全 文 ：作物学报 ACTA AGRONOMICA SINICA 2011, 37(6): 965974 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家高技术研究发展计划(863计划)项目(2006AA10A110)，国家自然科学基金项目(30871621)和国家转基因生物新品种培育科技重大
专项重点课题(2009ZX08009-088B)资助。
*
通讯作者(Corresponding author): 邱丽娟, E-mail: qiu_lijuan@263.net
第一作者联系方式: E-mail: zhangle_caas@yahoo.cn
Received(收稿日期): 2010-12-23; Accepted(接受日期): 2011-03-28.
DOI: 10.3724/SP.J.1006.2011.00965
大豆基因组和转录组的核基因密码子使用偏好性分析
张 乐 1 金龙国 1 罗 玲 1 王跃平 1 董志敏 1 孙守红 2 邱丽娟 1,*
1 国家农作物基因资源与遗传改良重大科学工程 / 农业部作物种质资源利用重点开放实验室 / 中国农业科学院作物科学研究所, 北
京 100081; 2 中国科学院遗传与发育研究所, 北京 100101
摘 要: 研究大豆核基因密码子的使用模式, 探讨影响其密码子组成和编码特点的因素, 为运用基因工程技术提高
改良大豆提供理论依据。以大豆基因组的 46 430个高置信编码基因和 2 071条大豆全长转录本序列为数据来源, 应
用 CodonW软件对大豆全基因组密码子组成、同义密码子使用频率和全长转录组编码区密码子使用各项参数的计算
和统计分析发现, 基因的表达水平与编码区 G+C 和 GC3s 含量均呈极显著正相关, 且 G+C 和 GC3s 含量越高的基因
密码子使用偏好性越高, 并确定了 UCC 和 GCC 为大豆最优密码子。编码区长度分组分析表明, 密码子使用偏好性
随编码区长度的增加而降低, 编码区较长的基因则趋向于随机使用密码子, 且在转录组数据范围内, 编码区长度介
于 400~600 bp的基因表达水平最高。大豆叶片和种子中特异表达基因的密码子使用偏好性和基因表达水平较为接近,
但种子特异表达基因的 G+C 和 GC3s 含量均显著高于叶片特异表达基因, 而其芳香族氨基酸含量则极显著低于叶片
特异表达基因。
关键词: 大豆; 基因组; 转录组; 密码子
Analysis of Nuclear Gene Codon Bias on Soybean Genome and Transcriptome
ZHANG Le1, JIN Long-Guo1, LUO Ling1, WANG Yue-Ping1, DONG Zhi-Min1, SUN Shou-Hong2, and QIU
Li-Juan1,*
1 National Key Facility for Crop Gene Resources and Genetic Improvement / Key Laboratory of Germplasm Utilization, Ministry of Agriculture /
Institute of Crop Science, Chinese Academy of Agricultural Sciences, Beijing 100081, China; 2 Chinese Academy of Sciences, Beijing 100101, China
Abstract: Research of soybean nuclear gene codon composition, usage pattern and influencing factors can provide theoretical
basis for applying genetic engineering techonology to improve soybean varieties. A total of 46 430 high confidence coding se-
quences predicted from soybean genome and 2 071 full-length transcripts were used to analyze the composition and characteristics
of soybean nuclear gene codons. CodonW software was applied to calculate the nucleotide composition, relative synonymous
codon usage and other parameters of soybean genome and transcriptome. The result indicted that gene expression level was sig-
nificantly and positively correlated with G+C and GC3s contents, and genes with high G+C and GC3s contents had high codon
preference. UCC and GCC were identified as optimal codons in soybean. Analysis of coding sequences with different length
showed that codon preference reduced as the coding sequence (CDS) length increased, and longer CDS tend to select codons ran-
domly. CDS length between 400 to 600 bp had the highest expression level among the transcriptome data. The preference and
expression level were almost the same between leaf-specific and seed-specific genes. But seed-specific genes had significantly
higher G+C and GC3s contents than leaf-specific genes, and the contents of aromatic amino acids encoded by seed-specific genes
were highly significantly lower than these by leaf-specific genes.
Keywords: Soybean; Genome; Transcriptome; Codon
密码子是生命信息传递的基本单位, 编码同一
种氨基酸同义密码子的不均衡使用称为密码子的使
用偏好性, 其中被优先使用的某些密码子称为最优
密码子。生物体对同义密码子的选择不仅在基因表
达水平方面发挥重要调节作用 [1], 而且有利于提高
翻译的准确性和效率[2]。已有研究发现影响密码子
966 作 物 学 报 第 37卷

使用模式的因素主要有细胞内同功 tRNA丰度[3-4]、
基因组和 CDS (coding sequence)的 GC含量[5-7]、突变
偏好性[8-9]、基因在染色体上的位置[10]、基因长度[11]、
氨基酸疏水性[12]、蛋白质二级结构[13]等。密码子的
使用受到这些因素的选择压力, 通常被认为是物种
间发生分离, 进而产生新物种的重要原因之一[14-15]。
具有高油、高蛋白特点的大豆(Glycine max L.
Merr.), 是世界上主要农作物之一, 广泛用作人类食
物、动物饲料和生物能源等。大豆基因组大小约
1 115 Mb[16], 目前已完成并发表基因组序列, 从中预
测出具有高置信编码区域的基因共 46 430个[17], 为
在全基因组水平对大豆核基因密码子的使用特性进
行研究创造了条件。
本研究从基因组和转录组 2个水平, 解析大豆基
因组的密码子组成, 探讨大豆核基因的密码子使用
偏好性和影响因素及叶片、种子特异表达基因的编
码特点, 为根据大豆基因特点优化和改造外源基因
密码子, 从而有效抑制转基因沉默现象[18-19]和克服
大豆遗传转化效率低的障碍, 利用基因工程技术改
良大豆提供理论依据。
1 材料与方法
1.1 数据的获取
基因组水平的基因数据是从大豆基因组数据库
Phytozome (http://www.phytozome.net/soybean)批量
下载(batch download)的大豆全基因组的高置信蛋白
编码基因序列, 以及叶片和种子的特异表达基因序
列。根据大豆基因组数据库对已知大豆基因功能的
注释和未知基因通过同源比对等方法的功能预测 ,
选取大豆叶片中特异表达的 58 个基因和大豆种子中
特异表达的 21个基因为研究对象(表 1和表 2), 分别
以这两类基因构建子数据集。
转录组水平的基因数据来自本研究。以我国大
面积推广的栽培大豆品种绥农 14为材料, 构建了正
常叶片、大豆花叶病毒侵染叶片、鼓粒期种子和混
合组织(根、茎、叶、花、荚和种子)等 4个全长 cDNA
文库, 从中共鉴定出 2 071条包含完整编码信息的大
豆全长转录本[20-21]。这些全长转录本被定位于大豆
基因组的 20条染色体上。
1.2 参数统计方法
利用 CodonW 1.4.2 (http://codonw.sourceforge.net/)
对大豆基因组预测出的 46 430个高置信蛋白编码序
列和转录组 2 071 个全长基因序列, 分别进行密码
子组成和使用偏好性分析。密码子组成的度量指标
包括 G+C 含量(鸟嘌呤和胞嘧啶含量); A3s、T3s、
G3s、C3s (同义密码子在第 3 位上腺嘌呤、胸腺嘧
啶、鸟嘌呤和胞嘧啶的出现频率); GC3s (同义密码
子第 3位的 G+C含量); Aro (芳香族氨基酸频率)等。
密码子使用偏好性的度量指标包括 RSCU (同义密
码子相对使用度)、ENC (有效密码子数)、CAI (密码
子适应指数)等。
同义密码子相对使用度(relative synonymous
codon usage, RSCU)是对 59个同义密码子(不包括 3
个终止密码子 TAG、TGG、TGA和仅由一个密码子
编码的甲硫氨酸 ATG及色氨酸 TGG密码子)的使用
偏好性评估。该值等于同义密码子的实际观测值与
同义密码子平均使用期望值的比值[22-23]。如果密码
子使用无偏好性, 则 RSCU值为 1; 如果该密码子比

表 1 叶片特异表达基因信息
Table 1 Information of leaf-specific genes
基因名称
Gene name
染色体
Chr.
功能注释
Function annotation
Glyma02g29170 2 Protein phosphatase 2C
Glyma09g17060 9 Protein phosphatase 2C
Glyma10g38910 10 Chlorophyll A-B binding protein
Glyma20g28890 20 Chlorophyll A-B binding protein
Glyma10g38910 10 Chlorophyll A-B binding protein
Glyma20g28890 20 Chlorophyll A-B binding protein
Glyma04g04450 4 Protein of unknown function (DUF3223)
Glyma14g08560 14 CYTOCHROME P450
Glyma17g36530 17 Glyma17g36530.1
Glyma05g01770 5 Aldehyde dehydrogenase family
Glyma11g09920 11 Domain of unknown function (DUF3411)
Glyma12g02260 12 Domain of unknown function (DUF3411)
第 6期 张 乐等: 大豆基因组和转录组的核基因密码子使用偏好性分析 967


(续表 1)
基因名称
Gene name
染色体
Chr.
功能注释
Function annotation
Glyma04g04160 4 Protein of unknown function (DUF3223)
Glyma06g04340 6 Protein of unknown function (DUF3223)
Glyma10g34150 10 Lactate/malate dehydrogenase, alpha/beta C-terminal domain
Glyma20g33380 20 Lactate/malate dehydrogenase, alpha/beta C-terminal domain
Glyma01g22610 1 ARSENICAL PUMP-DRIVING ATPASE-RELATED
Glyma02g11250 2 ARSENICAL PUMP-DRIVING ATPASE-RELATED
Glyma11g11870 11 Fructose-bisphosphate aldolase class-I
Glyma11g11900 11 Fructose-bisphosphate aldolase class-I
Glyma12g04150 12 Fructose-bisphosphate aldolase class-I
Glyma13g41370 13 Surface antigen
Glyma15g04030 15 Surface antigen
Glyma04g16980 4 Ankyrin repeat/zinc finger, C3HC4 type (RING finger)/protein tyrosine kinase
Glyma11g25680 11 Ankyrin repeat
Glyma09g41380 9 3-oxoacyl-[acyl-carrier-protein (ACP)] synthase III
Glyma15g00550 15 3-oxoacyl-[acyl-carrier-protein (ACP)] synthase III
Glyma18g44350 18 3-oxoacyl-[acyl-carrier-protein (ACP)] synthase III
Glyma01g22620 1 FORMIN-RELATED
Glyma02g11260 2 FORMIN-RELATED
Glyma09g06490 9 Ribosomal protein S12
Glyma01g38750 1 Manganese-stabilising protein/photosystem II polypeptide
Glyma02g06830 2 Manganese-stabilising protein/photosystem II polypeptide
Glyma11g06510 11 Manganese-stabilising protein/photosystem II polypeptide
Glyma16g25860 16 Manganese-stabilising protein/photosystem II polypeptide
Glyma05g30600 5 Photosystem II protein Y (PsbY)
Glyma08g13790 8 Photosystem II protein Y (PsbY)
Glyma11g37580 11 Photosystem II protein Y (PsbY)
Glyma18g01530 18 Photosystem II protein Y (PsbY)
Glyma03g00600 3 GTPase of unknown function
Glyma19g30210 19 GTPase of unknown function
Glyma13g03430 13 Rieske [2Fe-2S] domain
Glyma14g23860 14 Rieske [2Fe-2S] domain
Glyma02g16210 2 Methyltransferase domain
Glyma10g03590 10 Methyltransferase domain
Glyma05g28900 5 Rieske [2Fe-2S] domain
Glyma08g12070 8 Rieske [2Fe-2S] domain
Glyma05g29990 5 Domain of unknown function (DUF3406)/AIG1 family/GTPase of unknown function
Glyma08g13100 8 Domain of unknown function (DUF3406)/AIG1 family/GTPase of unknown function
Glyma07g03000 7 Ribosomal protein S15
Glyma08g23110 8 Ribosomal protein S15
Glyma05g32900 5 Pyridine nucleotide-disulphide oxidoreductase/pyridine nucleotide-disulphide oxidoreductase
Glyma08g00520 8 NADH DEHYDROGENASE-RELATED
Glyma11g16260 11 Domain of unknown function (DUF3411)
Glyma13g23110 13 Domain of unknown function (DUF3406)/AIG1 family/GTPase of unknown function
Glyma17g11770 17 Domain of unknown function (DUF3406)/AIG1 family/GTPase of unknown function
Glyma13g28180 13 Glutamine synthetase, catalytic domain/glutamine synthetase, beta-grasp domain
968 作 物 学 报 第 37卷

表 2 种子特异表达基因信息
Table 2 Information of seed-specific genes
基因名称
Gene name
染色体
Chr.
功能注释
Function annotation
Glyma11g16090 11 Seed maturation protein
Glyma10g04280 10 Cupin
Glyma13g18450 13 Cupin
Glyma09g28700 9 Bowman-Birk serine protease inhibitor family
Glyma09g28720 9 Bowman-Birk serine protease inhibitor family
Glyma09g28730 9 Bowman-Birk serine protease inhibitor family
Glyma09g39630 9 Bowman-Birk serine protease inhibitor family
Glyma09g39640 9 Bowman-Birk serine protease inhibitor family
Glyma14g26400 14 Bowman-Birk serine protease inhibitor family
Glyma14g26410 14 Bowman-Birk serine protease inhibitor family
Glyma16g33400 16 Bowman-Birk serine protease inhibitor family
Glyma18g46550 18 Bowman-Birk serine protease inhibitor family
Glyma18g46560 18 Bowman-Birk serine protease inhibitor family
Glyma18g46580 18 Bowman-Birk serine protease inhibitor family
Glyma01g29480 1 Small hydrophilic plant seed protein
Glyma03g07470 3 Small hydrophilic plant seed protein
Glyma10g03310 10 Seed maturation protein
Glyma10g39270 10 Seed maturation protein
Glyma20g28550 20 Seed maturation protein
Glyma05g22030 5 Late embryogenesis abundant protein 18

其他同义密码子使用更频繁, 则其 RSCU 值大于 1;
反之亦然[24]。
有效密码子数(effective number of codons, ENC
or Nc)是检测单个基因密码子非均衡使用的偏好程
度, 取值范围为 20 (每个氨基酸只使用一个密码子)
到 61 (各个密码子被均衡使用)。其值越低, 表明该
基因的密码子使用偏好性越强[25-26]。
密码子适应指数(codon adaption index, CAI)是
对大豆基因编码区同义密码子与密码子最佳使用相
符合程度的检测, 其取值范围在 0~1 之间。表达量
较高的基因具有较高的 CAI 值, 表达量较低的基因
具有较低的 CAI 值。CAI 值与基因表达水平的实际
观测值非常接近, 并已广泛应用于基因表达水平的
预测[27-28]。
最优密码子(optimal codon)是指被优先使用的
密码子, 其确定方法为计算所有基因的 ENC 值, 并
对这些值进行排序, 取该有序数据集的上下限区域
各 5%的序列数据, 形成 2 个新的数据子集。比较 2
个数据子集中密码子的 RSCU值, 如果差异大于 0.3,
且该密码子的 RSCU 值在高表达基因样本中大于 1,
在低表达基因样本中小于 1, 则将该密码子定义为
“最优”密码子[29]。
最优密码子使用频率 (frequency of optimal
codons, FOP)指所使用的最优密码子占总密码子数
的百分比。
运用 SPSS16.0统计软件, 绘制 ENC与 GC3s的
关系图 , 并进行密码子组成和使用偏好性各参数
(A3s、T3s、G3s、C3s、CAI、Fop、ENC、GC3s、
G+C 含量和 Aro)间相关性的分析, 以及叶片和种子
特异表达基因密码子组成和使用偏好性各参数的差
异显著性分析。
2 结果与分析
2.1 基因组和转录组的密码子组成和使用性参
数比较
大豆基因组 46 430个高置信蛋白编码基因 CDS
区序列的平均长度为 1 262.5 bp; G+C 含量范围为
24.0%~69.9%, 平均为 44.5%, CAI 值以大豆核糖体
核蛋白(RNP)基因为参考基因进行计算(表 3)。大豆
转录组 2 071个全长基因序列的平均长度为 887.5 bp;
所包含基因的 G+C含量的变化范围为 23.8%~67.0%,
平均为 47.5%。由表 3可知, 转录组基因的同义密码
第 6期 张 乐等: 大豆基因组和转录组的核基因密码子使用偏好性分析 969


表 3 基于大豆基因组和转录组全长基因密码子的组成及使用参数
Table 3 Composition and parameters of codon usage in predicted genes from genome and identified gene from full-length cDNA
transcriptome
预测的高置信蛋白编码基因 Predicted genes 本实验鉴定的全长基因 Identified genes密码子组成和使用性参数
Composition and usage
parameters of codons
变化范围
Variation range
平均数±标准差
x ±SD
变化范围
Variation range
平均数±标准差
x ±SD
T3s 0.025–0.70 0.40±0.08 0.07–0.70 0.38±0.09
C3s 0.02–0.86 0.26±0.09 0.02–0.81 0.31±0.11
A3s 0.02–0.68 0.32±0.07 0.01–0.65 0.27±0.91
G3s 0–0.77 0.27±0.07 0–0.90 0.29±0.09
CAI 0.03–0.35 0.12±0.02 0.03–0.28 0.12±0.35
Fop 0.23–0.69 0.44±0.04 0.25–0.65 0.46±0.06
ENC 22.86–61.0 51.38±4.41 23.23–61.0 54.94±0.55
GC3s 0.09–0.91 0.41±0.10 0.14–0.89 0.47±0.12
G+C 0.24–0.69 0.45±0.05 0.24–0.67 0.48±0.51
Aro(%) 0–0.27 0.09±0.03 0–0.31 0.08±0.04

子第 3 位鸟嘌呤频率 G3s 和芳香族氨基酸含量这两
个参数的变化范围大于基因组基因, 其余各参数变
化范围都位于大豆基因组 46 430个高置信蛋白编码
区密码子使用参数的取值范围内。这从基因组和转
录组 2个水平验证了本研究所分析参数的正确性。
值得指出的是, 基于大豆基因组基因计算的 CAI
值大于 0.3的基因共有 6个, 分别为 Glyma04g40720、
Glyma06g05640、Glyma16g28590、Glyma20g29560、
Glyma13g35050和 Glyma12g35430。其中, Glyma04
g40720、Glyma06g05640、Glyma13g35050和Glyma12
g35430这 4个基因目前功能未知; Glyma16g28590基
因是位于细胞壁中作为细胞壁组成成分的一种富含
脯氨酸的伸展蛋白; Glyma20g29560 是种子贮藏蛋
白的一种, 属于 LTP (lipid transfer protein, LTP)基因
家族, 具有蛋白酶抑制剂活性。后两个参与机体基
本生长和代谢活动的功能基因具有较高的 CAI 值,
证明了应用 CAI值估计未知基因密码子使用偏好性
程度的可行性[30]。
2.2 密码子使用参数的相关性分析
ENC与GC3s描绘散点图(ENC-plot)的连续曲线,
反映了无选择压力条件下二者之间的关系(图 1), 而
大多数基因位点的分布偏离期望曲线, 表明除核苷
酸组成偏好外, 自然选择等其他因素对密码子的使
用也具有一定影响。位于曲线下方的基因, 具有较
高的 GC3s 含量, 趋向于使用较少的密码子(ENC 偏
低), 具有较强的密码子使用偏好性; 而曲线上方的
基因则倾向于随机使用密码子。
相关分析表明(表 4), 基因表达水平(CAI 值)与


图 1 大豆密码子的 ENC-plot曲线
Fig. 1 ENC-plot of soybean codons

同义密码子第 3位碱基含量(T3s和 C3s)、G+C含量、
GC3s、Fop 和芳香族氨基酸含量均呈极显著正相关
(P<0.01), 与同义密码子第 3 位碱基含量(A3s 和 G3s)
和 ENC 均呈极显著负相关(P<0.01)。有效密码子数
(ENC)与同义密码子第 3 位碱基含量(C3s)、G+C 含
量、GC3、Fop 均呈极显著负相关(P<0.01), 与同义
密码子第 3位碱基含量(A3s和 T3s)呈极显著正相关
(P<0.01), 与芳香族氨基酸含量呈显著正相关 (P<
0.5)。由各参数间的相关性关系可知, 同义密码子第
3 位的碱基含量直接影响着基因的表达水平和密码
子使用偏好性程度的大小。密码子使用偏好性越强
(ENC 值较小 )的基因 , 越偏好于使用最优密码子
(FOP值较大)和G+C含量高尤其是以G/C结尾(GC3s
较大)的密码子, 同时其表达量(CAI值)也越高。

970 作 物 学 报 第 37卷

表 4 转录组全长基因密码子使用性各参数之间的相关系数
Table 4 Correlation coefficients among the parameters of codon usage in full-length transcriptome
参数
Parameter
T3s C3s A3s G3s CAI Fop ENC GC3s G+C
C3s –0.68**
A3s 0.29** –0.65**
G3s –0.31** 0.13** –0.40**
CAI 0.28** 0.12** –0.07** –0.18**
Fop –0.06** 0.35** –0.31** –0.02 0.81**
ENC 0.07** –0.07** 0.20** –0.03 –0.08** –0.11**
GC3s –0.76** 0.84** –0.77** 0.56** 0.06** 0.25** –0.12**
G+C –0.61** 0.66** –0.68** 0.25** 0.18** 0.14** –0.14** 0.74**
Aro 0 0.11** 0.02 –0.11** 0.08** 0.02 0.04* 0 –0.17**
* 和 ** 分别表示各参数间相关性达 0.05和 0.01概率的显著。
* and ** indicate the significance of correlation at the 0.05 and 0.01 probability levels, respectively.

按照 ENC值大小排序, 选取上限区域 5%的 104
个基因编码区序列和下限区域 5%的 104个基因编码
区序列为子数据集, 分别对其 RSCU 值进行计算和
比较, 选择两者差异大于 0.3, 且 RSCU 值在高表达
基因样本中大于 1 和低表达基因样本中小于 1 的密
码子(图 2 中用“×”表示), 最终确定了 UCC 和 GCC
两个密码子为大豆基因组表达的“最优”密码子, 均
为以 G/C结尾的密码子。



图 2 大豆最优密码子
Fig. 2 Soybean optimal codons
× 表示大豆最优密码子; ○ 表示其余的 57个密码子。
× indicates soybean optimal codons; ○ indicas the remaining 57 codons.

编码区长度分组分析表明(表 5), 编码区长度与
ENC间的关系基本是编码区长度越长, ENC值越大,
即密码子使用的偏好性随编码区长度的增加而降低,
编码区较长的基因趋向于随机使用密码子。同时 ,
由于 CAI 和 GC3s 呈极显著正相关, 当编码区长度
介于 400~600 bp范围时, 二者均表现为 5组数据的
最大值, 说明长度位于此范围的基因的表达量居 5
组中最高, 同时其密码子偏好于以 G/C结尾。
2.3 组织特异性密码子分析
以大豆基因组 46 430个高置信编码基因中, 与
光合作用相关的 58 个叶片特异表达基因和与贮藏蛋
白功能相关的 21 个种子特异表达基因为研究对象,
计算这两类组织特异表达基因中各密码子的组成和
同义密码子相对使用度(RSCU值), 并将其与整个基
因组比较。结果表明, 叶片特异表达基因各氨基酸
的同义密码子使用性与整个基因组的密码子使用特
性相似, 而种子特异表达基因中 Phe、Tyr、His、Asn
和 Cys 偏好的密码子与全基因组和叶片特异表达基
因的使用偏性不同, 且这 5 种氨基酸都具有 2 个同
义密码子。在终止密码子的使用上, 全基因组和叶
片特异表达基因偏好于使用 UGA, 而种子特异表达
基因偏好于使用 UAA。对这两类组织特异表达基因
的密码子组成和使用参数进行差异显著性分析发现,
种子特异表达基因的 G+C含量和 GC3s都显著高于
叶片特异表达基因(P<0.05), 叶片中的芳香族氨基
酸含量极显著高于种子特异表达基因(P<0.01), 而
二者的 ENC值和 CAI值均无显著差异。这一结果说
明, 叶片和种子的密码子使用偏好性和二者的基因
表达水平较为接近, 但个别氨基酸偏爱使用的密码
子有所不同。
3 讨论
3.1 大豆基因的实际测定与基因组预测相结合
探索密码子的使用性
本研究中的大豆 46 430个高置信基因编码序列
来自 Phytozome (http://www.phytozome.net/soybean)
第 6期 张 乐等: 大豆基因组和转录组的核基因密码子使用偏好性分析 971


表 5 基于转录组全长基因的参数 ENC、GC3s和 CAI的比较
Table 5 Comparison of ENC, GC3s, and CAI among full-length genes with different lengths
平均数±标准差 x ± SD 分组
Group
基因长度
Length of genes (bp)
基因数目
No. of genes ENC GC3s CAI
1 <200 95 45.50±9.286 0.482±0.123 0.105±0.034
2 200≤ and <400 884 48.85±6.882 0.387±0.116 0.120±0.036
3 400≤ and <600 812 51.16±6.178 0.484±0.124 0.141±0.034
4 600≤ and <800 244 50.98±4.439 0.453±0.103 0.129±0.028
5 800≤ 36 52.12±3.823 0.474±0.856 0.132±0.278

表 6 大豆 59种同义密码子在全基因组和叶片、种子特异表达基因中的使用频率
Table 4 Frequency of 59 synonymous codons in soybean genome genes, leaf-specific genes and seed-specific genes
全基因组
Genome
组织特异表达基因
Tissue specific expressed
gene RSCU
全基因组
Genome
组织特异表达基因
Tissue specific expressed
gene RSCU 氨基酸
Amino acid
密码子
Codon 数目
No.
RSCU 叶片
Leaf
种子
Seed
氨基酸
Amino
acid
密码子
Codon 数目
No.
RSCU 叶片
Leaf
种子
Seed
Phe UUU 483265 1.15 1.06 0.58 Ser UCU 444640 1.55 1.60 0.90
UUC 359232 0.85 0.94 1.42 UCC* 264218 0.92 1.10 1.20
Leu UUA 243950 0.76 0.65 0.27 UCA 392303 1.37 1.40 1.40
UUG 492148 1.54 1.55 1.66 UCG 105724 0.37 0.40 0.30
CUU 473815 1.48 1.46 1.40 Pro CCU 360311 1.51 1.50 1.40
CUC 283483 0.88 0.95 1.50 CCC 170513 0.71 0.70 1.20
CUA 193081 0.60 0.63 0.39 CCA 334799 1.40 1.40 1.20
CUG 237084 0.74 0.76 0.77 CCG 91607 0.38 0.40 0.20
Ile AUU 501771 1.44 1.56 1.18 Thr ACU 337737 1.40 1.40 1.20
AUC 261867 0.75 0.73 1.14 ACC 222512 0.92 1.20 1.30
AUA 282957 0.81 0.71 0.68 ACA 318915 1.32 1.20 1.10
Met AUG 468373 1.00 1.00 1.00 ACG 86986 0.36 0.30 0.40
Val GUU 511157 1.60 1.66 1.16 Ala GCU 501373 1.56 1.60 1.10
GUC 204212 0.64 0.58 0.82 GCC* 256035 0.79 0.80 1.10
GUA 184447 0.58 0.52 0.35 GCA 420390 1.30 1.20 1.10
GUG 381973 1.19 1.23 1.67 GCG 111787 0.35 0.40 0.60
Tyr UAU 332610 1.19 1.15 0.98 Cys UGU 204431 1.09 1.04 0.94
UAC 225579 0.81 0.85 1.02 UGC 169233 0.91 0.96 1.06
TER UAA 13811 1.00 0.76 1.44 TER UGA 17747 1.28 1.20 0.60
UAG 9988 0.72 1.04 0.96 Trp UGG 257147 1.00 1.00 1.00
His CAU 298424 1.21 1.18 0.69 Arg CGU 121905 0.73 0.76 0.98
CAC 195560 0.79 0.82 1.31 CGC 102975 0.62 0.74 1.66
Gln CAA 411208 1.14 1.06 1.10 CGA 98611 0.59 0.50 0.57
C AG 310398 0.86 0.94 0.90 CGG 80714 0.48 0.47 0.35
Asn AAU 537146 1.19 1.18 0.77 Ser AGU 293405 1.03 0.91 1.22
AAC 369067 0.81 0.82 1.23 AGC 215776 0.75 0.67 0.90
Lys AAA 568448 0.95 0.90 0.91 Arg AGA 322929 1.93 1.87 1.00
AGG 29842 1.05 1.10 1.09 AGG 276899 1.65 1.66 1.44
Asp GAU 680853 1.35 1.35 1.12 Gly GGU 378292 1.20 1.27 1.03
GAC 328756 0.65 0.65 0.88 GGC 224151 0.71 0.78 0.92
Glu GAA 655540 1.07 1.00 1.07 GGA 401778 1.28 1.17 1.30
GAG 571921 0.93 1.00 0.93 GGG 251915 0.80 0.78 0.75
下画线表示该氨基酸同义密码子中偏好的密码子; *表示最优密码子。
Codons with underlines are the preferred ones among synonymous codons of an amino acid. * indicates the optimal codon.

972 作 物 学 报 第 37卷

大豆基因组数据库, 是根据大豆基因组序列经基因
预测获得的, 而用于探讨影响大豆密码子使用性因
素和各因素间关系的大豆转录组序列是经本实验室
分离鉴定测序得到的真实存在的基因。目前, 对于
物种基因使用性的研究大多基于已知基因组序列预
测出的 CDS, 未经实验验证其 CDS及其对应蛋白的
真实性, 因此本研究将基因组预测出的全部 CDS 序
列与实验中获得的全长基因序列相结合, 提高了研
究的准确性和实用性。目前进行基因预测的方法主
要有两大类, 一类是依赖于统计模型识别基因结构
的重头计算法 , 另一类是利用已知表达序列 (如
EST、cDNA 或同源序列)同源比对的预测方法[31]。
前者可以预测任何类型的全新基因, 但准确性较低
(在外显子水平, 预测准确性约 80%); 后者准确性较
高(在外显子水平, 预测准确性可达 90%以上), 但不
能预测未知表达序列的全新基因[31-32], 本文所用的
从基因组序列中预测出的编码区序列的方法主要为
后者。
3.2 大豆基因编码区长度对密码子使用偏性和
基因表达水平的影响
本研究通过编码区长度分组分析表明, 大豆基
因密码子使用偏好性随编码区长度的增加而降低 ,
该结论与大肠杆菌[33-34]、拟南芥[35]、线虫[36-37]、果
蝇[38]等模式生物种的密码子使用规律相同, 但不同
于人类等哺乳动物[39]。同时, 经编码区长度分组分
析还发现, 基因的表达水平随编码区的长度先升高,
后下降, 在长度为 400~600 bp 时表达量最高, 这可
能与生物处于自然选择压力下, 编码区较短的基因
可以减少转录和翻译中物质、能量和时间的消耗 ,
因此其表达水平高有关, 对于物种本身的进化也更
有利 [40], 相反, 编码区较长的基因往往含有数量较
多或较长的内含子, 其切割和加工过程耗能较多, 同
时较长基因的表达也需要更多的调控因子的协助[41],
因而表达量通常较低。综上所述, 大豆与其他生物
的不同之处在于, 其基因表达水平并非始终随编码
区长度增加而下降, 而是在编码区长度小于 400 bp
时, 其表达量随编码区长度的增加略有增加。
3.3 大豆密码子使用性分析对基因工程技术的
指导作用
生物界蕴藏着丰富的基因资源。将不同物种中
的优良基因, 应用基因工程手段转入被改良的生物,
从而使其获得有利性状, 提高其生存竞争及利用效
率。然而, 将外源基因转入受体生物时, 由于转入基
因的密码子和宿主基因组密码子使用性不同, 易引
起甲基化[42], 从而引发转基因沉默或转基因表达量
降低。因此, 在外源基因转入前, 应按照宿主物种的
密码子使用偏好性对其进行优化和改造。如将 Bt毒蛋
白基因转入棉花, 先将富含 AT(63%)密码子的 cryIA
(b)和 cryIA(c)型毒蛋白基因(全长1 845 bp)的21%的密
码子改造成植物偏爱的同义密码子, 使 G+C含量从
37%提高到 49%, 最终使外源基因在棉花中的表达
量分别提高 10倍和 100倍[19]。
综上所述, 通过大豆全基因组和转录组以及大
豆叶片和种子特异表达基因的密码子使用特点分析,
对于优化和改造外源基因并导入大豆, 从而使大豆
获得更多有利性状(如产量提高、品质改良)并对大豆
品种进行定向改良具有十分重要的理论和现实意义。
4 结论
大豆的最优密码子为 UCC 和 GCC, 编码区长
度越短的基因, 其密码子使用偏好性越强, 并偏爱
于使用最优密码子和G+C含量高尤其是以G/C结尾
的密码子, 且其表达水平也越高。编码区长度位于
400~600 bp范围的基因的密码子使用偏好性和基因
表达量在参试全长转录本中最高, 推测其可能为大
豆的最佳编码区长度。叶片和种子特异表达基因的
密码子使用偏好性和基因表达水平均较为接近, 但
个别氨基酸偏爱使用的密码子有所不同。
References
[1] Carlini D B, Stephan W. In vivo introduction of unpreferred syn-
onymous codons into the Drosophila Adh gene results in reduced
levels of ADH protein. Genetics, 2003, 163: 239–243
[2] Sharp P M, Matassi G. Codon usage and genome evolution. Curr
Opin Genet Dev, 1994, 4: 851–860
[3] Stenico M, Lloyd A T, Sharp P M. Codon usage in Caenorhabdi-
tis elegans: delineation of translational selection and mutational
biases. Nucl Acid Res, 1994, 22: 2437–2446
[4] Olejniczak M, Uhlenbeck O C. tRNA residues that have co-
evolved with their anticodon to ensure uniform and accurate
codon recognition. Biochinmie, 2006, 88: 943–950
[5] Holmouist G P, Flipske J. Organization of mutations along the
genome: a prime determinant of genome evolution. Trends Ecol
Evol, 1994, 9: 65–69
[6] Bernard I G. The human genome: organization and evolutionary
history. Annu Rev Genet, 1995, 29: 445–476
[7] Shi X-F(石秀凡), Huang J-F(黄京飞), Liu S-Q(柳树群), Liu
C-Q(刘次全 ). The feature of synonymous codon bias and
GC-content relationship in human genes. Prog Biochem Biophys
第 6期 张 乐等: 大豆基因组和转录组的核基因密码子使用偏好性分析 973


(生物化学与生物物理进展), 2002, 29(3): 411–414 (in Chinese
with English abstract)
[8] Xia X. Mutation and selection on the anticodon of tRNA genes in
vertebrate mitochondrial genomes. Gene, 2005, 345: 13–20
[9] Chen S L, Lee W, Hottes A K, Shapiro L, McAdams H H. Codon
usage between genomes is constrained by genome-wide muta-
tional processes. Proc Natl Acad Sci USA, 2004, 101: 3480–3485
[10] Romero H, Zavala A, Musto H, Bernaerdi G. The influence of
translational selection on codon usage in fishes from the family
Cyprinidae. Gene, 2003, 317: 141–147
[11] Moriyama E N, Powell J R. Gene length and codon usage bias in
Drosophila melanogaster, Saccharomyces cervisiae and Es-
cherichia coli. Nucl Acids Res, 1998, 26: 3188–3193
[12] Knight R D, Freeland S J, Landweber L F. A simple model based
on mutation and selection explains trends in codon and
amino-acid usage and GC composition within and across ge-
nomes. Genome Biol, 2001, 2: RESERCH0010
[13] Gupta S K, Majumdar S K, Bhattacharya T, Ghosh T C. Studies
on the relationships between the synonymous codon usage and
protein secondary structural units. Biochem Biophys Res Commun,
2000, 269: 692–696
[14] Goldman N, Yang Z. A codon-based model of nucleotide substi-
tution for protein-coding DNA sequences. Mol Biol Evol, 1994,
11: 725–736
[15] Schmidt W. Phylogeny reconstruction for protein sequences
based on amino acid properties. J Mol Evol, 1995, 41: 522–530
[16] Arumuganathan K, Earle E D. Nuclear DNA content of some
important plant species. Plant Mol Rep, 1991, 9: 208–218
[17] Jeremy S, Steven B C, Jessica S, Ma J X, Mitros T, Nelson W,
Hyten D L, Song Q J, Thelen J J, Cheng J L, Xu D, Hellsten U,
May G D, Yu Y, Sakarai T, Umezawa T, Bhattacharyya M K,
Sandhu D, Valliyodan B, Lindquist E, Peto M, Grant D, Shu S Q,
Abernathy B, Du J C, Tian Z X, Zhu L C, Gill N, Joshi T, Libault
M, Sethuraman A, Zhang X C, Shinozak K, Nguyen H T, Wing R
A, Cregan P, Specht J, Crimwood J, Rokhsar D, Stavey G, Shoe-
maker R C, Jackson S A. Genome sequence of the palaeopoly-
ploid soybean. Nature, 2010, 463: 178–183
[18] Cao H-Y(曹慧颖), Zhang R(张锐), Guo S-D(郭三堆). High level
expression of human thymosin α1 concatemer in transgenic to-
mato plants. Sci Agric Sin (中国农业科学 ), 2009, 42(7):
2291–2296 (in Chinese with English abstract)
[19] Zou Y-M(邹永梅), Shi J-S(施季森), Zhu-Ge Q(诸葛强), Huang
M-R(黄敏仁). Reacting the silencing genes in the transgenic
plants. Mol Plant Breed (分子植物育种), 2006, 4(1): 95–102 (in
Chinese with English abstract)
[20] Dong Z-M(董志敏), Li Y-H(李英慧), Zhang B-S(张宝石), Guan
R-X(关荣霞), Chang R-Z(常汝镇), Qiu L-J(邱丽娟). An im-
proved SMART method to construction full-length cDNA library
for large clones. Soybean Sci (大豆科学), 2006, (5): 14 (in Chi-
nese with English abstract)
[21] Wang Y-P(王跃平), Li Y-H(李英慧), Chen X-T(陈雄庭), Chang
R-Z(常汝镇), Qiu L-J(邱丽娟). Construction and characteriza-
tion of the filling stage’s seed cDNA library from Suinong14
(Glycine max). Chin J Oil Crop Sci (中国油料作物学报), 2008,
30(1): 40–45 (in Chinese with English abstract)
[22] Sharp P M, Haney T M F, Mosurski K R. Codon usage in yeast:
cluster analysis clearly differentiates highly and lowly expressed
genes. Nucl Acids Res, 1986, 14: 5125–5143
[23] Liu Q, Feng Y, Xue Q. Analysis of factors shaping codon usage in
the mitochondrion genome of Oryza sativa. Mitochondrion, 2004,
4: 313–320
[24] Sau K, Gupta S K, Sau S, Mandal S C, Ghosh T C. Factors in-
fluencing synonymous codon and amino acid usage biases in
mimivirus. Biosystems, 2006, 85: 107–113
[25] Wright F. The effective number of codons used in a gene. Gene,
1990, 87: 23–29
[26] Gupta S K, Bhattacharyya T K, Ghosh T C. Synonymous codon
usage in lactococcus lactis: mutational bias versus translational
selection. Biomol Struct Dyn, 2004, 21: 1–9
[27] Peixoto L, Zavala A, Romero H, Musto H. The strength of trans-
lational selection for codon usage varies in three relicons of
Sinorhizobium melioti. Gene, 2003, 320: 109–116
[28] Romero H, Zavala A, Musto H. Codon usage in Chlamydia tra-
chomatis is the result of strand-specific mutational biases and a
complex pattern of selective forces. Nucl Acids Res, 2000, 28:
2084–2090
[29] Duret L, Mouchiroud D. Expression pattern and, surprisingly,
gene length shape codon usage in Caenorhabdits, Drosophila,
and Arabidopsis. Proc Natl Acad Sci USA, 1999, 96: 4482–4487
[30] Sharp P M, Li W H. The codon adaptation index: a measure of
directional synonymous codon usage bias, and its potential ap-
plications. Nucl Acids Res, 1987, 15: 1281–1295
[31] Wei C, Brent M R. Using ESTs to improve the accuracy of de
novo gene prediction. BMC Bioinformatics, 2006, 7: 327337
[32] Kwan A L, Li L, Kulp D C, Dutcher S K, Stormo G D. Improving
gene-finding in Chlamydomonas reinhardtii Green Genie2. BMC
Genomics, 2009, 10: 210–220
[33] Sharp P M, Cowe E, Higgins D G, Shield D C, Wolfe K H,
Wright F. Codon usage patterns in Escherichia coli, Bacillus sub-
tilis, Saccharomyces cerevisiae, Schizosaccharomyces pombe,
Drosophila melanogaster and Homo sapiens: a review of the
considerable within-species diversity. Nucl Acids Res, 1988, 16:
8207–8211
[34] Stoletzki N, Eyre-Walker A. Synonymous codon usage in Es-
cherichia coli: selection for translational accuracy. Mol Biol Evol,
2007, 24: 374–381
[35] Morton B R, Wright S I. Selective constraints on codon usage of
nuclear genes from Arabidopsis thaliana. Mol Biol Evol, 2007,
24: 122–129
[36] Cutter A D, Wasmath J D, Blaxter M L. The evolution of biased
codon and amino acid usage in nematode genomes. Mol Biol Evol,
2006, 23: 2303–2315
[37] Duret L, Mouchiroud D. Expression pattern and, surprisingly,
gene length shape codon usage in Caenorhabditis, Drosophila,
974 作 物 学 报 第 37卷

and Arabidopsis. Proc Natl Acad Sci USA, 1999, 96: 4482–4487
[38] Vicario S, Mason C E, White K P, Powell J R. Developmental
stage and level of codon usage bias in drosophila. Mol Biol Evol,
2008, 25: 2269–2277
[39] D’Onofrio G, Mouchiroud D, Aissani B, Gautier C, Bernardi G.
Correlations between the compositional properties of human
genes, codon usage, and amino acid composition of proteins. J
Mol Evol, 1991, 32: 504–510
[40] Moriyama E N, Powell J R. Codon usage bias and tRNA abun-
dance in Drosophila. J Mol Evol, 1997, 45: 514–523
[41] Holmquist G P, Filipski J. Organization of mutations along the
genome: a prime determinant of genome evolution. Trends Ecol
Evol, 1994, 9: 65–69
[42] Perlak F J, Deaton R W, Armstrong T A, Fuchs R L, Sims S R,
Greenplate J T, Fischhoff D A. Insect resistant cotton plants. Biol
Technol, 1990, 8: 939–943


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~


关于召开“中国作物学会 2011年学术年会”的第一轮通知
“中国作物学会学术年会”是我国作物科学领域最高级别学术交流大会, 是每年我国作物科学工作者相聚的盛会。大
会汇聚了作物科学领域的科技工作者, 并邀请作物科学界的两院院士和著名专家作大会学术报告。自 2002 年创办学术
年会以来, 已成功举办了 8次, 会议质量逐年上升, 会议规模和影响力日益扩大, 已成为中国作物学会的品牌会议。
2011年会议主题: 生物育种产业与粮食安全; 会议时间: 2011年 10月 18日报到, 2011年 10月 19~20日开会; 会议
地点: 四川省成都市金牛宾馆。同时将举行中国作物学会作物种子专业委员会成立大会。
一、会议形式及主要内容
会议将以大会报告、分会场报告、研究生论坛及墙报的形式进行广泛的学术交流。现场评选青年优秀学术报告和
优秀墙报奖并在大会闭幕式上颁奖, 获奖论文将免费刊登在《作物学报》上并注明为年会优秀论文。参选者须是在读研
究生或者 35周岁以下的青年科技工作者, 第一作者和通讯作者的工作单位须在国内, 并在 2009年 1月至 2011年 10月
之间在国内完成主要工作。
分会场学术交流的主要内容: (1)生物技术——重要基因的克隆与功能分析、作物转基因技术与转基因育种、重要基
因定位与标记开发、作物分子标记育种、分子设计育种理论与应用等。(2)作物遗传育种——主要农作物种质资源遗传
多样性及核心种质构建、种质资源的鉴定与评价、基于基因组学的种质资源研究、主要作物种质改良与创新、主要农
作物重要性状遗传规律与育种理论和方法研究、高产优质广适性农作物新品种培育与应用等。(3)作物栽培与耕作——
作物可持续高产与超高产理论与技术、作物抗逆与中低产田技术、作物高产高效生态生理、作物品质形成与优质高产
技术、精准栽培与轻简化技术、节水与抗旱栽培、秸秆还田与保护性耕作等。(4)种子科学技术与产业发展——种子生
物学研究进展、作物种子生产的理论与技术、作物种子加工和处理的理论与技术、作物种子与种质保存的理论与技术、
种子检验的理论与技术等。
二、论文摘要、分会场学术报告和墙报征集(征集截止日期为 2011年 8月 31日)
论文摘要的征集: 本次会议征集未公开发表过的论文摘要, 要求针对会议交流的主要内容, 每篇摘要正文字数在
1000 字以内。投稿方式: 通过电子邮件附件形式将征文摘要发送至中国作物学会办公室, 须注明所投论文的学科分类
(参见会议学术交流内容)和交流方式(如分会场学术报告或墙报交流), 不接受邮寄的打印稿。
分会场学术报告的征集: 参会的代表如希望在分会场交流学术研究成果或进展, 请报告题目以电子邮件传至中国
作物学会办公室。
墙报的征集: 由于时间限制, 只能挑选部分报告在分会场交流, 其余以墙报形式进行交流。大会要求每位参会代表
提交一篇论文摘要(1000字左右)并制作成墙报进行展示, 尺寸标准为: 90 cm×120 cm, 纵向排版。要求文字务必简明扼
要, 图文并茂。请在报名回执表中填写论文和墙报题目。
三、报名和联系方式
报名参会人员请从中国作物学会网站下载并填写报名回执表, 并以电子邮件形式传送到中国作物学会办公室。
E-mail: cssc304@sina.com, 网址: http://www.chinacrops.org/, 电话: 010-82108616, 传真: 010-82108785
通讯地址: 北京中关村南大街 12号中国作物学会办公室, 邮编: 100081, 联系人: 杜娟, 刘丹丹