HK基因在癌症中的变化

HK基因与TS基因的区别及HK基因在癌症中的变化

*1一、HKG和TS基因的比较：（一）对于看家基因的一些已有认识：1.发现看家基因往往在染色体上分布密集2.看家基因必须在一个细胞周期内圆满完成的细胞活动中起关键作用。3.看家基因在所有组织中并不一定表现的一样，相反的，似乎每一个组织都有一个具体的看家基因表达谱。4.看家基因并不是在所有组织中都是表现的最高的基因。*2（二）方法和材料介绍初始数据集共选用1980个基因（包括451个HKG和1529个TSG），这些基因来自脑，肾，肌肉组织，前列腺，肺，肝脏和阴户。我们对小鼠的NCBI

RefSeq数据库做BlastP搜索，小鼠是最好的用来作为人类同源序列的查询序列，这一点进一步通过用HOVERGEN数据库检查我们的数据集证明是可行的。为以后的分析，设定了最后数据总共包含1927个基因（412个HKG，1515个TSG）。所有的蛋白质序列使用ClustalW与默认参数连成一条线，并后翻译到相应的DNA序列上。然后这条线肉眼检查并做了必要的修改。*3非同义位点的替换和同义位点的替换数量分别记做Ka和Ks，计算用最大似然法在PAML包中实施。我们删除Ks>1的基因，在最后的分析中总共剩余1581个基因。（表一）对于所有的距离测量（包括Ka，Ks，Ka/Ks），用非参数Wilcoxon秩和检验对每组HKG和TSG进行两两比较。*4计算所有基因的有效密码子数（ENC）（测量密码子在21到60之间的使用偏性）。ENC等于20的基因只使用每个同义密码子集合的一种类型的密码子，因此，它显示了很强的密码子使用偏差，但是ENC等于60的密码子表明没有同义密码子使用偏好。

HKG的传统观点是基因组中的低拷贝数基因。如果持有持有这种观点，很慢的非同义速率归因于HKG中很少的遗传冗余。为了研究这个问题，我们使用ENSEMBL数据库中收集的基因族来检测我们研究中使用的基因的拷贝数。在每个物种中多余一个成员的基因分成多拷贝基因家族。*5二、具体的比较：1.HKG和TSG之间的速率差异：所有基因的平均进化速率：*6*72.速率差异可能的原因1.在TSG中很高的非同义替换率可能是由于很高的突变率。但是这种解释是不可能的，因为如果很高的突变率是主要原因的话，我们希望看到TSG比HKG高的同义替换率。TSG中的同义平均替换率没有显示与非同义替换率同样幅度的增加，所以突变差异不是非同义速率的主要原因。2.HKG受到的选择约束性可能比TSG的大。因为通常使用Ka/Ks作为选择限制的指标，所以计算这些基因的Ka/Ks进行比较。*83.选择限制的不同可能是由基因功能和表达的不同引起的。因为HKG在维持大多数细胞，维护他们的正常功能的强大净化选择行为方面起主要作用，但是对于在很少的组织中表达的TSG基因，有害突变的影响要比HKG基因少。但是，除了这一项，是否强选择限制也是由于HKG比TSG低的遗传冗余？我们用拷贝数作为遗传冗余的粗略估计来研究这个问题：两点意见是显然的：1.属于多基因家族的基因百分数是相似的在所有七个TSG集合中，表明不同的组织类型隐藏了相等的遗传冗余数量（通过基因拷贝数估计的）*9

（2）在人类和老鼠基因组中，分别有大约74%和70%的HKG大于2个拷贝，并且在人类和老鼠的基因组中，TSG基因中多基因家族的平均百分数分别是70%和69%。由卡方检验得：TSG和HKG之间多基因家族的比例没有明显差异。因此，HKG中隐藏的遗传冗余数与基因组中的TSG相似，并且它们很大的遗传限制不是由于很低的遗传冗余。*10为了研究是否选择限制的差异有密码子使用的影响，我们计算所研究的所有基因的ENC值。HKG和TSG的平均ENC值分别是49.1，48.8.因此，即使HKG处处表达，他们也不能显示很强的密码子使用偏性。因此，HKG在具体组织中不是必须高表达的，检测密码子使用偏好时，一个基因的表达水平是比表达宽度重要的因素。*11二、HKG与致病基因的比较（一）背景1.为了检测人类疾病相关的新基因，对遗传疾病的致病基因和非致病基因各种功能比较得到的了许多结果，但是有一些结果是相矛盾的。一个可能的问题是这些研究忽略了人类关键基因，并且把他简单的归到非致病基因中。这样就会降低疾病相关功能的清晰度，并且可能导致错误的结果。这里定义关键基因为：具有生物体生存和繁殖所必须的功能的一类基因。因为关键基因的功能的破坏可能导致致命的结果，他们应该被认为是最严重的致病基因。*122.多模式生物中已经检测到了上千个关键基因，尽管可以确定人类基因组中也可能包含上千个关键基因，但是像在模式生物中一样用实验的方法确定是不切实际的。现在还不存在一个比较好的人类关键基因集合。3.在人类基因组中有一些基因只在具体时期的某些组织中表达，其他基因始终且处处表达。推测后者是基本细胞生理过程所必须的，称为HKG。基于处处表达的人类基因（UEHGs）的独特属性，我们认为他们是关键基因的合适候选。*13主要内容：1.考虑1789个UEHGs的集合作为关键基因的一个逼近。证明UEHGs可能包含很大比例的关键基因，因此可以逼近人类关键基因。2.通过实施三种方式的功能比较对于UEHGs（假设为关键基因），致病基因，剩余的人类基因（称为其他基因），揭示了他们在许多方面的差异，如：进化保护率，DNA编码长度，基因功能等等。3.在正常和各种癌症转移组织中的21个不同HKGs之间的表达变化。*14（二）结果1.首先验证：UEHGs集合包含很大比例的关键基因。2.然后通过比较三组基因看如何把致病基因和关键基因，其他基因区分开。3.如果UEHG比non_UEHG（致病基因和其他基因）包含的关键基因的比例高，我们预测有下列观察。(1)因为关键基因的功能是非常重要的，他们受到的选择压力要比非关键基因的要大，因此UEHGs应该比致病基因和其他基因的进化速率慢。*15(2)因为有害氨基酸替换导致了大多数孟德尔病如果我们研究氨基酸水平的保守，我们预测看到UEHGs，致病基因和其他基因有不同的模式。(3)当UEHGs映射到其他物种同源基因更可能是关键的在这个物种中，如果该物种是进化接近人类。(4)因为关键蛋白质在蛋白质相互作用网络中往往是枢纽蛋白质（高度连接的），UEHGs应该有比较高的平均物理连接度比non_UEHGs。5.UEHGs的功能应该是及其重要的。*16为了验证这些假设，收集UEHGs，致病基因和其他基因的列表。然后我们收集各种功能并且比较这三种基因分类之间的选择功能。1.进化功能的比较首先比较，人类基因组中来自人类和大老鼠，人类和小老鼠的同源基因对的三类基因的Ka，Ks,

Ka/Ks。从人类和大型老鼠同源基因对获得的结果显示：在这三类中，UEHGs有最小的Ka，Ks,

Ka/Ks比率，并且致病基因有比较低的进化速率比其他基因。（图1）*17*18图一*19通过各种统计测量，UEHGs始终突出最慢的进化基因组，并且UEHGs和其他基因之间的差异要比致病基因和其他基因的大。（表一）表一*20用人类和小老鼠的同源基因对来计算Ka，Ks，Ka/Ks结论是相似的。同样，致病基因比在Ka，Ks,Ka/Ks有显著性差异的其他基因的进化速率慢。UEHGs的进化速率最慢，并且Ka，Ks,Ka/Ks的差异有很强的现实意义。（图S2）*21以上结果与以前的研究有一些不符，造成的原因可能有：1.关键基因与非致病基因混合的影响。2.不同的研究小组使用的致病基因和非致病基因不同的差异。本文的研究结果：UEHGs受到最强的选择压力。2.致病基因进化速率处于中间，比其他基因要慢，但是比UEHGs要快。3.实验考虑了许多比较大的基因集合，并且有相当数量的关键基因从非致病基因中分离出来。*224.小老鼠和大型老鼠的计算结果的轻微差异最可能是由于小老鼠和大老鼠的不同的进化速率。5.还证明了在所有的三组基因中Ka，Ks之间是正相关的。如：致病基因和其他基因的相关系数是0.45.6.尽管同义突变对于蛋白质序列没有明显的影响，但是他可能影响DNA结构，mRNA结构，和生物过程，如：转录和RNA剪接。7.UEHGs的Ks的小的平均值表明UEHGs的同义位点也受到比其他基因组大的选择，这更进一步表明UEHGs功能的重要性。*232.氨基酸水平的保护方面的比较由于Ka，Ks是基因的核苷酸替换比率的汇总统计，并且大部分孟德尔病是由于编码区的氨基酸替换导致的，这将为研究核苷酸或者氨基酸的保护模式提供更多的信息。保守评分是从两种状态的亲缘—隐马尔可夫模型得到的，并且可以说明保守隐藏状态的每个基地的概率。我们收集了多余6000的致病突变位点的列表和大约1900个多态性（中性）突变位点。比较这两种类型位点的保护，也分别和背景比较（背景是考虑在编码区中的所有氨基酸的保守评分得到的）。（图二a，b）*24*25结论：1.在图a，b中，多态性的突变位点明显偏向较少的保守位点，而致病突变位点明显偏向较多的保守位点。2.C中比较了UEHGs和致病基因。UEHGs比致病基因要更保守，但是致病突变位点的保守评分要比UEHGs的养护评分高。因为没有关于关键位点的信息，不能直接比较致病位点的关键位点。我们认为从致病基因中区分关键基因一个可能的机理是关键基因包含大量的高保守位点。*26（假设：高保守位点对应功能重要性的位点）。因此，关键基因的一个随机位点导致严重表型的机会要比致病基因高。3.D中显示了UEHGs，致病基因和其他基因这一分数的分布。很明显UEHGs包含比较高的高保守位点分数比其他两组基因，但是在致病基因和其他基因之间没有明显的差异。*273.基因缺失表现的跨物种比较许多人类基因是通过模式生物是实验来研究。原因：1.如果两个物种进化比较密切，同源基因的功能是相似的。2.人类基因的必要性可以在进化密切的物种中测试。由于物种之间的差异，这个方法不可能对所有的基因都起作用，但是两个物种越接近，达到的精确度就会越高。但是，在其他高等动物中对于基因关键性的了解是非常有限的。*28直到现在，只有酵母和线虫的全基因组规模的基因关键性被研究。尽管，他们和人类之间的进化距离比较远，但是我们还是拿他们与人类进行比较。人类基因根据同源关系映射到酵母和蠕虫中。对于，UEHGs，致病基因和其他基因，我们检测他们在映射到的物种中是同源和关键的基因的分数。*29*30结论：1.在酵母中，UEHGs包含对应的同源基因分数最高。致病基因比UEHGs的分数小但是比其他基因大。在线虫中的顺序是相同的。因为酵母和线虫的进化远离人类，这个结果支持了UEHGs包含了更大分数的功能重要的基因比致病基因和其他基因。2.酵母中的关键基因的同源基因的分数，UEHGs是最高的，然后是致病基因，其他基因。有条件的同源基因，每个组的关键基因的分数并不是严格按照这个顺序的。这一结论，在酵母中*31比在线虫中更加突出。因此，这一现象很有可能是由于人类和酵母之间的进化距离比较大造成的。否则，我们可以说给定的一个基因是高度保守的（如人类和酵母的同源基因），基因的关键性不再与所属的组密切相关。另外，结果表明高度保守的基因也包含大量的关键基因。4.其他功能的比较：对于模式生物，在蛋白质相互作用网络中，关键蛋白质往往和比较多的蛋白质相连。*32

UEHGs，致病基因，其他基因的蛋白质物理连接度分布*33*345.最后看基因保护和疾病的发病年龄之间的关系不同疾病在不同的年龄显示出他们的症状。有些疾病在很小的年龄，而有些在年龄比较大时。人们认为与早期发病相关的基因比晚期发病相关的基因受到的选择压力大。如果这是正确的，因为关键基因是重要的，它们的进化速率应该和早期的致病基因相似的，而不是晚期的基因。为了证明这一点，我们根据致病年龄划分基因，并且比较KA/KS的比率。（如图6）*35图六*36图六显示：1.发病年龄变得比较的大时，进化速率往往要增加。发病年龄和Ka/Ks的相关系数是正的。2.基于肉眼的观察，图六还显示UEHGs与早期疾病有关的基因有相似的Ka/Ks比率，而且其他基因与晚期疾病相关基因有相似的Ka/Ks比率。3.但是，因为回归是在小组数量上实施的，而不是实际的发病年龄（不同发病年龄之间原来的线性关系可能有一定程度的歪曲），并且P_value只是通过了稍微严格的阈值。4.关键基因，致病基因和其他基因之间没有严格的分界线。*37三、讨论以上所有的结论都支持1.UEHGs自身形成独特的一组除了致病基因。2.UEHGs可能包含很大比例的功能上关键的基因。3.尽管UEHGs是一个好的人类关键基因的候选，但是无意声称是唯一的或者最好的代表人类关键基因的集合。因为这些基因需要处处表达，低表达或者是以某种组织特异性表达的关键基因将被排除。还以为，组织样本主要是从成年个体中收集，早期发育关键的基因也可能丢失。*384.正如跨物种比较显示的，UEHGs可能没有覆盖许多关键基因并且这些基因可能仍然是其他基因。5.与酵母，线虫和人类之间保守的基因的不同基因集合可能丢失许多在酵母和线虫中没有同源的关键基因。相反，UEHGs是所有关键基因比较无偏样本。UEHGs和保守基因的组合可能产生一个比较完整的人类候选基因集合。还有，研究中的致病基因集合主要是与孟德尔疾病相关的，但是对于复杂疾病代表性不足。*391.UEHGs对于检测组织数灵敏度的处理与先前的HK基因的研究不同，我们定义的UEHGs是几乎所有的检测的组织中表达（不是完全所有）。由于基因表达的波动和基因表达测量中的误差，随着越来越多的组织被研究，越来越少的基因遵循在所有的组织中表达。我们放宽条件，允许在一小部分组织中确实表达，以便UEHGs的数量对于检测的组织数量有比较低的灵敏度。2.UEHGs对于不同标准的敏感性的处理采用了表达水平的不同阈值。为了证明的结果对于用来定义UEHGs的不同标准是不敏感的，我们准备了另一个UEHGs集合，这个集*40合是把只要在79个组织中多于300个标准单元表达的基因就定义为UEHGs。这样，2038个基因是一组，并且1509个基因包含在原来的1789个基因集合中。比较UEHGs新的集合和致病基因，其他基因之间的进化速率。结果与先前期望的P_value中的微小变化几乎是同一的。这就表明我们的结果对于定义UEHGs的标准是不灵敏的。3.先前的研究显示了HKG有很短的编码长度，但是致病基因往往有比较长的编码长度。我们用三种方法的比较来证明这一结果。（表三）*41表三因为UEHGs需要始终在所有的组织中表达，比其他基因的非转录区和内含子短是有好处的。但是，致病基因通常比其他基因的长的原因是不明显的。一种可能的解释是：许多致病基因的功能可能只是在某一长度的蛋白质中才能表达。*424.一些疾病是一些致命疾病，并且与其相关的基因检测到是关键基因。一些疾病有一些不太严重的影响和它们很难从非致病基因中区分。因此，基因的关键性可能可以通过连续光谱更好的描述而不是人为的划分组。在不同的突变形式被考虑的时候更加复杂的情况会出现。因为不同形式的突变往往导致不同程度的表型，一个致病基因可能既不是非关键基因也不是关键基因而是非致命突变形式。因此，任何人类基因组的简单组可能缺乏精确说明与人类致病基因相关的复杂局面能力。*435.一个理想的HKG应