水稻PPI网络中逆境响应miRNA所靶向的基因拓扑特征分析

发布时间：2017-08-23 01:36

  本文关键词：水稻PPI网络中逆境响应miRNA所靶向的基因拓扑特征分析

  更多相关文章： 水稻 非生物逆境 miRNA 靶基因 拓扑属性分析

【摘要】：在植物基因调控网络中,大量的小分子miRNA基因已经被证实能够响应和调控非生物逆境条件,如:干旱、高盐和高温等等。在蛋白质互作网络中,对非生物逆境响应miRNA(ASRmiRs)靶基因的拓扑属性探索,能够有效地发掘植物非生物逆境响应的分子调控机制。在本课题的研究过程中,选取了同时具有经济价值与食用价值的水稻(Oryza sativa)作为研究对象。首先,使用interolog原理构建出水稻蛋白质互作网络,然后用复杂网络理论去分析逆境响应miRNA靶基因(stress-miR-targets)的特有拓扑属性。论文的主要研究内容及研究成果:(1)高质量的水稻蛋白质互作网络的构建。先使用同源映射原理来预测水稻蛋白质相互作用组,然后用共表达与共定位进行质量控制,最终获得2975个水稻蛋白质的22933项非冗余的蛋白质相互作用组。对ASRmiRs的靶基因进行预测,将网络中节点分成两大类:逆境响应miRNA靶基因(stress-miR-targets)与非逆境响应miRNA靶基因(non-stress-miR-targets)。(2)提出了基于复杂网络理论的网络拓扑特征值分析方法。在水稻蛋白质互作网络中,分别计算两种类型基因的度、聚类系数、介数、拓扑系数、1N index、SDT和ADT的平均值,比较逆境响应miRNA靶基因(stress-miR-targets)与非逆境响应miRNA靶基因(non-stress-miR-targets)的拓扑属性。结果发现逆境响应miRNA靶基因(stress-miR-targets)表现出特有的拓扑属性,并且具有明显的差异性。(3)提出了基于复杂网络理论的k-core分解算法与蛋白质相互作用概率分析方法。对两种类型基因之间的相互作用概率进行计算,同时对网络进行k-core分解,提取核心节点信息。结果表明逆境响应miRNA靶基因(stress-mi R-targets)更加倾向与非逆境响应miRNA靶基因(non-stress-miR-targets)相互作用,并且逆境响应miRNA靶基因(stress-mi R-targets)一般处在网络的外围节点位置,不处在核心节点位置。研究结果表明两种不同类型靶基因的拓扑属性具有明显差异性,揭示了水稻在非生物逆境响应过程中,逆境响应miRNA靶基因(stress-miR-targets)的特有调控作用机制。同时研究结果还提供有价值的线索,能够阐明农作物响应非生物逆境的分子调控机制。
【关键词】：水稻 非生物逆境 miRNA 靶基因 拓扑属性分析
【学位授予单位】：安徽农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：Q943.2;O157.5
【目录】：

• 摘要3-4
• Abstract4-8
• 1 绪论8-12
• 1.1 研究背景及研究意义8-9
• 1.2 研究内容及论文结构9-12
• 1.2.1 研究内容9-10
• 1.2.2 论文结构10-12
• 2 国内外研究现状12-17
• 2.1 植物miRNA非生物逆境响应研究现状12-13
• 2.2 植物中蛋白质相互作用网络研究现状13-14
• 2.3 基于复杂网络理论的蛋白质相互作用网络研究现状14-15
• 2.3.1 复杂网络的特性14-15
• 2.3.2 复杂网络在蛋白质互作网络中的应用15
• 2.4 本章小结15-17
• 3 水稻蛋白质相互作用组预测及PPI网络的构建17-25
• 3.1 基于计算机模拟的蛋白质间相互作用组的预测方法17-20
• 3.1.1 实验数据17
• 3.1.2 基于interolog原理的蛋白质互作组预测方法17-19
• 3.1.3 实验结果19-20
• 3.2 融入非生物逆境相关miRNA的蛋白质互作网络的构建20-23
• 3.2.1 非生物逆境相关miRNA的收集20-21
• 3.2.2 非生物逆境miRNA的靶基因预测及PPI网络构建21-23
• 3.3 本章小结23-25
• 4 水稻PPI网络中逆境miRNA靶基因的拓扑结构分析25-41
• 4.1 不同类型的蛋白质相互作用概率计算方法25-29
• 4.1.1 相互作用概率的定义25-26
• 4.1.2 实验结果分析26-29
• 4.2 基于复杂网络理论的逆境miRNA靶向基因的特征属性分析方法29-36
• 4.2.1 七种网络测量值的定义29-32
• 4.2.2 实验结果分析32-36
• 4.3 基于复杂网络理论的k-core算法提取PPI网络核心信息的方法36-38
• 4.3.1 k-core分解算法的定义36-37
• 4.3.2 实验结果分析37-38
• 4.4 实例验证：水稻响应寒冷逆境的网络调控机制38-40
• 4.5 本章小结40-41
• 5 总结与展望41-44
• 5.1 工作总结41-43
• 5.2 工作展望43-44
• 参考文献44-48
• 致谢48-49
• 个人简介49-50
• 在读期间发表的学术论文、成果及科研工作情况50-51
• 附录A 图索引51-52
• 附录B 表索引52-53
• Appendix A Figure Index53-54
• Appendix B Table Index54

【相似文献】

中国期刊全文数据库 前5条

1 李陵;;基于西门子PPI网络的模拟自动生产线通信系统设计[J];科技广场;2012年02期

2 谭本艳;;我国PPI波动的长期驱动力与短期驱动力——基于Gonzalo-Granger分解的分析[J];软科学;2009年08期

3 安新宇,李毅,史玉严,张少文;一次强降雪的雷达PPI速度图像分析[J];内蒙古气象;2004年04期

4 田建芳;雷秀娟;;基于蜂群和广度优先遍历的PPI网络聚类[J];模式识别与人工智能;2012年03期

5 ;[J];;年期

中国重要会议论文全文数据库 前4条

1 罗昭林;钟杭美;刘春燕;祝善俊;王永;周银;;老年冠心病伴与不伴心肌缺血患者动态血压PP与PPI改变的临床意义[A];中国心脏大会（CHC）2011暨北京国际心血管病论坛论文集[C];2011年

2 曾颖;杨敏;关焯梅;;奥美拉唑与其它PPI制剂治疗GERD疗效比较系统评价[A];共铸医药学术新文明——2012年广东省药师周大会论文集[C];2012年

3 甘晓兰;官亮;;PPI联合胃三联根除幽门螺杆菌治疗功能性消化不良的疗效观察[A];中华医学会第七次全国消化病学术会议论文汇编（上册）[C];2007年

4 王志仁;谭云龙;杨甫德;陈松;杨贵刚;张五芳;王绍礼;周宇;李东;李英丽;周东丰;;重复经颅磁刺激(rTMS)对精神分裂症幻听患者听觉惊跳反射弱刺激抑制(PPI)的影响[A];中华医学会精神病学分会第九次全国学术会议论文集[C];2011年

中国重要报纸全文数据库 前10条

1 郭俊;新余队全力夯实PPI联网直报基础[N];中国信息报;2014年

2 本报记者 丁鑫;7月份经济数据透视：PPI负增长局面将改变[N];证券日报;2014年

3 本报记者 傅苏颖;三因素促生产资料上涨 PPI同比降幅将进一步收窄[N];证券日报;2012年

4 本报记者 查理思阅 整理;出口走出低谷 PPI跌至深渊降准降息是柄双刃剑[N];华夏时报;2012年

5 证券时报记者 许岩;PPI降幅继续收窄 消费增速创新低[N];证券时报;2013年

6 丛榕;煤炭开采业PPI赶底 价格走势至关重要[N];中国证券报;2009年

7 记者 许晶盈 通讯员 区敏丽;上半年湛江PPI下降0.9%[N];湛江日报;2013年

8 周树远;PPI一路飞扬 “后奥运”汽车业“涨”字当头[N];中国经营报;2008年

9 华泰证券研究所 周林;PPI数据平添股市“秋凉”[N];中国证券报;2008年

10 记者 潘清;PPI数据影响有限沪深股市温和反弹[N];新华每日电讯;2008年

中国硕士学位论文全文数据库 前6条

1 牛强;氯吡格雷联用PPI对冠心病人群主要心血管不良事件影响的荟萃分析[D];山东大学;2016年

2 应超;在PPI网络中识别蛋白质复合物[D];陕西师范大学;2016年

3 宣红东;水稻PPI网络中逆境响应miRNA所靶向的基因拓扑特征分析[D];安徽农业大学;2016年

4 伍旭;PPI：当前我国通货膨胀的先行指标[D];暨南大学;2008年

5 王大光;甘寒濡润法结合PPI治疗GERD胃火阴虚证临床观察[D];南京中医药大学;2007年

6 韩亚;基于正中神经传导速度观察电针内关穴抗家兔PPI诱导心肌缺血的实验研究[D];黑龙江中医药大学;2014年

，

本文编号：722286