摘要：為了提取并展示ＮＣＢＩ數(shù)據(jù)庫(kù)中煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）上微衛(wèi)星分布特性，采用ＭＡＴＬＡＢ軟件和最優(yōu)完全子圖算法自編了計(jì)算機(jī)程序進(jìn)行。結(jié)果表明，煙草叢頂病毒完整基因組上ｎ－堿基組（ｎ＝１～６）最大的重復(fù)出現(xiàn)次數(shù)隨ｎ增加而按指數(shù)函數(shù)減少。

關(guān)鍵詞：煙草叢頂病毒；完整基因組；微衛(wèi)星；分布特性；最優(yōu)完全子圖算法

中圖分類號(hào)：Ｓ５７２；Ｑ５２２＋．６文獻(xiàn)標(biāo)識(shí)碼：Ａ文章編號(hào)：0439－８114（２０11）03－0603-03

Ｔｈｅ Ｍｉｃｒｏｓａｔｅｌｌｉｔｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ｔｈｅ Ｃｏｍｐｌｅｔｅ Ｇｅｎｏｍｅｓ ｏｆ ｔｈｅ

Ｔｏｂａｃｃｏ Ｂｕｓｈｙ Ｔｏｐ Ｖｉｒｕｓ

ＹＡＮＧ Ｊｉ－ｑｉｎｇ，ＹUAN Ｌｅｉ，ＣHEN Ｈｏｎｇ－ｐｉｎｇ

（Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ｏｆ Ｘｉａｎｇｆａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｎｇｙａｎｇ ４４１０５３，Ｈｕｂｅｉ，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｔｏ ｅｘｔｒａｃｔ ａｎｄ ｄｉｓｐｌａｙ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｍｉｃｒｏｓａｔｅｌｌｉｔｅ ｉｎ ｔｈｅ ｃｏｍｐｌｅｔｅ ｇｅｎｏｍｅ ｏｆ ｔｈｅ ｔｏｂａｃｃｏ ｂｕｓｈｙ ｔｏｐ ｖｉｒｕｓ， ａ ｃｏｍｐｕｔｅｒ ｐｒｏｇｒａｍ ｂａｓｅｄ ｏｎ ＭＡＴＬＡＢ ｓｏｆｔｗａｒｅ ａｎｄ ｏｐｔｉｍａｌ ｃｏｍｐｌｅｔｅ ｓｕｂｇｒａｐｈ ｗｅｒｅ ｗｒｉｔｔｅｎ ａｎｄ ｐｅｒｆｏｒｍｅｄ． Ｔｈｅ ｒｅｐｅｔｉｔｉｏｎｓ ｎｕｍｂｅｒ ａｎｄ ｔｈｅ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ｎ －ｂａｓｅ（ｎ＝１～６） ｇｒｏｕｐ ｈａｓ ｂｅｅｎ ｅｘｔｒａｃｔｅｄ ａｎｄ ｄｉｓｐｌａｙｅｄ； ａｎｄ ｔｈｅ ｌａｗ ｏｆ ｅｘｐｏｎｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｈａｓ ｂｅｅｎ ｓｉｍｕｌａｔｅｄ， ｗｈｉｃｈ ｗａｓ ｔｈｅ ｌａｒｇｅｓｔ ｒｅｐｅａｔ ｎｕｍｂｅｒ ｏｆ ｍｉｃｒｏｓａｔｅｌｌｉｔｅ ｒｅｄｕｃｅｄ ｅｘｐｏｎｅｎｔｉａｌｌｙ ａｓ ｎ ｉｎｃｒｅａｓｅｄ． Ｏｕｒ ａｐｐｒｏａｃｈ ｉｓ ｅｆｆｅｃｔｉｖｅ ａｎｄ ｃａｎ ａｐｐｌｙ ａ ｖａｒｉｅｔｙ ｏｆ ｖｉｒｕｓｅｓ．

Ｋｅｙ ｗｏｒｄｓ： ｔｏｂａｃｃｏ ｂｕｓｈｙ ｔｏｐ ｖｉｒｕｓ； ｃｏｍｐｌｅｔｅ ｇｅｎｏｍｅｓ； ｍｉｃｒｏｓａｔｅｌｌｉｔｅ； characteristic of ｄｉｓｔｒｉｂｕｔｉｏｎ； ｏｐｔｉｍａｌ ｃｏｍｐｌｅｔｅ ｓｕｂｇｒａｐｈ

微衛(wèi)星是基因組上由１～６個(gè)核苷酸為單位組成的重復(fù)排列。微衛(wèi)星具有普遍的多態(tài)性，是進(jìn)行群體遺傳變異分析、物種起源與進(jìn)化研究、基因定型、指紋鑒定、法醫(yī)科學(xué)、動(dòng)植物育種等的較好的遺傳標(biāo)記而受到廣泛關(guān)注。分析微衛(wèi)星在基因組上的含量、分布及其相關(guān)信息，可提高微衛(wèi)星應(yīng)用的預(yù)見性。由于微衛(wèi)星重復(fù)序列在群體間和不同個(gè)體間通常表現(xiàn)出很高的序列變異性，并且這些變異呈現(xiàn)共選性遺傳，因而微衛(wèi)星重復(fù)序列廣泛應(yīng)用于遺傳多樣性分析、連鎖圖譜制作、疾病連鎖分析、家系標(biāo)識(shí)等方面。重復(fù)序列一方面能夠保護(hù)編碼序列相對(duì)穩(wěn)定而免受破壞，另一方面是產(chǎn)生進(jìn)化的動(dòng)力，有利于形成新的基因，它是遺傳物質(zhì)進(jìn)化的活化石，從重復(fù)序列的大量分布，可以大致得出遺傳物質(zhì)的進(jìn)化途徑。微衛(wèi)星在完整基因組上的分布特性，是生物信息學(xué)的基本課題之一［１］。本文是作者利用自編程序針對(duì)煙草叢頂病毒完整基因組在這方面的系列工作的結(jié)果之一。

１材料與數(shù)據(jù)

煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）來自ＮＣＢＩ數(shù)據(jù)庫(kù)［２］。

２方法與工具

采用ＭＡＴＬＡＢ軟件進(jìn)行基因組序列的矩陣變換，運(yùn)用多元統(tǒng)計(jì)分析法進(jìn)行矩陣元素統(tǒng)計(jì)計(jì)算［３］，借助最優(yōu)完全子圖算法篩選最優(yōu)的重復(fù)ｎ－堿基組訪問路徑［４］，編制了適用于多種完整基因組序列的微衛(wèi)星分布分析的計(jì)算機(jī)程序，從而對(duì)煙草叢頂病毒完整基因組序列上微衛(wèi)星的分布特性進(jìn)行了分析。

煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）堿基序列Ｌ＝Ａ Ｇ Ｇ Ｔ Ｔ Ａ Ｃ Ｇ Ａ Ｔ……每一個(gè)堿基在Ｌ上的位置由它的序號(hào)確定，例如，序列上第一個(gè)堿基Ａ的位置由它在Ｌ上的序號(hào)１確定，第二個(gè)堿基Ｇ的位置由它在Ｌ上的序號(hào)２確定，依此類推。定義與Ｌ相應(yīng)的ｎ－堿基組（ｎ＝１～６）序列，例如３－堿基組序列Ｍ＝ＡＧＧ ＧＧＴ ＧＴＴ ＴＴＡ ＴＡＣ ＡＣＧ ＣＧＡ ＧＡＴ……每一個(gè)３－堿基組在Ｍ上的位置由它的首位堿基的序號(hào)確定，３－堿基組序列上第一個(gè)３－堿基組ＡＧＧ的位置由它在Ｍ上的Ａ的序號(hào)確定，第二個(gè)３－堿基組ＧＧＴ的位置由它在Ｍ上的Ｇ的序號(hào)確定；依此類推。

ｎ－堿基組共有４ｎ個(gè)不同形式，例如３－堿基組有ＡＡＡ、ＡＡＴ、ＡＡＣ、ＡＡＧ、ＡＴＡ、ＡＴＴ、ＡＴＣ、ＡＴＧ、ＡＣＡ、ＡＣＴ、ＡＣＣ、ＡＣＧ、ＡＧＡ、ＡＧＴ……共４３個(gè)不同形式。為了方便計(jì)算機(jī)統(tǒng)計(jì)各ｎ－堿基組（ｎ＝１～６）的重復(fù)次數(shù)及相關(guān)規(guī)律，用數(shù)字代號(hào)定義各ｎ－堿基組（ｎ＝１～６）。例如對(duì)每一個(gè)３－堿基組的數(shù)字代號(hào)由下式定義：Ｍ（ｉ）＝１６［Ｌ（ｉ）－１］＋４［Ｌ（ｉ＋１）－１］＋［Ｌ（ｉ＋２）－１］＋１，式中ｉ＝１，２，３……。

其中，ｉ表示Ｌ基因組上某堿基的序號(hào)，Ｌ（ｉ）表示Ｌ序列上第ｉ個(gè)堿基，Ｍ（ｉ）表示Ｍ序列上第ｉ個(gè)３－堿基組；數(shù)字代號(hào)１定義堿基Ａ，２定義堿基Ｔ，３定義堿基Ｃ，４定義堿基Ｇ。這樣定義ｎ－堿基組及其數(shù)字代號(hào)，避免了由于完整基因組序列上個(gè)別堿基的變化而導(dǎo)致ｎ－堿基組序列上ｎ－堿基組分布的巨大變化。

３結(jié)果

３．１計(jì)算機(jī)運(yùn)行結(jié)果

完整、細(xì)致地得到了每一個(gè)ｎ－堿基組（ｎ＝１～６）在完整基因組序列上出現(xiàn)的位置（堿基序號(hào)）和重復(fù)次數(shù)。其中圖１～５是１～５堿基組在完整基因組序列上出現(xiàn)的位置（堿基序號(hào)）和重復(fù)次數(shù)，圖６、７分別是３－堿基組第１８種３－堿基組（ＴＡＴ）和第３８種３－堿基組（ＣＴＴ）在完整基因組序列上出現(xiàn)的位置（堿基序號(hào)）和重復(fù)次數(shù)。

３．２ｎ－堿基組（ｎ＝１～６）在基因組上最大重復(fù)次數(shù)的模型模擬

對(duì)各ｎ－堿基組（ｎ＝１～６）在基因組上最大重復(fù)次數(shù)進(jìn)行數(shù)學(xué)模型模擬（見表１和圖８），得到ｎ－堿基組在基因組上最大重復(fù)次數(shù)的數(shù)學(xué)模型模擬表達(dá)式為：Ｐ＝３ ９７８ｅｘｐ（－１．２ｎ），式中ｎ＝１～６。

４結(jié)論

１）煙草叢頂病毒完整基因組（ＮＣ－００４３６６．１）上各種ｎ－堿基組（ｎ＝１～６）最大的重復(fù)出現(xiàn)次數(shù)，隨ｎ增加而按指數(shù)函數(shù)減少，具體函數(shù)表達(dá)式為：P=

３ ９７８ｅｘｐ（－１．２ｎ），式中ｎ＝１～６。

２）本文采用的分析方法可以系統(tǒng)地運(yùn)用到其他病毒完整基因組序列微衛(wèi)星分布特性的提取和展示，從而為有效利用微衛(wèi)星分布特性研究完整基因組的結(jié)構(gòu)和功能、遺傳和變異規(guī)律提供完備、細(xì)致的數(shù)據(jù)支撐。

參考文獻(xiàn)：

［１］ 高煥，孔杰． 串連重復(fù)序列的物種差異及其生物功能［Ｊ］． 動(dòng)物學(xué)研究，２００５，２６（５）：５５５－５６４．

［２］ ＮＣＢＩ． Ｔｏｂａｃｃｏ ｂｕｓｈｙ ｔｏｐ ｖｉｒｕｓ，ｃｏｍｐｌｅｔｅ ｇｅｎｏｍｅ［ＤＢ／ＯＬ］． ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｎｕｃｃｏｒｅ／ＮＣ＿００４３６６，２００９－１１－３０．

［３］ 王斌會(huì)． 多元統(tǒng)計(jì)分析［Ｍ］． 廣州：暨南大學(xué)出版社，２００６．

［４］ 李念祖． 關(guān)于中國(guó)郵遞員問題的最優(yōu)完全子圖算法［Ｊ］． 上海師范大學(xué)學(xué)報(bào)，２００６，３５（４）：２６－２８．