H9N2禽流感病毒全基因组密码子使用偏好性及影响因素分析

    黄蔚虹, 陈永杰, 孙彦阔, 孙卫东

    黄蔚虹, 陈永杰, 孙彦阔, 等. H9N2禽流感病毒全基因组密码子使用偏好性及影响因素分析[J]. 华南农业大学学报, 2020, 41(3): 15-22. DOI: 10.7671/j.issn.1001-411X.201908020
    引用本文: 黄蔚虹, 陈永杰, 孙彦阔, 等. H9N2禽流感病毒全基因组密码子使用偏好性及影响因素分析[J]. 华南农业大学学报, 2020, 41(3): 15-22. DOI: 10.7671/j.issn.1001-411X.201908020
    HUANG Weihong, CHEN Yongjie, SUN Yankuo, et al. Codon usage bias of H9N2 avian influenza virus complete genomes and its influence factors[J]. Journal of South China Agricultural University, 2020, 41(3): 15-22. DOI: 10.7671/j.issn.1001-411X.201908020
    Citation: HUANG Weihong, CHEN Yongjie, SUN Yankuo, et al. Codon usage bias of H9N2 avian influenza virus complete genomes and its influence factors[J]. Journal of South China Agricultural University, 2020, 41(3): 15-22. DOI: 10.7671/j.issn.1001-411X.201908020

    H9N2禽流感病毒全基因组密码子使用偏好性及影响因素分析

    基金项目: 国家重点研发计划(2016YFD0500800-10);江苏肉鸡生产全程关键技术集成示范应用[TG(17)003]
    详细信息
      作者简介:

      黄蔚虹(1995—),女,硕士研究生,E-mail: mishelle-cat@163.com

      通讯作者:

      孙卫东(1969—),男,教授,博士,E-mail: swd100@njau.edu.cn

    • 中图分类号: S852.659.5

    Codon usage bias of H9N2 avian influenza virus complete genomes and its influence factors

    Article Text (iFLYTEK Translation)
    • 摘要:
      目的 

      探究H9N2禽流感病毒(AIV)全基因组的密码子使用偏好性及影响因素。

      方法 

      选取2010—2018年国内H9N2 AIV流行毒株的全基因组为研究对象,分析其碱基组成特性、最优密码子、密码子使用偏好性的影响因素以及病毒对宿主密码子使用模式的适应性。

      结果 

      H9N2 AIV的全基因组中AU含量高于GC。大部分最优密码子以A或U结尾,有效密码子数(ENC)平均值为52.86,提示存在密码子使用偏好性但偏好性较低。密码子使用偏好性主要受到突变压力和自然选择的共同作用,其中自然选择(所占比例为61.79%~76.15%)作用大于突变压力(所占比例为23.85%~38.21%)。H9N2 AIV对人Homo sapiens的密码子适应指数平均值为0.739~0.741,提示H9N2 AIV禽流感病毒可能已适应人类的密码子使用模式。

      结论 

      本研究为H9N2 AIV的基因进化分析、已有疫苗的密码子优化和新型疫苗(密码子去优化疫苗)研制提供了理论依据。

      Abstract:
      Objective 

      To study codon usage bias of H9N2 avian influenza virus (AIV) complete genomes and its influence factors.

      Method 

      The complete genomes of Chinese epidemic H9N2 AIV strains from 2010 to 2018 were selected. The characteristics of base composition, optimal codons, influence factors of codon usage bias and adaption to the codon usage patterns of the host were analyzed.

      Result 

      AU content was higher than GC content in the whole genomes of H9N2 AIV. Most of the optimal codons ended with A or U, and the average of effective number of codons (ENC) was 52.86, suggesting that codon usage bias existed, but the bias was low. The codon usage bias was mainly affected by mutation pressure and natural selection. Natural selection (accounting for 61.79%−76.15%) played a greater role than mutation pressure (accounting for 23.85%−38.21%). In addition, the average codon adaptation ind ex of H9N2 AIV to Homo sapiens ranged from 0.739 to 0.741, suggesting that H9N2 AIV might have adapted to human codon usage patterns.

      Conclusion 

      The study provides a theoretical basis for genetic evolution analysis of H9N2 AIV, codon optimization of existing vaccines and development of new vaccines (codon deoptimization vaccine).

    • 鸡肉是我国第二大肉类消费品,据世界粮农组织预测,至2021年,鸡肉有望成为世界第一大肉类供应来源[]。骨骼肌是脊椎动物体内最大的组织,占整个机体总质量的40%左右,占全部蛋白质质量的50%~75%[]。在家禽中,骨骼肌的生长发育与家禽的产肉量有着密切的联系,足量的骨骼肌是决定家禽肌肉产量的关键因素,因此骨骼肌生长发育过程备受瞩目。

      骨骼肌作为躯体最重要的组成部分,其生长发育表现为肌细胞数量增加和体积扩大[]。骨骼肌的生长发育涉及一系列复杂的生物学过程,主要包括间充质干细胞终末分化成为成肌细胞,成肌细胞增殖分化形成初级肌管,肌管成熟为肌纤维,肌纤维肥大4个阶段[]。整个发育过程由多种要素共同参与,遗传因素发挥关键作用,受许多基因、信号通路和转录因子调控[],如生肌调节因子(Myogenic regulatory factors,MRFs)[]和肌细胞增强因子(Myocyte enhancer factor 2,MEF2)[]等,肌肉特异性转录因子在很大程度上影响骨骼肌的正常生长发育。众多基因参与骨骼肌的生长发育,彼此互作构成复杂的调控网络维持骨骼肌生长发育稳定[-]。随着表观遗传学的发展,研究人员发现除了一些主效基因和转录因子之外,DNA甲基化、组蛋白修饰、非编码RNAs(Noncoding RNAs,ncRNAs)在骨骼肌生长发育过程中也发挥着重要的调控作用[-]

      ncRNAs是一类不编码蛋白质或者多肽,功能多样化,能够在RNA水平直接发挥调节作用的核苷酸,约85%的基因组可以转录成为ncRNAs。以长度、功能以及结构特征等作为划分依据,ncRNAs可分为小非编码RNAs(Small noncoding RNAs,small ncRNAs)如微小RNAs(Micro RNAs,miRNAs)、长链非编码RNAs(Long noncoding RNAs,lncRNAs)、环状RNAs(Circular RNAs,circRNAs)[]。ncRNAs作为机体必需的调控因子,广泛参与各种生命活动,在细胞增殖、分化,重大疾病的发生及胚胎发育等过程中都具有关键性作用[-]。越来越多研究证明ncRNAs与骨骼肌发育过程(如成肌细胞增殖、分化和凋亡,肌纤维形成)及骨骼肌疾病密切相关[-, ]。然而,目前仅有少数ncRNAs对骨骼肌的调节机制被研究清楚。近年来,关于miRNAs、lncRNAs及circRNAs在家禽骨骼肌生长发育过程中作用的研究越来越多。本文以此为基础,针对ncRNAs对家禽骨骼肌生长发育调控机制进行概述,为系统了解家禽生长发育的分子遗传机制提供理论参考。

      miRNAs是一类长度约22 nt,在转录后水平调控基因表达的内源性小非编码RNAs。miRNAs在生物体内广泛存在,可通过与靶基因的3′UTR完全或不完全互补配对,引起mRNA降解或翻译受阻,从而参与基因的表达调控[],也可以结合靶基因的5′UTR、CDS区,从而在转录后水平调控基因表达[-]。miRNAs的表达具有组织特异性和时空特异性,在同一组织不同阶段、同一阶段不同组织的表达量及表达种类有较大区别。一种miRNA可以靶向多种mRNAs,一种mRNA也可以由多种miRNAs调控,这样miRNAs在生物体内构成一个极其精细的网络调控系统从而发挥重要作用[]。研究发现miRNAs对细胞增殖、分化、融合和凋亡等基础过程具有一定的调控作用,在家禽体内,miRNAs主要与脂肪代谢[]、肌肉发育[]、胚胎发育[]和疾病发生[]等过程密切相关。调控骨骼肌发育的miRNAs可大致分为2类:一类是仅在肌肉组织特异性表达的miRNAs,被称作MyomiRs,另一类是在肌肉和其他组织细胞均可表达的miRNAs。试验表明不仅MyomiRs(如miR-206、miR-133和miR-1等)在家禽肌肉中特异性高表达,非MyomiRs在家禽骨骼肌发育过程中也具有调控功能[-]

      生长轴基因及其本身的遗传变异与家禽生长发育息息相关,针对这些基因的作用通路,学者们提出了多种假说。近年来,随着表观遗传学的发展,围绕“miRNA通过调控生长有关基因作用通路,进而影响家禽肌肉生长发育”展开了广泛研究。

      早在2012年,利用表达谱芯片在14胚龄和7周龄正常鸡和矮小鸡骨骼肌中鉴定出差异表达的miRNA let-7b,let-7b不仅能靶向GHR基因调节骨骼肌的生长,也可以通过let-7b-IGF2BP3-IGF2通路抑制骨骼肌的生长发育,进一步研究证明该miRNA与矮小鸡的生长受阻有关[]。Wang等[, ]在鸡肌肉中筛选到特异性表达的miR-133a,并发现miR-133a可能通过调控BIRC5的表达影响鸡骨骼肌的发育。2015年,Ouyang等[]对快速生长型肉鸡(隐性白羽洛克)和慢速生长型肉鸡(杏花鸡)胸肌两尾样进行miRNA测序,发现了22个高表达丰度的差异表达miRNAs,靶基因预测及网络分析发现miR-34c、miR-223、miR-146b-3p、miR-21和miR-205a可能通过靶向生长相关基因影响鸡的生长。

      近年来,研究发现了更多对成肌细胞的增殖、分化具有调控作用的miRNAs。miR-203是一个皮肤特异性miRNA,通过深度测序,Luo等[]发现miR-203在鸡胚骨骼肌和鸡成肌细胞中均有表达,在10至16胚龄的骨骼肌中表达瞬时上调,而在16胚龄以后及成肌细胞分化成肌管期间表达明显下调,揭示该miRNA与肌肉发育相关,体外试验证明miR-203可通过靶向抑制c-JUNMEF2C基因的表达抑制成肌细胞的增殖和分化。Wang等[]结合转录组数据分析选取miR-205a和CDH11基因作为研究对象探讨二者在成肌细胞中发挥的作用,挖掘miR-205a自身表达调控的分子机制,发现miR-205a能够靶向抑制CDH11基因的表达,从而促进原代成肌细胞的增殖,抑制它们的分化。前人研究表明miR-206家族为肌肉特异性miRNA,在心肌和骨骼肌中高度富集,对肌肉细胞的增殖、分化、收缩和应激起到重要的调控作用[],在家禽中研究发现启动子区域的SNP突变可直接影响鸡胚胎期肌肉生长[]。2017年,Li等[]在胚胎期骨骼肌组织中鉴定出高表达的miR-223,体外试验发现其可以靶向抑制IGF-2基因的表达,进而影响生长轴通路下游基因,调控肌肉细胞的增殖,MyoD也可以通过上调miR-223的表达来促进成肌细胞分化。而gga-miR-133a-3p和miR-34b-5p可以分别靶向PRRX1IGFBP2基因调控成肌细胞的增殖和分化[-]。在肌肉发育过程中,E2F1的失调可抑制肌肉分化[],在家禽中,E2F1能够与miR-20a-5p及miR-20b-5p相互联系形成负反馈环,实现对成肌细胞增殖与分化过程的调控[]

      除了调节成肌细胞的增殖、分化外,miRNAs还可以通过它们的靶基因影响成肌细胞的凋亡等过程。2017年,在家禽中对miR-16家族研究发现,miR-16可以靶标抑制转录因子Foxo1和基因Bcl2,结合生长轴重要靶器官肌肉组织中高表达的TGFBR2等基因,调控肌肉细胞的增殖和凋亡[]。miR-15a-16上游区域一段54 bp插入缺失可直接影响miR-16的生成,从而影响家鸡的肌肉量和体质量[]。SESN1是应急诱导蛋白家族的一员,在肌肉损伤修复中起重要作用,它可以抑制肌肉萎缩,维持肌肉的完整性[]。研究表明SESN1可以通过影响受损DNA修复,从而参与p53信号通路,最终调节成肌细胞的增殖与凋亡功能[]。通过筛查快速生长型肉鸡和慢速生长型肉鸡miRNA表达谱发现miR-16-5p在两者之间差异表达,进一步研究发现miR-16-5p靶向抑制SESN1基因,调控p53信号通路,从而调控家鸡成肌细胞的增殖、分化和凋亡(图1)[]

      图 1 miR-16-5p调控成肌细胞的增殖、分化和凋亡过程的作用机制
      图  1  miR-16-5p调控成肌细胞的增殖、分化和凋亡过程的作用机制
      Figure  1.  Model of miR-16-5p regulating myoblast proliferation, apoptosis and differentiation

      lncRNAs指由RNA聚合酶Ⅱ合成,长度大于200 nt的非编码RNAs[]。2002年,在小鼠中首次大规模发现lncRNAs[]。lncRNAs数目繁多,功能复杂。近年来,越来越多的研究表明部分lncRNAs不仅在RNA水平起调节作用,还可以编码产生微肽,大大提高基因组的编码潜力,具有重要的进化意义[]。lncRNAs可通过编码微肽,作为印记基因、分子海绵和调控转录因子活性等机制广泛参与肌肉生长发育的调控[, -]

      linc-MD1是首个被鉴定的肌肉特异性lncRNA。2012年,研究人员运用转录组测序方法在家禽骨骼肌中鉴定发现了281个新lncRNAs[]。随着测序技术的不断更新换代,数以千计与骨骼肌生长发育相关的lncRNAs被识别。近年来,基于多组学分析方法对与鸡肌肉生长发育相关的lncRNA研究发现lncRNA广泛参与家禽骨骼肌的调控网络。Li等[]对杏花鸡11胚龄(E11)、16胚龄(E16)和孵化后1 d(D1)腿肌进行全转录组测序分析获得lncRNA和mRNA数据,发现了1 995个与骨骼肌有关的lncRNAs,其中部分lncRNAs可以通过顺式作用对靶标进行调控从而影响细胞生长增殖,例如,预测lnc00003323可能通过顺式作用机理靶向调控TEAD4表达。Ouyang等[]联合分析E11、E16和D1 3个时期腿肌蛋白质组学数据和lncRNAs数据,发现4个与肌肉收缩过程有关的差异蛋白可能受lnc00068445、lnc00037615和lnc00037619的靶调控,影响胚胎期骨骼肌的生长发育。

      由于lncRNA可通过不同的作用机制调节机体功能,在前期鉴定出的众多可能与骨骼肌生长发育有关的lncRNAs的基础上,研究人员从分子细胞水平对lncRNA调控家鸡肌肉生长发育的作用机制进行了深入探讨发现,lncRNA可以通过吸附miRNA或者编码短分子微肽调控重要功能基因的表达,从而调控基因作用通路来影响鸡肌肉的生长发育。

      首先lncRNAs可以作为竞争性内源RNAs(ceRNAs)在鸡骨骼肌生长发育中发挥作用。Li等[]通过lncRNA-miRNA-gene互作网络分析及细胞活体试验证明lncIRS1通过招募miR-15家族来调控IRS1基因(IGF-1受体底物基因)的表达,激活IGF-1信号通路相关基因的表达,进而促进肌肉纤维肥大并缓解肌肉萎缩进程。c-Myc是调控细胞增殖、分化和胚胎发生的关键转录因子。在鸡成肌细胞中c-Myc可与1 104个lncRNAs的启动子区结合,这些lncRNAs还可以和MyomiRs形成互作。c-Myc控制着 lncRNA lnc-2949和lnc-1369的转录,而lnc-2949和lnc-1369是MyomiRs的分子海绵,通过吸附肌肉分化相关miRNA,影响成肌细胞的增殖分化(图2)[]。其次lncRNAs也可以通过编码微肽调节骨骼肌生长发育。在细胞核与细胞质中同时存在的lncRNA-Six1,不但在胸肌组织中高表达,而且可编码产生一个相对分子质量约7 260的微肽,该微肽顺式调控Six1基因、促进骨骼肌细胞增殖的生物学功能,影响鸡肌肉生长[]。进一步研究还发现miR-1611可与lncRNA-Six1形成内源性竞争,从而调控Six1基因蛋白表达,影响成肌细胞增殖分化及肌纤维类型转化[]

      图 2 c-Myc通过调控靶基因、miRNA和lncRNA影响成肌细胞增殖、分化和肌纤维肥大的作用机制
      图  2  c-Myc通过调控靶基因、miRNA和lncRNA影响成肌细胞增殖、分化和肌纤维肥大的作用机制
      Figure  2.  Model of c-Myc affecting myoblast proliferation, differentiation and muscle fibre hypertrophy by regulating the expression of its target genes, miRNAs and lncRNAs

      circRNAs是一类广泛存在于动植物细胞、病毒、单细胞真核生物,对基因表达具有调控作用的环形RNAs分子。与线性RNAs分子相比,circRNAs的5′和3′端可通过共价键连接在一起,形成封闭环状结构,而且不易受RNA外切酶影响,表达更加稳定[-]。由于circRNAs可以从基因组任意区域产生,因此其长度具有多样性[]

      20世纪70年代在RNA病毒中首次发现circRNAs[]。但由于低丰度,功能未知等原因,circRNAs一度不被重视。随着测序技术的不断成熟,研究人员发现circRNAs并不是RNA剪接发生错误形成的垃圾产物,相反在细胞中大量存在,并可以通过不同的途径调节机体平衡,维持机体正常生长发育。此外随着研究的深入,发现存在内部核糖体进入位点(Internal ribosome entry sites,IRES)、开放阅读框(Open reading frame,ORF)时,circRNAs可以翻译有功能的肽。但是与线性mRNAs相比,circRNAs的潜在翻译能力较低[]。研究还显示circRNAs还具有其他功能,充当miRNAs海绵,作为蛋白海绵和参与转录后调控等[-],其中circRNAs作为miRNAs海绵是目前研究最为广泛的作用机制,circRNAs通过吸附miRNAs降低miRNAs和靶mRNAs的结合,间接影响mRNA的翻译。

      circRNAs是肌肉生长调控网络的新成员,在骨骼肌发育过程中具有独一无二的作用。通过RNA测序技术,Ouyang等[]在E11、E16和D1 3个时期杏花鸡腿肌中鉴定出13 377个circRNAs。circRNAs作用机制多元,目前在鸡胚骨骼肌发育过程中,circRNAs主要通过作为miRNAs的分子海绵调节成肌细胞的增殖和分化,从而影响骨骼肌的生长发育。在筛选到的多个差异表达的circRNAs中,对鸡胚胎期高表达的circRBFOX2.2-3和circRBFOX2.2-4深入研究,发现它们分别由RBFOX2基因的外显子2-3和外显子2-4环化而成,都可以充当miRNA海绵,通过吸附miR-1a和miR-206调控肌肉细胞的增殖[]。尽管在其他动物细胞中miR-206对细胞增殖的抑制作用已被广泛报道,但circRNA以miR-206作为中间靶标调控肌肉生长发育的作用机制还是首次报道。来源于SVIL基因外显子6-14的circSVIL在鸡胚发育后期的骨骼肌中高表达,circSVIL与miR-203的5′端种子序列完全配对,充当miR-203的分子海绵调控c-JUNMEF2C基因表达,从而间接调节成肌细胞增殖和分化过程[]。来源于FGFR2基因外显子3-6的circFGFR2可与miR-133a-5p和miR-29-5p结合,通过和miR-133a-5p、miR-29-5的相互作用,circFGFR2可调节骨骼肌细胞的增殖分化[]。同样,研究还发现circHIPK3可充当miR-30a-3p的分子海绵,促进鸡胚骨骼肌细胞的增殖与分化[]

      随着研究的深入,科学家们发现编码蛋白质的核苷酸序列仅占基因组的1.5%,它们并不足以完整地解释复杂的生命活动。约98%的基因组DNA都可以被转录成RNA,但绝大多数是非编码的RNA分子。骨骼肌生长发育的调控是一个高度复杂的分子网络,除了有编码功能的基因参与外,ncRNAs等表观遗传调控也扮演了重要角色。目前,家禽骨骼肌发育过程中ncRNAs的研究仍停留在初始阶段。大量新的ncRNAs被鉴定发现,但仅有少量ncRNAs的功能和作用机制被研究清楚。其主要原因有:1)ncRNAs的表达丰度一般比较低,增加了研究其功能机制的难度;2)ncRNAs在物种之间的保守性不强,不同物种之间作用机理也是不同的;3)对家禽动物而言,缺乏专门的ncRNA数据库,ncRNA命名没有统一的标准,缺乏专门的生物信息分析工具。

      因此,未来阶段对家禽ncRNAs的研究,应该1)建立专门的数据库,记录ncRNAs的表达丰度、时空表达特异性、组织表达特异性等数据;2)统一ncRNAs命名标准;3)建立针对性强的ncRNAs生物信息学分析工具。与此同时,结合荧光原位杂交、RNA干扰和CRISPR/Cas9介导基因编辑等技术,研究清楚ncRNAs在家禽骨骼肌生长发育中的调控机制,构建基因、miRNAs、lncRNAs和circRNAs之间的互作网络,为促进家禽生长发育提供重要的理论依据。

    • 图  1   不同年份H9N2禽流感病毒的有效密码子数绘图分析

      Figure  1.   Plot analysis of effective number of codons of H9N2 avian influenza virus in different years

      图  2   不同年份H9N2禽流感病毒的PR2绘图分析

      下标“3”代表密码子第3位

      Figure  2.   PR2 plot analysis of H9N2 avian influenza virus in different years

      The subscripted “3” indicates the 3rd place of codon

      图  3   不同年份H9N2禽流感病毒的对应性分析

      Figure  3.   Correspondence analysis of H9N2 avian influenza virus in different years

      图  4   不同年份H9N2禽流感病毒的中性绘图分析

      Figure  4.   Neutrality plot analysis of H9N2 avian influenza virus in different years

      表  1   H9N2禽流感病毒基因组的碱基组成分析1)

      Table  1   Base composition analysis of H9N2 avian influenza virus genomes %

      碱基2) Base 年份 Year
      2010—2012 2013—2015 2016—2018
      A 32.92±0.09 32.92±0.10 33.03±0.08
      C 19.49±0.09 19.48±0.07 19.41±0.09
      U 22.89±0.09 22.88±0.10 22.90±0.10
      G 24.71±0.15 24.72±0.13 24.65±0.11
      GC 44.19±0.16 44.20±0.15 44.07±0.14
      A3S 41.42±0.52 41.48±0.79 41.80±0.54
      C3S 26.57±0.86 26.51±1.05 26.73±0.70
      U3S 30.95±0.60 30.83±1.48 30.76±1.07
      G3S 28.08±0.49 28.11±0.98 27.74±1.24
      GC3S 42.06±0.58 42.07±0.69 41.93±0.73
       1)表中数据为平均值±标准差;2)下标“3S”代表同义密码子第3位
       1)The datum in the table is average ± standard deviation; 2) The subscripted “3S” indicates the 3rd place of synonymous codon
      下载: 导出CSV

      表  2   H9N2禽流感病毒基因组的最优密码子分析

      Table  2   Optimal codon analysis of H9N2 avian influenza virus genomes

      氨基酸
      Amino acid
      密码子1)
      Codon
      同义密码子相对使用度
      Relative synonymous codon usage
      氨基酸
      Amino acid
      密码子1)
      Codon
      同义密码子相对使用度
      Relative synonymous codon usage
      高表达组
      High expression group
      低表达组
      Low expression group
      高表达组
      High expression group
      低表达组
      Low expression group
      Ala GCT* 1.130 0.957 Phe TTT* 0.960 0.817
      GCC* 0.884 0.730 TTC 1.040 1.184
      GCA 1.610 1.972 Leu TTA 0.680 0.571
      GCG 0.376 0.340 TTG 1.330 1.164
      Arg AGA 2.386 2.875 CTT 1.162 1.081
      AGG 1.782 1.707 CTC 0.948 0.912
      CGT* 0.278 0.226 CTA 0.877 1.065
      CGC 0.290 0.277 CTG 1.002 1.208
      CGA* 0.834 0.462 Lys AAA 1.076 1.129
      CGG 0.431 0.453 AAG 0.924 0.872
      Asn AAT 1.139 1.122 Pro CCT 1.098 1.120
      AAC 0.862 0.878 CCC 0.880 0.703
      Asp GAT* 1.181 1.076 CCA 1.488 1.612
      GAC 0.819 0.924 CCG 0.535 0.564
      Cys TGT 0.938 0.885 Ser AGT 1.189 1.141
      TGC 1.062 1.115 AGC 1.193 1.117
      Gln CAA 1.149 1.095 TCT 1.059 1.153
      CAG 0.851 0.905 TCC 0.782 0.802
      Glu GAA 1.206 1.206 TCA 1.340 1.428
      GAG 0.794 0.794 TCG 0.436 0.360
      Gly GGT* 0.711 0.580 Thr ACT 1.040 0.908
      GGC* 0.735 0.559 ACC 0.902 0.863
      GGA 1.744 1.759 ACA 1.656 1.862
      GGG 0.810 1.103 ACG 0.402 0.367
      His CAT 1.243 1.259 Tyr TAT 1.176 1.170
      CAC 0.757 0.741 TAC 0.824 0.830
      Ile ATT 1.162 1.129 Val GTT* 1.037 0.915
      ATC 0.876 0.813 GTC 0.876 0.852
      ATA 0.962 1.058 GTA* 0.836 0.716
      GTG 1.250 1.517
       1)“*”表示高表达组的同义密码子相对使用度显著高于低表达组且差异≥0.08(P <0.01, t检验)
       1)“*” indicates relative synonymous codon usage of high expression group is significantly higher than that of low expression group and the difference is equal or higher than 0.08 (P<0.01,t test)
      下载: 导出CSV

      表  3   前两主轴对应性分析及与密码子使用偏好性主要参数的相关性分析

      Table  3   Correspondence analyses of the first two principle axes and correlation analyses between the first two principle axes and main parameters of codon usage bias

      前两主轴
      First two
      principle axes
      对应性分析差异比例
      Variation proportion of correspondence analysis
      相关性1) Correlation
      w(U3S) w(C3S) w(A3S) w(G3S) w(GC12) w(GC3S) w(GC) ENC 总平均亲水性
      General average
      hydropathicity
      芳香性
      Aromaticity
      第1轴 Axis 1 34.65% 0.091 −0.348** 0.262* −0.014 0.340** −0.385** 0.510** 0.633** −0.533** −0.418**
      第2轴 Axis 2 21.34% 0.471** 0.513** −0.181 −0.717** 0.295** −0.291** −0.234* 0.216** −0.233* 0.342**
       1)“*”代表P<0.05, “**”代表P<0.01(Spearman相关性分析);下标“3S”代表同义密码子第3位,下标“12”代表密码子第1、2位,“ENC”代表有效密码子数
       1)“*”represents P<0.05, “**”representsP<0.01(Spearman’s rank correlation analysis); The subscripted “3S” indicates the 3rd place of synonymous codon, The subscripted “12” indicates the 1st and 2nd places of codon, “ENC” indicates effective number of codons
      下载: 导出CSV

      表  4   H9N2 禽流感病毒基因组的密码子适应指数分析1)

      Table  4   Codon adaptation index analysis of H9N2 avian influenza virus genomes

      年份
      Year
      有效密码子数
      Effective number of codons
      密码子适应指数 Codon adaptation index
      Gallus gallus Homo sapiens
      2010—2012 52.86±0.64 0.768±0.005(−0.731**) 0.740±0.004(−0.583**)
      2013—2015 0.766±0.006(−0.386*) 0.739±0.005(−0.223)
      2016—2018 0.768±0.004(−0.635**) 0.741±0.003(−0.409*)
       1)表中数据为平均值±标准差;括号中数据为相关系数;“*”表示P<0.05, “**”表示P<0.01(Spearman相关性分析)
       1) The datum in the table indicates average ± standard deviation; The datum in the bracket is correlation coefficient; “*” represents P<0.05, “**” representsP<0.01(Spearman’s rank correlation analysis)
      下载: 导出CSV
    • [1] 陈伯伦, 张泽纪, 陈伟斌. 鸡A型禽流感病毒的分离与血清学初步鉴定[J]. 中国家禽, 1997(11): 4-6.
      [2]

      SUN Y, LIU J. H9N2 influenza virus in China: A cause of concern[J]. Protein Cell, 2015, 6(1): 18-25. doi: 10.1007/s13238-014-0111-7

      [3]

      LI G, WANG R, ZHANG C, et al. Genetic and evolutionary analysis of emerging H3N2 canine influenza virus[J]. Emerg Microbes Infect, 2018: 7. doi: 10.1038/s41426-018-0079-0.

      [4] 胡明达. 禽流感病毒进化与传播规律研究[D]. 北京: 军事科学院, 2018.
      [5]

      NASRULLAH I, BUTT A M, TAHIR S, et al. Genomic analysis  of  codon  usage  shows  influence  of  mutation pressure, natural selection, and host features on Marburg virus evolution[J]. BMC Evol Biol, 2015: 15. doi: 10.1186/s12862-015-0456-4.

      [6]

      BAKER S F, NOGALES A, MARTÍNEZ-SOBRIDO L. Downregulating viral gene expression: Codon usage bias manipulation for the generation of novel influenza A virus vaccines[J]. Future Virol, 2015, 10(6): 715-730. doi: 10.2217/fvl.15.31

      [7]

      PUIGBÒ P, BRAVO I G, GARCIA-VALLVE S. CAIcal: A combined set of tools to assess codon usage adaptation[J]. Biol Direct, 2008: 3. doi: 10.1186/1745-6150-3-38.

      [8]

      NAKAMURA Y, GOJOBORI T, IKEMURA T. Codon usage tabulated from international DNA sequence databases: Status for the year 2000[J]. Nucleic Acids Res, 2000, 28(1): 292. doi: 10.1093/nar/28.1.292

      [9]

      WANG L, XING H, YUAN Y, et al. Genome-wide analysis of codon usage bias in four sequenced cotton species[J]. PLoS One, 2018, 13(3): e0194372. doi: 10.1371/journal.pone.0194372

      [10]

      SHARP P M, LI W H. The codon adaptation index: A measure of directional synonymous codon usage bias, and its potential applications[J]. Nucleic Acids Res, 1987, 15(3): 1281-1295. doi: 10.1093/nar/15.3.1281

      [11]

      CHEN Y, CHEN Y F. Analysis of synonymous codon usage patterns in duck hepatitis A virus: A comparison on the roles of mutual pressure and natural selection[J]. VirusDisease, 2014, 25(3): 285-293. doi: 10.1007/s13337-014-0191-2

      [12]

      CRISTINA J, FAJARDO A, SOÑORA M, et al. A detailed comparative analysis of codon usage bias in Zika virus[J]. Virus Res, 2016, 223: 147-152. doi: 10.1016/j.virusres.2016.06.022

      [13] 金刚, 王丽萍, 龙凌云, 等. 普通野生稻线粒体蛋白质编码基因密码子使用偏好性的分析[J]. 植物科学学报, 2019, 37(2): 188-197. doi: 10.11913/PSJ.2095-0837.2019.20188
      [14]

      KUMAR N, BERA B C, GREENBAUM B D, et al. Revelation of influencing factors in overall codon usage bias of equine influenza viruses[J]. PLoS One, 2016, 11(4): e0154376. doi: 10.1371/journal.pone.0154376

      [15]

      ZHOU T, GU W J, MA J M, et al. Analysis of synonymous codon usage in H5N1 virus and other influenza A viruses[J]. Biosystems, 2005, 81(1): 77-86. doi: 10.1016/j.biosystems.2005.03.002

      [16]

      ANHLAN D, GRUNDMANN N, MAKALOWSKI W, et al. Origin of the 1918 pandemic H1N1 influenza A virus as studied by codon usage patterns and phylogenetic analysis[J]. RNA, 2011, 17(1): 64-73. doi: 10.1261/rna.2395211

      [17]

      BUTT A M, NASRULLAH I, QAMAR R, et al. Evolution of codon usage in Zika virus genomes is host and vector specific[J]. Emerg Microbes Infect, 2016, 5: e107.

      [18]

      YANG X, LUO X, CAI X. Analysis of codon usage pattern  in  Taenia  saginata  based  on  a  transcriptome dataset[J]. Parasite Vector, 2014: 7. doi: 10.1186/s13701-014-0527-1.

      [19]

      SHI S L, JIANG Y R, LIU Y Q, et al. Selective pressure dominates the synonymous codon usage in parvoviridae[J]. Virus Genes, 2013, 46(1): 10-19. doi: 10.1007/s11262-012-0818-6

      [20]

      VICARIO S, MORIYAMA E N, POWELL J R. Codon usage  in  twelve  species  of Drosophila[J]. BMC  Evol Biol, 2007: 7. doi: 10.1186/1471-2148-7-226.

      [21]

      HUANG Y W, LI X D, ZHANG H, et al. Human infection with an avian influenza A (H9N2) virus in the middle region of China[J]. J Med Virol, 2015, 87(10): 1641-1648. doi: 10.1002/jmv.24231

      [22]

      BERA B C, VIRMANI N, KUMAR N, et al. Genetic and codon usage bias analyses of polymerase genes of equine influenza virus and its relation to evolution[J]. BMC Genomics, 2017: 18. doi: 10.1186/s12864-017-4063-1.

    • 期刊类型引用(6)

      1. 黄华云,杨苗苗,向海,李瑞瑞,赵振华,李春苗,王钱保,黄正洋,张耿铭,吴香君,梁忠. mTOR通路相关基因在不同品系鸡不同组织、细胞的表达规律及相关性分析. 中国农业大学学报. 2025(03): 141-152 . 百度学术
      2. 杨朝永,陈若楠,张若彤,孙楠桢,汪家骏,孙杰. gga-miR-3594-3p靶向APOBEC2调控鸡成肌细胞增殖和分化的研究. 中国畜牧杂志. 2025(04): 181-191 . 百度学术
      3. 杨朝永,陈若楠,张若彤,孙楠桢,汪家骏,孙杰. 鸡胚胎期肌纤维形成相关miRNAs的筛选与分析. 中国家禽. 2024(05): 1-11 . 百度学术
      4. 赵琛,刘晓懿,王喜宏. 绵羊组织特异性长链非编码RNA的鉴定与功能分析. 家畜生态学报. 2023(01): 18-26 . 百度学术
      5. 贺喜,宋泽和,常凌. 肉鸡肌纤维性状形成机制及调控的研究进展. 动物营养学报. 2022(10): 6298-6305 . 百度学术
      6. 敬敬,姚东,凌英会. 表观遗传修饰在骨骼肌细胞增殖分化过程中的研究进展. 中国畜牧兽医. 2020(10): 3314-3322 . 百度学术

      其他类型引用(9)

    图(4)  /  表(4)
    计量
    • 文章访问数:  18232
    • HTML全文浏览量:  3
    • PDF下载量:  20274
    • 被引次数: 15
    出版历程
    • 收稿日期:  2019-08-13
    • 网络出版日期:  2023-05-17
    • 刊出日期:  2020-05-09

    目录

    Corresponding author: SUN Weidong, swd100@njau.edu.cn

    1. On this Site
    2. On Google Scholar
    3. On PubMed

    /

    返回文章
    返回