物适应阴生环境、提高光合利用率具有重要意义。研究发现转座子（TE）在秋海棠属植物基因组中占有很大比例，且种间特异性较高；不同种之间活跃的TE的类型与数量均存在明显的差异。TE在功能基因启动子及内含子等不同位置插入的模式及数量在不同物种间存在明显的差异，且偏向插入到一些与胁迫反应相关的基因，揭示了TE与秋海棠物种的形成及适应性关系十分密切。此外，杂交与基因渐渗对秋海棠属植物多样化形成具有相当贡献度，尤其在美洲分布的类群，祖先可能发生了多次杂交事件。 该研究成果为揭示秋海棠属植物多样性形成及适应性进化提供了新的见解，并为秋海棠属植物后基因组学研究提供了重要的参考。 仙湖植物园植物研究中心李凌飞博士、董珊珊博士、李娜以及华大生命科学研究院陈晓丽博士、方东明副研究员、郭兴博士为论文共同第一作者。另外，爱丁堡皇家植物园、西双版纳植物园、南宁植物园、上海辰山植物园、新加波植物园、中国科学院植物研究所、昆明植物园、福建农林大学、南京农业大学、华南农业大学、广东省农科院、佛罗里达大学、比利时根特大学等国内外多个科研院校合作者参与该研究。华大生命科学研究院刘欢研究员和仙湖植物园张寿洲研究员为共同通讯作者。相关工作得到了国家重点研发计划项目、深圳市城管局科研项目等资金的支持。参考文献：

李宝键教授在“展望21世纪的生命科学”一文中谈到基因组研究计划研究重要性时，引用《Scinence》上“第三次技术命革”中的一句话：“下一个传大时代将是基因组革命时代，它正处于初期阶段。”在当前的研究水平上，只要涉及生命体重要现象的课题，几乎离不开对基因及其作用的分析。2000年6月26日，英美两国首脑会同公私两大人基因组测序集团向世人正式宣告，人基因组的工作草图已绘制完成。科学家把这作为生命科学进入新时代的标志，即后基因组时代(post-genome era)。因此有必要对基因组及其研究内容和进展作一个了解。1基因组学及其研究内容基因组(GENOME)一词是1920年Winkles从GENes和chromosOMEs组成的，用于描述生物的全部基因和染色体组成的概念。1953年Watson和Crick发现DNA双螺旋结构，标志分子生物学的诞生，随着各学科的发展，当前生物学研究进入新的进代，在生物大分子水平上将不同的研究技术和手段有机的结合以攻克生物学难题。基因组研究可以理解为：(1)基因表达概况研究，即比较不同组织和不同发育阶段、正常状态与疾病状态，以及体外培养的细胞中基因表达模式的差异，技术包括传统的RTPCR，RNase保护试验，RNA印迹杂交，但是其不足是一次只能做一个。新的高通量表达分析方法包括微点阵(microarrary)，基因表达序列分析(serial analysis of gene expression，SAGE)，DNA芯片(DNA chip)等；(2)基因产物-蛋白质功能研究，包括单个基因的蛋白质体外表达方法，以及蛋白质组研究；(3)蛋白质与蛋白质相互作用的研究，利用酵母双杂交系统，单杂交系统(one-hybrid system)，三杂交系统(thrdee-hybrid system)以及反向杂交系统(reverse hybrid system)等。1986年美国科学家Thomas Roderick提出了基因组学(Genomics)，指对所有基因进行基因组作图(包括遗传图谱、物理图谱、转录图谱)，核苷酸序列分析，基因定位和基因功能分析的一门科学。因此，基因组研究应该包括两方面的内容：以全基因组测序为目标的结构基因组学(structural genomics)和以基因功能鉴定为目标的功能基因组学(functional genomics)。结构基因组学代表基因组分析的早期阶段，以建立生物体高分辨率遗传、物理和转录图谱为主。功能基因组学代表基因分析的新阶段，是利用结构基因组学提供的信息系统地研究基因功能，它以高通量、大规模实验方法以及统计与计算机分析为特征。随着1990年人类基因组计划(Human Genome Project，HGP)的实施并取得巨大成就，同时模式生物(model organisms)基因组计划也在进行，并先后完成了几个物种的序列分析，研究重心从开始揭示生命的所有遗传信息转移到从分子整体水平对功能的研究上。第一个标志是功能基因组学的产生，第二个标志是蛋白质组学(proteome)的兴起。2 结构基因组学研究内容结构基因组学(structural genomics)是基因组学的一个重要组成部分和研究领域，它是一门通过基因作图、核苷酸序列分析确定基因组成、基因定位的科学。遗传信息在染色体上，但染色体不能直接用来测序，必须将基因组这一巨大的研究对象进行分解，使之成为较易操作的小的结构区域，这个过程就是基因作图。根据使用的标志和手段不同，作图有三种类型，即构建生物体基因组高分辨率的遗传图谱、物理图谱、转录图谱。遗传图谱通过遗传重组所得到的基因在具体染色体上线性排列图称为遗传连锁图。它是通过计算连锁的遗传标志之间的重组频率，确定他们的相对距离，一般用厘摩(cM，即每次减数分裂的重组频率为1%)来表示。绘制遗传连锁图的方法有很多，但是在DNA多态性技术未开发时，鉴定的连锁图很少，随着DNA多态性的开发，使得可利用的遗传标志数目迅速扩增。早期使用的多态性标志有RFLP(限制性酶切片段长度多态性)、RAPD(随机引物扩增多态性DNA)、AFLP(扩增片段长度多态性)；80年代后出现的有STR(短串联重复序列，又称微卫星)DNA遗传多态性分析和90年代发展的SNP(单个核苷酸的多态性)分析。物理图谱物理图谱是利用限制性内切酶将染色体切成片段，再根据重叠序列确定片段间连接顺序，以及遗传标志之间物理距离［碱基对(bp)或千碱基(kb)或兆碱基(Mb)的图谱。以人类基因组物理图谱为例，它包括两层含义，一是获得分布于整个基因组30 000个序列标志位点(STS，其定义是染色体定位明确且可用PCR扩增的单拷贝序列)。将获得的目的基因的cDNA克隆，进行测序，确定两端的cDNA序列，约200bp，设计合成引物，并分别利用cDNA和基因组DNA作模板扩增；比较并纯化特异带；利用STS制备放射性探针与基因组进行原位杂交，使每隔100kb就有一个标志；二是在此基础上构建覆盖每条染色体的大片段：首先是构建数百kb的YAC(酵母人工染色体)，对YAC进行作图，得到重叠的YAC连续克隆系，被称为低精度物理作图，然后在几十个kb的DNA片段水平上进行，将YAC随机切割后装入粘粒的作图称为高精度物理作图.转录图谱利用EST作为标记所构建的分子遗传图谱被称为转录图谱。通过从cDNA文库中随机条区的克隆进行测序所获得的部分 cDNA的5＇或3＇端序列称为表达序列标签(EST)，一般长300～500bp左右。一般说，mRNA的3＇ 端非翻译区(3＇-UTR)是代表每个基因的比较特异的序列，将对应于3＇-UTR的EST序列进行RH定位，即可构成由基因组成的STS图。截止到1998年12月底，在美国国家生物技术信息中心(NCBI)数据库中分布的植物EST的数目总和已达几万条，所测定的人基因组的EST达180万条以上。这些EST不仅为基因组遗传图谱的构建提供了大量的分子标记，而且来自不同组织和器官的EST也为基因的功能研究提供了有价值的信息。此外，EST计划还为基因的鉴定提供了候选基因(candidantes)。其不足之处在于通过随机测序有时难以获得那些低丰度表达的基因和那些在特殊环境条件下(如生物胁迫和非生物胁迫)诱导表达的基因。因此，为了弥补EST计划的不足，必须开展基因组测序。通过分析基因组序列能够获得基因组结构的完整信息，如基因在染色体上的排列顺序，基因间的间隔区结构，启动子的结构以及内含子的分布等。3功能基因组学研究功能基因组学(functional genomics)又往往被称为后基因组学(postgenomics)，它利用结构基因组所提供的信息和产物，发展和应用新的实验手段，通过在基因组或系统水平上全面分析基因的功能，使得生物学研究从对单一基因或蛋白质的研究转向多个基因或蛋白质同时进行系统的研究。这是在基因组静态的碱基序列弄清楚之后转入基因组动态的生物学功能学研究。研究内容包括基因功能发现、基因表达分析及突变检测。基因的功能包括：生物学功能，如作为蛋白质激酶对特异蛋白质进行磷酸化修饰；细胞学功能，如参与细胞间和细胞内信号传递途径；发育上功能，如参与形态建成等采用的手段包括经典的减法杂交，差示筛选，cDNA代表差异分析以及mRNA差异显示等，但这些技术不能对基因进行全面系统的分析。新的技术应运而生，包括基因表达的系统分析，cDNA微阵列，DNA芯片等。鉴定基因功能最有效的方法是观察基因表达被阻断或增加后在细胞和整体水平所产生的表型变异，因此需要建立模式生物体。比较基因组学(Comparative Genomics)是基于基因组图谱和测序基础上，对已知的基因和基因组结构进行比较，来了解基因的功能、表达机理和物种进化的学科。利用模式生物基因组与人类基因组之间编码顺序上和结构上的同源性，克隆人类疾病基因，揭示基因功能和疾病分子机制，阐明物种进化关系，及基因组的内在结构。目前从模式生物基因组研究中得出一些规律：模式生物基因组一般比较小，但编码基因的比例较高，重复顺序和非编码顺序较少；其G+C%比较高；内含子和外显子的结构组织比较保守，剪切位点在多种生物中一致；DNA 冗余，即重复；绝大多数的核心生物功能由相当数量的orthologous蛋白承担；Synteny连锁的同源基因在不同的基因组中有相同的连锁关系等。模式生物基因组研究揭示了人类疾病基因的功能，利用基因顺序上的同源性克隆人类疾病基因，利用模式生物实验系统上的优越性，在人类基因组研究中的应用比较作图分析复杂性状，加深对基因组结构的认识。 此外，可利用诱变技术测定未知基因，基因组多样性以及生物信息学（Bioinformatics）的应用。4蛋白质组学研究基因是遗传信息的携带者，而全部生物功能的执行者却是蛋白质，它有自身的活动规律，因而仅仅从基因的角度来研究是远远不够的，必须研究由基因转录和翻译出蛋白质的过程，才能真正揭示生命的活动规律，由此产生了研究细胞内蛋白质组成及其活动规律的新兴学科——蛋白质组学（proteomics）。蛋白质组（proteome）是由澳大利亚Macquarie大学的Wilkins和Williams于1994首先提出，并见于1995年7月的“Electrophonesis”上，指全部基因表达的全部蛋白质及其存在方式，是一个基因、一个细胞或组织所表达的全部蛋白质成分，蛋白质组学是对不同时间和空间发挥功能的特定蛋白质群体的研究。它从蛋白质水平上探索蛋白质作用模式、功能机理、调节控制以及蛋白质群体内相互作用，为临床诊断、病理研究、药物筛选、药物开发、新陈代谢途径等提供理论依据和基础。 蛋白质组学旨在阐明生物体全部蛋白质的表达模式及功能模式，内容包括鉴定蛋白质表达、存在方式（修饰形式）、结构、功能和相互作用方式等。它不同于传统的蛋白质学科，是在生物体或其细胞的整体蛋白质水平上进行的，从一个机体或一个细胞的蛋白质整体活动来揭示生命规律。但由于蛋白质具有多样性和可变性，复杂性，低表达蛋白质难以检测等，应该明确其研究的艰难性。总体上研究可以分为两个方面：对蛋白质表达模式（或蛋白质组成）研究，对蛋白质功能模式（目前集中在蛋白质相互作用网络关系）研究。对蛋白质组研究可以提供如下信息：从基因序列预测的基因产物是否以及何时被翻译；基因产物的相对浓度；翻译后被修饰的程度等。由于蛋白质数目小于基因组中开放阅读框（ORF, open reading frame）数目，因此提出功能蛋白质组学（functional proteomics），功能蛋白质指在特定时间、特定环境和试验条件下基因组活跃表达的蛋白质，只是总蛋白质组的一部分。功能蛋白质组学研究是位于对个别蛋白质的传统蛋白质研究和以全部蛋白质为研究对象的蛋白质研究之间的层次，是细胞内与某个功能有关或某种条件下的一群蛋白质。对蛋白质组成分析鉴定，要求对蛋白质进行表征化，即分离、鉴定图谱化，包括两个步骤：蛋白质分离和鉴定。双向凝胶电泳（2-DGE）和质谱（MS）是主要的技术。近年来，有关技术和生物信息学在不断并迅速开发和发展中。蛋白质组研究技术体系包括：样品制备；双向聚丙烯酰胺凝胶电泳（two-dimensional polyacrylamide gel electrophoresis,2-D PAGE）；蛋白质的染色；凝胶图像分析；蛋白质分析；蛋白质组数据库。其中三大关键是：双向凝胶电泳技术、质谱鉴定、计算机图像数据处理与蛋白质数据库。5与基因组学相关学科诞生随着基因组学研究的不断深入，人类有望揭示生命物质世界的各种前所未知的规律，完全揭开生命之谜，进而驾驶生命，使之为人类的社会经济服务。基因组研究和其它学科研究交叉，促进一些学科诞生，如营养基因组学（nutritional genomics），环境基因组学（environmental genomics），药物基因组学（phamarcogenomics），病理基因组学（pathogenomics），生殖基因组学(reproductive genomics)，群体基因组学(population genomics)等。其中，生物信息学正成为备受关注的新型产业的支撑点。生物信息学是以生物大分子为研究，以计算机为工具，运用数学和信息科学的观点、理论和方法去研究生命现象、组织和分析呈指数级增长的生物信息数据的一门科学。研究重点体现在基因组学和蛋白质两个方面。首先是研究遗传物质的载体DNA及其编码的大分子量物质，以计算机为工具，研究各种学科交叉的生物信息学的方法，找出其规律性，进而发展出适合它的各种软件，对逐步增长的DNA 和蛋白质的序列和结构进行收集、整理、发布、提取、加工、分析和发现。由数据库、计算机网络和应用软件三大部分组成。其关注的研究热点包括：序列对比，基因识别和DNA序列分析，蛋白质结构预测，分子进化，数据库中知识发现（Knowledge Discovery in Database, KDD）。这一领域的重大科学问题有：继续进行数据库的建立和优化；研究数据库的新理论、新技术、新软件；进行若干重要算法的比较分析；进行人类基因组的信息结构分析；从生物信息数据出发开展遗传密码起源和生物进化研究；培养生物信息专业人员，建立国家生物医学数据库和服务系统［5］。20世纪末生物学数据的大量积累将导致新的理论发现或重大科学发现。生物信息学是基于数据库与知识发现的研究，对生命科学带来革命性的变化，对医药、卫生、食品、农业等产业产生巨大的影响。邹承鲁教授在谈论21世纪的生命科学时讲到，生物学在20世纪已取得巨大的发展，数理科学广泛而又深刻地深入生物学的结果在新的高度上揭示了生命的奥妙，全面改变了生物学的面貌。生物学不仅是当前自然科学发展的热点，进入21世纪后将仍然如此。科学家称21世纪是信息时代。生物科学和信息科学结合，无疑是多个学科发展的必然结果。