系統(tǒng)發(fā)生足跡技術(shù)在巴西固氮螺菌基因組特征搜尋上的應(yīng)用

1、系統(tǒng)發(fā)生足跡技術(shù)在巴西固氮螺菌基因組特征搜尋上的應(yīng)用     摘  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。由于單機(jī)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，提出了局域網(wǎng)環(huán)境下基于客戶機(jī)/服務(wù)器模式的多機(jī)并行實(shí)現(xiàn)的思路。在充分利用資源的同時(shí)，顯著提高了效率。     關(guān)鍵詞  巴西固氮螺菌；同源； 系統(tǒng)發(fā)生足跡； 客戶/服務(wù)器

2、模式； 并行          1 引言    1.1 巴西固氮螺菌    巴西固氮螺菌(Azospirillum brasilence)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。對巴西固氮螺菌的深入研究對我國農(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115 MDa (p115) 和90 MDa (p90)。 實(shí)驗(yàn)表明：p115 質(zhì)體會(huì)自發(fā)地從

3、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     1.2 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(KULeuven, Belgium)破譯，并且部分基因的位置和功能已經(jīng)確認(rèn)，如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p90 進(jìn)行研究。  

4、   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，對于同源物種而言，那些保守區(qū)域?qū)⒊蔀楣δ?調(diào)控因子的主要侯選者。2     1.3 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/服務(wù)器模式的局域網(wǎng)，即一臺(tái)服務(wù)器，

5、多臺(tái)客戶機(jī)。服務(wù)器安裝應(yīng)用程序和存儲(chǔ)必要的數(shù)據(jù)供客戶機(jī)使用，同時(shí)協(xié)調(diào)客戶機(jī)之間的同步運(yùn)行?？蛻魴C(jī)從服務(wù)器上下載文件并在服務(wù)器的支配下并行執(zhí)行任務(wù)。     2  方法與設(shè)計(jì)    2.1 系統(tǒng)任務(wù)提出及方案論證    由于系統(tǒng)發(fā)生足跡是在同源基因的基因間序列中尋找調(diào)控因子，因此，首要的任務(wù)是尋找與p90同源的基因間序列。本系統(tǒng)中使用新月柄桿菌，根瘤菌, 深紅紅螺菌, 球形紅桿菌和淡水菌五種細(xì)菌作為與巴西固氮螺菌p90基因比較的對象。由于都屬于a-蛋白菌，可以在它們的基因中尋找同源基因，進(jìn)而找到這

6、些同源基因的基因間序列。     針對上述任務(wù)，本系統(tǒng)發(fā)生足跡研究共分為4大模塊：     2.1.1  基因信息入庫     由于存儲(chǔ)在NCBI的基因信息是以文本文件的形式存放，為了便于計(jì)算機(jī)處理，需要將文本中的各項(xiàng)信息提取出來存入數(shù)據(jù)庫表中。     并行性分析：基因信息入庫是文本信息提取操作，信息量大，需要大量單一、重復(fù)的操作，必須借助計(jì)算機(jī)程序來高速、準(zhǔn)確的完成。由于每次提取操作只針對一個(gè)文本文件，因此文本文件的信息提取操作之間沒有任何數(shù)據(jù)依賴關(guān)系，可以將這

7、些文件按照數(shù)量均分給多臺(tái)計(jì)算機(jī)并行執(zhí)行以提高信息的提取速率。     2.1.2  蛋白質(zhì)比較     一般來說，如果兩個(gè)蛋白質(zhì)的序列相似，則其功能也相近?；蜷g序列對基因編碼起著重要的調(diào)節(jié)作用。如果兩個(gè)基因間序列調(diào)控的基因編碼的蛋白質(zhì)序列相似，即蛋白質(zhì)的功能相近，則說明這兩個(gè)編碼基因序列有可能是同源關(guān)系，那么就可以將它們相應(yīng)的基因間序列提取出來進(jìn)行系統(tǒng)發(fā)生足跡研究。因此需要尋找基因編碼的蛋白質(zhì)序列，由于蛋白質(zhì)序列在NCBI是以fasta 文件形式存儲(chǔ)，需要將文件中的信息進(jìn)行提取并存到數(shù)據(jù)庫表中。   &

8、#160; 對所有的蛋白質(zhì)序列進(jìn)行BLAST比較，尋找序列的相似性，結(jié)果如圖1：     圖1. BLAST比較結(jié)果    為了排除偶然因素造成的序列間的相似性，用期望值E來衡量結(jié)果的顯著性。E值越小，結(jié)果越顯著。     并行性分析：fasta文本信息的提取與基因信息提取相似，可以并行實(shí)現(xiàn)；而序列間的BLAST比較只需要參與比較的蛋白質(zhì)序列信息，并不依賴與別的蛋白質(zhì)。因此，在保證所有的蛋白質(zhì)之間都能比較的前提下，可以把序列分組，由客戶機(jī)并行執(zhí)行。     2.1.

9、3  基因序列分組     根據(jù)BLAST計(jì)算出的相似度，用TribeMCL對蛋白質(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)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：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。     2.1.4  尋找motif     系統(tǒng)發(fā)生足跡是在與p90相關(guān)的基因間序列中尋找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。