当前,揭示基因组序列k-mer频谱的内在规律逐步成为研究热点。物种基因组序列的k-mer频谱是确定的,不同物种之间其k-mer频谱的差异是有规律的。高等哺乳动物(k>6)呈多峰分布,低等生物为单峰分布。基于国内外研究现状及发展动态,我们研究了人类基因组8-mer三峰频谱分布的内在规律,发现基因组序列中三种CG类8-mers是独立进化的,称之为基因组的独立选择定律。通过深入的分析,给出了三种CG类8-mer频谱的进化特征,验证了基因组独立选择定律的正确性。提出了三种CG类8-mers生物功能的理论猜想。研究了三种CG类8-mers在核小体占据序列和CpG岛序列中的特征以及与它们所承担生物功能的关系。分析了人类和小鼠含CG类8-mers距离分布的保守性,给出了两类基因组核小体占据序列组成的差异。主要研究内容如下:1.分析了人类基因组序列8-mer频谱的三峰分布现象。我们认为出现三个峰分布的原因是包含在三个峰中的模体遵循着不同的进化选择而形成的,这三类模体蕴含着基因组序列的构成方式。以人类全基因组序列、基因间序列、内含子序列和编码序列为研究对象,给出了4类序列的8-mer频谱。发现除编码序列外,其他三类序列的8-mer频谱均为三峰分布。为了分离出三个峰中的模体,我们提出了XY二核苷(16种)分类方法,该方法根据8-mer中包含两个、一个或不包含XY二核苷将全体8-mers分成XY2、XY1和XY0三类模体子集。发现只有在CG二核苷分类下,CG0、CG1和CG2类模体子集能够各自形成独立的单峰频谱,并将基因组全体8-mer频谱干净的分成三类,而在其他15种XY二核苷分类中则不存在此现象,我们称之为基因组的独立选择定律。2.分析了各研究序列的三种CG类子集8-mer频谱的分布特征。首先,分析了各CG类子集频谱的位置。参考随机序列的8-mer频谱,发现三种CG类子集8-mer频谱的位置出现明显的分离现象,CG2类子集的8-mer频谱出现在低频端,距离随机频谱中心最远,CG1类子集的频谱次之,CG0类子集的频谱在随机中心附近。其次,分析了三类子集频谱分布的保守性(单色性)。三类子集频谱分布的标准差显示,CG2类子集8-mer频谱显示出强烈的保守性,CG1类子集的8-mer频谱次之,CG0类子集8-mer频谱的保守性最低。结果表明:独立选择定律的核心特征有三点:(1)CG1和CG2类8-mers是基因组定向进化的结果,CG0类8-mers是随机进化的结果;(2)三种CG类子集的8-mer频谱的位置存在进化分离现象;(3)CG2和CG1类子集的8-mer频谱的分布具有显著的保守性。以上三点就是基因组独立选择定律的基本特征。我们同时分析了其他15种XY类子集的频谱特征,发现均不满足上述三个特征。独立选择定律指出,任何DNA序列均是由这三类独立进化的CG类模体构成,三种CG类模体在序列上的含量和分布特征决定了该序列所承担的生物功能。3.根据独立选择定律的特性和功能序列实验结论及理论分析结果,我们认为三类CG类子集中的8-mers具有不同的生物功能,由此提出了一个理论猜测,即CG2类子集中的模体是构成CpG岛序列的核心模体,CG1和CG0类子集中的模体反映了CpG岛序列的多样性;CG1类子集中的模体是构成核小体结合模体的主要元素,CG2和CG0类子集中的模体反映了核小体序列的多样性。为了验证理论猜想,对三类CG类子集中的8-mers的信息分别在核小体占据序列和CpG岛序列上进行了表征。ROC二分类判别分析显示,在核小体占据序列上最偏好的是CG1类8-mers,CG2类8-mers次之。在核小体缺乏序列上最偏好的是CG0类8-mers,CG1和CG2类8-mers没有显示出偏好性。在CpG岛序列上,最偏好的是CG2类8-mers,CG1类8-mers次之。CG0类8-mers在非Cp G岛序列上最偏好。研究结论支持了我们的理论猜想。4.在验证了含CG二核苷8-mers是核小体占据序列偏好模体的基础上,分析了核小体占据与缺乏序列的序列特征,包括k-mer频率、k-mer分布(k=1,2,3)和G+C含量。结果显示,核小体占据序列单碱基出现的频率基本均匀,而核小体缺乏序列上碱基A/T频率明显高于C/G频率,核小体占据序列的G+C含量明显高于核小体缺乏序列,其他序列特征在核小体占据和缺乏序列中没有明显的差异。总体而言,通常的序列信息分析在研究核小体占据序列特征中不能有效揭示序列的核心特征,再次印证了基于基因组独立选择定律的原理出发研究功能序列的有效性和可行性。5.从距离保守的角度考察了一对含CG二核苷模体在序列中的关联。分别对人和小鼠基因组的核小体占据序列和核小体缺乏序列,统计分析序列中含CG二核苷8-mer对的距离分布和距离方差的差异,旨在用人和小鼠基因组中一对含CG二核苷的8-mer的距离刻画该对模体在人鼠基因组中的保守性。结果显示在核小体占据序列上含CG二核苷模体对的平均距离差值明显小于核小体缺乏序列,核小体占据序列上含CG二核苷模体对的平均距离差值分布的方差明显小于核小体缺乏序列相应的方差。结果表明:与核小体缺乏序列相比,含CG二核苷模体对的分布在人类和小鼠核小体占据序列中具有强保守性。