微生物基因组学

关于微生物基因组学微生物基因组研究概况微生物基因组的特点微生物基因组研究的意义微生物基因组学第2页,共86页，2024年2月25日，星期天一微生物基因组研究概况 微生物基因组重要纪事年限 事件1994年 美国DOE启动MGP1995年 《Science》发表了第一株细菌-流感嗜血杆菌全基因组1995年 发表了集胞藻菌株PCC6803的测序和注释1996年 《Science》发表了第一个完成的古细菌-詹氏甲烷球菌全基因组序列1996年 酵母基因组序列发表1997年 大肠杆菌K-12基因组序列发表第3页,共86页，2024年2月25日，星期天

已发表微生物基因组数量图。数据由NCBI微生物基因组数据库提供，截至2009年5月9号第4页,共86页，2024年2月25日，星期天研究现况及内容细菌研究内容代表菌株病原菌毒力因子、致病岛、耐药基因、耐药机制以及与寄主的关系等肺炎链球菌、致病性大肠杆菌、沙门氏菌等极端环境生长的细菌极端环境下的生存机制，如嗜热菌的热稳定性詹氏甲烷球菌、热自养甲烷杆菌、甲烷嗜热菌、腾冲嗜热菌等工业和环境有影响的细菌CO2固定、固氮、硫氧化和氢代谢等单细胞蓝细菌、丝状蓝细菌、原绿藻等第5页,共86页，2024年2月25日，星期天二微生物基因组的特点

第6页,共86页，2024年2月25日，星期天原核生物基因组的大小原核生物基因组的编码序列(CDS/ORF)原核生物染色体结构GC含量重复序列DNA链组成的非对称性最小基因组第7页,共86页，2024年2月25日，星期天微生物基因组的特点类别特征染色体结构多为一条环状闭合双链DNA基因组大小从0.16-13Mb编码序列占基因组总长度的90%，平均为1Kb左右GC含量16.6%-74.9%DNA链组成的非对称分布GCskew、ATskew、基因方向性偏好、密码子使用偏好第8页,共86页，2024年2月25日，星期天1.原核生物基因组的大小--基因组较小的原核生物ProkaryocyteGenome(kb)ORFMycoplasmagenitaliumG-37B0580468Buchnerasp640583BuchneraaphidicolaSG641545Glossinabrevipalpis679621Ureaplasmaurealyticumserovar3B0751613MycoplasmapneumoniaeM129B0816677Mycoplasmapulmonis963782BorreliaburgdorferiB31B1910853TreponemapallidumNicholsB11,1381,041ChlamydiatrachomatisserovarD1,042894ChlamydiatrachomatisMoPnB11,069924ChlamydiapneumoniaeJ1381,2281,070ChlamydiapneumoniaeAR39B11,2291,052ChlamydiapneumoniaeCWL029B11,2301,052RickettsiaconoriiMalish71,2681,374RickettsiaprowazekiiMadridEB11,111834第9页,共86页，2024年2月25日，星期天1.原核生物基因组的大小--基因组较大的原核生物ProkaryocyteGenome(kb)ORFXanthomonascampestris5,0764,182Xanthomonasaxonopodis5,2734,386MethanosarcinaacetivoransC2A5,7514,540RalstoniasolanacearumGMI10005,8105,120EscherichiacoliO157:H7.Sakai5,9965,448PseudomonasaeruginosaPAO1B66,2645,570Nostocsp.PCC71206,4135,366Sinorhizobiummeliloti6,6906,205MesorhizobiumlotiMAFF3030997,0366,752StreptomycescoelicolorA3(2)8,6677,825第10页,共86页，2024年2月25日，星期天1.原核生物基因组的大小--真核生物基因组的大小Chr.Genome(kb)ORFGuillardiatheta3551464Encephalitozooncuniculi12,5001,997SaccharomycescerevisiaeS288C1612,0696,294Schizosaccharomycespombe314,0004,824Caenorhabditiselegans697,00019,099Arabidopsisthaliana5115,42825,498Drosophilamelanogaster6137,00014,100OryzasativaL.ssp.Indica12420,00050,000Oryzasativassp.Japonica12420,00050,000Homosapiens243,000,00030,000DictyosteliumdiscoideumChr.268,0002,799LeishmaniamajorFriedlinChr.13625779Plasmodiumfalciparum3D7Chr.3141,060220Plasmodiumfalciparum3D7Chr.214947205第11页,共86页，2024年2月25日，星期天2.原核生物基因组的编码序列(Codingsequence)占原核生物基因组总序列的90％基因的平均大小为1kbORF第12页,共86页，2024年2月25日，星期天2.原核生物基因组的编码序列－－

不同生物编码序列的比较Organism Genome(kb)ORFs ORFsizeCodingSequence(%)Buchnerasp 640583 988 90Aquifexaeolicus1,551 1,512 956 93Saccharomycescerevisiae12,069 6,294 1,092 57Schizosaccharomycespombe14,0004,820 2,033 70Caenorhabditiselegans97,000 19,099 1,311 27Arabidopsisthaliana115,428 25,498 46029Homosapiens3,000,000 3,100 1,340 <2第13页,共86页，2024年2月25日，星期天基因组编码序列的注释

确定编码序列序列同源性比较，如BLAST概率型方法，基于隐马尔可夫模型的GENSCAN

基因的功能注释

已知功能的蛋白质基因的序列已知功能蛋白质的motif/domain

有同源序列的未知基因无同源序列的疑是基因第14页,共86页，2024年2月25日，星期天2.原核生物基因组的编码序列--ORF的注释OrganismDateGenome(kb)ORFsknownhypo.uniqueHypo.MycoplasmaGenitalium95-10

580470318(68%)56(12%)96(20%)

Brucellasuis02-102,1602,1751,333(61%)623(29%)219(10%)

Clostridiumperfringens02-013,0312,6601,492(56%)502(19%)666(25%)MethanosarcinaAcetivorans02-075,7514,5242,226(49%)908(20%)1,390(31%)

第15页,共86页，2024年2月25日，星期天2.原核生物基因组的编码序列－－

DistributionofE.coliproteinsamong22functionalgroupsFunctionalclassNumberPercentageRegulatoryfunction451.05Putativeregulatoryproteins1333.10Cellstructure1824.24Putativemembraneproteins130.30Putativestructuralproteins420.98Phage,transposons,plasmids872.03Transportandbindingproteins2816.55Putativetransportproteins1463.40Energymetabolism2435.67DNAreplication,recombination,modification,andrepair1152.68Transcription,RNAsynthesis,

metabolism,andmodification551.28Translation,posttranslationalproteinmodification1824.24第16页,共86页，2024年2月25日，星期天2.原核生物基因组的编码序列－－Distributionof

E.coliproteinsamong22functionalgroups(continued)FunctionalclassNumberPercentage

Cellprocesses(includingadaptation,protection)1884.38Biosynthesisofcofactors,prostheticgroups,andcarriers1032.40Putativechaperones90.21Nucleotidebiosynthesisandmetabolism581.35Aminoacidbiosynthesisandmetabolism1313.06Fattyacidandphospholipidmetabolism481.12Carboncompoundcatabolism1303.03Centralintermediarymetabolism1884.38Putativeenzymes2515.85Otherknowngenes(geneproductorphenotypeknown)260.61Hypothetical,unclassified,unknown163238.06Total4288100.00第17页,共86页，2024年2月25日，星期天2.原核生物基因组的编码序列－－

原核生物（高温菌）基因组的内含子SulfolobussolfataricusP2：18个tRNA基因含有单个内含子一个胱氨酸tRNA基因含有2个内含子A.

pernix

tRNA基因中发现14个内含子Staphylothermusmarinus和运动脱硫球菌23SrRNA基因中也发现内含子

第18页,共86页，2024年2月25日，星期天3.原核生物染色体结构大多数原核生物：一条环状闭合双链DNABrucellasuis1330：两条环状闭合双链DNA2,107,792bp(ChrI)

1,207,381

bp(ChrII)Vibriocholerae:两条环状闭合双链DNA

2,961,146bp(ChrI)1,072,314bp(ChrII)

BorreliaburgdorferiB31：910,725bp（linearChromosome）21linearandcircularplasmidsTreponemapallidum：一条环状闭合双链DNA1,138,006bp第19页,共86页，2024年2月25日，星期天4.GC含量原核生物基因组GC含量为：25.5-67.9%嗜温菌基因组GC含量与rRNA、tRNA的GC含量成正比嗜热菌rRNA、tRNA的GC含量与基因组GC含量不成正比，但与OGT成正比tRNAGC含量总是大于rRNA的GC含量第20页,共86页，2024年2月25日，星期天4.GC含量－嗜温菌基因组G+C含量(%)OrganismGenomerRNAtRNAUure 25.5 45.4 52.9Buch 26.3 48.1 53.3Mpul 26.6 46.2 54.8Bbur 28.6 46.7 54.5Rpxx 29.0 48.2 55.2Cjej 30.5 48.1 56.4Cace 30.9 50.5 55.1Mgen 31.7 45.6 52.5SaurN 32.8 50.5 57.6第21页,共86页，2024年2月25日，星期天GC含量－－

嗜温菌基因组G+Ccontent(%)(续）OrganismGenomerRNAtRNAXfas 52.7 53.1 59.8Tpal 52.8 53.1 57.2

Mlep 57.8 55.7 61.6

Atum 59.4 54.6 58.4Smel 62.754.5 61.5Mlot 62.7 56.360.5Mtub 65.6 58.062.0Paer 66.653.1 60.1Drad 67.056.5 58.8Ccre 67.255.0 61.2Hbsp 67.9 58.1 62.4linearregression 0.88 0.80第22页,共86页，2024年2月25日，星期天4.GC含量－－

嗜热菌最适生长温度（OGT）与G＋C含量的关系Organism OGT(℃)Genome rRNA tRNAPabyssi 103 0.45 0.67 0.70Pyro 98 0.42 0.63 0.71Aero 95 0.56 0.68 0.73Mjan 85 0.31 0.61 0.66Aquae 85 0.43 0.65 0.68Aful 83 0.49 0.63 0.68Ssol 80 0.36 0.62 0.67Tmar 80 0.46 0.63 0.65Tten 75 0.38 0.59 0.60Mthe 65 0.50 0.57 0.62Tvol 60 0.40 0.53 0.61Tacid 59 0.46 0.53 0.61linearregression0.010.920.90第23页,共86页，2024年2月25日，星期天基因组非编码序列的注释非编码区的注释各类重复序列基因表达的调控序列信号序列等第24页,共86页，2024年2月25日，星期天5.重复序列非编码重复序列编码重复序列

paralogousgenesfamily第25页,共86页，2024年2月25日，星期天5.重复序列－RepeatsinT.maritimagenome

ClassLengthCopiesDatabasematchSR-0130143tttccatacctctaaggaattattgaaacaLR-011,8972hypotheticalproteinLR-021,4032a-glucosidaseLR-031,1374putativetransposaseLR-041,0822methyl-acceptingchemotaxisproteinLR-058582putativetransposaseLR-065552helicaseLR-072522excinucleaseLR-082412putativetransposase第26页,共86页，2024年2月25日，星期天5.重复序列－腾冲嗜热厌氧菌基因组的部分重复序列

Short,non-codingrepeatsRepeatID Length(bp)NumberofCopiesIdentity(%)TSR00130 305(67/238)100TSR001a(GTTTTTAGCCTACCTAAAAGGGATTGAAAC)TSR001b(GTTTTTAGCCTACCTAAGAGGGATTGAAAC)TSR027 ~250 18>87

第27页,共86页，2024年2月25日，星期天5.重复序列－腾冲嗜热厌氧菌基因组的部分重复序列（续）

Long,codingrepeats

Copies

RepeatID

lengthCompletePartial

Identity(%)

DatabasematchTLR028b 3,565 4 5 >99 Transposase+hypotheticalTLR393c 3,045 2 1 >98 ABCtransporters+hypotheticalTLR315 2,603 2 >94 ABCtransporters+PermeaseTLR408 2,490 2 >98 Ferredoxinoxidoreductases,TLR076 2,021 2 >91 HypotheticalproteinTLR271 2,020 2 >92 ABCtransportersTLR264 1,986 5 1 >98 TransposaseTLR294 1,851 2 >98 ABCtransporters+PermeaseTLR004 1,819 14 >98 TransposaseTLR005 1,800 7 >98 TransposaseTLR158 1,774 1 2 >89 TPR-repeat-containingproteinsTLR048 1,711 2 >99 TransposaseTLR223 1,629 2 >97 TransposaseTLR008 1,596 21 >92 HypotheticalproteinTLR014 1,592 14 3 >87 Hypotheticalprotein……第28页,共86页，2024年2月25日，星期天重复序列－

NumberofrepeatsbytypeinN.meningitidisZ2491TypeSize(bp)FrequencyDNAuptakesequence:gccgtctgaa101,892RS24－161681dRS3:attcccnnnnnnnngggaat20772Correia(full)150－159173Correia(internaldeletion)10484Correia(partial)37－14529ATR18319REP259－15426REP36013REP42620REP5209IS1016256－74014(includingpartial)IS1106263－121922(includingpartial)IS16551,074－1,2577(includingpartial)Prophage2,330－38,9645`Correiaelements'(CEs,156-bpsequencesboundedby26-bpinvertedrepeats)第29页,共86页，2024年2月25日，星期天重复序列－

Largestfamiliesofparalogousgenes

Family

Numberofgenes(total312)(total853)ATP-bindingsubunitsofABCtransporters23Reductases/dehydrogenases12Two-componentsystem,regulatoryproteins12Hypotheticalproteins10Transcriptionalregulators9Fimbrialproteins9Two-componentsystem,sensorproteins9第30页,共86页，2024年2月25日，星期天6.DNA链组成的非对称性－

GC分布不对称（GCskew）

AT分布不对称（ATskew）

前导链含有较多的G（A）而后随链含有较多的C（T）

计算公式为（nG-nC）/（nG+nC）（nA-nT）/（nA+nT）累计skew（cumulativeskew)用于复制起点和终点的定位第31页,共86页，2024年2月25日，星期天6.DNA链组成的非对称性（真细菌）－

基因方向性偏好基因方向性偏好（geneorientationbias）

先导链上编码的基因总是多于后随链第32页,共86页，2024年2月25日，星期天6.DNA链组成的非对称性（真细菌）－

GCskew，ATskew，geneorientationbias

Organism(34株)Genebiasc(%) GCskewdATskeweTten 86.7 0.192 0.075Llact 80.7 0.099 0.034Mgen

80.4 0.045 0.045Spneu 80.20.102 0.016Spyo 79.4 0.094 0.022Cace 79.0 0.212 0.078Bhal 77.4 0.100 0.034

Mpneu

77.30.014 0.022SaurN 74.7 0.122 0.051Bsub 74.2 0.079 0.045Uure

68.1 0.059 0.029Bbur66.2 0.182-0.086……….Ccre54.3 0.016-0.014第33页,共86页，2024年2月25日，星期天GCskewdofT.tengcongensisgenome第34页,共86页，2024年2月25日，星期天微生物基因组的特点JeanR.LobryMicrobiologyTodayVol26第35页,共86页，2024年2月25日，星期天CircularrepresentationofthegenomeofT.tengcongensisMB4第36页,共86页，2024年2月25日，星期天6.DNA链组成的非对称性－

密码子使用偏好（codonusagebias）

先导链和后随链密码子的不同在先导链，以G或T开头或结尾的密码子显著地多于后随链，常见的有GTG、GCG和GAG在后随链以C或A开头或结尾的密码子多于先导链，如CTC、GCC、CCC、ATC和ACC第37页,共86页，2024年2月25日，星期天6.DNA链组成的非对称性－

原核生物基因组先导链和后随链密码组成的差异

Org.Bases

CodonbasesAACodons -+ -+-+ -+Smel CG C3A3G3G1T3TPVEGCCCCCACCCTCGGTGGGGTTGAGEcoli CG C3G3G1THIVGGCCCCCACCCTCGCGGTGCGTGGGHinf CGT C3G3T3TNPV ACCGCCCTCAACGAGGTGCGTGCTTacid CG C3C1G3HLDTVQACCCCCGCCCTCGGTCCGGTGCAGNmen CG C3A3G3TIHPVM CTCGCCGGCCTATTGGAGGCGGGTCtra CG C3C1G3G2G1TPILVGRCTCCGCCTACAAGGGGAGAAGGTGCpneu CG C3C1G3G2G1TIPNVR CTAATCCAAAACTTGGTTGTGGATCcre CGT A3C3G3TPHVGECCCGCCCGCACAGGGGCTGGTCGT每一株原核生物的密码子、氨基酸及组成密码子的核苷酸等的使用情况。每组最后一位的频率大于或等于本组最大值的一半。“＋”表示先导链，“－”表示后随链。

第38页,共86页，2024年2月25日，星期天6.DNA链组成的非对称性－

基因密度和密码子使用的差别

高度表达基因:核蛋白体蛋白基因，与翻译和转录有关的因子基因，分子伴侣基因和与主要的能量代谢相关的基因大多编码于前导链通常都有密码子偏好(核蛋白体蛋白基因密码子的第三位多为G)快速生长的细菌（大肠杆菌、霍乱弧菌、枯草芽孢杆菌和流感嗜血杆菌）主要的糖酵解和三羧酸循环基因为高度表达基因产甲烷菌，与甲烷代谢有关的基因为高度表达基因高度表达基因:那些在密码子使用上与一般基因相差很大，与核蛋白体蛋白基因，翻译和转录相关基因，伴侣-降解蛋白基因等在密码子使用上高度相似的基因为高度表达基因。第39页,共86页，2024年2月25日，星期天微生物测序及分析流程图第40页,共86页，2024年2月25日，星期天数据分析软件序列拼接组装

Phred/Phrap/Consed,Oligo6基因组注释Glimmer2.0,BLAST,tRNAscan-SE比较基因组分析BLAST,MUMmer,ACT,perlscript,ClustalW

第41页,共86页，2024年2月25日，星期天Finishing阶段第42页,共86页，2024年2月25日，星期天Blastn或Blastp参照序列确定Contigs之间关系设计引物，PCR,测序数据添加至原有的数据

利用基因order信息Finishing阶段第43页,共86页，2024年2月25日，星期天Finishing阶段多重PCR结果，引自TettelinH.等文章

第44页,共86页，2024年2月25日，星期天Finishing阶段短片段文库构建填补二级结构区示意图，摘自AmandaA等文章

第45页,共86页，2024年2月25日，星期天Finishing阶段

基于转座子技术来完成重复序列区的测序，摘自ScottE等文章

第46页,共86页，2024年2月25日，星期天副血链球菌FW213基因组基本特征

Genomesize(bp)

2171616G+Ccontent(%)41.62AverageCDSlength(bp)

932Proteincoding

2059Proteinwithknownorpredictedfuction1496(72.7%)Conservedhypotheticalproteins461(22.4%)

Hypotheticalproteins102(4.9%)tRNAs61rRNAoperons

4第47页,共86页，2024年2月25日，星期天副血链球菌FW213基因组基本特征第48页,共86页，2024年2月25日，星期天副血链球菌比对结果蛋白质数据库比对最相似基因数分布基因组名称最相似的基因数血链球菌（StreptococcussanguinisSK36）557肺炎链球菌（Streptococcuspneumoniae）

552戈登链球菌（Streptococcusgordoniistr.Challissubstr.CH1）233嗜热链球菌（Streptococcusthermophilus）149猪链球菌（Streptococcussuis）68变型链球菌（StreptococcusmutansUA159）42无乳链球菌（Streptococcusagalactiae）31化脓链球菌（Streptococcuspyogenes）21第49页,共86页，2024年2月25日，星期天COG分类COG分类图，JKL编码信息加工和储存的蛋白质的基因；DVTMNUO代表细胞加工和信息处理基因；CGEFHIPQ是与代谢相关的基因；RS为功能未知的基因第50页,共86页，2024年2月25日，星期天代谢途径第51页,共86页，2024年2月25日，星期天代谢途径728691bp735072bp精氨酸操纵子示意图，精氨酸脱亚氨酶（argininedeiminase,arcA）,鸟氨酸氨基甲酰转移酶(ornithinecarbamyltransferase,arcB),氨甲基酶(carbamatekinase,arcC),

逆向运输蛋白

(arginine-ornithineantiporter,arcD),二肽酶(dipeptidase,arcT)和调控蛋白(regulator,arcR)第52页,共86页，2024年2月25日，星期天比较基因组分析副血链球菌基因组和血链球菌基因组比对的全部MUM点阵图。横坐标，副血链球菌，2171616bp;纵坐标，血链球菌。对角线代表可以对齐区域，斜率-1的对角线代表大规模的染色体倒位第53页,共86页，2024年2月25日，星期天比较基因组分析副血链球菌基因组和其他六株细菌全基因组比对结果图。a,和肺炎链球菌CGSP14比对的结果；b,戈登氏链球菌；c,变异链球菌；d,化脓性链球菌；第e，猪链球菌；f，嗜热链球菌

第54页,共86页，2024年2月25日，星期天比较基因组分析第55页,共86页，2024年2月25日，星期天进化分析第56页,共86页，2024年2月25日，星期天毒力基因第57页,共86页，2024年2月25日，星期天基因组小岛（fwislet1）第58页,共86页，2024年2月25日，星期天基因组岛(fwisland)第59页,共86页，2024年2月25日，星期天抗药性第60页,共86页，2024年2月25日，星期天二元信号转导系统第61页,共86页，2024年2月25日，星期天三微生物基因组研究的意义

基因组研究在医学的应用

基因组研究的生物技术应用

微生物的进化

第62页,共86页，2024年2月25日，星期天A基因组研究在医学的应用

致病相关基因的鉴定

设计特异的实验诊断方法疫苗的研究

新型抗生素的开发

第63页,共86页，2024年2月25日，星期天1.致病相关基因的鉴定－

通过基因组比较鉴定病原相关基因流感杆菌：

7种内毒素（脂多糖）基因－－25种新基因

细胞表面定居的粘附分子－－重复序列第64页,共86页，2024年2月25日，星期天1.致病相关基因的鉴定－

致病相关基因的预测

致病物质多为病原体细胞壁成分、表面蛋白和一些分泌性蛋白质

PHD预测基因组的跨膜蛋白SIGNALP预测分泌性蛋白质第65页,共86页，2024年2月25日，星期天1.致病相关基因的鉴定－

致病相关基因的预测（续）功能相同的蛋白质往往相邻并受共同的调控序列调控－－operon同一菌种的致病菌株与非致病菌株的基因组进行比较

E.coliK12MG16554.1+0.53M(528genes)E.coliO157:H7EDL9334.1+1.34M(1387genes)第66页,共86页，2024年2月25日，星期天2.设计特异的实验诊断方法寻找高度特异的核酸序列

实验技术PCR杂交技术（Microarray，DNAchip)应用

鉴定病原种类进行临床诊断病原分型的流行病学研究预测疾病进展及临床疗效第67页,共86页，2024年2月25日，星期天3.疫苗的研究通过全基因组序列的同源性比较，寻找致病菌的属特异、群特异、种特异、型特异、甚至亚型特异的抗原

Pizza等和Tettelin等对血清型B脑膜炎奈瑟菌近350种抗原的研究Wizemann等对肺炎链球菌的基因组的抗原性蛋白研究第68页,共86页，2024年2月25日，星期天4.新型抗生素的开发

药靶的特征：药靶应是病原生物必需的，在进化上是保守的可作为药靶的微生物基因或蛋白质:毒力基因、必需基因、菌种专一基因、独特酶类、膜转运蛋白等

第69页,