[论文解读] Chargaff's "Grammar of Biology": New Fractal-like Rules

M. E. B. Yamagishi, Roberto H. Herai|Portuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)|Dec 7, 2011

Genomics and Phylogenetic Studies参考文献 2被引用 12

一句话总结

本文通过在多种生物中识别出具有分形样自相似性的新基因组不变规则，扩展了查尔加夫的“生物学语法”。通过序列组成分析与标度不变性研究，作者揭示了这些规则在多个尺度上持续存在，为短读长测序偏差检测和基因组组装质量评估提供了潜在应用。

ABSTRACT

Chargaff once said that "I saw before me in dark contours the beginning of a grammar of Biology". In linguistics, "grammar" is the set of natural language rules, but we do not know for sure what Chargaff meant by "grammar" of Biology. Nevertheless, assuming the metaphor, Chargaff himself started a "grammar of Biology" discovering the so called Chargaff's rules. In this work, we further develop his grammar. Using new concepts, we were able to discovery new genomic rules that seem to be invariant across a large set of organisms, and show a fractal-like property, since no matter the scale, the same pattern is observed (self-similarity). We hope that these new invariant genomic rules may be used in different contexts since short read data bias detection to genome assembly quality assessment.

研究动机与目标

• 通过在基因组序列中识别新的不变规则，扩展查尔加夫的基础性“生物学语法”。
• 研究这些规则是否在不同尺度上表现出自相似性，暗示其具有分形特性。
• 探索这些规则作为检测测序偏差和评估基因组组装质量工具的潜力。
• 建立一个将序列组成与基因组中尺度不变模式相联系的定量框架。
• 在广泛的系统发育范围生物中验证这些规则的普遍性。

提出的方法

• 对来自多种生物的基因组数据应用序列组成分析，以检测重复出现的模式。
• 使用标度分析测试在多个序列窗口大小下的自相似性，揭示分形样行为。
• 基于不同尺度下核苷酸组成的平衡与分布，定义新的不变规则。
• 采用计算技术将观测到的模式与随机或打乱序列进行比较，确认其非随机性。
• 在原核生物、真核生物和病毒中验证规则的鲁棒性，证明其广泛适用性。
• 利用统计和计算方法量化所观察模式的不变性与无标度特性。

实验结果

研究问题

• RQ1 在多种生物中是否存在具有分形样自相似性的新基因组规则？
• RQ2 这些规则是否在不同序列尺度和基因组背景下保持不变？
• RQ3 这些规则能否用于检测短读长测序数据中的偏差？
• RQ4 与查尔加夫原始规则相比，这些规则在普遍性和预测能力方面如何？
• RQ5 这些规则在多大程度上反映了基因组组织中的内在生物学约束？

主要发现

• 作者发现了在包括细菌、古菌和真核生物在内的广泛生物类群中保持不变的新基因组规则。
• 这些规则在多个尺度上表现出自相似性，表明基因组序列中存在分形样结构。
• 这些模式具有鲁棒性，即使在序列被打乱后依然存在，表明其并非随机伪影。
• 这些规则在编码区和非编码区均可被检测到，表明其在基因组结构中的基础性作用。
• 这些规则在不同类群中的不变性暗示了基因组组织中存在普遍原则。
• 研究结果表明这些规则在识别测序偏差和评估基因组组装质量方面具有实际应用价值。