禾本科植物：谷类基因组鸟瞰图

摘要

简介

Gramene是禾本科植物的比较基因组绘图数据库，以水稻基因组为锚(网址：http://www.gramene.org). 自动和手动数据管理都是为了合并和重新解释有关基因组和基因的结构和组织、蛋白质的功能、各种图谱（遗传、物理和序列图）、映射标记、数量性状位点（QTL）和文献引用的信息(图1A). 作为一种信息资源，Gramene的目的是为最初由各种物种特定数据库提供的数据提供附加值(1——三)和通用数据存储库，如Entrez(4). 这有助于研究人员利用水稻基因组序列和遗传信息，比较和了解谷物中基因、基因组组织、途径和表型的特征。自从上次发表Gramene以来(5)，通过添加新的数据集、工具和搜索界面，数据库经历了许多改进，如以下部分所述。这里描述的数据集和模块基于Gramene数据库的第18版（2005年9月）。

地图搜索

Gramene的中心比较映射工具是CMap，可以通过多种方式从Gramene网站访问(http://www.gramene.org/cmap/index.html). 该工具将地图表示为相互关联特征的线性阵列，如果是遗传地图，则对应于单个链接组，如果是物理地图，则应对应于单个连接性，如果是注释序列，则应相应于连接性或支架。相关的图谱被分为多个图谱集，例如遗传图谱研究产生的连锁群集，或测序项目中注释的染色体集。为了在同一物种或不同物种甚至不同类型的不同地图集之间进行比较，研究人员首先选择一个参考地图集，然后从其中选择一个参照地图（染色体、连锁群或连接性）。这个参考图是人们选择进行任何比较的基础。

渲染参考地图图像后，用户可以选择一个或两个比较地图。这些比较地图可以添加到先前选择的参考地图的左侧和右侧(图1B). 只要有效的比较可用，用户可以继续添加其他地图。定位在地图上的任何项目都被称为特征（例如标记、克隆、基因、QTL等），可以是一个点，也可以是一个区间。研究人员可以单击某个功能以获取有关该功能的其他信息，包括Gramene内部或外部资源的内部链接。在比较地图视图中，将一张地图上的要素与另一张地图中的要素连接起来的线表示对应关系。这些对应关系可以自动分配（基于序列对齐或特征名称），也可以由馆长按照管理指南手动分配。

目前，CMap模块共有159个图谱，分为6种不同类型，即序列、物理、缺失、遗传、玉米仓和QTL图谱。这些地图属于代表主要谷物作物的22种不同物种，包括36种不同类型的1833720个特征。自上次出版以来(5)除新的搜索、显示和下载选项外，CMap部分还进行了重大更新，包括更多的物种、地图集和特征类型。CMap由Gramene与GMOD合作开发(http://www.gmod.org)在开源许可下。

标记搜索

另一个最近增强的功能是Gramene的标记模块(http://www.gramene.org/markers/index.html). 此模块允许用户通过在“标记名”搜索框中键入任意数量的标记名来搜索标记集合，每个标记名由逗号或空格分隔。为了进一步完善搜索查询，研究人员可以指定标记类型（例如“RFLP”）和/或物种（例如“水稻”），例如，搜索以RZ开头的水稻RFLP标记会给出287个条目(http://www.gramene.org/db/markers/marker_view？marker_name网站=*RZ*&marker_type_id=3&species_id=1&action=marker_search). 新用户可以通过访问以下网页来熟悉标记数据集：http://www.gramene.org/db/markers/marker_view网站，在那里他们将找到Gramene中关于给定标记的所有可用信息的摘要，包括标记名称、同义词、类型、物种和来源种质、可以找到标记的地图、水稻基因组序列和玉米物理图上的基因组位置、标记源的交叉引用，文献引用以及说明长度多态性的图像（如水稻SSR标记RM220http://www.gramene.org/db/markers/marker_view？marker_name=rm220).

目前，标记模块共包含来自17个不同物种的11种类型的1308654个遗传和物理标记。由于正在进行的管理活动，地图模块中发现的约67%的特征也出现在标记数据库中。在未来的版本中将添加更多的策划标记。

数量性状位置

QTL是一种统计结构，用于识别基因组的特定区域，该区域可能包含一个或多个与性状相关的基因。QTL表示为遗传连锁群中的一个区间，在该区间内，为绘图实验中使用的每个标记绘制关联概率。QTL模块(http://www.gramene.org/qtl/index.html)是Gramene数据库的新成员。它为研究人员提供了工具，以调查发现携带基因的共线区域和不同植物物种中有助于相似性状的QTL，从而促进跨物种QTL的比较研究。Gramene目前不收集原始QTL分离数据，但强调基本QTL信息的表示，如性状名称、符号、遗传上的映射位置、引用参考和自由文本中的注释（例如，粒长QTL、CQAL1http://www.gramene.org/db/qtl/qtl_display？qtl_accession_id=CQAL1). 特征描述被映射到一个被称为特征本体（to）的受控词汇，这使得研究人员能够将一个物种的特征与另一个物种中的相似特征联系起来。

目前，该QTL模块共包括8410个QTL，这些QTL涉及9种主要谷物作物的274个农艺性状，包括水稻、玉米、燕麦、大麦、小麦（六倍体和四倍体）、珍珠粟(御谷)、谷子(意大利狗尾草)和野生稻(沼泽Zizania palustris). 为了便于检索，将274个性状分为8个主要性状家族，涉及非生物和生物胁迫、育性、解剖、发育、活力、质量和产量。该数据集包括超过7000个水稻QTL，这些QTL由Gramene工作人员（J.Ni等.，未发表的数据）(6). 其他物种的QTL要么由内部管理，要么由我们在MaizeGDB的合作者贡献(2)、谷粒基因(三)以及其他地方。未来的改进将包括高级注释，提供有关统计分数、贡献等位基因、种质、群体、分析环境以及治疗和与本体部分中描述的各种受控词汇（本体）的关联的信息。

大米、玉米和阿拉伯脊髓灰质炎基因组

Gramene的基因组浏览器部分(http://www.gramene.org/genemobrowser)是植物基因组注释的图形显示，包括描述基因、转录物、肽、SNP、重复、EST、标记、插入元件和其他感兴趣的特征的轨迹。目前，我们主持了水稻的注释基因组组装-日本(7)和拟南芥(8)以及玉米物理细菌人工染色体（BAC）图的表示(9). 使用Ensembl项目开发的最新版本的基因组浏览器显示这些基因组(10).

水稻基因组(http://www.gramene.org/Oryza_sativa网站/)作为基于序列的比较基因组分析的切入点。我们通过使用各种基于序列的标签来识别水稻和其他谷类物种之间的序列相似性区域，包括EST序列、蛋白质、全长cDNA、侧翼序列标签（FST）、微阵列探针、BAC和BAC末端、SNP和重复元件。如http://www.gramene.org/documentation/Alignment_docs/to_Japonica/index.html此外，我们还使用基于蛋白质序列的同源性信息来确定拟南芥、大米和玉米(图2B)使用Ensembl比较管道(http://www.gramene.org/Oryza_sativa/helpview？se=1&kw=geneview#OrthologuePrediction). 从Osa1水稻基因组注释数据库导入的当前水稻基因组组合(7)是一个新添加的功能，它取代了先前报告的BAC克隆式浏览器显示注释(5).

玉米基因组浏览器(http://www.gramene.org/Zea_mays网站/)基于亚利桑那基因组研究所（AGI）开发的FPC物理图；http://www.genome.arizona.edu/fpc/maize/) (9). 除了AGI绘制的特征外，我们还添加了许多不同草种（包括水稻和玉米）的序列特征(http://www.gramene.org/documentation/Alignignment_docs/to_Maize/index.html). 增加了合成器查看器(http://www.gramene.org/Oryza_sativa/syntenyview？otherspecies=Zea_mays网站)显示水稻和玉米基因组之间的长程同源性模式为用户在寻找基因、功能直向同源物和共享遗传标记时找到水稻和玉米基因组的共线区域提供了一个有用的比较工具。我们通过构建玉米FPC图上映射的overgo标记的位置的排序成对列表，并确定它们在水稻基因组上的相应位置，构建了水稻和玉米之间的共有基因块（D.H.Ware等.，未发布的数据）。

拟南芥是植物的首要模式生物，其基因组序列和特征明确的基因(8)在谷物基因组中发现的基因的注释和表征方面有很大帮助。因此拟南芥基因组组装被添加到Gramene的基因组搜索模块中。这有助于用户熟悉已知的拟南芥基因在基因组之间穿行，并在水稻和玉米基因组上找到已表达、已知和/或预测的基因序列。类似地，计算出的直方图也可以从谷类基因组遍历到拟南芥。的数据拟南芥基因组浏览器(http://www.gramene.org/Arabidopsis_thaliana/)由诺丁汉拟南芥库存中心（NASC：http://nasc.life.nott.ac.uk/)最初是从基因组研究所（TIGR）进口的(8).

该模块搜索功能的未来增强将包括组装大米的信息-印度霰弹枪序列(11,12)及其与大米的比较-日本基因组，Swiss-Prot-Trembl数据库蛋白质条目到水稻和玉米基因模型的映射，以及EST和基因表达谱到水稻和玉米花基因模型的绘制。

语法和爆炸搜索

格莱美超市(http://www.gramene.org/Multi/martview网站)简化了创建和维护查询接口的任务。它由关系数据库支持，特别适合提供复杂描述性（例如生物）数据的数据挖掘搜索。选择数据集（例如TIGR水稻基因）后，可以过滤数据以仅查看具有拟南芥同系物，或者可以添加第二个过滤器，只搜索具有已知分子功能的肽。在此之后，用户可以立即从输出页面导出结果，或单击计数按钮来计算最终输出中预期的条目数。MartView可以生成多种不同类型的输出，包括各种格式的序列和列表数据，包括HTML、制表符分隔文本和Microsoft Excel。GrameneMart是Gramene数据库的新成员，由基因组模块提供服务(http://www.gramene.org/geneme_browser/index.html). 它最初是作为BioMart的一部分开发的，是由欧洲生物信息学研究所（EBI）和冷泉港实验室（CSHL）联合开发的通用数据管理系统。

BLAST搜索(http://www.gramene.org/Multi/blastview网站)通过web界面提供对BLAST序列相似性搜索算法的访问。它允许使用多个查询序列对来自多个目标物种的序列数据集进行同时搜索。序列数据集包括基因组、EST、标记、基因、cDNA、FST、BAC和BAC末端和蛋白质。更新后的版本允许用户设置自己的比对参数，选择物种和序列数据集的特定组合，并上传序列文件和显示选项。除此之外，还可以保存或为搜索结果的网络链接添加书签，其中一个链接将保持活动一周。

基因搜索

基因搜索模块(http://www.gramene.org/rice_mutat/index.html)是一种精选资源，提供关于水稻基因鉴定基因的公开信息(水稻sp.）。它包括与形态、发育和农艺重要表型、生理特性变体、生化功能和同工酶相关的基因和等位基因的描述。用户可以通过名称、符号或登录号搜索基因。例如，搜索“flowing”会产生多达64个基因，其中“flowing'”一词出现在基因名称或描述中。还提供了“按基因符号字母顺序浏览”选项(http://www.gramene.org/db/mutant/display_mutan_list). 数据库现在包含1488个特征基因，比早期报告增加了约100个基因(5)其中许多都用表型描述、图谱位置、序列定义、基因产物的鉴定、等位基因、等位遗传基因特征的种质和引文以及与性状（to）、植物结构（PO）和植物生长阶段（GRO）的关联进行了充分注释。例如水稻光周期敏感性-1（hd1）基因http://www.gramene.org/db/mutanature/search_mutant？id=GR:0060860未来，我们的管理活动将集中于添加最近测序的水稻基因组中确定的约18000个基因，这些基因具有全长cDNA证据(7,13). 以前，这个模块被称为“突变体”，但为了更好地描述存储在其中的数据集，它被重命名为“基因”。

蛋白质搜索

蛋白质模块(http://www.gramene.org/protein/index.html)提供了有关禾本科（禾本科或禾本科）Swiss-Prot–Trembl蛋白质条目的精选信息。蛋白质条目使用基因本体（GO）进行注释(14,15)用于生物化学表征，以及用于基因表达和表型关联的植物本体（PO）。此模块中存储的信息源自已发布的报告或由生物信息学实验并包括到Interpo的映射(16)，EC编号，跨膜[使用TMHMM(17)]，信号P(18)和Predotar(19)分析。每个关联都有引用形式的证据以及相应的证据代码（实验类型http://www.gramene.org/plant_ontology/exivente_codes.html). 与蛋白质相关的基因信息通过表型链接提供（例如，从银杏种质中分离的水稻光周期敏感性-1基因中的蛋白质http://www.gramene.org/db/protein/protein_search？acc=Q9FE92). 由于水稻基因组序列组装和注释过程最近才开始稳定，我们还提供了BLASTP查询链接，以便用户可以确定与从预测/已知水稻基因推导出的肽的最佳匹配在水稻基因组集合上识别（基因组浏览器部分提供的信息）。

目前，我们提供了约67000种谷类蛋白质的信息，但只有大米蛋白质（约55000）需要进行内部人工处理。添加其他禾本科植物的蛋白质增强了Gramene的比较特性，是该模块的一个新特性。未来的计划包括提供与基因组组装上发现的肽和基因的链接、同系物和直系物的信息，以进行种内和种间比较，并与我们的合作者合作进行物种特异性蛋白质管理。

本体搜索

随着大规模基因组实验产生与基因表达和表型分析相关的大型数据集的需求不断增加，对受控词汇（本体）的使用要求变得越来越明显(14,20). 本体以称为有向无环图的结构组织，这与层次结构不同，因为子项或更专业化的术语可以有多个父项或更少专业化的词汇。例如(http://www.gramene.org/db/ontology/search_term？id=TO:0000207)株高这一性状具有双亲性，表明它是茎解剖和形态性状的一个亚型，也是与高度相关性状的一个子型。这有助于用户通过本体树的解剖或与高度相关的性状路径找到相关的基因和QTL，并且仍然得到相同的查询结果。

强调Gramene注释协议中此类词汇的使用(21)并允许用户查找基因、蛋白质、QTL、图谱集和特征(http://www.gramene.org/plant_ontology/index.html)，我们要么采用了正在进行的项目开发的本体，如GO(14,15)，或采购订单(22)或开发我们自己的本体，如TO(23)环境（EO）和分类学（GR_tax）本体，在合作者的帮助下（P.Jaiswal等.，未发布的数据）。

TO（收件人）(23)有8794个独特的基因和QTL关联。GO（执行官）(14,15)与来自禾本科植物的约40000 Swiss-Prot–Trembl蛋白质和来自Ensembl数据库的21000水稻基因有约194000关联。采购订单(22)和GRO(21)与～420个独特的水稻基因有关。最新添加的是GR_tax，它提供了一种从与Gramene中给定物种相关的所有数据集中识别信息的方法。例如，大米或水稻与CMap中的106个图谱集、1488个基因和55 306个SP–Trembl蛋白相关。未来，我们将扩展基因和QTL的注释，以包括使用EO和PO的注释(22).

外联与教育

Gramene是CSHL、康奈尔大学和谷物社区之间的合作项目。我们的外联活动扩展到所有地方、州、国家和全球社区，并且是互动的。外联以多种不同的形式进行，包括与数据集和工具的贡献者合作，或举办研讨会，教育用户了解Gramene的资源以及如何在研究中使用这些资源。对于前者，我们积极合作，并通过从Gramene中的适当数据集链接回源和/或在我们的合作者页面上列出合作者联系信息来确认http://www.gramene.org/collaborators网站/。对于我们数据库的日常用户，我们提供预先设计的查询、词汇表和常见问题部分，并提供在线教程，以指导概述一个逐步的过程，向用户展示如何从数据库检索信息(http://www.gramene.org/workshop_tutorial.html). 通过物种页面提供各种谷物作物的一般信息，包括其遗传或进化历史、生产概况、生物学和商业用途(http://www.gramene.org/species/index.html). 为了保持高标准的管理并帮助我们提供新型数据集，我们要求用户通过发送电子邮件给我们反馈gramene@gramene.org.

数据库可用性和联系信息

Gramene是一个精选的、免费使用的、可通过网络访问的数据资源，用于比较禾本科植物的基因组分析。Gramene的技术核心是MySQL数据库管理系统，这是一个稳定且支持良好的开源关系数据库系统。我们开发了一个关系模式来表示Gramene的各种生物实体，以及一个中间件层来动态地将这些信息转换为网页。数据库和管理数据集可免费供本地使用和安装(http://www.gramene.org/documentation/gramene_installation.html).

未来的增强功能

Gramene数据库致力于构建基于社区的信息资源，作为结构化数据集的存储库。每个搜索模块中都描述了各种计划中的未来增强功能；然而，还有两个新模块尚未实施，包括基因组多样性和表型数据模型（GDPDM）和RiceCyc途径工具。GDPDM公司(https://sourceforge.net/projects/gdpdm/)将作为捕获分子和表型多样性数据的模块的基础。该模式的主要重点是保存数量表型数据和分子基因型数据。这些数据可能是QTL定位实验、关联研究、育种工作或种质评价活动的结果。GDPDM将用于提供基本的基础设施，以搜索参考种质/资源及其所体现的遗传变异。正在基于BioCyc途径工具开发RiceCyc路径工具(24)并将提供有关水稻基因组编码的基因网络及其在虚拟水稻植株细胞中发现的各种途径中的作用的信息。

图1

(A类)显示Gramene数据库中所有模块和数据集（基因组、地图、标记、QTL、基因、蛋白质、本体和文献）的流程图。每个模块连接或链接到箭头所示的一个模块到多个其他模块的信息。双头连接表明模块双向连接。(B类)比较地图工具CMap显示的修改后的图像。CMap工具允许用户在参考地图的左侧和/或右侧添加任意数量的地图。在这种情况下，参考图是来自名为“IRGSP序列2005的Gramene TIGR假分子组装”的图集中水稻染色体-3的序列图。在第一个显示中，来自“小麦，物理，EST 2003（wEST 2003）”图集中的染色体-4D的小麦缺失图和来自MMP IBM2 Neighbors 2004图集中的染色体-1的玉米遗传图分别添加到参考图的右侧和左侧。连接这些地图的蓝色线表明，如这些地图上的标记顺序所示，水稻染色体-3、小麦4D和玉米1之间存在共线性（保守共线性）。随后，在显示屏上添加了第四个图谱，即来自‘Iowa Mo17/M99 RI RFLP QTL 1996’的玉米染色体1的QTL图谱。这为研究玉米QTL GRYLD（用于性状籽粒产量，即倒数第二个）是否包含导致水稻共线区域的标记提供了一种方法。玉米QTL图与水稻序列图的比较图使用户能够容易地识别保守区域中的假定同源物，可以对其进行调查，以确定它们是否对两个物种的相同性状有贡献。玉米和水稻地图上以红色突出显示的标记是不同地图上的共享标记位点。CMap显示中的红色标记表明这些标记位点与显示中其他地图中的标记之间存在对应关系。QTL显示的标签（符号）代表性状首字母缩写，例如GRYLD代表性状籽粒产量。

新标签中打开下载幻灯片

图2

(A类)水稻基因组浏览器。水稻染色体-3的一部分的详细视图，其中BAC克隆AC119747被映射为基因组组装的一部分。该基因组克隆是视图中的第一个特征，描述为蓝色的DNA连接，并标有GenBank登录号。提供的与该BAC相关的注释表示Gramene使用其内部基因预测管道（例如Rice_GeneModel-FGENESH）生成的数据集，以及从外部数据库或单个研究人员获得的注释（如每个轨迹中的标记）。研究人员可以通过转到浏览器视图（例如Features、EST、GSS等）上的下拉菜单来定制视图，以显示或隐藏特定的轨迹，也可以通过单击轨迹名称旁边的加号来选择轨迹中的特征。研究人员可以通过从“跳转到”菜单中选择一个选项，在比较地图工具中浏览物理地图。Rice_GeneModel_TIGR轨迹中以灰色显示的基因表明，玉米和/或拟南芥. (B类)基因Loc_Os03g03350的基因报告页面的详细视图提供了该基因的一般描述及其功能注释，以及关于该基因、其内含子和外显子、转录物、肽、推定直向同源物的具体信息，还提供了下载选项。

新标签中打开下载幻灯片

这项工作得到了美国农业部未来农业和粮食系统倡议（IFAFS）（批准号00-52100-9622）和美国农业部农业研究服务局特定合作协议（批准号58-1907-0-041）的支持。在2004年至2007年期间，这项工作还得到了国家科学基金会（NSF）第0321685号奖和美国农业部农业研究所（USDA-ARS）的支持。我们感谢众多合作者和贡献者在策展方面的帮助以及分享他们的数据集和工具。NSF 0321685为支付本文的开放存取出版费用提供了资金。

利益冲突声明。未声明。

参考文献