论文部分内容阅读
必需基因在细菌生存中扮演了一个相当重要的角色,其编码的蛋白质保证了细菌的正常生存和繁殖。在确定了致病菌的必需基因之后,我们可以将其当作治病药物的靶标,从而达到治疗疾病的效果;细菌必需基因的理论研究还有助于我们理解生命的起源和进化。所以,预测细菌的必需基因越来越成为生物信息学的研究重点。在预测细菌必需基因的方法中,实验的方法无疑是最准确的,但是实验周期长,操作麻烦,并且花费巨大,所以到目前为止只有很少的菌种的必需基因被确定出来,因此理论的方法越来越受到重视。本文就以细菌的必需基因为主要的研究对象,采用基于组成特征的理论方法来预测细菌的必需基因。我们首先根据注释文件从大肠杆菌的基因组序列中提取出其组成特征。然后用支持向量机(SVM)和主成分回归(PCR)的方法对组成变量进行分类处理,并用曲线下面积AUC的值来衡量分类器的效果。这也是第一次将主成分回归的方法用于细菌必需基因的预测。得出SVM的AUC为0.83,PCR结果为0.87。接着我们又对两种方法进行改进,在支持向量机方法之前,将组成变量进行特征分析(ttSVM),筛除必需基因和非必需基因没有明显差异的变量。对于主成分回归,加上了核函数(KPCR),提高了其对非线性特征的分类能力。改进后,ttSVM结果最高达0.87,KPCR则为0.84。接着我们将其他所有的已经实验确定必需基因的物种用该四种方法处理,AUC最高达到0.95。最后,我们用AUC大于0.8的物种,建立预测模型,构建了一个免费的网上服务IBEG(http://cefg.uestc.edu.cn/ibeg/),利用该服务,研究人员不但可以运用不同的方法预测未知基因的必需性,也可以对比不同方法的优劣。此外,我们还从功能性基因和水平转移基因两方面,分别对不同物种的必需基因、高密码子使用基因以及高表达基因进行了对比分析。在功能性基因中,必需基因所占的比例最多,说明必需基因中具有功能的基因比较多,功能越是对生命体重要的基因,进化越保守;在水平转移基因中,必需基因所占的比例也是最多,说明必需基因的功能中有一些管家基因,从而容易发生水平转移。综上所述,本文在组成特征上对细菌必需基因的预测做了新方法的处理,增加了新的组成特征,并对其在进化方面做了的研究。但是还有一些问题,需要进一步深入研究,并进一步完善。