microRNA相關(guān)問題的計算分析

附件2論文中英文摘要作者姓名：汪小我論文題目：microRNA相關(guān)問題的計算分析作者簡介：汪小我，男，1980年6月出生，2003年9月師從于清華大學(xué)李衍達(dá)教授，2008年7月獲博士學(xué)位。中文摘要 1生物信息學(xué)是生命科學(xué)與信息科學(xué)、控制科學(xué)等多學(xué)科交叉的新興學(xué)科。近年來，人類：I基因組的測序完成和各類高通量生物實驗技術(shù)的發(fā)展，使得生物學(xué)數(shù)據(jù)呈指數(shù)級增長，如何：I用生物信息技術(shù)挖掘和分析這些海量的信息成為研究的焦點。同時，隨著生物信息學(xué)研究的：I不斷深入，它在解決重要的生物學(xué)問題、闡明新的生物學(xué)規(guī)律等方面發(fā)揮出巨大作用。 ：ImicroRNA（miRNA，微小RNA）是近年來新發(fā)現(xiàn)的一類非編碼RNA,它在諸多重要生：I命過程中起著關(guān)鍵的調(diào)控作用，人們對其在疾病的診斷和治療等方面的應(yīng)用前景寄予厚望，：I關(guān)于miRNA的研究是當(dāng)前生命科學(xué)領(lǐng)域最前沿的方向之一。生物信息學(xué)在miRNA的研究中：I起到了關(guān)鍵作用，極大地推動了該領(lǐng)域的迅速發(fā)展。本論文的工作圍繞miRNA這一重要生：I物學(xué)問題展開，運用統(tǒng)計、機器學(xué)習(xí)和模式識別等多種生物信息學(xué)方法，對miRNA的識別、：I轉(zhuǎn)錄調(diào)控、進化機制等重要問題進行了多方面的探索，取得了一些創(chuàng)新成果。主要有以下四:I方面內(nèi)容： ：I（1）提出了高效的同源miRNA識別算法，可用于預(yù)測遠(yuǎn)同源的miRNA基因。 ：I要研究miRNA的功能，首先必須找到miRNA。在提出本課題時，用于發(fā)現(xiàn)新miRNA:I基因的實驗技術(shù)費時又費錢，而且很難找到那些表達(dá)量較低或者只在特定組織或發(fā)育階段中：I表達(dá)的miRNA。因此通過高通量的計算方法從基因組中篩選出可能的miRNA基因候選集合，，I可以對生物學(xué)實驗提供指導(dǎo)和參考，對推動miRNA研究具有重要意義。 ：I同源基因預(yù)測是一類重要的基因識別方法，其出發(fā)點是利用基因在物種間的保守性，尋：I找已知基因的同源基因。這類方法可以將一個物種中找到的基因及其注釋推廣到其它物種中。I包括人類基因組在內(nèi)的多個物種的基因組測序完成為開展同源基因預(yù)測創(chuàng)造了條件。miRNA:I同源基因預(yù)測的難點在于miRNA自身的序列很短，只有約22個堿基，而基因組上的搜索空：I間卻很大，因此常用的序列比對方法只能用來尋找一些在序列上高度相似的miRNA，并且預(yù)：I測結(jié)果具有很高的假陽性率。在深入了解miRNA相關(guān)的生物學(xué)過程后，我們注意到miRNA:I的前體pre-miRNA必須形成一個形似發(fā)卡環(huán)的RNA二級結(jié)構(gòu)，才能被特定的酶正確加工，：I釋放出miRNA成熟體。雖然miRNA前體序列本身并不一定在物種間保持不變，但其發(fā)卡環(huán)：I狀二級結(jié)構(gòu)卻往往非常保守?；谏鲜稣J(rèn)識，本論文在綜合考慮miRNA成熟體序列保守和：I前體結(jié)構(gòu)保守的基礎(chǔ)上，提出了將序列比對與結(jié)構(gòu)比對相結(jié)合的miRNA同源基因識別方法：ImiRAlign。該方法達(dá)到了國際上公開發(fā)表的同類算法中最高的敏感性和特異性，可用于預(yù)測：I遠(yuǎn)同源的miRNA基因，對miRNA的識別和進化模式研究具有重要價值。所提供的miRAlign:I網(wǎng)頁版計算服務(wù)被點擊使用二十余萬次。 ：: (2)研究了miRNA在脊椎動物中的進化模式，為全面了解miRNA的功能及其在物種；:進化過程中的作用提供了新的視角。 ［-在開展本項研究工作時，人們對miRNA這類重要調(diào)控因子的進化特性還知之甚少，大:；部分miRNA被認(rèn)為在漫長的物種進化過程中是高度保守、一成不變的。本論文利用miRAlign;［方法對當(dāng)時所有已測序的脊椎動物基因組進行分析，獲得了已知miRNA的同源基因，并通［［過分析miRNA基因家族在各物種中的分布情況，研究了miRNA在脊椎動物中的進化特性。［:本論文一是發(fā)現(xiàn)新產(chǎn)生的miRNA會經(jīng)歷一個近似中性進化的過程，之后逐漸固定下來，并在；；進化上趨于保守；二是觀察到miRNA在物種進化過程中存在系特異性(lineage-specific)的;:大規(guī)模復(fù)制現(xiàn)象，這種拷貝數(shù)的大量擴增對miRNA在胚胎發(fā)育的特定階段完成重要生物學(xué)；；功能具有重要意義；三是注意到miRNA基因在發(fā)生串連復(fù)制后，部分同源的miRNA前體會［；選擇其發(fā)卡環(huán)不同臂上的序列作為成熟體，從而大大增加了miRNA新功能產(chǎn)生的可能性。這；；些現(xiàn)象表明，miRNA這一類重要的調(diào)控因子在物種進化過程中是十分活躍的，并且有著復(fù)雜:［的演化模式，這為全面了解miRNA的功能及其在物種進化過程中的作用提供了新的視角。［:這些觀察和推測陸續(xù)得到了國際上后續(xù)研究報道的支持。 ［； (3)利用比較基因組學(xué)方法研究miRNA的轉(zhuǎn)錄調(diào)控機制，提出了序列比對與模體識別::相結(jié)合的序列調(diào)控元件分析方法。 ［；隨著對miRNA研究的深入，miRNA本身的表達(dá)調(diào)控成為研究的焦點。研究發(fā)現(xiàn)miRNA:［的表達(dá)過程受到嚴(yán)格的調(diào)控，其中轉(zhuǎn)錄是最主要的調(diào)控環(huán)節(jié)。研究基因轉(zhuǎn)錄調(diào)控的重點是找::出基因啟動子區(qū)域中不同轉(zhuǎn)錄因子的結(jié)合位點，進而揭示基因的轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)。但由于轉(zhuǎn)錄:［因子結(jié)合位點通常都較短，并具有一定的簡并性，所含信息量有限，因此基于單一物種DNA;:序列信息的轉(zhuǎn)錄調(diào)控元件分析結(jié)果具有很高的假陽性率。為準(zhǔn)確預(yù)測和構(gòu)建miRNA基因的-:轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)，本論文建立了一套基于遺傳印跡的轉(zhuǎn)錄調(diào)控元件識別方法，該方法綜合了多:［物種間基因組比較、DNA模體序列識別、調(diào)控模塊分析等多方面的信息，已被成功地運用于［:分析果蠅基因組中miRNA基因的轉(zhuǎn)錄調(diào)控模式。 ［； (4)開發(fā)了新一代的基因核心啟動子計算機識別方法，能成功預(yù)測出大部分已知人類［:miRNA的核心啟動子。 ［:基因的啟動子內(nèi)包含了決定基因轉(zhuǎn)錄起始時間和表達(dá)程度的主要信息，目前啟動子的識:［別是基因轉(zhuǎn)錄調(diào)控研究中的關(guān)鍵和難點。由于人類基因組中miRNA的轉(zhuǎn)錄起始位點往往遠(yuǎn)］:離成熟體，加之miRNA的初始轉(zhuǎn)錄產(chǎn)物pri-miRNA在細(xì)胞核內(nèi)被迅速加工和降解，使得通；；過實驗手段獲取miRNA啟動子非常困難，僅有極少量人類miRNA啟動子被實驗驗證；同時，::僅用DNA序列的信息又難以準(zhǔn)確預(yù)測啟動子。因此，miRNA啟動子的識別成為miRNA功［:能研究中主要瓶頸之一。 ［；本論文在國際上率先提出了融合DNA序列和表觀遺傳修飾兩方面信息來識別人類基因::核心啟動子的方法。本研究通過對海量表觀基因組實驗數(shù)據(jù)的挖掘，在全基因組水平研究了:；幾十種不同的組蛋白修飾在基因啟動子區(qū)的特征模式，系統(tǒng)分析了這些模式與DNA序列特:［征以及基因表達(dá)量之間的聯(lián)系，并利用Boosting的方法融合多種特征，構(gòu)建了預(yù)測分類器。［；本論文提出的相關(guān)算法CoreBoost_HM在敏感性和特異性方面均顯著優(yōu)于國際上已有的基因::啟動子識別方法，能提供高分辨率的預(yù)測結(jié)果，并能用于識別miRNA等非編碼基因的啟動::子。 1關(guān)鍵詞：生物信息學(xué)；microRNA；識別；進化；轉(zhuǎn)錄調(diào)控Computationalstudiesonrecognition,evolutionandtranscriptionalregulationofmicroRNAsXiaowoWangABSTRACT;Bioinformaticsisaninterdisciplinaryareaofbiologyandinformationsciences.TheI；sequencingofthehumangenomeandthedevelopmentofvarioushigh-throughputexperimentalI:technologiesmakebiologicaldatacontinuetoincreaseexponentially.BioinformaticsplaysakeyI;roleinhandling,integratingandminingthesedatatosolveimportantbiologicalquestionsandI；elucidatenewbiologicalrules.I: MicroRNAs(miRNAs)areaclassofrecentlyidentifiedsmallnon-codingRNAs.ThesetinyI;moleculesreceivedwideattentionduetotheirimportantregulatoryrolesinvariousbiologicalI；processesandpotentialapplicationsindiagnosisandtreatmentofhumandiseases.TheapplicationI:ofbioinformaticsinmiRNAresearchgreatlypromotesthedevelopmentandbriskprogressofthis;cutting-edgeareaofcurrentbiology.Inthisdissertation,IstudiedmiRNAs'identification,theirI；evolutionarypropertiesandtranscriptionalregulationusingbioinformaticsapproaches.MyworkisI:mainlycomposedbythefollowingfourparts:I; (1)DevelopedahighperformancemiRNApredictionmethod,whichcanbeusedtoidentifyI；distantlyrelatedmiRNAhomologgenes.I: IdentificationofmiRNAsisthefirststepinmiRNAfunctionalstudies.WhenwestartedthisI;work,onlyhighlyexpressedmiRNAshadbeendetectedbybiologicalexperimentsduetoI；limitationsofthetechniques.Forfindingthoselow-expressionortissue-specificmiRNAgenes,I:computationalpredictionprovidesanefficientapproach.I;Homologuesearchiswidelyadoptedingeneprediction.SuchmethodscouldbeusedtorevealI；andannotatehomologsofknowngenes.BecausethematuremiRNAsequencesareshort( 22nt),I:sequencealignmenttoolscanonlyfindthenearly-perfectmatchesduetothelargenumberofI;irrelevanthits.Wenoticedthat,theprecursorofmiRNAs(pre-miRNA)hastoformahairpin-likeI；secondarystructuretobecorrectlyprocessedbytheenzymeDicertoreleasethematuremiRNAs.I:FordistantlyrelatedmiRNAhomologs,thepre-miRNAsmaydivergeinsequencebutkeepI;conservationinstructure.Takingtheadvantageofbothsequenceandstructureconservation,weI；proposedamethodcallmiRAligntodetectnewmiRNAsbasedonbothsequenceandstructureI:alignment.ExperimentsshowthisapproachhashighersensitivityandspecificitythanpreviouslyI;reportedhomologuesearchingmethods,andcouldbeusedtoidentifydistantlyrelatedmiRNAI；homologs.ThewebserviceofmiRAlignhasbeenclickedformorethantwohundredthousandTOC\o"1-5"\h\z；timessinceits publication. :I I: (2)StudiedtheevolutionarypatternsofmiRNAsinvertebrates,providedanewangleofview:I I:tounderstand thefunctionofmiRNAsduringtheevolution. :I I；Whenwestartedthiswork,littlewasknownabouttheevolutionarypropertiesofmiRNAs.:I I!MostmiRNAswerethoughttobephylogeneticallyconserved.UsingmiRAlign,wepredictedthe!I I!homologgenesofalltheknownmiRNAsinthesequencedvertebrategenomesandcharacterized!I I；thedistributionofmiRNAfamiliesineachspecies.WefoundthatrecentlygeneratedmiRNAs:I I:seemtoevolveneutrallyduringacertainperiodfollowingtheiremergence.Multiple :I I!lineage-specificexpansionswereobserved,whichwouldcontributetospecificfunctionsduring!I I；embryodevelopment.Homologouspre-miRNAsmayproducematureproductsfromtheopposite:I I!stemarmsfollowingtandemduplications,whichmayhaveimportantcontributiontomiRNA :I I:innovation.OurobservationsofmiRNAs'complicatedevolutionarypatternssupportthenotionthat:I I；thesekeyregulatorymoleculesmayplayveryactiverolesinevolutionandprovidedanewangleof:I I!viewtounderstandthefunctionofmiRNAs.Ourobservationsandhypothesizesweresupportedby!I I:recentliteraturereports. :I I； (3)StudiedthetranscriptionalregulatorymechanismofmiRNAsusingcomparativegenomic:I I:approaches,andproposedanew strategy that takes the advantageofbothalignment-basedand :I I!motif-basedmethodstoidentify cis-regulatory elements. ；I I；TheexpressionofmiRNAgenesisintensivelyregulated,andtranscriptionalcontrolplaysthe:I I:majoreffect.Thekeytostudygenetranscriptionalregulatorymechanismistofindoutthe :I I:transcriptionfactorbindingsites(TFBSs)ingenepromoterregionsandconstructthetranscriptional:I I；regulatorynetworks.Typically,TFBSsareshortanddegeneratenucleotidesequences.Searching:I I!TFBSsusingtheinformationofasinglegenomeislikelytoresultinaveryhighrateoffalse !I I!positivepredictions.Recently,thegenomesequencingofdiverseanimalandplantspeciesprovides!I I；researchersagreatopportunitytostudygenetranscriptionalregulationmechanismsthrough :I I!comparativegenomicapproaches.Inthisthesis,weproposedanewphylogeneticfootprinting !I I!strategythattakestheadvantageofbothalignment-basedandmotif-basedmethodstoidentifyand；I I；analyzeconservedDNAcis-regulatoryelements.Thismethodwassuccessfullyusedtoanalyzethe:I I:miRNAgenesintheDrosophilaspecies. :I I! (4)Wedevelopedanewgenecore-promoterpredictionmethodwhichcanaccuratelyidentify:I I；mostofthe knownmiRNApromoters. :I I!Thecorrectlocalizationofgenetranscriptionstartsiteandcore-promoterisimportantfor!I I!understanding thetranscriptionalregulationofgenes.TypicallyhumanmiRNAsarisefromlarge:I I；primarytranscripts(pri-miRNAs)whichareprocessedrapidlyinthenucleus.It'sdifficultto :I I:identifysuchdistaltranscriptionstartsitesthroughcurrentexperimentalprocedureslike5'RACE.:I I!Andinaddition,theDNAsequencealo