论文部分内容阅读
随着后基因组时代的到来以及计算技术在生物领域的越来越多的应用,通过计算来辅助生物研究得到极大的发展。当前对微生物学的研究主要分为两个方面:一是对实验室可培养微生物的研究;二是对直接获取于自然界无法通过实验室培养得元基因组微生物的研究。合成生物学对第一类研究在近些年有着重要且快速的进展。合成生物学的两个互补的目的:通过对生物系统的模拟加深对其的理解与构造具有新的功能的生物系统。达到上述目的的技术手段实现:搜索期望的存在于自然界的代谢路径、预测与发现新的代谢产生路径、基于已有知识人工设计代谢路径。对元基因组的研究主要目的是分析其中得微生物组成及标明其对元基因组中微生物种群得功能贡献。引入代谢网络的信息是研究微生物学的重要手段,因为代谢是生物体重要的分子过程而且帮助我们了解物种潜在分子网络的复杂性。为了对微生物生物学研究提供有益的辅助,对于上述两个方面的研究,我们基于代谢网络的信息分别提出了相应的方法与辅助系统。主要工作包括:(1)多源数据库代谢数据的整合。设计了数据库整合的模型,并提出了一种代谢物名称匹配的改进算法,提高了名称匹配的准确率。(2)代谢路径搜索与设计系统的实现。设计并实现了在单个或是多个微生物代谢网络中搜索两代谢物代谢路径的功能;设计了微生物代谢网络的物质转换图表示方法及权重函数;设计并实现了从单个代谢物开始的代谢路径设计的功能。(3)元基因组微生物群落预测的方法。建模元基因组的种群预测方法为集合覆盖的问题,根据问题的生物学特征设计了一种改进的贪心算法来实现快速的覆盖实现。经过上述工作,我们实现了:(1)整合标准化得到准确且无冗余的代谢数据,为后续的研究提供了良好的数据基础。(2)实现了一个用户友好、功能完善且用途广泛的代谢路径搜索与设计的工具系统,可以广泛应用于系统生物学、合成生物学、生物降解、生物制药及相关领域。(3)提出并实现了一种元基因组微生物种群预测与推导的方法BCPI(Bacterial Community Predction/Reference)。实验结果与分析显示BCPI不仅能重构出一个与元基因组样本相同代谢功能的微生物群落,而且可以扩展出该群落中未知的代谢功能。