[论文解读] Correlation Between GC-content and Palindromes in Randomly Generated Sequences and Viral Genomes

Andrew Ninh|arXiv (Cornell University)|Feb 24, 2013

Bacteriophages and microbial interactions参考文献 9被引用 4

一句话总结

本研究通过计算分析，探讨了病毒基因组与随机生成基因组中GC含量与回文密度之间的相关性。研究发现二者呈二次关系，回文密度在极端GC比例时达到峰值，在50%时最低。野生型病毒基因组的回文密度通常低于相同GC比例的随机序列，这是由于功能性非回文序列的约束所致，表明其在病毒基因组学与药物靶向方面具有进化与结构上的意义。

ABSTRACT

GC-content, the ratio of guanine and cytosine bases in an entire nucleotide sequence, and palindromic sequences are unique for every organism due to genomic evolution. The goals of our research was to establish a correlation between GC-content and palindromic densities in wild-type viral and randomly-generated genomes. Forty viral genomes were downloaded from GenBank and their GC-ratios and palindromic densities were calculated and plotted using Mathematica. The palindromic densities-by-GC-ratios plot of randomly generated sequences (palindromic density curve) exhibited a quadratic relationship and was superimposed over the viral genome plot. It was observed that the viral plots followed the curvature of the random sequences' quadratic curve, signifying a directly proportional relationship between GC-content and palindrome density in viral genomes. However, because viral genomes require certain non-palindromic sequences to function, the palindromic densities of most wild-type genomes were under the palindromic density curve. The variance in palindrome densities of wild-type genomes in respect to the random sequences' quadratic curve may be examined to determine evolutionary traits in genomes. A better understanding of viral palindromic densities and GC-ratios would help in understanding conserved secondary RNA structures in viral genomes and future drug discovery. In addition, certain viral genomes were found to be viable recombinant viruses, which are used in gene therapy.

研究动机与目标

• 确定GC含量是否与病毒基因组中的回文密度相关。
• 比较野生型病毒基因组与具有相同GC比例的随机序列中的回文密度。
• 评估病毒基因组中的功能约束如何影响其与随机序列回文密度曲线的偏离。
• 探讨回文密度变化与GC含量相关的进化与结构意义。

提出的方法

• 使用SecureRandom Java包生成具有指定GC比例的随机基因序列，以确保密码学上的随机性。
• 所有序列的GC含量计算公式为：(G + C) / (A + T + G + C) × 100。
• 通过自定义Java算法识别序列中所有长度≥4的完全回文序列，并将回文密度计算为回文序列总长度与序列长度的比值。
• 将回文密度与GC含量的关系绘制于随机基因组与野生型病毒基因组之间，以识别趋势。
• 将随机序列生成的回文密度曲线作为基线，用于与野生型病毒基因组进行比较。
• 统计比较显示病毒基因组与随机曲线存在偏离，表明存在功能与进化约束。

实验结果

研究问题

• RQ1 在随机生成的DNA序列中，GC含量与回文密度之间是否存在非线性关系？
• RQ2 野生型病毒基因组是否遵循与随机序列相同的GC含量-回文密度关系？
• RQ3 为何大多数病毒基因组的回文密度低于相同GC含量下随机序列的预期值？
• RQ4 病毒基因组中功能性非回文序列在多大程度上解释了其与随机回文密度曲线的偏离？
• RQ5 与随机曲线的偏离程度在多大程度上可提供关于病毒基因组进化或保守二级结构的见解？

主要发现

• 在随机生成的序列中，观察到GC含量与回文密度之间存在二次关系，50% GC含量时回文密度最低，极端GC比例时达到最大值。
• 野生型病毒基因组的回文密度通常低于相同GC含量的随机序列，表明存在功能约束。
• 病毒基因组与随机回文密度曲线的偏离可归因于非回文序列的必要性，如开放阅读框和剪接位点。
• 高GC含量且高回文密度的病毒基因组可能适合作为基因治疗与疫苗开发中的重组载体。
• 相对于随机曲线的回文密度变化可能反映进化压力，包括对甲基化位点或保守RNA二级结构的选择。
• 本研究证实，仅GC含量无法完全决定回文密度，因为功能基因组元件会调节观测到的关系。