论文部分内容阅读
进化树是描述一群有机体发生或进化顺序的拓扑结构,可以用来研究不同物种间的进化关系,重建生物进化树一直以来都是进化生物学家的梦想,也一直是生物学的研究热点。早期主要通过考古学、形态学、解剖学等方面来研究进化,并取得了巨大的成就,使人类认识到进化在生命发生和发展中的重要作用、其遵循的模式,以及自己在生物圈中所处的地位。但是由于化石保存的不完备性使得由化石记录推导出的系统发生树缺乏中间环节,而且形态和生理性状的进化非常复杂,因此对分类单元何时与最近祖先分歧等细节性问题含糊不清。
伴随测序技术和结构解析技术的飞速发展,使得很多物种的基因组被测序,大量的蛋白质三维结构被解析,使得我们可以从分子水平来研究物种进化,分子进化学的发展还促进了相关学科的进步。
分子水平上物种进化的研究可以基于不同的分子标准:单分子标准、多分子标准和全基因组等,其中单分子标准和多分子标准的得到的进化树只能代表单个或者多个基因的进化情况,不能反映整个物种进化的情况;所选取的分子标准必须具有相对分子量适中、具有保守性和存在的普遍性、且序列变化与进化距离相适应、序列分析的重现性较高等特点,因此,单分子及多分子标准具有局限性,而全基因组水平则没有这些局限性。
基于序列的进化研究很容易受到基因水平转移的影响而使得结果不准确,甚至会使结果混乱;另一方面,在考虑到选择压力时,我们无法衡量每个碱基突变在进化中的价值是否同等的问题,基于序列的进化时钟的确定也是个很棘手的问题。与基于序列的研究相比,采用结构研究进化有自身的优势:一个新的蛋白质结构的产生远慢于一个新序列的产生,也就是结构比序列更为保守。
本文利用全基因组信息,建立了基于蛋白质结构物种进化树的构建方法。选取SUPERAMILY数据库中1063个全基因组中蛋白质结构情况作为数据,为了计算及分析方便,从中抽取93个物种作为研究对象。在家族、超家族和折叠层次上,分别采用丰度和出现/不出现两种统计方法,对每个物种基因组中蛋白的分布情况进行统计,采取两向量夹角余弦、欧氏距离和两物种的蛋白质结构分布差异计算任意两物种问的距离,形成相应的反映物种距离的距离矩阵。用NJ法对距离矩阵进行聚类,可以得到该矩阵对应的物种进化树。最后将得到的进化树和物种分类树进行比较。
结果表明:得到的物种进化树都能将93个物种正确地分为3个超界:真核生物、细菌以及古细菌。利用划分距离(partition distance)方法将我们得到的物种进化树与物种分类树进行了比较。对真核生物而言,基于蛋白质折叠类型构建的进化树要比基于超家族(或家族)更有优势,而其他两个分支中家族、超家族和折叠层次上的结果差异并不明显;不同的结构域层次与不同统计方法相比对进化树的影响要小;而不同的统计方法对结果的影响比不同的距离计算方法对结果的影响要小。
本文为构建进化树提供了新的思路和方法,加深了进化树构建的相关过程的理解,分析了不同方法的优劣,不同的过程对结果的影响,为进一步蛋白质结构进化的相关研究奠定了基础。