基因组序列k-mer频谱的内在规律及各类k-mer在功能序列上的整合方式

The research on the k-mer spectra of genome sequences are hot topics. Exploring the intrinsic rules of the k-mer spectra which is significant to study genome evolutions and reveal the structures and functions of functional sequences. Previous study found that the 8-mer spectra comply with the independent selection law, CG2, CG1 and CG0 8-mer subsets, containing ≥2, 1, 0 CpG respectively, obey independent evolutional selections. According to the idea, the species universality of the independent selection law will be validated further in all of the available genomes. Based on the distribution characters of the three CG 8-mer spectra, the characteristic parameters of the genome evolution will be constructed and the relations of species evolutions will be constructed based on the 8-mer spectra of genome sequences. According to the independent selection law, the distributions of the three CG 8-mer subsets will be analyzed in CpG island sequences and nucleosome core sequences respectively. By this way, their integrated modes and the development of CpG island sequences will be studied. The basic structures and the diversities of nucleosome core sequences and the correlations between nucleosome core sequences and gene expression efficiencies will be studied. The -1 nucleosome sequences and nucleosome free sequences as well as the corresponding UTR sequences will be selected in yeast genes and the protein coding sequence of the human interferon α2b gene is inserted to form desired genes. Than the transgenic experiments in yeast chromosomes will be done to verify the theoretical results.

基因组序列k-mer频谱的研究是热点问题。研究k-mer频谱的内在规律，对于探索基因组进化和功能序列结构和功能具有重要意义。前期研究发现基因组序列8-mer频谱遵循独立选择定律，即CG2、CG1和CG0三类8-mer（包含≥2，1，0个CpG）各自遵循独立的进化选择。本项目将在此基础上，全面验证基因组独立选择定律的物种普适性。根据三种CG类8-mer频谱的分布特征，构造物种进化特征参数并建立物种进化关系。依据独立选择定律，研究三种CG类8-mer在核小体序列和CpG岛序列上的分布。探讨CpG岛序列的结构组成规则和CpG岛序列的发育规律。研究核小体序列的基本结构和多样性以及与基因表达调控的关系。筛选酵母基因转录起始位点上游-1核小体序列和核小体缺失序列以及相应的UTR序列，插入人类干扰素α2b基因编码序列形成目的基因。利用转基因在酵母常染色体上进行表达，进而验证理论结果。

项目主要研究了四个方面的问题。第一，研究了从原核到真核约2千个基因组序列中16类XY子集8-mer频谱分布的内在规律以及与基因组序列进化的关系。发现了基因组序列中存在CG和TA两种进化模式，由此给出了基因组序列的进化机制，表征了基因组序列的进化状态。根据基因组序列的进化机制，探讨了寒武纪生命大爆发产生的原因，给出了物种分支的起源时间。在全基因组层面给出了构建物种进化关系的完备的特征集合。第二，为了验证含CG类8-mers是功能模体的理论猜想，分别研究了人类和酵母核小体结合序列和CpG岛序列中含CG类8-mers的组成和分布规律。发现CG1类8-mers构成了核小体序列的核心单元，是核小体与组蛋白结合的模体。CG2类8-mers反映了核小体序列的组成差异，与核小体的动态变化紧密相关。CG1类8-mers构成了CpG岛序列的基本成分，CG2类8-mers是构成CpG岛序列的核心单元。第三，研究了线虫和果蝇成熟mRNA序列与其内含子序列的相互作用规律。发现成熟mRNA和内含子之间至少存在两种相互作用模式，成熟mRNA序列上与内含子的相互作用区域存在明显的位置偏好性，相互作用的强度和位置偏好与最佳匹配片段的G+C含量、配对率和内含子长度紧密相关。研究了人类和线虫等miRNA序列和靶mRNA 的3’UTR序列之间的相互作用规律。我们发现了3’UTR序列从低等动物到高等动物的进化规律， 在3’UTR序列上相互作用区域存在明显的位置偏好性。第四，已知基因转录区域核小体组成结构对基因表达调控有重要的影响，我们设计了一组实验来验证酵母基因转录区域不同转录效率的±1核小体结合序列及核小体缺失（NFR）序列对外源水母绿色荧光蛋白和人类a2b干扰素基因表达调控的影响。初步结果显示，由酵母高表达基因转录区域-1核小体及NFR序列构造的外源荧光蛋白基因的转录效率明显高于低表达的-1核小体及NFR序列结构。本项目的研究对于完善物种基因组的进化机制，探讨各类功能序列的组成规律以及非编码序列对基因表达调控的影响具有重要的指导价值。