Ab initio methods|Evidence-based methods|maximum-likelihood|branch-site|H1|H0|GO|dS/dN ratio

（Gene prediction and comparison）

使用基于基因组序列的从头预测方法（Ab initio methods）（同时分别使用头预测软件（ GENSCAN和 AUGUSTUS）和预测exon和intron的剪切位点。）和基于证据支持的基因预测（Evidence-based methods）（与dog和human比较）。得到不同基因座数目。最后做了一个panda的参考基因集。

 

（measure the quality of gene prediction）：通过比较不同基因组（代表性动物）之间的key参数，得知panda与人是相似的。（evaluate the rate of missing exons in the predicted genes）拿dog和panda与人比gene coverage（为什么dog也要比一下？因为dog与panda亲缘关系很近，所以以此作为可靠性依据），得知确实有oxen missing（因为1.末端2.因为小同时被长inron分离，所以难找）；功能基因情况与dog相似。结论：预测效果好（因为可与好注释结果相比较）

 

（identify gene orthologues among panda, dog, mouse and human）：使用InParanoid and Multiparanoid，被至少两个物种共享的同源基因，四个物种共享的同源基因，panda特有基因是狗特有基因（可能是因为dog genome多基于证据，而不是Ab initio methods预测）的两倍。

obtain greater insight into the evolutionary dynamics （进化动力学）of the genes，maximum-likelihood比较每个物种（4个：dog，human，muse，panda）和祖先的区别（同源基因扩张或缩小），得知缺失的功能在进化上有很大作用（由图可知），同时发现参与受体活动的基因是显著差异基因。

maximum-likelihood：最大似然估计：将每个位置所有可能出现的残基替换概率（每个物种和祖先）进行累加，产生特定位点的似然值

（looked for signatures of positive selection）对这些基因做似然比（branch-site）测试，建立一个模型：input：1.人和panda的同源基因；2.panda和rat, mouse and dog中的一个（此数据严格过滤），使用三种H1假设，以panda，Dog和5个物种至少一个作为假设主体，以确定panda,dog或五个物种中的一个是否受到正选择。

 

功能相同点：Fisher’s exact and Mann–Whitney U tests证明：Dog和 panda的共同的正向选择基因是与免疫和防卫有关基因与原先在哺乳动物中选择的正选择基因一致。GO分析得到panda的正选择基因在免疫系统中。

Fisher’s exact and Mann–Whitney U tests：H0非参数实验

GO分析：功能分析

功能不同点：从GO分析来说，熊猫（和其他6个哺乳动物基因相比）特有两个基因，在dog中两个基因被过表达。

(gain insight into some of the traits unique to the panda)

 

（diet）：

吃竹子并不是熊猫基因决定（因为有编码消化系统基因，但未发现消化纤维的基因），而是消化系统微生物决定的。

介绍了编码五种味觉的基因，bitterness与dog有相似基因，Umami中T1R1是假基因（因为T1R1发生了移码错误），同时发现panda的该基因的ds/dn比dog低（因为panda该基因缺失）。因为该基因的缺失，使得panda虽然分类为食肉动物，但是实际上食草（该基因控制的一个受体可以感知食物中的某一个蛋白质，以此感知Umami，因为该基因缺失了，所以panda不具有该功能，所以无法感受到食物中的“鲜”）。

同义置换和非同义置换率（dS/dN ratio）的估计

（fecundity）：我们发现panda genome 中有与其他哺乳动物相似的性发育和性功能的基因。值得再讨论。