剪切后内含子与相应mRNA序列相互作用规律的普适性分析

Many experiments show that intron loss/gain can influence many stages of mRNA metabolism，and there is the interaction between post-introns and their protein coding sequences. However, in the current works, the interaction mechanism and universality of post-spliced introns and their mRNA are not reported in genomes. Here, protein coding genes of 9 model organism genomes, such as Caenorhabditis elegans and Homo sapiens, are selected as our datasets; then the local matched regions are done by improved Smith-Waterman local alignment software. Base on constructing sRNA database, characters of the matched segments between sRNA and their target genes are analyzed by new symmetric relative entropy and free energy. The optimal matched segments are selected by the characters of sRNA with their target genes. The position distributions of mRNA optimal matched regions/forbidden regions with post-spliced introns in mRNA are obtained，and the position distributions around mRNA functional sites are also gotten. Next, the structural characters of these regions are analyzed, the interaction universality of post-spliced introns and their mRNAs is discussed; and then moreover the biological roles of post-introns are speculated. In the last, the evolutionary correlations of post-spliced introns and their mRNAs are uncovered.

研究表明内含子缺失/获得能影响到mRNA新陈代谢的很多阶段，且剪切后内含子片段与相应蛋白质编码序列存在相互作用。然而，还没有发现基因组水平上剪切后内含子与相应mRNA序列相互作用规律及其种间普适性分析的报告。本文以线虫，人类等9个模式生物全基因组上蛋白质编码基因为样本，用改进后的 Smith-Waterman算法进行局域匹配，利用新对称相对熵和自由能对sRNA与靶基因的相互作用片段进行特征分析并对剪切后内含子与其mRNA的局域匹配片段进行筛选，获得剪切后内含子与其mRNA的相互作用片段，得到mRNA序列上与剪切后内含子的最佳匹配区域与禁配区域的位置分布及功能位点附近的匹配分布，分析这些区域的序列结构特征并探讨内含子和相应mRNA序列相互作用规律的普适性，推测剪切后内含子的生物学功能，进而揭示内含子与相应mRNA序列的进化关联。

本项目从理论上验证一个假设：剪切后内含子片段与其相应mRNA存在相互作用，这种相互作用区域在mRNA上分布在物种间具有普适性且内含子与相应mRNA序列在某种程度上存在进化关联。本项目以27个物种的核糖核蛋白基因基因及以线虫，人类等9个模式生物Ⅰ号染色体蛋白质编码基因为研究对象，采用改进后的 Smith-Waterman算法，新对称相对熵、结合自由能等方法，获得蛋白质编码基因mRNA序列与其相应内含子的潜在关联片段（相互作用片段/进化关联片段），系统研究其在mRNA序列上及在功能位点附近的潜在关联片段区域分布规律。结果显示：①在线虫区基因组水平上，采用改进后的 Smith-Waterman算法发现在mRNA上最佳匹配频数分布呈两端非翻译区域(UTR)高，3’UTR峰值最高，中间编码区（CDS）相对较低；采用结合自由能加权Smith-Waterman算法发现在mRNA上最佳匹配频数分布呈两端非翻译区域(UTR)高，中间编码区（CDS）相对较低；采用新对称相对熵算法在mRNA上其潜在的进化关联频数分布呈两端非翻译区域(UTR)高，中间编码区（CDS）相对较低。②在基因组水平上，最佳匹配频数分布均呈两端非翻译区域(UTR)高，中间编码区（CDS）相对较低，其分布模式在物种间具有高度普适性；也发现在翻译起始位点（AUG）侧翼区、翻译终止位点侧翼区、外显子连接复合物结合区均有特异匹配频数分布特征，但其各自分布特征在物种间均具有高度普适性；③最佳局域片段的匹配率、长度、保守性等序列特征分布在在物种间也具有高度普适性；④初步发现内含子的长度可能进化机制：内含子的长度不是逐渐增加的，而是通过在3’ 增加结构的单元的方式增加，且两个结构单元间通过连接序列连接而成的。通过本项目的实施，对揭示剪切后内含子的可能生物学功能具有重要意义。