一種用于構(gòu)建表達(dá)載體的合成生物學(xué)數(shù)據(jù)庫

方　剛

(西安文理學(xué)院,生物與環(huán)境工程學(xué)院, 西安 710065)

?

一種用于構(gòu)建表達(dá)載體的合成生物學(xué)數(shù)據(jù)庫

方剛

(西安文理學(xué)院,生物與環(huán)境工程學(xué)院, 西安 710065)

摘要：由于基因測序及DNA合成技術(shù)與工具的突破性進(jìn)展，生物工程正在加速發(fā)展，導(dǎo)致合成生物學(xué)的出現(xiàn)。本文介紹了一種用于構(gòu)建表達(dá)載體的合成生物學(xué)數(shù)據(jù)庫。闡述了如何利用MySQL數(shù)據(jù)庫管理系統(tǒng)(DBMS)對合成生物學(xué)數(shù)據(jù)庫gene_bank進(jìn)行查詢，并借助BioEdit軟件對其中的多克隆位點(diǎn)(MCS)進(jìn)行序列分析，通過查詢與分析找出這一合成生物學(xué)數(shù)據(jù)庫的特點(diǎn)。

關(guān)鍵詞：合成生物學(xué);數(shù)據(jù)庫;MySQL查詢

由Science雜志數(shù)據(jù)庫搜索查詢，該刊最早于1911年33卷有兩篇文章出現(xiàn)“合成生物學(xué)”一詞。由Scirus搜索引擎搜索，合成生物學(xué)一詞最早出現(xiàn)于1911年7月8日著名醫(yī)學(xué)刊物《柳葉刀》發(fā)表的一篇書評中。后來雖然斷斷續(xù)續(xù)出現(xiàn)過多次，但在1980年第一次以“基因外科術(shù)：合成生物學(xué)的開始”為題出現(xiàn)在德文刊物的一篇長篇論文[1]。隨著人類基因組計(jì)劃的完成，2000年以后，合成生物學(xué)一詞在學(xué)術(shù)刊物及互聯(lián)網(wǎng)上逐漸大量出現(xiàn)。對于近幾年合成生物學(xué)的突然變熱，不同的人對其有不同的解釋。著名科普刊物 The Scientist為此專門采訪了一些合成生物學(xué)領(lǐng)域的參與者[2]，其中加州大學(xué)伯克利分校(UCB)的化學(xué)工程教授Keasling說：合成生物學(xué)正在用“生物學(xué)”進(jìn)行工程化，就像用“物理學(xué)”進(jìn)行“電子工程”，用“化學(xué)”進(jìn)行“化學(xué)工程”一樣。目前合成生物學(xué)與傳統(tǒng)的重組DNA技術(shù)之間的界限仍然是模糊的。從根本上說，合成生物學(xué)正在利用獲得的生物“零件”進(jìn)行下一層次的工作——對細(xì)胞進(jìn)行實(shí)際的工程化。是利用我們所確信的一些標(biāo)準(zhǔn)“零件”構(gòu)造新生物系統(tǒng)的工程?！昂铣缮飳W(xué)組織”網(wǎng)站上公布的合成生物學(xué)的定義包括兩條路線：(1)新的生物零件、組件和系統(tǒng)的設(shè)計(jì)與建造；(2)對現(xiàn)有的、天然的生物系統(tǒng)的重新設(shè)計(jì)[3]。

合成生物學(xué)建立在“標(biāo)準(zhǔn)生物組件(BioBrick)”的基礎(chǔ)上[4-5]，所謂的標(biāo)準(zhǔn)生物構(gòu)件就是一些具有生物學(xué)意義的DNA分子。合成生物學(xué)就是在活細(xì)胞中使用這些可互換的標(biāo)準(zhǔn)生物組件重新組合構(gòu)造新的生物系統(tǒng)，并加以操縱來實(shí)現(xiàn)某種特定的生理功能。隨著生物學(xué)的工程化和現(xiàn)代分子生物學(xué)的迅猛發(fā)展，這些所謂的“BioBrick”是以海量的形式出現(xiàn)的，對這些標(biāo)準(zhǔn)生物組件信息的組織、存儲和操控必然依賴現(xiàn)代的數(shù)據(jù)庫技術(shù)。本文就是通過使用現(xiàn)代數(shù)據(jù)庫技術(shù)從常用的質(zhì)粒表達(dá)載體中提取“生物組件”信息，將這些載體拆解成“零件”，提取信息加以組織、存儲，然后期望使用這些零件構(gòu)建新的載體。

1常用質(zhì)粒載體數(shù)據(jù)庫gene_bank

數(shù)據(jù)庫是信息系統(tǒng)的核心，在信息社會中占據(jù)著舉足輕重的地位。數(shù)據(jù)庫技術(shù)主要研究如何科學(xué)地組織、存儲和管理數(shù)據(jù)庫中的數(shù)據(jù)。簡單地說，數(shù)據(jù)庫是存儲、管理數(shù)據(jù)的容器：嚴(yán)格地說，數(shù)據(jù)庫是“按照某種數(shù)據(jù)結(jié)構(gòu)對數(shù)據(jù)進(jìn)行組織，存儲和管理的容器”[6]。合成生物學(xué)信息的組織、存儲、管理以及操控就是依賴于現(xiàn)代的數(shù)據(jù)庫技術(shù)。

Gene_bank數(shù)據(jù)庫是源于常用質(zhì)粒載體的數(shù)據(jù)庫，這些質(zhì)粒可以用來傳染12種不同的宿主細(xì)胞(包括大腸桿菌、釀酒酵母、植物細(xì)胞、哺乳動(dòng)物細(xì)胞、昆蟲細(xì)胞等)，這一信息在數(shù)據(jù)庫中已予以存儲。這是一個(gè)“生物組件”數(shù)據(jù)庫，我們可以使用它來構(gòu)造設(shè)計(jì)新的載體。每一個(gè)質(zhì)粒載體的genbank文檔中的FEATURES區(qū)域包含具有生物學(xué)意義的序列，可以用作開發(fā)標(biāo)準(zhǔn)生物組件(BioBrick)[7]。

通過Perl語言編寫程序，可以提取FEATURES區(qū)域的信息。提取的信息包括features名，所有的注釋信息即note，重要的是提取各個(gè)features的序列信息，需要按照各features的起止號碼，根據(jù)ORIGIN區(qū)域的序列信息提取各個(gè)features的準(zhǔn)確序列。將提取的信息輸入MySQL數(shù)據(jù)庫。輸入時(shí)產(chǎn)生兩個(gè)表，其中plasmids表包括了每個(gè)質(zhì)粒的總體信息(包括完整的genbank文檔)。Features表中包含了從質(zhì)粒genbank文檔FEATURES區(qū)域提取的信息，其中FEATURES名被定義為feature_qualifier，而第一個(gè)注釋即note在數(shù)據(jù)庫中被定義為feature_name (FEATURES名)，第二個(gè)note被定義為description即FEATURES的描述，表中還包含各FEATURES的起止號碼和相對應(yīng)的準(zhǔn)確序列信息。genebank_feature表對各個(gè)feature_qualifier的含義進(jìn)行了描述。snapgene_qualifier表和genocad_qualifier表是對各個(gè)feature_qualifier在兩種流行的合成生物學(xué)軟件Snapgene[8]和GenoCAD[8]中的含義的描述，表結(jié)構(gòu)與genebank_feature的表結(jié)構(gòu)基本一致。Gene_bank這一關(guān)系型數(shù)據(jù)庫中最重要的是features表，這個(gè)表里包含就是從質(zhì)粒載體“拆解”下來的合成生物學(xué)“零件”信息，可以使用這些信息來開發(fā)BioBrick。該數(shù)據(jù)庫源于常用質(zhì)粒載體，與標(biāo)準(zhǔn)生物組件(BioBrick)數(shù)據(jù)庫的組織與結(jié)構(gòu)有所不同[5-6]，其中最大的不同在于它源于成熟商業(yè)化的質(zhì)?？捎脕黹_發(fā)新的商用載體，而標(biāo)準(zhǔn)生物組件數(shù)據(jù)庫主要支持iGEM(International Genetically Engineered Machine)競賽。

2gene_bank數(shù)據(jù)庫的SQL查詢

利用MySQL查詢gene_bank數(shù)據(jù)庫的操作如下。

2.1打開MySQL

Windows+R——>cmd(進(jìn)入DOS)——>mysql -u root -p——>password

2.2顯示庫表

show databases;

use gene_bank;

show tables;

經(jīng)過查詢可知，gene_bank數(shù)據(jù)庫中共有5張表，分別是features，genebank_features，genocad_qualifier，plasmids，snapgene_qualifier。

2.3查詢表結(jié)構(gòu)

2.3.1Desc plasmids

Plasmid(質(zhì)粒)表中共有7個(gè)字段，如圖1所示。其中plasmid_id即質(zhì)粒號；plasmid_name即質(zhì)粒名；definition是對質(zhì)粒的基本描述；sequence是質(zhì)粒的序列信息；complete_genbank_text區(qū)存儲完整的質(zhì)粒genbank文檔；is_circular表示如果該質(zhì)粒是環(huán)形閉合的該區(qū)域值為1否則為0；origin表示質(zhì)粒來源的數(shù)據(jù)集。

2.3.2Desc features

Features(特性)表中共有10個(gè)字段，如圖2所示。其中feature_id即features號；feature_name即features名稱；description是對該features的基本描述；feature_qualifier表示該features是屬于哪一類；complement表示該features是否是反向互補(bǔ)序列，如果是該區(qū)域值取1否則取0；start表示該features在它所屬質(zhì)粒中序列的起始號；end表示該features在質(zhì)粒中序列的終止號；sequence表示該features的序列信息；plasmid_id表示該features所屬質(zhì)粒的號；flag區(qū)域表示該features的序列是否含有除a,g,c,t之外的特殊字符，如果含有則予以標(biāo)出。

圖1　表plasmids的查詢結(jié)果Fig.1　The result of querying table plasmids

圖2　表features 的查詢結(jié)果Fig.2　The result of querying table features

2.3.3Desc genebank_features

Genebank_features表中共有3個(gè)字段，如圖3所示。其中qualifier_id表示feature_qualifier的號碼；feature_qualifier就是各個(gè)feature_qualifier的名稱；description是對各個(gè)feature_qualifier含義的解釋。

2.4查詢feature表中的總記錄

Select count(*) as totalItem from features; 17 760 結(jié)果features表中總共有17 760條記錄

Select count(*) from features where sequence is NULL; 0

Select count(distinct sequence) as totalsequence from features; 2 137sequence字段沒有NULL值，完全不同的sequence只有2 137個(gè)，因此有大量sequence是冗余的，冗余的序列信息被標(biāo)識并保留。

圖3　表genebank_features 的查詢結(jié)果Fig.3　The result of querying table genebank_features

2.5綜合查詢

Select feature_name,sequence,description,feature_qualifier,count(feature_id) from features group by feature_name,sequence,description,feature_qualifier having count(feature_id)>1 order by count(feature_id) desc;

通過這個(gè)語句，可以查詢到feature_name、feature_qualifier、description、sequence四者均相同的features有哪些，通過查詢可知AmpR promoter，AmpR，ori，T7 promoter是使用最多的四種features(分別是781次、516次、454次、452次)。這一查詢的意義在于知曉哪些序列使用最為普遍頻繁，為下一步開發(fā)BioBrick做準(zhǔn)備。

Select feature_name,sequence,description,feature_qualifier, count(feature_id) from features group by feature_name,sequence, description,feature_qualifier having feature_name='MCS' order by count(feature_id) desc;

通過這個(gè)語句，可以查詢到當(dāng)features是MCS(多克隆位點(diǎn))時(shí)，所用序列的統(tǒng)計(jì)次數(shù)，可以得到使用次數(shù)最多的序列，并且feature_qualifier是misc_feature, 對于這些序列用BioEdit做了分析，可以顯示其中詳細(xì)的多克隆位點(diǎn)。這一查詢的意義在于知曉哪些多克隆位點(diǎn)使用最為普遍頻繁，可以用來提取較為有效的多克隆位點(diǎn)構(gòu)建克隆或表達(dá)載體。

3gene_bank數(shù)據(jù)庫的意義

關(guān)于標(biāo)準(zhǔn)生物構(gòu)件數(shù)據(jù)庫，最著名的莫過于麻省理工學(xué)院(Massachusetts Institute of Technology, MIT)倡導(dǎo)的Standard Biological Parts[9]。但是之前還少有基于成熟并常用的克隆、表達(dá)載體的數(shù)據(jù)庫[10]。Gene_bank數(shù)據(jù)庫就是源于常用質(zhì)粒載體的數(shù)據(jù)庫，我們可以使用它構(gòu)造新的載體。

Gene_bank數(shù)據(jù)庫源于成熟常用的商業(yè)化質(zhì)粒載體，可以用來開發(fā)用作BioBrick。

Gene_bank數(shù)據(jù)庫便于合成生物學(xué)家查詢合成生物學(xué)研究所需要的數(shù)據(jù)，了解各個(gè)組件的具體信息，組合成新的生物系統(tǒng)。

4前景與展望

合成生物學(xué)將催生下一次生物技術(shù)革命。目前，科學(xué)家們已經(jīng)不局限于非常辛苦地進(jìn)行基因剪接，而是開始構(gòu)建遺傳密碼，以期利用合成的遺傳因子構(gòu)建新的生物體。合成生物學(xué)在未來幾年有望取得迅速進(jìn)展。據(jù)估計(jì)，合成生物學(xué)在很多領(lǐng)域?qū)⒕哂袠O好的應(yīng)用前景，這些領(lǐng)域包括更有效的疫苗的生產(chǎn)、新藥和藥物的改進(jìn)、以生物學(xué)為基礎(chǔ)的制造、可再生能源利用、生產(chǎn)可持續(xù)能源、環(huán)境污染的生物治理、可以檢測有毒化學(xué)物質(zhì)的生物傳感器。本文通過從常用的質(zhì)粒載體中獲取序列信息，將完整的質(zhì)粒序列拆成“零件”構(gòu)建成數(shù)據(jù)庫，提供給合成生物學(xué)家使用。以期從這些零件中提取元素構(gòu)建新的表達(dá)載體。

參考文獻(xiàn)

[1]HOBOM B. Gene surgery:on the threshold of synthetic biology[J]. Medizinische Klinik,1980,75(24):834-841.

[2]LUCENTINI, L. Just what is synthetic biology[J].The Scientist,2006,20(1):36.

[3]趙學(xué)明，王慶昭. 合成生物學(xué)：學(xué)科基礎(chǔ)、研究進(jìn)展與前景展望[J]. 前沿科學(xué), 2007,(3):56-66.

ZHAO Xueming, WANG Qingzhao. Synthetic biology: fundamentals, advances and prospect[J].Frontier Science, 2007,(3):56-66.

[4]SHETTY R P , ENDY D. Knight T F Jr. Engineering BioBrick vectors from BioBrick parts[J].Journal of Biological Engineering, 2008,2(1):5.

[5]孔祥盛. MySQL核心技術(shù)與最佳實(shí)踐(第一版)[M]. 北京: 人民郵電出版社, 2012.

KONG Xiangsheng. MySQL core technology & best practice(1sted.) [M].Beijing:Posts & Telecom Press, 2012.

[6]ADAMES N R , WILSON M L , FANG G , et al. GenoLIB:A database of standard biogical parts derived from a library of common plasmid features[J].Nucleic Acids Research, 2015 ,43(10):4823.

[7]COOLING M T , ROUILLY V , MISIRLI G , et al. Standard virtual biological parts: a repository of modular modeling components for synthetic biology[J].Bioinformatics, 2010, 26(7): 925-931.

[8]CZAR M J, CAI Y, PECCOUD J. Writing DNA with GenoCAD[J]. Nucleic Acids Research, 2009, 37(Web Server issue):W40-W47 .

[9]SMOLKE C D. Building outside of the box: iGEM and the BioBricks Foundation[J]. Nature Biotechnology, 2009, 27(12):1099-1102.

[10]CAI Y, WILSON M L, PECCOUD J. GenoCAD for iGEM: a grammatical approach to the design of standard-compliant constructs[J].Nucleic Acids Research, 2010,38(8):2637-2644.

A synthetic biology database for constructing expression vector

FANG Gang

(SchoolofBiologicalandEnvironmentalEngineering,Xi’anUniversity,Xi’an710065,China)

Abstract：Due to the breakthrough in the Gene Sequencing and DNA Synthesis Technology. Biological and genetic Engineering developed rapidly and resulted in the emergence of Synthetic Biology. A database of synthetic biology,which aims at constructing expression vector, was introduced in this paper. By using MYSQL database management system (DBMS), the Synthetic Biology database of gene_bank were queried. The sequences of multiple clone sites (MCS) were analyzed. In order to figure out some of the characteristic of this database, comprehensive analysis was carried out.

Keywords：Synthetic biology;Database;MySQL query

中圖分類號：K826.15

文獻(xiàn)標(biāo)志碼：A

文章編號：1672-5565(2016)01-039-04

doi:10.3969/j.issn.1672-5565.2016.01.07

作者簡介：方剛，男，副教授，研究方向：合成生物信息學(xué)；E-mail : yuxiangqd@163.com.

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(61173113)。

收稿日期：2015-09-06；修回日期：2015-11-15.