拟南芥花药基因调控网络的构建_焦清局.docx

《拟南芥花药基因调控网络的构建_焦清局.docx》由会员分享，可在线阅读，更多相关《拟南芥花药基因调控网络的构建_焦清局.docx（60页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 学校代码： 10270 学号： 072200767 论 文 题 目 拟南芥花药基因调控网络的构建 学院信息与机电工程学院 专 业计算机应用技术 研究方向数字图像处理与模式识别 研究生姓名 焦清局 指 导 教 师 黄 继 风 完 成 日 期 二 零 一 零 年 四 月 拟南芥花药基因调控网络的构建 Construction of a Gene Regulatory Network For Arabidopsis Anther Candidate: Jiao Qingju Supervisor: Huang Jifeng Major: Computer Applied Technology Sp

2、ecialty: Digital Image Processing and Pattern Recognition 论文独创性声明 本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除 了特别加以标注和致谢的地方外，不包含其他人或机构己经发表或撰写过的研究 成果。其他同志对本研究的启发和所做的贡献均已在论文中做了明确的声明并表 示了谢意。 作 者 签 名 闩 期 ； M / p . 厂 / / 论文使用授权声明 本人完全了解上海师范大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被査阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其

3、它手段保存论文。保密的论文在解密后遵守此 规定。 作者签名其清由导师签名考您八行期 ： O 摘要 生物信息学是一门新兴的交叉学科，它需要生物学、计算机科学以及数学三 门学科的高级研究人员通力合作来完成。生物信息学以计算机、网络为工具，用 数学和信息科学的理论、方法和技术去研究生物大分子，发现生物分子信息的组 织规律。生物信息学的研究重点是 DNA 分子和蛋白质分子的各个方面，包括它 们的序列、结构和功能。而基因调控网络是功能基因组学研究的一个热点。一个 基因的表达受其他基因的调控或影响，而这个基因又调控或影响其他基因的表 达，这种相互调控或影响的关系构成了复杂的基因表达调控网络。在基因调控网

4、络中，基因的相互关系能帮助研究者更深入地认识真实的调控过程。对调控过程 的深刻了解，将会对药物研制和生物医学产生深远的影响。因此，基因调控网络 在研究基因 之间的调控关系及揭示复杂的生命现象方面有着重大的意义。 本文回顾了基因调控网络研究的历程以及现有的一些调控网络模型，像布尔 网络模型、静态和动态的贝叶斯模式、线性微分方程模型以及递归神经网络模型 等，并指出这些网络模型存在的缺点，以及一些文章对这些模型的改进。 模式植物拟南芥是研究基因调控网络的一种良好的材料，而拟南芥花药的发 育由复杂的基因网络所调控。至今为止，人们只是构建了小规模的花药调控网络， 而对大规模且精确的调控网络了解非常有限。

5、本文利用最大团算法整合基因表达 芯片数据与启动子序列分析的生物信息学方法构建拟南芥花药基因调控网络。基 于这种方法，一共预测到 6836 对基因调控关系对，其中 95 对为高可信的调控关 系对。在这 95 对基因中，有 5 对调控关系已被之前的实验验证。这些数据表明， 我们构建的基因调控网络是较为精确的，为研究拟南芥生长过程中的调控机制和 未知基因的功能提供了有意义的参考信息。 利用我们方法构建的基因调控网络不仅精确度较高，而且具有快速、高通量 的优势，可以建立一个大规模的基因调控网络。我们构建的基因调控网络为生物 学家建立真实的转录因子和靶基因之间的调 控关系提供了理论依据。而生物学家 的实

6、验结果反过来进一步验证了构建的基因调控网络，这种相互作用可以促进生 物信息学和生物学的快速发展。 关键词：拟南芥，花药，最大团，基因调控网络，基元，生物信息学 Abstract Bioinformatics is a new subject that is studied by scientists who master knowledge involving in biology, science of computer and mathematics. Based on computers and networks, people use the approach of mathemati

7、cs and informatics science to research biologic molecules and the regulatory mechanism between molecules in bioinformatics. Gene regulatory network is an active area of research in the post-genome research. The expression of a gene may be regulated or influenced by other genes, this gene in turn has

8、 the potential to regulate of influent additional genes. By identifying and organizing these transcriptional relationships, a gene regulatory network can be constructed. Understanding mechanisms of gene expression would not only facilitate the acquaintance of the process of real regulatory, but woul

9、d also provide valuable insight into the development of therapeutic drugs and the field of biomedicine in general. In addition, gene regulatory network also play an important role in revealing complicated phenomenon of lives because of the regulatory or influent relationships between genes in organi

10、sm. In this paper, first, we describe the history and model of some represent gene regulatory network, such as static and dynamic Bayesian network models, Boolean network models, Differential equation models and Neural network models. For these models, we further study their disadvantages and give s

11、ome papers that focuse on the design of effective methods. Arabidopsis thaliana, the model plant, is a good example of the challenges of network reconstruction. The growth of Arabidopsis anther is regulated by gene networks which are know rarely by researches. In the present paper, based on the Maxi

12、mum-clique algorithm, we used a bioinformatics approach that integrates the analysis of gene expression data with the prediction of transcription factor binding sites in the promoter regions, to construct a gene regulatory network. Using bioinformatics, a total of 6836 TF-gene pairs were analyzed, 9

13、5 of which were characterized as highly confident, and 5 were confirmed by previously published experimental data. These results suggest that the predictions by this model are reliable has the potential to improve our understanding of the role of these processes in plant development. Using the bioin

14、formatics method, a large-scale and more accurate gene regulatory network can be constructed. A significant advantage of this method is more efficient and has a higher throughput capacity. We hope that the gene regulatory network we built will provide academic guide that are used to predict the rela

15、tionships between target genes and TFs for biologists, while the experimental results can guide the construction of gene network. So, the mutual effects may lead to rapid development of bioinformatics and biology. Keywords: Arabidopsis, anther, Maximum-clique, gene regulatory network, motif, bioinfo

16、rmatics 目录 W . 1 Abstract . II m-# 職 . 1 i.i 选题背景和选题意义 . 1 1.2 研究现状 . 2 1.3 研究内容 . 5 1.4 论文结构 . 6 第二章基因调控网络模型 . 8 2.1 基因调控网络的概述 . 9 2.2 基因调控网络模型 .10 2.2.1 贝叶斯网络模型 .10 2.2.2 神经网络模型 .11 2.2.3 布尔网络模型 .12 2.2.4 概率布尔网络模型 .13 2.3 用基因相关性和 TFBS 构建 GRN .14 2.4 用信息论方法构建 GRN .14 第三章生物软件和理论知识的介绍 .16 3.1 拟南芥数据库

17、.16 3.1.1 花药表达基因数据 .16 3.1.2 拟南芥基因共表达数据 .17 3.1.3 拟南芥基因上游序列 .18 3.2 基元预测工具 .19 3.2.1 MEME 基元预测工具 .20 3.2.2 Weeder Wed 基元预测工具 .21 3.2.3 基元预测工具的分析 .22 3.3 最大团算法 .25 3.3.1 最大算法基本定义 .25 3.3.2 最大团问题的数学描述 .25 3.3.3 最大团算法的应用 .26 第四章花药基因调控网络的构建 .28 4.1 花药共表达基因的筛选 .28 4.1.1 实验的具体步骤 .28 4.1.2 实验的结果和验证 .30 4.2

18、 共表达基因的基元预测 .32 4.3 基元到转录因了的转换 .34 4.3.1 STAMP 网络工具的介绍 .34 4.3.2 基元到转录因了的转换 .35 4.4 调控网络的构建 .36 4.4.1 预测结果 .36 4.4.2 高可信度调控关系的筛选 .37 4.4.3 高可信度调控网络的生物学意义 .39 4.5 本章小结 .40 第五章总结和展望 .41 5.1 ,關 .41 5.2 展望 .41 if . 43 .44 硕士期间发表的论文 .49 上海师范大学硕士学位论文 第一章绪论 第一章绪论 在后基因组时代，各种基因组学技术（基因组学，转录体学，蛋白质组学， 糖体学，代谢组学）

19、产生了大量的信息，如何利用这些信息是生物学研究者面临 的重大挑战。一般来说，生物学家已经意识到，在研究方法上，需要突破单个基 因或单个蛋白质，从系统的角度来收集数据、信息处理、信息解释、知识获取、 域发现、假设产生和后实验设计。系统生物学不仅是一个新兴领域：它还代表用 一种新颖的方式来思考生物学，要求在研究过程中施于动态的作用。基因调控网 络是系统生物学研究的一个热点，并为揭示在生物体内真实的调控机制和研究病 理原因提供了 可能。而模式植物拟南芥为人们研究基因调控网络提供了一种良好 的材料。 1.1 选题背景和选题意义 生物信息学 (Bioinformatics)是一门生物、计算机和数学的交叉

20、学科，是在生 命科学的研究中，以计算机为工具对生物信息进行存储、检索和分析的科学。它 是当今生命科学和自然科学的重大前沿领域之一，同时也是 21 世纪自然科学的 核心领域之一。它的研究重点主要体现在基因组学 (Genomic s)和蛋白质 (Proteomics)两个方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达 结构功能的生物信息。生物信息学充分利用计算机这一高科技工具，以数学为基 础，快速分析和精确模拟植物生长过程，与传统生物学相比具有较多的优点，如 具有快速和高通量性，系统性和真实性等。 在转录因子的调控下，每一个基因通过产生 mRNA 来影响细胞的活性。 mRNA可以通过细胞质

21、中的核糖体来指导蛋白质的合成，而这些核糖体位于生 物化学反应和分子事件发生的细胞中。一些由蛋白质自身产生的转录因子返回到 细胞核（在真核生物中）去控制一个或几个基因的表达。这种复杂的控制基因表 达就可以认为是一个基因调控网络 （ GRN)。 用得 到的信息来推测 GRNs 是由于 生物学家描述自然界复杂现象的需要。 基因调控网络是系统生物学研究的一个热点，并为揭示在生物体内真实的调 控机制和研究病理原因提供了可能。而模式植物拟南芥为人们研究基因调控网络 第 一 章 绪 论 上海师范大学硕士学位论文 提供了一种良好材料。拟南芥 (Arabidopsisthaliana)是十字花科，被子植物门，双

22、 子叶植物纲。它是二年生草本，高达 740 厘米。基生叶有柄呈莲座状，叶片倒 卵形或匙形；茎生叶无柄，披针形或线性。总状花序顶生，花瓣 4 片，白色，匙 形。长角果线性，长 11.5 厘米。花期 35 月。拟南芥植株小、每代时间短 (从 发芽到开花不超过 6 周 )、结子多、生活力强。拟南芥的基因组是目前已知植物 基因组中最小的。每个单倍体染色体组 (n=5)的总长只有 7000 万个碱基对，这就 使克隆它的有关基因相对来说比较容易。拟南芥是自花授粉植物，基因高度纯合， 用理化处理突变率很高，容易获得各种代谢功能的缺陷型。基于这些优点，拟南 芥是进行遗传学研究的好材料，也是目前分子生物学和生物

23、信息学研究的热点。 在本文中，我们不仅研究了转录因子和靶基因、转录因子 和转录因子之间的调控 关系，而且还研究了用转录数据来揭示基因和包含GRN 的蛋白质之间的复杂关 系和调控网络中基因的功能预测。 1.2 研究现状 高等植物个体发育从受精开始，经过胚胎发生、器官形成等营养发育过程， 又进入开花、授粉、受精等生殖发育，形成孢子体一配子体一孢子体的世代交替。 植物的有性生殖不仅是植物繁殖的主要途径，也是植物进化及对环境适应的基础 之一。花药是植物的雄性生殖器官，是花粉发育的场所，花药发育涉及复杂而精 细的细胞发育和分子机制，故对花药及花粉发育的研究具有重大的理论意义，植 物雄性不育是作物杂种优势

24、利用的重要途径，因此对花药及花粉发育的深入研究 又有重要的应用价值。 在花药发育过程中，许多基因参与了作用并相互协调，这是一个复杂而真实 的调控过程。这个调控过程影响着花药发育和繁殖。目前，由于很多条件的限制， 人们对花药的研究还停留在单个基因和蛋白质的水平上。随着生物芯片和计算机 的高速发展，在实验数据和技术上为深入而全面研究这种调控机制提供了可能。 结合相应的生物芯片数据和数学抽象以及计算机，人们可以建立这种调控机制的 模型。这种模型的建立为构建调控网络准备了理论基础。而调控网络 的构建是人 们认识复杂调控网络的又一大进步。它的发展为生物学家认识生物体内生长过程 及病理说明提供了现实性的意

25、义。 2 上海师范大学硕士学位论文 第一章绪论 近年来，随着拟南芥全基因组测序的完成与分子生物学技术的进步，对雄性 不育突变体与相关基因的研究也取得了巨大的进展。截至 2007 年在拟南芥中鉴 定分析的雄性不育相关基因就超过 40 个。对这些基因与突变体的研究极大的丰 富了人们对花药与花粉发育的认识。这些雄性不育相关基因可以大致分为以下 4 类：花药早期发育必需基因，减 数分裂必需基因，绒毡层功能必需基因与花药开 花必需基因。而对于这些基因的研究往往是独立的，目前仅初步分析了其中部分 与绒毡层发育相关转录因子的可能的调控途径 1。而精细的花药发育的转录调控 网络目前还未见报道。由于目前鉴定出与

26、花药发育必需基因很多都是转录因子， 暗示花药发育过程可能由一系列复杂的基因调控网络所控制，所以对于基因调控 网络及特定基因与其它基因调控关系的研究有利于深入理解花药发育分子机理。 用传统的方法构建植物基因调控网络是以生物实验为基础的，这种方法非 常的耗时。利用生物信息学的方法构建调控网络便成为构建调控网络的热点。在 实验数据方面，生物信息学方法构建调控网络包含的芯片数据较多，所以构建的 网络能够很好地反映生物体内真实的调控机制。因此，以芯片为基础的 ChIP-chip 是当前用得最广泛的鉴定基因调控关系的方法 2。该方法要求所研究物种的全 基因组序列得到测定，并且需要有全基因组基因芯片。针对每

27、一个调控基因（转 录因子 ）， 需要有高质量的抗体。因此，该方法在实际应用过程中受到很多限制。 当前，由于计算机的迅速发展和生物芯片公司的急剧増多，产生了多而精确 的基因表达数据和生物实验数据。充分利用这些数据并结合转录因子结合位点这 种生物学背景来研究基因之间的调控关系成为构建基因调控网络的一种很成熟 而被普遍使用的方法。从基因之间相关表达性出发，我们可以利用反向工程 (reverse engineering) 3的方法来构建基因调控网络。最常用的基因调控网络模 型包括离散变量和连续变量两大类，其中离散变量模型主要有布尔网络模型、概 率布尔网络模型和贝叶斯网络模型；连续变量模型主要有微分方程

28、模型和神经网 络模型。 Tamada 等人研究并利用了贝叶斯模型建立了酵母 的基因调控网络 4， 并取得了很好的效果。通过模型来建立基因调控网络，加入了太多的数学和抽象 的思想，而缺少相应的生物学背景。从充分考虑生物学意义的角度出发，基因调 控网络也可以依据转录因子结合位点 （ transcription factor binding sites TFBSs)信 息进行构建，基因表达在很大程度上受基元的控制，而转录因子能识别这些基元， 3 第 一 章 绪 论 上海师范大学硕士学位论文 从而控制整个基因的表达。根据这种基因之间的调控关系可以构建基因调控网 络。总的来说，在基于已有的预测方法上，基

29、因调控网络的构建主要可以分为两 大类：基于经典的数学抽象模型和利用生物学知识背景的方法。前者主要是从数 学抽象开始，建立生物数据和数学参数的对应关系，建立调控网络。后者主要充 分利用生物知识和生物芯片数据，利用生物分析软件构建调控网络。 基因调控网络的研究突破了单个基因或单个蛋白质的研究方法，并从整体的 角度来收集数据、分析数据、解释并构建调控网络，很好地反映了生物体内的调 控机制。因此，调控网络的研究受到人们的广泛关注。目前，人们用各种方法构 建了模式生物酵母、人 、果蝇等的基因调控网络，并利用构建的基因调控网络进 行生物基因功能、调控关系和病理产生等方面的分析，取得很好的效果。例如， Se

30、gal 等人采用概率模型推断了特定条件下的基因调控网络 5，该模型使用了 173 个芯片实验数据共 2355 个基因。利用此基因调控网络预测了以前未知的几个蛋 白质功能。 Odom 等人构建了人类肝细胞的基因调控网络 6，这个网络主要涉及 到了肝细胞的六个调节基因，并进一步分析了这六个肝细胞调节的靶基因和其结 合的转录因子结合位点的信息。为人们深入认识有关肝细胞的疾病提供了有意义 的数据 。人们不仅构建了各种模式生物的基因调控网络，而且利用调控网络对特 定的生物进行基因功能、转录因子的相互作用和病理原因等方面的分析，取得了 突破性的进展 7_1(3。如 Tsai 等人利用基因表达数据和染色质免

31、疫沉淀反应数据结 合统计模型对酵母细胞周期调控网络进行了预测 11。分析了细胞分裂过程中调控 因子之间相互作用的过程。最近，为了精确地构建基因调控网络，Joshi 等人用 联合概率统计模型中提取类质心的方法来推断和说明基因调控网络 12。此外，一 些研究者提出转录因子全基因组的鉴定为构建基因调控网络提供了更多有意义 的信息 13_15。这种整合不同来源数据的方法使构建的基因调控网络更加精确。随 着不断增加的计算机影响力和快速计算方法的发展，很多复杂的基因网络已经被 描述出来。虽然人们建立了各种模型和生物信息学的方法来构建基因调控网络， 但是这些调控网络的构建是建立在大量基因表达数据和生物信息学分析软件之 上的。由于人们对拟南芥研究较少，缺少大量的拟南芥基因共表达数据、基因功 能注释数据和真实的基因调控数据，人们只是在小规模范围上建立了拟南芥基因 调 控网络。拟南芥大范围的基因调控网络和体内调控机制