煙草叢頂病毒完整基因組上微衛星分布

摘要：為了提取并展示ＮＣＢＩ數據庫中煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）上微衛星分布特性，采用ＭＡＴＬＡＢ軟件和最優完全子圖算法自編了計算機程序進行。結果表明，煙草叢頂病毒完整基因組上ｎ－堿基組（ｎ＝１～６）最大的重復出現次數隨ｎ增加而按指數函數減少。

關鍵詞：煙草叢頂病毒；完整基因組；微衛星；分布特性；最優完全子圖算法

中圖分類號：Ｓ５７２；Ｑ５２２＋．６文獻標識碼：Ａ文章編號：0439－８114（２０11）03－0603-03

Ｔｈｅ Ｍｉｃｒｏｓａｔｅｌｌｉｔｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ｔｈｅ Ｃｏｍｐｌｅｔｅ Ｇｅｎｏｍｅｓ ｏｆ ｔｈｅ

Ｔｏｂａｃｃｏ Ｂｕｓｈｙ Ｔｏｐ Ｖｉｒｕｓ

ＹＡＮＧ Ｊｉ－ｑｉｎｇ，ＹUAN Ｌｅｉ，ＣHEN Ｈｏｎｇ－ｐｉｎｇ

（Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ｏｆ Ｘｉａｎｇｆａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｎｇｙａｎｇ ４４１０５３，Ｈｕｂｅｉ，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｔｏ ｅｘｔｒａｃｔ ａｎｄ ｄｉｓｐｌａｙ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｍｉｃｒｏｓａｔｅｌｌｉｔｅ ｉｎ ｔｈｅ ｃｏｍｐｌｅｔｅ ｇｅｎｏｍｅ ｏｆ ｔｈｅ ｔｏｂａｃｃｏ ｂｕｓｈｙ ｔｏｐ ｖｉｒｕｓ， ａ ｃｏｍｐｕｔｅｒ ｐｒｏｇｒａｍ ｂａｓｅｄ ｏｎ ＭＡＴＬＡＢ ｓｏｆｔｗａｒｅ ａｎｄ ｏｐｔｉｍａｌ ｃｏｍｐｌｅｔｅ ｓｕｂｇｒａｐｈ ｗｅｒｅ ｗｒｉｔｔｅｎ ａｎｄ ｐｅｒｆｏｒｍｅｄ． Ｔｈｅ ｒｅｐｅｔｉｔｉｏｎｓ ｎｕｍｂｅｒ ａｎｄ ｔｈｅ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ｎ －ｂａｓｅ（ｎ＝１～６） ｇｒｏｕｐ ｈａｓ ｂｅｅｎ ｅｘｔｒａｃｔｅｄ ａｎｄ ｄｉｓｐｌａｙｅｄ； ａｎｄ ｔｈｅ ｌａｗ ｏｆ ｅｘｐｏｎｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｈａｓ ｂｅｅｎ ｓｉｍｕｌａｔｅｄ， ｗｈｉｃｈ ｗａｓ ｔｈｅ ｌａｒｇｅｓｔ ｒｅｐｅａｔ ｎｕｍｂｅｒ ｏｆ ｍｉｃｒｏｓａｔｅｌｌｉｔｅ ｒｅｄｕｃｅｄ ｅｘｐｏｎｅｎｔｉａｌｌｙ ａｓ ｎ ｉｎｃｒｅａｓｅｄ． Ｏｕｒ ａｐｐｒｏａｃｈ ｉｓ ｅｆｆｅｃｔｉｖｅ ａｎｄ ｃａｎ ａｐｐｌｙ ａ ｖａｒｉｅｔｙ ｏｆ ｖｉｒｕｓｅｓ．

Ｋｅｙ ｗｏｒｄｓ： ｔｏｂａｃｃｏ ｂｕｓｈｙ ｔｏｐ ｖｉｒｕｓ； ｃｏｍｐｌｅｔｅ ｇｅｎｏｍｅｓ； ｍｉｃｒｏｓａｔｅｌｌｉｔｅ； characteristic of ｄｉｓｔｒｉｂｕｔｉｏｎ； ｏｐｔｉｍａｌ ｃｏｍｐｌｅｔｅ ｓｕｂｇｒａｐｈ

微衛星是基因組上由１～６個核苷酸為單位組成的重復排列。微衛星具有普遍的多態性，是進行群體遺傳變異分析、物種起源與進化研究、基因定型、指紋鑒定、法醫科學、動植物育種等的較好的遺傳標記而受到廣泛關注。分析微衛星在基因組上的含量、分布及其相關信息，可提高微衛星應用的預見性。由于微衛星重復序列在群體間和不同個體間通常表現出很高的序列變異性，并且這些變異呈現共選性遺傳，因而微衛星重復序列廣泛應用于遺傳多樣性分析、連鎖圖譜制作、疾病連鎖分析、家系標識等方面。重復序列一方面能夠保護編碼序列相對穩定而免受破壞，另一方面是產生進化的動力，有利于形成新的基因，它是遺傳物質進化的活化石，從重復序列的大量分布，可以大致得出遺傳物質的進化途徑。微衛星在完整基因組上的分布特性，是生物信息學的基本課題之一［１］。本文是作者利用自編程序針對煙草叢頂病毒完整基因組在這方面的系列工作的結果之一。

１材料與數據

煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）來自ＮＣＢＩ數據庫［２］。

２方法與工具

采用ＭＡＴＬＡＢ軟件進行基因組序列的矩陣變換，運用多元統計分析法進行矩陣元素統計計算［３］，借助最優完全子圖算法篩選最優的重復ｎ－堿基組訪問路徑［４］，編制了適用于多種完整基因組序列的微衛星分布分析的計算機程序，從而對煙草叢頂病毒完整基因組序列上微衛星的分布特性進行了分析。

煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）堿基序列Ｌ＝Ａ Ｇ Ｇ Ｔ Ｔ Ａ Ｃ Ｇ Ａ Ｔ……每一個堿基在Ｌ上的位置由它的序號確定，例如，序列上第一個堿基Ａ的位置由它在Ｌ上的序號１確定，第二個堿基Ｇ的位置由它在Ｌ上的序號２確定，依此類推。定義與Ｌ相應的ｎ－堿基組（ｎ＝１～６）序列，例如３－堿基組序列Ｍ＝ＡＧＧ ＧＧＴ ＧＴＴ ＴＴＡ ＴＡＣ ＡＣＧ ＣＧＡ ＧＡＴ……每一個３－堿基組在Ｍ上的位置由它的首位堿基的序號確定，３－堿基組序列上第一個３－堿基組ＡＧＧ的位置由它在Ｍ上的Ａ的序號確定，第二個３－堿基組ＧＧＴ的位置由它在Ｍ上的Ｇ的序號確定；依此類推。

ｎ－堿基組共有４ｎ個不同形式，例如３－堿基組有ＡＡＡ、ＡＡＴ、ＡＡＣ、ＡＡＧ、ＡＴＡ、ＡＴＴ、ＡＴＣ、ＡＴＧ、ＡＣＡ、ＡＣＴ、ＡＣＣ、ＡＣＧ、ＡＧＡ、ＡＧＴ……共４３個不同形式。為了方便計算機統計各ｎ－堿基組（ｎ＝１～６）的重復次數及相關規律，用數字代號定義各ｎ－堿基組（ｎ＝１～６）。例如對每一個３－堿基組的數字代號由下式定義：Ｍ（ｉ）＝１６［Ｌ（ｉ）－１］＋４［Ｌ（ｉ＋１）－１］＋［Ｌ（ｉ＋２）－１］＋１，式中ｉ＝１，２，３……。

其中，ｉ表示Ｌ基因組上某堿基的序號，Ｌ（ｉ）表示Ｌ序列上第ｉ個堿基，Ｍ（ｉ）表示Ｍ序列上第ｉ個３－堿基組；數字代號１定義堿基Ａ，２定義堿基Ｔ，３定義堿基Ｃ，４定義堿基Ｇ。這樣定義ｎ－堿基組及其數字代號，避免了由于完整基因組序列上個別堿基的變化而導致ｎ－堿基組序列上ｎ－堿基組分布的巨大變化。

３結果

３．１計算機運行結果

完整、細致地得到了每一個ｎ－堿基組（ｎ＝１～６）在完整基因組序列上出現的位置（堿基序號）和重復次數。其中圖１～５是１～５堿基組在完整基因組序列上出現的位置（堿基序號）和重復次數，圖６、７分別是３－堿基組第１８種３－堿基組（ＴＡＴ）和第３８種３－堿基組（ＣＴＴ）在完整基因組序列上出現的位置（堿基序號）和重復次數。

３．２ｎ－堿基組（ｎ＝１～６）在基因組上最大重復次數的模型模擬

對各ｎ－堿基組（ｎ＝１～６）在基因組上最大重復次數進行數學模型模擬（見表１和圖８），得到ｎ－堿基組在基因組上最大重復次數的數學模型模擬表達式為：Ｐ＝３ ９７８ｅｘｐ（－１．２ｎ），式中ｎ＝１～６。

４結論

１）煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）上各種ｎ－堿基組（ｎ＝１～６）最大的重復出現次數，隨ｎ增加而按指數函數減少，具體函數表達式為：P=

３ ９７８ｅｘｐ（－１．２ｎ），式中ｎ＝１～６。

２）本文采用的分析方法可以系統地運用到其他病毒完整基因組序列微衛星分布特性的提取和展示，從而為有效利用微衛星分布特性研究完整基因組的結構和功能、遺傳和變異規律提供完備、細致的數據支撐。

參考文獻：

［１］ 高煥，孔杰． 串連重復序列的物種差異及其生物功能［Ｊ］． 動物學研究，２００５，２６（５）：５５５－５６４．

［２］ ＮＣＢＩ． Ｔｏｂａｃｃｏ ｂｕｓｈｙ ｔｏｐ ｖｉｒｕｓ，ｃｏｍｐｌｅｔｅ ｇｅｎｏｍｅ［ＤＢ／ＯＬ］． ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｎｕｃｃｏｒｅ／ＮＣ＿００４３６６，２００９－１１－３０．

［３］ 王斌會． 多元統計分析［Ｍ］． 廣州：暨南大學出版社，２００６．

［４］ 李念祖． 關于中國郵遞員問題的最優完全子圖算法［Ｊ］． 上海師范大學學報，２００６，３５（４）：２６－２８．