隨著基因組測序爆炸性增長，比較基因組學(xué)已逐漸成為每個(gè)物種尤其是首次被破譯基因組的物種的必備研究內(nèi)容之一。那么什么是比較基因組學(xué)呢？比較基因組學(xué)是通過對系統(tǒng)發(fā)育中的代表性物種之間的基因和基因家族的比較分析、構(gòu)建系統(tǒng)發(fā)育圖譜,?來揭示基因、基因家族的起源和功能及其在進(jìn)化過程中復(fù)雜化和多樣化的機(jī)制。比較基因組學(xué)研究有助于進(jìn)一步闡明物種進(jìn)化的分子基礎(chǔ),?探索基因起源機(jī)制,?從基因進(jìn)化的角度研究基因序列與功能的關(guān)系。

物種選擇

這么多的物種中該選擇哪些來進(jìn)行研究呢？又應(yīng)該怎么挑選呢？“好的”比較基因組研究一般需要遵循以下幾點(diǎn)：

1.?顧名思義，最重要的是這些物種要有參考基因組（即需要有蛋白質(zhì)序列文件以及基因注釋文件）；基因組常用的數(shù)據(jù)下載網(wǎng)站有以下三種：NCBI、ENSEMBLE、Phyzome

2.?為了研究的準(zhǔn)確性，盡量選擇基因組組裝連續(xù)性好的物種。若要用作共線性分析，則該物種的基因組需要為染色體水平。

3.?與研究目的物種的親緣關(guān)系不宜太遠(yuǎn)、數(shù)目不宜過多（通常在6-10個(gè)左右）。物種越多，物種間親緣關(guān)系越遠(yuǎn)，將使得可獲取的單拷貝直系同源基因數(shù)目越少，影響進(jìn)化樹的準(zhǔn)確性。

4.?可從分類系統(tǒng)選擇，將更好的從親緣關(guān)系水平尋找近緣物種。

5.?可從已發(fā)表近緣物種基因組文章中的進(jìn)化樹內(nèi)進(jìn)行挑選，以此作為參考；或是直接從基因組發(fā)表網(wǎng)站上進(jìn)行挑選，從而避免所選物種無基因組數(shù)據(jù)而反復(fù)挑選查找的麻煩。

6.?為了避免基因家族擴(kuò)張與收縮分析結(jié)果受到干擾，所分析物種的倍性盡量保持一致，異源多倍體通常會拆成亞基因組對應(yīng)的蛋白質(zhì)序列進(jìn)行分析，例如陸地棉AADD，則需要分為AA與DD分別進(jìn)行。當(dāng)然，不拆開亞基因組也可以，例如2019年Nature?Communications上發(fā)表的異源四倍體糜子基因組就與二倍體谷子、高粱等一同分析（Zhou?C?et?al.,Nature?communications.?2019)。

7.?需要含有關(guān)心的物種：這些物種與目標(biāo)物種具有相似/相反的生物功能，通過物種間的比較可以解釋說明一定的生物問題，同時(shí)也利于后續(xù)基因家族功能故事闡述。

8.?全基因組復(fù)制事件加上前期已有研究物種或是研究較為清晰的物種作為比對（葡萄或無油樟可作為內(nèi)參）。

9.?進(jìn)化樹選取外群物種，主要基于三個(gè)原則：①外群物種要比研究物種先從祖先物種中分化出去；②外群物種與研究物種的親緣關(guān)系不宜太遠(yuǎn)；③基因組組裝質(zhì)量較好。目前，外群物種的選取可以從文獻(xiàn)調(diào)研、分類系統(tǒng)查找、項(xiàng)目經(jīng)驗(yàn)等三種途徑進(jìn)行獲取。尋找已發(fā)表基因組的近源物種文章。文章正文或附錄中的系統(tǒng)進(jìn)化樹，最外面的物種即為外群物種。百邁客具有豐富的項(xiàng)目經(jīng)驗(yàn)，實(shí)在不會選擇時(shí)可與百邁客進(jìn)行聯(lián)系~百邁客將通過豐富的項(xiàng)目經(jīng)驗(yàn)為您提供合適的選取建議。

10.?分析中需要借助于化石時(shí)間矯正得到有分化時(shí)間的物種樹，因此需要進(jìn)化樹分支上某一物種具有化石信息，為了分析的準(zhǔn)確性，盡量能在每個(gè)大分支內(nèi)有一個(gè)化石信息。常用的化石信息查詢網(wǎng)站：TIMETREE?website

分析內(nèi)容

1.?基因家族聚類

基因家族（gene?family），是來源于同一個(gè)祖先，由一個(gè)基因通過基因重復(fù)而產(chǎn)生兩個(gè)或更多的拷貝而構(gòu)成的一組基因，它們在結(jié)構(gòu)和功能上具有明顯的相似性，編碼相似的蛋白質(zhì)產(chǎn)物。對物種的蛋白序列進(jìn)行家族分類，對獲得基因家族進(jìn)行注釋；對本物種的特有基因家族進(jìn)行GO和KEGG富集分析。物種共有基因家族中的單拷貝同源基因數(shù)目，用于系統(tǒng)發(fā)育樹的構(gòu)建等分析。Veen圖中非重疊區(qū)與重疊區(qū)的數(shù)量分別表示幾個(gè)物種間特有基因家族和共有基因家族的數(shù)量。

2.?系統(tǒng)進(jìn)化分析
通過與其它種基因組進(jìn)行比較，挖掘目的物種與不同種間的系統(tǒng)進(jìn)化關(guān)系。利用單拷貝蛋白序列建進(jìn)化樹，通過外群的加入，使無根樹轉(zhuǎn)為有根樹。

3.?分化時(shí)間分析通過與其它種基因組進(jìn)行比較，挖掘不同種間的系統(tǒng)進(jìn)化關(guān)系。根據(jù)各類生物間的親緣關(guān)系的遠(yuǎn)近，把各類生物安置在有分枝的樹狀的圖表上，簡明地表示生物的進(jìn)化歷程和親緣關(guān)系。借助于化石時(shí)間矯正,可以得到有分化時(shí)間的物種樹,從而獲得物種之間的親緣關(guān)系和分歧時(shí)間，有利于闡明物種的進(jìn)化歷史。

4.?基因家族擴(kuò)張收縮
在比較基因組學(xué)中往往要研究具有某一類功能或者控制某性狀的基因家族在所研究的物種上是變多了還是變少。這就需要對基因家族進(jìn)行收縮與擴(kuò)張分析。通過目標(biāo)物種和近源物種之間的進(jìn)化關(guān)系，模擬推算共同祖先的狀態(tài)，然后兩者都和祖先比較，進(jìn)而確定收縮和擴(kuò)張的基因家族使用帶有分歧時(shí)間的進(jìn)化樹和基因家族聚類之后的結(jié)果，通過出生死亡率模型估計(jì)每個(gè)分枝的祖先的基因家族成員個(gè)數(shù)，從而預(yù)測出該物種基因家族相對于祖先的收縮和擴(kuò)張情況。

5.?選擇壓力分析

選擇壓力是指外界施加給某物種生物進(jìn)化過程中的壓力，使得物種適應(yīng)自然環(huán)境。在遺傳學(xué)中，Ka/Ks或者dN/dS表示的是異意替換（Ka）和同意替換（Ks）之間的比例。一般認(rèn)為，同義突變不受自然選擇，而非同義突變則受到自然選擇作用。如果Ka/Ks>1，則認(rèn)為有正選擇效應(yīng)。如果Ka?/Ks=1，則認(rèn)為存在中性選擇。如果Ka/Ks<1，則認(rèn)為有純化選擇作用。如2019年百邁客合作發(fā)表于《Molecular?Plant》文章雜草稻基因家族聚類圖例所示：ka/ks值在1.4到1.5之間，雜草稻（WR04-6）比野生稻（w1943）含有更多的基因；明雜草稻基因組中的基因可能積累了比栽培稻更多的功能突變，這意味著雜草稻的半馴化導(dǎo)致了雜草的進(jìn)化。

6.?基因組共線性分析
線性暗示兩個(gè)物種來源與共同的祖先序列，有著相似的功能。通過對物種內(nèi)或者物種間共線性相關(guān)聯(lián)，來確定物種內(nèi)部或者物種間的結(jié)構(gòu)變異，揭示物種染色體進(jìn)化，研究物種內(nèi)部多倍化等事件。主要應(yīng)用：結(jié)構(gòu)變異的挖掘、基因組組裝準(zhǔn)確性驗(yàn)證（與已發(fā)表比較驗(yàn)證）、觀察全基因組復(fù)制事件、功能基因組學(xué)研究（有相同生物學(xué)功能）。

如2018年百邁客合作發(fā)表于《Nature?Genetics》陸地棉與海島棉基因組文章圖例所示：海島棉染色體D05和陸地棉D(zhuǎn)12中均存在大的染色體臂間倒位，暗示這些變異出現(xiàn)在多倍化之后；兩個(gè)四倍體相對于G.?raimondii共有一些結(jié)構(gòu)變異，例如染色體D09中兩個(gè)四倍體發(fā)生了大的反轉(zhuǎn)。

如2019年百邁客合作發(fā)表于《Genome?Biology》開心果基因組文章事例所示：每個(gè)無油樟區(qū)域?qū)?yīng)三個(gè)開心果區(qū)域，每個(gè)開心果區(qū)域?qū)?yīng)有兩個(gè)毛果楊區(qū)域，暗示了開心果在毛果楊之外又發(fā)生了一次獨(dú)立的復(fù)制事件。

7.?全基因組復(fù)制事件

多倍化（polyploidy）或全基因組加倍（whole?genome?duplication,?WGD）事件使基因組內(nèi)的所有基因都發(fā)生重復(fù)，為生物進(jìn)化提供了原始的遺傳材料，被認(rèn)為是進(jìn)化的加速器。全基因組復(fù)制事件在真菌或動植物中都有發(fā)生，是基因組中基因數(shù)量變化、基因新功能的形成、基因重排等的重要推動力。

由于在同一基因組上共線性的染色體片段中有旁系同源的基因集，因此可以通過這些成對的共線性片段追溯目的物種曾經(jīng)的復(fù)制事件。通過研究全基因組復(fù)制事件，可以確定物種發(fā)生全基因組倍增時(shí)間，同時(shí)也通過分化時(shí)間的比對來判斷復(fù)制是發(fā)生在分化之前還是分化之后。

常用方式：KS/4DTV
KS：全基因組加倍事件會產(chǎn)生大量的同源基因，反映在Ks值上便是會有大量的Ks值接近的同源基因?qū)Φ漠a(chǎn)生，Ks值峰就對應(yīng)了全基因組加倍事件的存在。

4DTV：如果密碼子的第三個(gè)位點(diǎn)無論是哪種核苷酸，均編碼同樣的氨基酸，則稱這個(gè)位點(diǎn)為4倍簡并位點(diǎn)。較多的基因?qū)?shù)存在4倍簡并位點(diǎn)，說明基因組多樣性較多（or冗余基因較多），可能此刻發(fā)生了物種分化或者基因組復(fù)制。

 

想學(xué)習(xí)以上技術(shù)應(yīng)用及實(shí)現(xiàn)方法，歡迎參加百邁客生物比較基因組培訓(xùn)課程，帶你玩轉(zhuǎn)比較基因組分析。