宏基因组未知序列的分类方法探究与鸟粪的病毒宏基因组学研究

• 作 者: 黎娜
• 机 构: 中国科学院大学
• 出 处: 中国科学院大学
• 发表日期: 2014年期
• 关键词: 病毒宏基因组学 数据挖掘 鸟粪 蚜虫麻痹致死病毒

宏基因组学研究的对象是一个生境中所有微生物的基因组。病毒宏基因组学属于宏基因组学的一个分支，其研究对象是特定环境中病毒群落的基因组。通过对病毒宏基因组学的研究，可以了解环境中病毒的组成、分布和进化情况，并发现用传统方法难以找到的新病毒序列。宏基因组测序结果中的大部分序列都属于与已知数据库没有任何匹配结果的“未知序列”，目前还没有一种有效的方法来对这部分未知数据进行分析和处理。另外，鸟粪是将病毒传播给人类与禽鸟的一个重要途径和源头，可是与鸟粪相关的研究却很少。本论文探究了宏基因组数据中未知序列的分类方法，同时还对乌粪的病毒宏基因组进行了研究分析。　　对于宏基因组未知序列的分类方面，通过比较多种序列信息提取和数据分类的方法，最终选取了Z曲线与随机森林相结合的分析流程，同时利用阈值的筛选，使得分类错误率在理论上达到极低。运用这一分类方法，从人类阴道样本和东湖水样的宏基因组未知序列中找到了大量的疑似病毒序列。通过DELTA-BLAST发现，预测的疑似病毒序列与真实病毒序列之间具有远缘相似性，从而证明了该分类方法的可行性。另外，对于鸟粪中的病毒宏基因组研究方面，通过生物信息学的方法对沉湖和龙感湖的白鹭粪便的病毒宏基因组数据进行了分析。发现沉湖鸟粪中主要含有大量的噬菌体，特别是长尾噬菌体，而龙感湖鸟粪中则主要含有双顺反子病毒科蚜虫麻痹致死病毒的序列片段。结果表明即使是同种鸟粪，其病毒的组成和含量也可以存在较大差异。通过对蚜虫麻痹致死病毒的进一步分析，并结合实验科学的方法，利用宏基因组拼接片段从龙感湖鸟粪中获得了一株新的蚜虫麻痹致死病毒ALPV-like-LGH的全基因组序列。其全基因组主要包括两个ORF。ORF1包含三个非结构蛋白，分别是RNA解旋酶、3C蛋白酶和RdRP;ORF2则编码了四种主要的结构蛋白。进化分析显示从鸟粪中提取的ALPV-like-LGH的进化地位与ALPV参考序列和专利序列最为接近，属双顺反子病毒科，蟋蟀麻痹病毒属。