已测出的全基因组序列

摘要:对生物信息学的产生背景及概念进行论述,对生物信息学、计算生物学、基因组信息学等概念进行区别,重点对生物信息学的研究内容进行综述,并对研究的热点问题进行讨论,最后对发展前景提出展望。

关键词:生物信息学;基因组信息学;蛋白质结构预测;药物设计生物信息学的起源生物信息学是20世纪80年代末随着人类基因组计划的启动而兴起的一门新的交叉学科。

基因组学的出现始于1986年，美国Johns Hopkins大学著名人类遗传学家和内科教授McKusick创造了基因组学（Genomics）这个名词，意指从基因组水平研究遗传的学科。

虽然基因组信息量在生物总信息量中占有极大的比重，但是，生物信息并不仅限于基因组信息，生物信息学也并不等同于基因组信息学。

目前，我们普遍认为生物信息学是把基因组DNA序列信息分析作为源头，破译隐藏在DNA序列中的遗传语言，找到代表蛋白质和DNA基因的编码区，特别是阐明非编码区的实质，从而认识生物有机体代谢、发育、分化和进化的规律；同时在发现了新基因信息之后进行蛋白质空间结构的模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。

因此，现代生物信息学主要包括3个重要内容，它们分别是基因组信息学、蛋白质的结构模拟以及药物设计。

从20世纪90年代以来,随着各种生物基因组测序计划的展开与分子结构测定技术的突破以及Internet的普及，无数的生物学数据如雨后春笋般迅速涌现。

2001年2月12日，美国Celera公司与美国国家人类基因组计划分别在Science和Nature上公布了人类基因组的精细图谱及其初步分析结果。

2002年4月5日出版的Science杂志又把水稻基因组的序列框架图公布出来。

2002年8月23日出版的Science杂志公布了河豚的全基因组序列。

到目前为止，已经测出了上百种生物体的完整基因组序列。

如何分析这些从实验过程中获得的大量原始数据,并从中获得与生物结构、功能相关的有用信息是当前困扰理论生物学家的一个棘手问题。

植物物种全基因组的测序与分析随着现代生物技术的不断发展和完善，越来越多的研究者开始将目光放在了植物的基因组测序和分析上。

植物物种的全基因组测序和分析可以帮助我们更好地了解植物的生长和发育规律，发现新的基因和蛋白质，促进植物育种和改良等方面的应用。

本文将从植物基因组测序和分析的意义、方法和应用等方面进行探讨。

一、植物基因组测序的意义植物基因组测序是现代遗传学和分子生物学领域的一项重要研究内容。

通过对植物基因组的测序和分析，可以为植物学、农业和生态学等方向的研究提供重要的基础数据。

首先，全基因组测序能够为我们提供大量的基因序列信息。

通过基因组测序，可以获得植物基因组的完整序列信息，为后续的基因鉴定、新基因发现、基因功能研究等提供基础，为植物学的研究提供了更全面的基础知识。

其次，基因组测序有助于发现新基因。

通过基因组测序，我们可以获取所有基因序列的信息，并进行比对分析，以发现新的、以前未知的基因，这对于数据驱动型的生物学研究具有重要的意义。

此外，基因组测序还可以促进生物信息学领域的发展。

基因组测序技术和生物信息学处理技术的结合，可以更好地研究基因与生态之间的关系，为生态学和植物保护提供更多的数据支撑。

二、植物基因组测序的方法目前，植物基因组测序主要采用Illumina高通量测序技术、 PacBio和Nanopore第三代测序技术、等温测序技术以及荧光原位杂交技术等方法。

其中，Illumina高通量测序技术是全球最为普遍的测序平台之一，其分辨率高、准确率高、数据量大，可以快速、高通量地测序，成为植物基因组测序的主流技术之一。

而PacBio和Nanopore第三代测序技术主要具有长读长和高准确性的特点，能够获得更全面的基因组序列信息，用于高质量的基因组组装。

等温测序和荧光原位杂交技术等方法也可以用于获得植物基因组信息。

在选择测序平台时，需要根据样品的特性、分辨率、数据量、费用等多个方面进行综合评估。

三、植物基因组测序的应用植物基因组测序的应用范围十分广泛，涉及到植物学、种质资源保护、农业种植和育种等多个领域。

全基因组测序技术发展随着科技的不断发展，全基因组测序技术也在不断的进步和发展。

作为一项重要的基因测序技术，全基因组测序技术能够对人类基因组进行全面、深入的研究，从而为生命科学研究和医学诊断提供了大量的数据和信息。

一、全基因组测序技术的定义全基因组测序技术是一种将个体DNA的所有基因组进行测序的技术。

此类技术旨在获取个体所有的基因组信息，和在整个基因组序列上检测所有基因和其他功能元件的变异。

它相对于其他的基因测序方法，具有更高的全面性、准确性和精确性。

全基因组测序技术的应用如今已经广泛，从遗传学研究、癌症分子医学等基础研究领域到药物研究、生物制药等转化研究领域都有应用。

全基因组测序技术已经成为了生命科学研究和医学领域的重要工具。

二、全基因组测序技术的发展历程人类基因组计划的实施是全基因组测序技术发展的重要契机。

2001年人类基因组计划测序完成后，科学家们对这项技术进行了更加深入的研究，发展出了更加精确、全面的基因测序技术。

在早期的全基因组测序技术中，主要采用Sanger测序技术。

Sanger测序技术是以重建DNA链的方式进行测序，能够获得高准确性的序列信息。

但是由于该技术效率低且成本高，无法进行大规模、高通量的基因测序。

为了解决这一问题，人们开始寻求新的测序技术。

2005年，Roche公司开发出了454测序技术，它采用的是高通量并行的基因测序方式，通过大规模重复进行多个DNA片段的测序。

此后，Illumina公司又相继推出了Solexa、Illumina Genome Analyzer和HiSeq等多种测序技术。

随着基因测序技术的发展，全基因组测序技术成本逐步降低，测序效率逐步提高。

目前，进一步降低全基因组测序技术的成本已经成为了技术发展的重要方向。

三、全基因组测序技术的应用全基因组测序技术可以广泛应用于生命科学研究和医学诊断领域。

在生命科学研究中，全基因组测序可以用于基因组演化、物种比较、基因表达等研究。

名词解释1.细胞分化：从单个全能的受精卵产生各种类型细胞的发育过程叫细胞分化。

2.定型：细胞在分化之前，将发生一些隐蔽的变化，使细胞朝特定方向发展，这一过程称为定型。

定型分为特化和决定两个时相。

3.特化：当一个细胞或者组织放在中性环境，如培养皿中可以自主分化时，就可以说这个细胞或组织已经特化了。

4.决定：当一个细胞或组织放在胚胎另一个部位可以自主分化时，就可以说这个细胞或组织已经决定了。

已特化的细胞或组织的发育命运是可逆的。

相比之下，已决定的细胞或组织的发育命运是不可逆的。

5.胞质隔离：卵裂时，受精卵内特定的细胞质分离到特定的分裂球中，裂球中所含有的特定胞质决定它发育成哪一类细胞，细胞命运的决定与临近的细胞无关。

6.胚胎诱导：胚胎发育过程中，相邻细胞或组织之间通过相互作用，决定其中一方或双方的分化方向，也就是发育命运。

7.镶嵌型发育：以细胞自主特化（细胞发育方向取决于细胞内特定的细胞质）为特点的胚胎发育模式。

8.调整型发育：以细胞有条件特化（细胞的发育方向取决于它与邻近细胞之间的相互作用）为特点的胚胎发育模式。

9.胞质定域：形态发生决定子在卵细胞质中呈一定形式分布，受精时发生运动，被分隔到一定区域，并在卵裂时分配到特定的裂球中，决定裂球的发育命运。

这一现象称为胞质定域。

10.形态发生决定子性质：1.激活某些基因转录的物质 2.mRNA11.受精:是指两性生殖细胞融合并形成具备双亲遗传潜能的新个体的过程。

12.精子获能：哺乳动物的精子需要在雌性生殖道中停留一个特定的时期，以获得对卵子受精的能力，这一过程称为精子获能。

13.顶体反应：顶体反应是指受精前精子在同卵子接触时，精子顶体产生的一系列变化。

（顶体反应释放的水解酶溶解和精子结合的卵黄膜或透明带，并在该位置进行精卵细胞膜的融合。

）14.卵裂：受精卵经过一系列的细胞分裂将体积极大的卵子细胞质分割成许多较小的、有核的细胞，形成一个多细胞生物体的过程称为卵裂。

·研究论文·Chinese Journal of Animal Infectious Diseases中国动物传染病学报E 亚群禽白血病病毒分离株的全基因组序列分析摘 要：为了弄清江苏省某一地方品种种鸡场病死鸡的死亡原因，采集病死鸡组织，检测显示仅为ALV 阳性；通过CEF 和DF-1细胞培养、p27抗原检测和间接免疫荧光（IFA ）对病毒进行鉴定；对病毒分离株前病毒DNA 序列进行全基因组序列测定与分析。

结果显示：分离株能够在CEF 上生长，上清液中可检测到p27抗原，CEF 出现特异性绿色荧光，DF-1细胞培养物以上检测均为阴性，初步表明分离株为ALV-E ，命名为JY202106；其基因组大小为7529 bp ，符合复制完整型C 型反转录病毒特征，缺乏肿瘤基因；序列分析显示，分离株与参考株同源性为84.3%~98.7%，gp85进化分析分离株与ALV-E 同属一个进化分支，与ev-1株同源性高达99.2%。

研究表明地方品种鸡中存在内源性ALV ，为该病的防控提供了参考和依据，也丰富了ALV 基因组数据资料。

关键词：禽白血病病毒；E 亚群；分离鉴定；基因组分析中图分类号：S852.65文献标志码：A文章编号：1674-6422（2023）03-0134-08Whole Genome Sequencing of an Avian Leukosis Virus Subgroup E IsolateWU Zhi 1,2, WU Shuang 2, YUAN Huisha 2, ZHANG Cong 2, ZHU Shanyuan 2, FAN Hongjie 1(1. Nanjing Agricultural University, Nanjing 210095, China; 2. Jiangsu Key Laboratory for High-Tech Research and Development of Veterinary Biopharmaceuticals, Engineering Technology Research Center for Modern Animal Science and Novel Veterinary PharmaceuticDevelopment, Jiangsu Agri-Animal Husbandry Vocational College, Taizhou 225300, China)收稿日期：2022-11-19基金项目：江苏高校“青蓝工程”项目[苏教师函（2020）10号]；江苏省高等学校自然科学研究重大项目（21KJA230001）；江苏省2019年度高交优秀科技创新团队“动物疫病防控技术研究”项目（苏教科函[2019] 7号）作者简介：吴植，男，硕士，副教授，主要从事畜禽疫病防控技术研究通信作者：范红结，E-mail：************.cn2023,31(3):134-141吴 植1,2，吴 双2，袁慧莎2，张 聪2，朱善元2，范红结1（1.南京农业大学，南京200241；2.江苏农牧科技职业学院 江苏省兽用生物制药高技术研究重点实验室江苏现代畜牧与新兽药工程技术中心，泰州225300）Abstract: To determine the cause of death of breeders without significant clinical signs on a chicken farm in Jiangsu province and analyze genomic characteristics and evolution, heart, liver, lungs, kidney and bursa were collected for detection of Avian leukemia virus (ALV). The tissue samples were inoculated onto CEF and DF-1 cells. The results showed that the virus isolate was only cultured on CEF cells and the p27 antigen was detected in the supernatant. The inoculated CEF cells showed specifi c green fl uorescence in indirect immunofl uorescence assay. The isolated virus was designated as JY202106 isolate. The whole genome of this isolate was sequenced with the full length of 7529 nt, which had a genetic organization typical of replication-competent C retroviruses lacking oncogenes. In addition, sequence analysis showed that the JY202106 isolate shared 84.3%-98.7% nucleotide homology of the whole genome with the subgroup reference strains. The gp85 gene of the JY202106 isolate had the highest identity to that of ev-1, the prototype of ALV-E. This study provided additional data for understanding the genetic evolution of ALV and provided a reference for ALV prevention and control.Key words: Avian leukemia virus; subgroup E; isolation and identifi cation; genome sequence analysis吴 植等：E亚群禽白血病病毒分离株的全基因组序列分析· 135 ·第31卷第3期禽白血病病毒（Avian leukosis virus, ALV），又称Rous相关病毒[1]（Rous associated viruses, RAVs），属于逆转录病毒科正逆转录病毒科α逆转录病毒属成员[2]，其基因组结构为5'LTR-5'UTR-gag-pol-env-3'UTR-3'LTR，主要引起淋巴白血病、骨硬化病、骨髓成细胞增多症、血管瘤等多种肿瘤性疾病[3-4]，给我国养禽业造成了严重的经济损失，目前尚无有效药物和疫苗可供使用，控制该病最有效的措施是对种鸡核心群开展净化[5-6]。

全基因组测序在遗传病检测中的临床应用专家共识（完整版）遗传病是指由于基因或基因组的结构或功能改变所导致的疾病。

下一代测序（next-generation sequencing,NGS）是遗传病检测领域的一项革新性技术。

近年来靶向测序和全外显子组测序（whole exome sequencing,WES）得到广泛认可，逐渐成为辅助医生进行遗传病诊断的重要工具[1]。

这些检测手段尽管有效，仍然存在一些技术限制，特别是在检测结构变异（structural variations,SV）等方面。

全基因组测序（whole genome sequencing,WGS）有望进一步提升临床遗传检测的效能[2]。

WGS对受检者基因组中的全部DNA序列进行检测，较WES所覆盖的区域更广，不仅覆盖了几乎全部基因的外显子序列，也覆盖了内含子序列和基因间序列。

现在认为WGS可有效避免在对相关基因组区域进行靶向富集时产生的技术偏差，不仅可以检出单核苷酸变异（single nucleotide variations，SNV），还可以对SV进行分析，并常规性地对线粒体基因组（mitochondrial genome DNA,mtDNA）变异进行分析[2,3]。

同时其操作步骤相对简化，能更加快速地获得更完整的基因组信息。

因此，WGS 应用于临床遗传诊断有望提高诊断率，缩短诊断流程，节省时间及降低诊疗费用[4]。

由于WGS产生的数据涉及受检者的几乎全部遗传信息，其应用于临床遗传病检测需遵循医学伦理中的自愿、患者受益、不伤害和公平原则。

为了实现其应有的临床意义，并妥善处理检测可能带来的复杂遗传咨询问题，本共识列出了WGS作为遗传病诊断检测手段的关键特征，并在检测申请、检测及分析流程、报告及遗传咨询等方面给出建议，但其实施流程及效能验证的具体步骤不在本共识的涵盖范围。

本共识适用于以NGS技术为主的高覆盖度WGS（通常>40X）在遗传病临床诊断性检测中的应用，主要针对符合孟德尔遗传规律的基因或基因组疾病。

全球首次完成杨树全基因组测序由美国能源部启动并实施的杨树全基因组测序计划已圆满完成，并于2004年9月21日对公众开放了全序列数据库。

南京林业大学科研人员尹佟明副教授参与了此项研究。

杨树基因组的新闻发布及庆祝会定于12月6日在美国加州举行。

该项研究可望使杨树这一重要树种的品种改良时间大大缩短，用区区几十年跨越千年关。

研究的完成，使杨树成为继拟南芥和水稻之后，第三个测定全序列的植物，并且是第一个测定全基因组序列的多年生木本植物。

杨树因此被广泛接受为研究多年生植物基因组的模式物种，这使该项工作具有重大的科学意义。

杨树同时又是一种重要的工业用材树种，杨树全基因组计划实施，将为生物能源的开发提供知识贮备，具有重要的实际应用价值。

目前，杨树的改良还处在一种半野生的初级改良阶段，在基因组研究的基础上，通过群体和数量遗传学的手段在杨树属不同树种间开发有用等位基因，并通过遗传工程的手段进行基因重组，可望在几十年的时间里完成一般作物几千年的改良历程。

杨树全基因组全序列用“鸟枪法测定”，序列库中共含有7，649，993个序列片段，去除叶绿体基因组的污染，测得的序列大约为8×基因组长度。

目前对序列拼接的组装已完成了483Mb，占杨树基因组物理全长的90%以上，基本上覆盖了杨树基因组常染色体的大部分。

基于基因芯片和单核苷酸多态性检测技术，对小的序列拼接及序列间隙的填充工作正在进行中，预期这部分工作将于明年完成。

南京林业大学尹佟明副教授自2001年以来一直参与此项研究，对杨树基因组的注释工作将于今年12月初完成。

国际杨树基因组计划协作组的总负责人杰瑞先生认为，从世界范围来看，杨树在中国的林业生产中占有的比重是最大的，因此在杨树基因组信息的应用方面，中国在未来的研究中可能会居于世界前列。

杨树全基因组计划的完成对我国从事林业及生物技术的科学家而言，提供了前所未有的机遇和挑战。

Science 15 September 2006:Vol. 313. no. 5793, pp. 1596 - 1604DOI: 10.1126/science.1128691RESEARCH ARTICLESThe Genome of Black Cottonwood, Populus trichocarpa (Torr. & Gray)G. A. Tuskan,1,3* S. DiFazio,1,4S. Jansson,5J. Bohlmann,6I. Grigoriev,9U.Hellsten,9N. Putnam,9S. Ralph,6S. Rombauts,10 A. Salamov,9J. Schein,11L. Sterck,10 A. Aerts,9 R. R. Bhalerao,5 R. P. Bhalerao,12 D. Blaudez,13 W. Boerjan,10 A. Brun,13 A. Brunner,14 V. Busov,15 M. Campbell,16 J. Carlson,17 M. Chalot,13 J. Chapman,9 G.-L. Chen,2 D. Cooper,6 P. M. Coutinho,19 J. Couturier,13 S. Covert,20 Q. Cronk,7 R. Cunningham,1 J. Davis,22 S. Degroeve,10 A. Déjardin,23 C. dePamphilis,18 J. Detter,9 B. Dirks,24 I. Dubchak,9,25 S. Duplessis,13 J. Ehlting,7 B. Ellis,6 K. Gendler,26 D. Goodstein,9 M. Gribskov,27 J. Grimwood,28 A. Groover,29 L. Gunter,1 B. Hamberger,7 B. Heinze,30 Y. Helariutta,12,31,33 B. Henrissat,19 D. Holligan,21 R. Holt,11 W. Huang,9 N. Islam-Faridi,34 S. Jones,11 M. Jones-Rhoades,35 R. Jorgensen,26 C. Joshi,15 J. Kangasjärvi,32 J. Karlsson,5 C. Kelleher,6 R. Kirkpatrick,11 M. Kirst,22 A.Kohler,13 U. Kalluri,1 F. Larimer,2 J. Leebens-Mack,21 J.-C. Leplé,23 P. Locascio,2 Y. Lou,9 S. Lucas,9 F. Martin,13 B. Montanini,13 C. Napoli,26 D. R. Nelson,36 C. Nelson,37 K. Nieminen,31 O. Nilsson,12 V. Pereda,13 G. Peter,22 R. Philippe,6 G. Pilate,23 A. Poliakov,25 J. Razumovskaya,2 P. Richardson,9 C. Rinaldi,13 K. Ritland,8 P. Rouzé,10 D. Ryaboy,25 J. Schmutz,28 J. Schrader,38 B. Segerman,5 H. Shin,11 A. Siddiqui,11 F. Sterky,39 A. Terry,9 C.-J. Tsai,15 E. Uberbacher,2 P. Unneberg,39 J. Vahala,32 K. Wall,18 S. Wessler,21 G. Yang,21 T. Yin,1 C. Douglas,7M. Marra,11G. Sandberg,12Y. Van de Peer,10 D. Rokhsar9,24We report the draft genome of the black cottonwood tree, Populus trichocarpa. Integration of shotgun sequence assembly with genetic mapping enabled chromosome-scale reconstruction of the genome.More than 45,000 putative protein-coding genes were identified.Analysis of the assembled genome revealed a whole-genome duplication event; about 8000 pairs of duplicated genes from that event survived in the Populus genome. A second, older duplication event is indistinguishably coincident with the divergence of the Populus and Arabidopsis lineages. Nucleotide substitution,tandem gene duplication, and gross chromosomal rearrangement appear to proceed substantially more slowly in Populus than in Arabidopsis. Populus has more protein-coding genes than Arabidopsis, ranging on average from 1.4 to 1.6 putative Populus homologs for each Arabidopsis gene. However, the relative frequency of protein domains in the two genomes is similar. Overrepresented exceptions in Populus include genes associated with lignocellulosic wall biosynthesis, meristem development, disease resistance,and metabolite transport.1 Environmental Sciences Division, Oak Ridge National Laboratory, Oak Ridge, TN 37831, USA.2 Life Sciences Division, Oak Ridge National Laboratory, Oak Ridge, TN 37831, USA.3 Plant Sciences Department, University of Tennessee, TN 37996, USA.4 Department of Biology, West Virginia University, Morgantown, WV 26506, USA.5 Umeå Plant Science Centre, Department of Plant Physiology, Umeå University, SE-901 87, Umeå, Sweden.6 Michael Smith Laboratories, University of British Columbia, Vancouver, BC V6T 1Z4, Canada.7 Department of Botany, University of British Columbia, Vancouver, BC V6T 1Z4, Canada.8 Department of Forest Sciences, University of British Columbia, Vancouver, BC V6T 1Z4, Canada.9 U.S. Department of Energy, Joint Genome Institute, Walnut Creek, CA 94598, USA.10 Department of Plant Systems Biology, Flanders Interuniversity Institute for Biotechnology (VIB), Ghent University, B-9052 Ghent, Belgium.11 Genome Sciences Centre, 100-570 West 7th Avenue, Vancouver, BC V5Z 4S6, Canada.12 Umeå Plant Science Centre, Department of Forest Genetics and Plant Physiology, Swedish University of Agricultural Sciences, SE-901 83 Umeå, Sweden.13 Tree-Microbe Interactions Unit, Institut National de la Recherche Agronomique (INRA)–Université Henri Poincaré, INRA-Nancy, 54280 Champenoux, France.14 Department of Forestry, Virginia Polytechnic Institute and State University, Blacksburg, VA 24061, USA.15 Biotechnology Research Center, School of Forest Resources and Environmental Science, Michigan Technological University, Houghton, MI 49931, USA.16 Department of Cell and Systems Biology, University of Toronto, 25 Willcocks Street, Toronto, Ontario, M5S 3B2 Canada.17 School of Forest Resources and Huck Institutes of the Life Sciences, The Pennsylvania State University, University Park, PA 16802, USA.18 Department of Biology, Institute of Molecular Evolutionary Genetics, and Huck Institutes of Life Sciences, The Pennsylvania State University, University Park, PA 16802, USA.19 Architecture et Fonction des Macromolécules Biologiques, UMR6098, CNRS and Universities of Aix-Marseille I and II, case 932, 163 avenue de Luminy, 13288 Marseille, France.20 Warnell School of Forest Resources, University of Georgia, Athens, GA 30602, USA.21 Department of Plant Biology, University of Georgia, Athens, GA 30602, USA.22 School of Forest Resources and Conservation, Genetics Institute, and Plant Molecular and Cellular Biology Program, University of Florida, Gainesville, FL 32611, USA.23 INRA-Orléans, Unit of Forest Improvement, Genetics and Physiology, 45166 Olivet Cedex, France.24 Center for Integrative Genomics, University of California, Berkeley, CA 94720, USA.25 Genomics Division, Lawrence Berkeley National Laboratory, Berkeley, CA 94720, USA.26 Department of Plant Sciences, University of Arizona, Tucson, AZ 85721, USA.27 Department of Biological Sciences, Purdue University, West Lafayette, IN 47907, USA.28 The Stanford Human Genome Center and the Department of Genetics, Stanford University School of Medicine, Palo Alto, CA 94305, USA.29 Institute of Forest Genetics, United States Department of Agriculture, Forest Service, Davis, CA 95616, USA.30 Federal Research Centre for Forests, Hauptstrasse 7, A-1140 Vienna, Austria.31 Plant Molecular Biology Laboratory, Institute of Biotechnology, University of Helsinki,FI-00014 Helsinki, Finland.32 Department of Biological and Environmental Sciences, University of Helsinki, FI-00014 Helsinki, Finland.33 Department of Biology, 200014, University of Turku, FI-20014 Turku, Finland.34 Southern Institute of Forest Genetics, United States Department of Agriculture, Forest Service and Department of Forest Science, Texas A&M University, College Station, TX 77843, USA.35 Whitehead Institute for Biomedical Research and Department of Biology, Massachusetts Institute of Technology, Cambridge, MA 02142, USA.36 Department of Molecular Sciences and Center of Excellence in Genomics and Bioinformatics, University of Tennessee, Memphis, TN 38163, USA.37 Southern Institute of Forest Genetics, United States Department of Agriculture, Forest Service, Saucier, MS 39574, USA.38 Developmental Genetics, University of Tübingen, D-72076 Tübingen, Germany.39 Department of Biotechnology, KTH, AlbaNova University Center, SE-106 91 Stockholm, Sweden.These authors contributed equally to this work as second authors.These authors contributed equally to this work as senior authors.* To whom correspondence should be addressed. E-mail: gtk@。

小麦全基因组表达序列基因家族鉴定分类作者：李迪李冬洁韩迎迎赵钰珊来源：《南方农业·中旬》2018年第06期摘要小麦全基因组表达序列基因家族鉴定分类是将已经测出的小麦的全基因组蛋白序列提取至Pfam进行结构域查找分析，对基因家族进行分类，从而对小麦的所有基因表达序列分类整理，以便于进一步对小麦进行研究。

通过基因家族的鉴定分类，对小麦的研究将更加系统化和精确化，有助于以后进一步筛选，并对它们做出更详尽的功能分析，为小麦的遗传改良提供一个借鉴。

与此同时，也为研究小麦中某一特定基因家族的作用奠定基础。

关键词小麦；基因家族；Pfam分析；功能鉴定分类中图分类号：S512.1；Q943.2 文献标志码：B DOI：10.19415/ki.1673-890x.2018.17.0961 小麦作物的意义小麦属于禾本科植物的小麦属，是世界上三大重要的经济粮食作物之一。

2016—2017年全球小麦产量为7.54亿吨，我国当年产量为1.29亿吨[1]。

小麦几乎全作食用，其颖果被磨成面粉后可制作面条、馒头、面包等中西方主食。

人类对小麦开展系统化的育种工作的时间虽然不长，但是也取得了许多优秀的成果，20世纪60年代兴起的“绿色革命”对农业研究、农业技术和设备的开发工作都起到了推动作用，极大地提高了小麦的产量。

但近年来，由于受人类生产活动所导致的极端天气频繁出现、水资源匮乏等环境问题的影响，小麦的产量并不稳定。

据测算，全球小麦的产量至少需要增长60%才能够满足2050年的人口需要。

对我国来说，小麦的单产还有很大的提升空间[2]。

目前，非生物胁迫如干旱、冻害等是妨碍提升小麦产量的主要原因，解决这一问题的最好办法就是通过小麦育种技术培育出能够在恶劣条件下生长的小麦新品种。

而尽快破译小麦和其他农作物的基因组以及分析清楚各基因家族的功能则是顺利开展小麦育种工作的关键。

通过对已知的小麦庞大的基因组序列进行分析，对小麦全部基因家族加以鉴定及分类，把各基因家族所表达的相应蛋白质的功能进行分析与系统化总结，对小麦的遗传、产量等各方面的科学研究具有重要的意义。