脊椎动物基因注释中的大基因问题

为了找出编码蛋白质的基因，注释流程结合了“从头开始的基因预测方法”和“与已知基因相似性比较”这两种方法。“从头开始的基因预测方法”虽然有很高的假阳性但是假阴性却很低；相形之下，结合了相似性比对的方法之后虽然能够降低假阳性，但是却大大提高了假阴性。我们发现，在这当中与基因预测正确率相关的最重要因素就是基因大小(包括内含子在内)——大基因尤其容易产生预测错误。     

SARS相关病毒(BJ01株)的全序列及其比较分析

严重急性呼吸综合征(SARS)是一种新发现的急性传染病. 对一株已确认为SARS病原体的冠状病毒(BJ01)进行了全基因组序列测定, 并与其他已知病毒进行了比较分析. 该病毒基因组全长为29.725 kb, 含11个可读框(ORFs), 由1个稳定区和1个可变区组成, 其中稳定区编码RNA依赖性RNA聚合酶, 包括两个ORFs；可变区含有4个蛋白质编码序列(CDSs), 分别编码病毒的4个结构蛋白(S, E, M, N蛋白). 此外, 可变区还包括5个非典型的预测蛋白(PUPs). 此病毒基因的排列顺序与其他已知的冠状病毒一致. 通过与已知RNA病毒的序列比对, 可以确认该病毒属于冠状病毒科(Coronaviridae). 与GenBank中已知的5个SARS相关病毒全基因组序列的比较分析显示, 已在30个核苷酸位置上检出序列差异, 总体突变率为0.1%, 其中15个变异位点在编码区, 可能会导致蛋白质的氨基酸改变(异义突变). S蛋白中已发现3处可能引起该蛋白质物化特征变化的变异, 而该蛋白质可能参与病毒与宿主间的免疫反应. 与病毒包膜形成相关的M蛋白中则已发现两处氨基酸变化. 进化分析表明, SARS病毒可能不是来源于人类, 但没有证据证明是人为制造的. 为了阐明SARS相关病毒的病因学以及排除其他可能的SARS病原体的存在, 仍需进行更深入的研究.