本文研究模式生物酿酒酵母在进行有氧呼吸和无氧呼吸两种不同能量代谢状态下分子水平上的差异。从美国国立生物技术信息中心(National Center for BiotechnologyInformation NCBI)数据库搜集了酿酒酵母基因组在有氧和无氧条件下的表达数...
详细信息
本文研究模式生物酿酒酵母在进行有氧呼吸和无氧呼吸两种不同能量代谢状态下分子水平上的差异。从美国国立生物技术信息中心(National Center for BiotechnologyInformation NCBI)数据库搜集了酿酒酵母基因组在有氧和无氧条件下的表达数据,通过对两种状态下的基因表达数据的差异分析,选取了表达量在各样本中存在差异且在两种状态下有明显差异的188个基因作为构造逻辑网络的节点基因。利用改进的系统发生谱逻辑分析(Iogic Analysis of Phylogenetie Profiles LAPP)方法,逆向构建了在有氧条件和无氧条件下的含高阶逻辑的基因网络。通过比对两种条件下逻辑网络的结构参数(包括节点的平均强度、平均核数、平均聚类系数、平均介数、以及网络的平均路径长度、模块度),给出了区分这两类逻辑网络的结构参数(平均强度、平均核数、平均聚类系数、平均介数)。依据两个逻辑网络中结构参数的差异,选取了11个基因作为有氧条件下逻辑网络结构的关键基因。利用逻辑网络对11个基因的功能进行了预测,得到的结果与数据库中记载的基因的功能是吻合的,从侧面验证了所构建的逻辑网络的准确性。通过对网络的社团结构分析,得到在有氧条件下逻辑网络具有两个明显的社团结构,而在无氧条件下的逻辑网络只含有一个明显的社团结构。进一步功能聚类分析表明,在有氧条件下,一个社团结构可能是与细胞周期、细胞复制相关的功能团,另一个有可能是和线粒体呼吸链相关的功能团。接着,对11个关键基因的离散动态演化进行了模拟和分析,统计了有氧和无氧条件下逻辑网络的吸引子,无氧条件下的逻辑网络的吸引子个数要远远多于有氧条件下逻辑网络的吸引子的个数,但有氧条件下的逻辑网络的吸引子的吸引域要远大于无氧条件下逻辑网络的吸引子的吸引域,说明有氧条件下酵母的生物功能稳定性要优于无氧条件下的。最后,利用基因之间的逻辑关系,建立了一种定义在基因网络上的微分方程动力系统,用于刻画在该网络结构下基因表达水平的动态行为。利用状态转移得到的基因表达时间序列数据拟合确定该微分方程模型的系数。通过对微分方程的定性分析,得到的结果与离散动态演化的结果大致吻合。这种建模方法也可以运用于对蛋白质逻辑网络、人际关系网络等等其他网络的分析。
暂无评论