基于保守結構域比對在22周人胎肝EST庫中發(fā)現(xiàn)新轉錄因子.pdf

1、研究目的：肝臟是人體代謝的主要器官，具有分泌膽汁、解毒以及吞噬、防御等重要的生理功能。此外，在4-6月孕齡時，人胎肝還是造血、免疫、肝臟系統(tǒng)干祖細胞及其基質細胞的來源，其中的造血干細胞可向各系成熟的血細胞發(fā)育分化。 復雜的生命現(xiàn)象在很大程度上是由大量受嚴格調控的基因的表達所決定的。真核細胞基因表達調控的關鍵步驟是轉錄調控，其機制十分復雜，涉及大量的轉錄因子和核內調控基因。據(jù)估計在人類的基因中含有2000-3000種轉錄因子(tr

2、anscription factor，TF)，而22周的人胎肝(Human Fetal nver aged 22 Weeks，HFL22W)cDNA文庫中已知的轉錄因子與轉錄調控因子僅95種<'[1]>，因此胎肝中很可能存在一些尚未發(fā)現(xiàn)的、在生理過程及重要疾病(如腫瘤)的發(fā)生、發(fā)展中扮演重要角色的轉錄因子。 近年來，基因組和蛋白質組以及生物信息學的發(fā)展，使高通量地對轉錄因子進行篩選、鑒定和功能研究成為可能。這方面的實驗和技術均以

3、轉錄因子的結構特征和作用特點為基礎，對具有特定功能或特定結構域的轉錄因子進行篩選。本文基于對轉錄因子各家族同源序列及結構域的分析研究，對HFL22W EST數(shù)據(jù)庫中含有轉錄因子保守結構域的序列進行總結歸納和分類，以期能規(guī)?；睾Y選出未知轉錄因子。 首先，我們下載TRANSFAC 6.0轉錄因子數(shù)據(jù)庫中4218個轉錄因子文件，從中提取轉錄因子序列并格式化為FASTA格式數(shù)據(jù)庫一提取轉錄因子中各特征性的、保守的結構域的蛋白質序列，格

4、式化并送入FASTA格式數(shù)據(jù)庫。TRANSFAC由德國國家生物工程研究中心建立并管理，是關于轉錄因子及其在基因組上的結合位點和與DNA結合的profiles數(shù)據(jù)庫<'[2]>,由SITE、GENE、FACTOR、CLASS、MATRIX、CELLS、METHOD和REFERENCE等數(shù)據(jù)表構成。 本實驗室采用cDNA大規(guī)模測序策略對22周齡人胎肝cDNA文庫進行大規(guī)模測序，獲得了20282條EST。經過電子延伸、拼接、分類得到2

5、125個已知基因和2800個未知基因。我們以ATGpr程序分析這些未知基因序列的ORF并翻譯成蛋白質序列。本文采取的策略是用ATGpr預測未知基因序列，選其結果中具有最大可信度(Reliabilitv)或有最大的長度的兩條ORF，并滿足Reliabilitv>0.12<'[3]>，length>70，有終止密碼子。 我們使用兩種不同的篩選方法：(一)對轉錄因子中各特征性的保守結構域構建這些模體的正則表達式。基于這些共有模體的正則

6、表達式對HFL22W cDNA翻譯蛋白質序列庫規(guī)?；乇葘Σ檎遥Y選出含有某類轉錄因子特征性結構域的cDNA翻譯蛋白質序列作為候選序列。(二)采用MEME軟件分析各類轉錄因子的保守結構，并根據(jù)分析結果在HFL22W cDNA翻譯蛋白質序列庫中尋找候選序列。 進一步分析候選序列，與其它轉錄因子結構域進行比對及其它生物信息學分析，確定其是否可能是一個新的未知轉錄因子。 結果：按類別對轉錄因子作分析和發(fā)掘，對找到的轉錄因子候選

7、序列作了進一步的生物信息學分析，從類型、數(shù)目、位置、結構、功能等方面對序列中預測的結構域作了綜合分析。 (一)數(shù)據(jù)和數(shù)據(jù)處理 編寫Perl程序從TRANSFAC轉錄因子文件中提取所需要的信息，構建了全部轉錄因子序列和結構域序列的數(shù)據(jù)庫文件。 我們對2800個未知基因的序列進行了ORF分析和蛋白質預測，并以所預測的蛋白質序列作為篩選轉錄因子的候選序列。編寫了perl程序從ATGpr的輸出結果中提取了1503條ORF

8、翻譯蛋白序列作為預測轉錄因子的候選序列集合，其中1010條同時有最長ORF長度和最大可信度，271條有最長ORF長度，222條有最大可信度。與轉錄因子序列類似，我們構建了這些蛋白質序列的數(shù)據(jù)庫文件，以FASTA格式文件存儲。 (二)C0002類轉錄因子的分析與發(fā)掘 TRANSFAC的C0002類轉錄因子是Cys4 zinc finger of nuclear receptor type轉錄因子，即具有Cys4型鋅指結構的

9、細胞核受體型蛋白。這一類轉錄因子的共同特征是具有兩個不同大小、組成和功能的鋅指結構。 我們采用了兩種方法查找C0002類的轉錄因子： 1．以鋅指結構域正則表達式比對數(shù)據(jù)庫 構建鋅指結構域正則表達式，用程序regexp_FL22W對上述正則表達式查找HFL22W蛋白序列庫。結果匹配到2條蛋白序列(C4992、F0418)，并確定了鋅指結構的位置。 2．MEME軟件分析 MEME程序是一套模體分析工具

10、，是基序啟發(fā)的多EM(Multiple EM for MotifElicitation)的縮寫，EM指期望值最大化(Expectation Maximization)，是統(tǒng)計學中預測丟失值或未觀察到的值的方法。MEME的結果與第一種方法的結果一致，找到同樣的序列和鋅指結構。 用BLAST比對其它轉錄因子結構域分析了兩條序列。用prosite對兩條序列作進一步生物信息學分析。 (三)C0001類轉錄因子的分析與發(fā)掘

11、 TFⅢA/Krueppel類型轉錄因子含Cys2His2型鋅指結構。每個鋅指結構包含2個半胱氨酸和2個組氨酸殘基配位一個鋅離子，有時其中一個組氨酸可以被一個半胱氨酸取代<'[4]>。鋅離子對與DNA結合起重要作用。 同樣以鋅指結構域正則表達式比對數(shù)據(jù)庫和以MEME軟件兩種方法分析發(fā)掘轉錄因子。 1．用程序regexp_FL22W以正則表達式查找HFL22W蛋白質序列庫，找到17條蛋白質序列。這17條序列與其它轉錄因子結

12、構域作BLAST比對，有6條序列匹配到與轉錄激活或其它功能相關的轉錄因子結構域。 2．以MEME軟件分析 結果找到16條序列，與第一種方法找到的重復。 對6條序列進行了SMART結構分析和二級結構預測，結果顯示了與轉錄因子及其結構域相關的提示。 結論：基于已有的EST數(shù)據(jù)庫和轉錄本數(shù)據(jù)庫，使用生物信息學的分析方法，通過對轉錄因子特有序列的同源性搜索篩選新的轉錄因子，具有快速、全面、規(guī)模化等優(yōu)勢，可以為轉錄