[发明专利]一种多基因家族鉴定及进化分析的方法

说明书

本发明提供一种多基因家族鉴定及进化分析的方法，是针对目标物种以及同源物种的独立分析技术或者联合分析技术，其中独立分析方法包括：蛋白基因家族鉴定、蛋白基因家族结构信息分析、家族基因成员染色体分布分析、预测复制基因事件、Motif分析、蛋白基因家族进化树分析这几个分析过程。联合分析方法包括：蛋白基因家族鉴定、蛋白基因家族进化树分析、Ka/Ks分析、基因选择进化分析、共线性分析这几个分析过程。本发明的方法无需设计引物、进行PCR扩增、构建基因组文库，分析流程成熟，周期短，产出快，分析结果用Pfam和SMART两个数据库进行确认，准确率较高，且对DNA测序数据或蛋白质序列都适用。

技术领域

本发明涉及基因序列信息蛋白质序列的生物信息分析领域，具体涉及一种跨物种、多维度、全方面的多基因家族鉴定及进化分析的系统性方法。

背景技术

基因家族(gene family)，是来源于同一个祖先，由一个基因通过基因复制而产生两个或更多的拷贝而演变成的一组基因，它们在结构和功能上具有明显的相似性，编码相似的蛋白质产物。同一家族的基因的外显子序列具有相关性，因此，这些基因编码的蛋白质具有相似的氨基酸序列、结构域和功能，这些蛋白质称为蛋白质家族。目前多数常用的基因家族分析方法，只针对基因结构、复制类型或进化树分析等某一方面进行分析，尚未有一套系统全面的生物信息学分析流程涵盖所有分析方向。如果进行多项分析，需要分别使用不同的分析工具，反复多次上传数据和下载分析结果，操作繁琐费时费力，而且频繁地手动操作过程中也容易出错。

某些方法通过分析已知的基因家族的成员之间序列的同源性，找到序列保守的区域。根据这些区域设计引物，通过PCR扩增检测是否能扩增出新的基因，来发现同家族的新基因成员。或者，根据已知基因的同源性序列设计探针，利用探针与基因组文库进行杂交，检测同家族的新基因成员。这些方法分析范围有限，只能用于发现新基因家族成员，并未对已知基因家族成员进行全面深入分析，也没有利用现有技术和数据库挖掘更多信息，造成了一定程度的数据浪费。且，这些方法需要使用探针杂交筛选、PCR引物扩增等方法，事先还要构建好基因组文库，成本较高、操作繁琐、投入与产出比较低、周期较长。

发明内容

有鉴于此，有必要针对现有技术存在的问题，提供一种低成本、低要求、产出高、周期短、适用性范围广、全面整合已有技术和数据库(Pfam数据库和SMART数据库)的多基因家族鉴定及进化分析的系统性方法。本发明不仅能鉴定和分析单个物种的蛋白基因家族的信息，而且能进行多物种间的蛋白基因家族联合分析。本发明的技术方案为：

第一个方面，本发明提供一种多基因家族鉴定及进化分析的方法，是针对目标物种或者同源物种单个物种内的蛋白基因家族，包括以下步骤：

步骤1，统计基因序列或蛋白质序列信息；

根据目标物种或者同源物种的基因家族成员的基因序列或蛋白质序列信息进行分析；如果没有基因或蛋白质序列信息，可只提供基因名称；

步骤2，针对目标物种或近源物种开展蛋白基因家族鉴定及进化分析；

步骤2.1，蛋白基因家族鉴定；

步骤2.2，蛋白基因家族结构信息分析；

步骤2.3，家族基因成员染色体分布分析；

步骤2.4，预测复制基因事件；

步骤2.5，Motif分析；

步骤2.6，蛋白基因家族进化树分析。

进一步的，所述步骤2.1蛋白基因家族鉴定，具体包括：

2.1-1，从Pfam数据库获得要分析的目标物种或近源物种的基因家族的保守结构域信息，比如，结构域的Pfam序列号；