比较基因组学的研究内容

定义：在基因组序列信息已知的基础上，对已知基因和基因的结构进行比较，了解基因的功能，表达调控机制和物种进化过程（简单来说就是拿组装好的基因组做比对，挖掘物种特异信息）

---

研究内容

一、基因家族聚类，共有、特有基因家族的统计

基因家族中的基因是来源于同一个祖先，由一个基因通过基因重复所形成的两个或多个拷贝而构成的一组基因。他们在结构和功能上具有明显的相似性，并且编码相似的蛋白产物。同一基因家族的基因可以紧密排列在一起，形成一个基因簇，但多数时候，他们是分散在同一染色体上的不同位置，或者是不同的染色体上，各自行使不同的表达调控模式。物种共有基因家族内的单拷贝同源基因，用于系统发育树的构建。韦恩图中的重叠区域和非重叠区域分别代表共有基因和非共有基因

二、系统发育树的构建

 最早期的系统发育关系是基于生物的表型特征，1965年提出了分子进化理论，从此以后，系统发育关系的构建一般都是基于分子特性（DNA、RNA和蛋白质分析），因为核苷酸信息和氨基酸信息包含了物种进化历史的全部信息，因此以分子特性来构建物种进化树的准确度会更高。

分类：

1）根据进化树有无根节点可以将其分为有根树和无根树。有根树在绘制的过程中要引入外群，因此会有一个根节点。根节点的存在可以判断演化方向以及单元之间的分类关系。引入的外群与发育树中其他物种的亲缘关系不宜太近也不宜太远。例如如果系统发育树研究的物种的种内的品种或亚种水平，那因为的外群应该与其他物种之间属于同属不同种，以此类推。无根树在绘制的过程中并没有引入外群，所以没有根节点，无法判断物种的演化方向，只能表明不同单元之间的分类关系。

2）只能表明进化关系，没有其他的意义

适用对象：叶绿体基因组、线粒体基因组、简化基因组和全基因组

比对方法：

1）NJ法：计算速度快，计算过程比较简单，适用于序列相似性比较高的物种，通常是种内水平

2）最大简约法：对于分析某些特殊数据（插入/缺失）比较有用

3）最大似然法：计算速度较慢，适用于序列相似性比较低的物种，通常是种间或亚种以上

4）贝叶斯法：计算速度较慢，适用于序列相似性比较低的物种，通常是种间或亚种以上

三、物种分化时间的推算

分化时间是当前宏观进化分析的一个热点，以某一个或某几个特定类群的化石时间为参照，通过基因序列间的分歧程度以及分子钟推断物种的分化时间。（分子钟：是进化生物学钟比较重要的一种评估工具，简单来说，结合像是化石、地质学等可以确定具体时间的信息，利用分子钟可以推断进化树上任意两个物种之间的分化时间。例如人与猴子的分化时间要短于人与青蛙的分化时间，因此人与猴子的DNA差异要比人与青蛙的DNA差异要小。根据分子钟理论，基因序列钟的密码子是以恒定的速率进行相互替换的，也就是说具有恒定的演化速率。两个物种间的遗传距离与物种的分化时间是成正比的。通常采用单拷贝基因家族钟的四重简并位点来估算分子钟以及物种间的分化时间。）

分化时间推算的方法：

 1）单拷贝基因：通过序列比对，构建进化树，结合一个物种具体的分化时间来推断其他物种的分化时间。只考虑了外显子的核苷酸多态性，而不同基因之间是存在较大差异的，其余的基因组序列对于进化研究的贡献缺失。在计算分化时间的时候，一般是以最大似然法来构建进化树，bootstrap为1000次，计算量十分庞大

2）单倍群：计算分化时间主要基于分子标记的继承，通过分子标记的差异数目与进化速率的关机计算最近一次单倍群事件发生的时间，再通过继承关系，依次推断其他单倍群发生的时间

3）psmc：计算种群历史的大小，主要是基于个体杂合位点分析

四、基因家族的收缩与扩张分析

在比较基因组的分析中，对直系同源基因分析后，往往就是基因家族的收缩与扩张分析。基因家族的收缩与扩张分析一般是采用orthoMCL进行同源基因的鉴定，然后使用直系同源基因进行物种树的构建，最后使用CAFE对聚类结果进行基因家族的收缩与扩张分析。为了避免基因家族收缩与扩张分析的结果受到干扰，所分析的物种的倍性最好保持一致。

流程：直系同源基因的鉴定--提取最长转录本--orthofinder运行--构建时间尺度的物种树--CAFE分析基因家族的收缩与扩张

orthologs:直系同源物，是两个物种的最后共同祖先中来自单个基因的一对基因，直系同源物是同源性基因，是物种形成事件的结果

paralogs：旁系同源物，是同源基因，是重复事件的结果

五、选择压力分析

是指在生物进化的过程中，外界环境所施加给生物的压力。遗传学中认为，w=ka/ks或者是dN/dS，表示的是非同义突变与同义突变之间的二代比率。通常认为，W>1，表明有正选择效应，即有利突变正受到选择；0

六、全基因组复制事件（一般为植物基因组的分析项）

多倍化和全基因组复制事件（WGD）是指基因组内的所有序列都发生重复，重复为生物进化提供了原始的遗传材料，使植物基因组快速重组、丢失大量基因、产生结构变异，对植物进化非常重要。全基因组加倍事件的结果是可以增加一个物种所有的基因拷贝，但在自然选择的条件下，这些倍增的基因可能会经历不同的命运，例如有的拷贝会丢失，有的拷贝会失去原有的基因功能（假基因化），有的拷贝会产生新的基因功能（新功能化），有的基因会形式祖先基因的部分功能（亚功能化）。多倍化植物广泛的存在于自然界中，如日常生活中的马铃薯、小麦棉花等。多倍化和全基因组复制事件会直接将染色体进行加倍，被认为是物进化的推动力。有研究表明，多倍化在有花植物的进化过程中非常的频发，特别的在现存的被子植物和种子植物分化之前，都分别发生过加倍事件，可能对花和种子的产生具有一定的贡献。基因组加倍被认为具有提高物种多样性以及物种的适应能力具有一定的作用。

鉴别方法：

1）共线性分析：可以推断WGD的有无及其倍性或者是基于物种树来推断WGD是否共享。基因组共线性是基因组加倍的直接证据，可以通过比较两个基因组的序列获得共线性信息及区域并作图进行展示，可以直观的发现全基因组加倍的痕迹。如果物种经历过多次全基因组加倍事件，那近期的加倍事件可能会使得早期的加倍事件中的基因丢失，使得早期的加倍事件的痕迹越来越不明显，共线性直观上不明显，这就需要用到KS和4dTV的方法来挖掘加倍事件的信息。

2）同义突变率ks：假设某个基因受到了自然选择的压力，那么根据中性选择理论，非同义替换率和同义替换率应该是相同的。但一般来讲，非同义突变会导致氨基酸的改变，进而导致蛋白质的构想和功能，而同义突变则不会导致氨基酸的改变，因此不受自然选择的影响，ka/ks的比值就能说明这个基因是受到了何种的选择。全基因组加倍事件会产生大量的同源基因，反映在Ks值上就是 会有大量的ks值接近的同源基因对的产生，对这些同源基因对进行统计，就可以绘制ks值的分布图，便可以发现明显的ks峰值，而这些都峰也就对应了基因组加倍事件。关于同源基因对的识别，在不同的物种里是寻找最近的直系同源基因，直系同源基因对的峰值对应物种的分化事件，借助于这个物种分化事件所对应的时间可以推出全基因组复制事件发生的时间；而在一个物种内部的话是寻找最近的旁系同源基因，旁系同源基因对的ks分布峰值对应全基因组复制事件。

七、共线性分析

全基因组共线性是基于蛋白水平，因为蛋白的保守型很高，所以即使分化较远的物种间也能找到同源基因片段。共线性片段的大小与物种的分化时间有很大的关系，分化时间较短的物种，产生的变异比较少，会更多的保留从祖先遗传得到的特征。而分化时间较长的物种，由于变异的积累而导致共有特征比较少，反而获得较短的共线性片段。同源基因又分为直系同源和旁系同源，直系同源是存在于祖先基因中，由于物种的分化，而分别遗传给了不同的后代。旁系同源基因是由于基因组的重复而产生的同源基因，这些基因的变异比较大，从而可能出现功能变异。共线性分析是比较基因组中必不可少的一种分析策略，它允许物分析物种间大尺度和小尺度的分子进化事件。大尺度事件是包括对基因组内重排和复制事件的估计。而小尺度事件则是针对碱基替换速率以及插入、缺失等事件。从共线性片段中可以识别出的物种间大尺度和小尺度的突变事件，这些都可以作为物种树的推荐数据。此外，结合构建的两个尺度的基因组进化模型，共线性比对还能够完成祖先基因组的重建任务。

八、LTR形成时间估算

LTR为长末端重复序列，其长度一般为100bp-5kb不等，存在于LTR反转录转座子两侧翼的长末端重复序列，携带转录的起始和终止信号，调节mRNA媒介的形成。

转座子分类：

1）I型转座子：又称为反转座子，根据转座形式将其形象的称为复制-粘贴型转座原件。反转座子在转座时，会先以DNA为模板，在RNA聚合酶II的作用下，形成一段mRNA，然后再转录形成cDNA，最后在整合酶的作用下，将这段cDNA整合到基因组上新的位置。根据两端侧翼有无LTR，可以将反转座子进一步划分为LTR反转座子和非LTR反转座子。

2）II型转座子：称为转座子，根据转座形式可以将其形象的称为剪切-粘贴型复制原件。在转座酶的作用下，转座子会从原来的位置解离下来，再重新整合到染色体上。

3）Helitron转座子：是近年来发现的一种新型的转座子，研究发现，在大多数植物和许多动物的基因组中都携带这种转座子。他是通过滚环的形式进行转座，并在滚环复制的过程中常常会捕获和携带一些基因片段，导致基因拷贝的变化，在一定程度上也会促进基因组的变化。

---