基因支持着生命体的基本构造和功能,但对于某个生物体的全部基因来讲,其中只有一部分是在一定条件下维持其生命活动所不可或缺的,通常这部分基因被称为必需基因,在生命进化和医药研发等领域具有更重要的意义。当前高通量测序技术的不断发展导致DNA序列数据迅猛增长,而相应的基因注释工具也不断涌现,特别是对细菌的基因组注释已较为成熟,愈发精准和快捷。然而在必需性注释方面,尚缺乏既能满足高通量处理需求、又对必需性判断较为准确的有力工具。本课题主要基于大量实验文献的必需基因数据,系统提取并整合了与必需性相关的各类特征,结合机器学习方法和网络技术,设计并初步开发了自动对细菌基因组进行必需性注释的在线工具EGG-Prober系统。该工具既可用于简单的细菌必需基因序列识别,又可用于大规模的新测序基因组及其必需性的完整注释。论文各部分内容概括如下。第一部分为绪论,介绍了当前生物信息学领域的研究概况以及细菌必需基因的研究现状。第二和第三部分介绍了工作材料和方法,包括数据集的构建、特征的提取以及使用的支持向量机(SVM)方法。本工作主要选取DEG15.2和OGEEv2数据库中的菌株,并根据原始文献提取数据分别建立了训练集和测试集。这里整合了基因序列信息、同源信息、网络信息等多类相关特征,例如密码子使用偏好性、Z曲线参数、BLAST同源性搜索指标等,用于细菌必需基因预测模型的构建与测试。第四部分介绍了细菌基因组必需性注释系统EGG-Prober,目前用于本论文结果展示的版本为0.1。该工具提供在线服务,界面友好,使用简单,用途广泛,除了具备必要的必需性注释和序列分类下载功能以外,还可提供基因位置和功能注释、基因在DNA复制链上分布信息以及基因组结构可视化等功能。第五部分对EGG-Prober0.1的必需性预测功能进行了测试,并与已有预测方法进行了比较分析。结果显示,对35株来自训练集的细菌依次检验,多数菌株的灵敏度、特异度、AUC值等指标都在0.9以上;而对6株测试集的细菌进行他检,AUC值的范围在0.862和0.999之间,平均为0.907,另外平均的灵敏度、特异度和准确率分别可以达到0.816、0.869和0.885以上。进一步分析表明,本工作基于必需性综合特征的方法会减少过于依赖序列相似性引起的过拟合问题,预测能力比较均衡,可能有更广的适用范围,对新测序菌种更具实用性;而且一个完整的细菌基因组必需性注释基本会在15分钟内完成,满足高通量的需求。不足之处将在新的版本中改进。在论文最后,对全文进行了总结并对以后可开展的工作进行了展望,EGG-Prober输出的丰富注释信息会为细菌基因组的进一步探索提供良好的基础。