反刍动物基因组数据库的构建及应用_付玮玮.pdf

博 士 学 位 论 文 博 士 学 位 论 文 反刍动物基因组数据库的构建及应用 学 科 专 业 动物遗传育种与繁殖 研 究 方 向 生物技术与动物育种 论 文 作 者 付 玮 玮 指 导 教 师 姜 雨 教 授 论文提交时间 2020 年 8 月 Dissertation Submitted to Northwest AF University in Partial Fulfillment of the Requirements for Degree of Doctor of Philosophy Construction and Application of Ruminant Genome Database Major:Animal Genetics,Breeding and Reproduction Research field:Biotechnology and Animal Breeding Candidate:Weiwei Fu Supervisor:Professor Yu Jiang Date of submission:August 2020 Key Laboratory of Animal Genetics,Breeding and Reproduction of Shaanxi Province,College of Animal Science and Technology,Northwest AF University August,2020 分类号：S827 学校代码：10712 U D C：636.3 研究生学号：2016060162 密 级：公开级 西北农林科技大学博士学位论文西北农林科技大学博士学位论文 反刍动物基因组数据库的构建及应用反刍动物基因组数据库的构建及应用 论文作者论文作者:付玮玮 指导教师指导教师:姜 雨 指导小组指导小组:姜雨、李冉、陈宁博 答辩委员会：西北农林科技大学动物科技学院 姚军虎 教授/博导（主席）西北农林科技大学动物科技学院 张恩平 教授/博导 海南大学农学院 王凤阳 教授/博导 兰州大学草地农业科技学院 李发弟 教授/博导 西北农林科技大学动物科技学院 蓝贤勇 教授/博导 西北农林科技大学动物医学院 马保华 教授/博导 西北农林科技大学动物科技学院 杨小军 教授/博导 答辩日期：2019 年 8 月 3 日 本研究由国家自然科学基金（编号：31822052 及 31572381）和国家青年千人计划资助。研究生学位论文的独创性声明 研究生学位论文的独创性声明 本人声明：所呈交的学位论文是我个人在导师指导下独立进行的研究工作及取得的研究结果；论文中的研究数据及结果的获得完全符合学校关于规范西北农林科技大学研究生学术道德的暂行规定,如果违反此规定，一切后果与法律责任均由本人承担。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究结果，也不包含其他人和自己本人已获得西北农林科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文的致谢中作了明确的说明并表示了谢意。研究生签名：时间：年 月 日 导师指导研究生学位论文的承诺 导师指导研究生学位论文的承诺 本人承诺：我的研究生 所呈交的学位论文是在我指导下独立开展研究工作及取得的研究结果，属于我现岗职务工作的结果，并严格按照学校关于规范西北农林科技大学研究生学术道德的暂行规定而获得的研究结果。如果违反学校关于规范西北农林科技大学研究生学术道德的暂行规定，我愿接受按学校有关规定的处罚处理并承担相应导师连带责任。导师签名：时间：年 月 日 关于研究生学位论文使用授权的说明 关于研究生学位论文使用授权的说明 本学位论文的知识产权归属西北农林科技大学。本人同意西北农林科技大学保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；同意西北农林科技大学将本学位论文的全部或部分内容授权汇编录入中国博士/硕士学位论文全文数据库和中国学位论文全文数据库进行出版，并享受相关权益。本人保证，在毕业离开（或者工作调离）西北农林科技大学后，发表或者使用本学位论文及其相关的工作成果时，将以西北农林科技大学为第一署名单位，否则，愿意按中华人民共和国著作权法等有关规定接受处理并承担法律责任。任何收存和保管本论文各种版本的其他单位和个人(包括研究生本人)未经本论文作者的导师同意，不得有对本论文进行复制、修改、发行、出租、改编等侵犯著作权的行为，否则，按违背中华人民共和国著作权法等有关规定处理并追究法律责任。（保密的学位论文在保密期限内，不得以任何方式发表、借阅、复印、缩印或扫描复制手段保存、汇编论文）（保密的学位论文在保密期限内，不得以任何方式发表、借阅、复印、缩印或扫描复制手段保存、汇编论文）研究生签名：时间：年 月 日 导 师 签名：时间：年 月 日 摘要 I 摘要 阐明基因组上各种序列的具体功能是后基因组学时代的主要目标。在动物遗传育种领域，鉴定导致表型变异的因果基因和致因变异，对动物遗传机制解析和基因编辑育种具有非常重要的指导意义。之前动物 QTL 和 GWAS 研究只能定位到比较宽泛的区间范围，如果能够综合利用各种信息，如比较基因组信息、受选择信息、基因表达信息、调控信息及最全面的野生和家养动物基因组变异信息等，采用多组学结合的方法进行筛选，将非常有助于把候选变异缩小到一个非常小的区域，甚至是几个候选变异位点上。反刍动物因其形态特征、生态多样性和育种价值而受到人们关注。最近，反刍动物基因组计划组装了 47 个反刍动物的基因组，并且在测序技术的驱动下，积累了大量的重测序、转录组和表观组的数据，为我们鉴定反刍动物种间和种内表型差异的潜在功能位点提供了新的契机。本研究利用已经公开发表的反刍动物基因组和牛羊丰富的多组学数据，通过比较基因组学、群体遗传学和泛基因组等方法将这些资源进行有效整合、分析并可视化，基于 LAMP（Linux+Apache+MySQL+PHP）环境开发了反刍动物基因组数据库分析平台，为研究反刍动物进化、鉴定功能保守位点、研究性状相关候选基因、以及寻找牛羊育种相关靶标提供了有效的资源。本研究的主要结果如下：1.构建了首个综合的反刍动物基因组数据库（RGD,http:/ 55 个反刍动物及其 12 个外群的共线性比对、每个物种的直系同源基因、GO 和 KEGG 通路、5 个进化尺度的保守元件、1232 份转录组的基因表达、反刍动物和人映射的调控信号，以及 QTL。RGD 还引入了 UCSC Genome Browser 提供的基因组浏览器、BLAT 和 LiftOver 工具，NCBI 提供的 BLAST 工具，开发了全套的基因表达、调控、共线性和 QTL 的检索模块、下载模块和数据可视化界面。2.构建了反刍动物中代表性的家畜-牛的变异和选择信号数据库（BGVD,http:/ 包括 60.44 M SNPs、6.86 M indels、76634 CNVR，以及 8 个群体（印度瘤牛、中国瘤牛、东亚普通牛、欧亚普通牛、欧洲普通牛、非洲普通牛，以及普通牛和瘤牛）选择信号的结果（Pi,Hp,iHS,FST,XP-EHH,和XP-CLR）。数据库提供了每个变异在世界牛种和核心群中的频率分布，支持三个基因组版本（ARS-UCD1.2、UMD3.1.1 和 Btau 5.0.1）的变异检索；选择信号以曼哈顿图等方式展示，支持查看受选区域。数据库通过一系列实例，如体高相关的 PLAG1 基因（rs109815800）、卷毛相关的 KRT27 基因（rs384881761）、毛色相关的 KIT 基因、以及与疟疾和溶血性贫血相关的 STOM 基因，展示了 SNPs，indels，CNV 和选择信号 西北农林科技大学博士学位论文 II 在鉴定功能位点中的应用。3.构建了小型反刍动物的代表性家畜-山羊的泛基因组及其数据库（GOATPAN,http:/ 9 个基因组与山羊参考基因组比较获得了候选新序列，进而通过山羊重测序验证得到 38.3 Mb 山羊参考基因组丢失的序列，包含 1206 个基因的部分编码序列。其中，LOC101114579（毛透明蛋白样）等基因在山羊参考基因组中有部分缺失；PRL（催乳素）和 LOC443319（胎盘泌乳素）等基因由于参考基因组错误组装导致分散在两条染色体上。山羊泛基因组相对于参考基因组可以有效提高重测序和转录组的比对率和比对质量，并可以有效校正 spurious SNP。野羊群体与家羊群体进行比较，发现拷贝数差异明显的区域在免疫相关的通路上富集，pan-sequences 包含抗炎症反应的 ICAM1 基因和抗肠道寄生虫的MUC6 基因，在家羊和野羊群体中呈现明显的频率差异，可能参与了山羊的驯化。GOATPAN 的构建可以帮助进一步推广山羊泛基因组的应用。4.为了方便用户有效检索山羊数据资源，本研究进一步扩大群体，构建了山羊变异和选择信号数据库（GGVD,http:/ M SNPs 和5.14 M indels，并提供了山羊驯化和近期选育的选择信号。GGVD 采用交互式的表格，变异频率映射地图等方式，以及优化的选择信号筛选模块（曼哈顿图和折线图）展示了变异和选择信号在鉴定山羊候选位点中的应用。本研究鉴定到与藏山羊适应性相关的 8 个基因，C10H15orf41，FGF5，ATP12A，UBE2N，LOC102173935(NEK4)，RAP2B，P2RY1 和 NADK 受到强烈选择，可服务于山羊的选种育种工作。本研究开发的反刍动物基因组数据库分析平台可以帮助加强反刍动物功能基因组学的研究，构建物种所有变异的集合并结合多组学的方法筛选潜在的功能位点，可以为牛羊育种工作提供有用的靶标。关键词：关键词：反刍动物；比较基因组；变异；选择信号；泛基因组；数据库 ABSTRACT III ABSTRACT Elucidating the function of various sequences in the genome is the main goal of post-genomics era.In the field of animal genetic breeding,identification of causal genes and causal variations that lead to phenotypic differences is of great guiding significance for the analysis of animal genetic mechanisms and gene editing breeding.Previous animal QTL and GWAS studies could only be located in a broader range.If we can use various information that combines multiple omics data,such as comparative genomics,selective signals,gene expression,regulatory regions,and the most comprehensive genome variations of wild and domestic animals,it will be very helpful to narrow the candidate variations to a very small region,or even candidate loci.Ruminants have attracted much attention due to their morphological characteristics,ecological diversity and breeding value.Recently,the ruminant genome project has assembled 47 ruminant genomes,and with the advance of sequencing technologies,a large amount of genomic,transcriptomics and epigenomic data have been accumulated,which provides an opportunity for us to identify potential functional sites of phenotypic differences between and within ruminant species.Using the published ruminant genomes and abundant omics data from cattle and goats,and using the methods of comparative genomics,population genetics,and pan-genome,this study integrates,analyzes and visualizes these resources to develop a ruminant genome database analysis platform on a LAMP(Linux+Apache+MySQL+PHP)environment.The platform provides comprehensive resources for biologists and breeders to study ruminant evolution,identify functional conservative sites,analyze trait-related candidate genes,and find breeding targets of cattle and goats.The main results are as follows:1.We constructed the first comprehensive ruminant genome database(RGD,http:/ genome-wide alignments of 55 ruminants and 12 outgroup species,orthologous genes and their annotation of GO and KEGG pathway,conservation scores for the five evolutionary scales,gene expression for 1,232 transcriptomics data,regulatory signals,and QTL.RGD also introduces genome browser,BLAT and liftOver tools provided by UCSC Genome Browser and the BLAST tool provided by NCBI.RGD provides search module,download module and data visualization interfaces of gene expression,regulation,synteny and QTL.2.We also developed a comprehensive genome variation and selective signatures 西北农林科技大学博士学位论文 IV database for cattle(BGVD,http:/ representative livestock in ruminants.BGVD contains information on genomic variations comprising 60.44 M SNPs,6.86 M indels,76,634 CNV regions and signatures of selective sweeps for eight groups(European taurine,Eurasian taurine,East Asian taurine,Chinese indicine,and Indian indicine)using six methods,Pi,Hp,iHS,FST,XP-EHH,and XP-CLR.The database provides the frequency distribution patterns of each variation in 54 cattle breeds worldwide or in six core cattle groups,and users can search a genomic region in three versions of the bovine genome(ARS-UCD1.2,UMD3.1.1,and Btau 5.0.1).Signals of selection are displayed as Manhattan plots and this section support viewing the selective regions.A series of examples,such as a height-related gene(PLAG1,rs109815800),a curly coat-related gene(KRT27,rs384881761),a coat color-related gene(KIT),and a malaria and hemolytic anemia-related gene(STOM),are used to show the application of SNPs,indels,CNV and selective signals in the identification of functional sites.3.We also constructed a pan-genome and its database for goat(GOATPAN,http:/ is the representative livestock of small ruminants.By comparing nine de novo assemblies from seven sibling species of domestic goat with ARS1 and using goat resequencing data for verification and correction,we identified a total of 38.3 Mb sequences that were absent in ARS1,containing partial coding regions of 1,206 genes.These absent sequences include some key genes,such as LOC101114579,PRL and LOC443319.The PRL and LOC443319 was misplaced in ARS1 that are scattered on two chromosomes due to the wrong assembly of reference genome.Compared with ARS1,goat pan-genome can improve the mapping ratio and mapping quality of resequencing and transcriptomic data both,and can correct the spurious SNPs effectively.The comparison of bezoar with domestic goat populations revealed that regions with apparent copy numbers variations were enriched in immune-related pathways,and pan-sequences carrying an anti-inflammatory response gene ICAM1 and an anti-intestinal parasite gene MUC6 have presence-absence variation in these two populations,which may be involved in domestication of goats.The construction of GOATPAN can help to further promote the application of this goat pan-genome.4.In order to facilitate users to effectively search goat data resources,we expanded the population and constructed a goat comprehensive genome variation and selective signatures database(GGVD,http:/ includes 41.44 M SNPs and 5.14 M indels,and provides selection signals for goat domestication and subsequent intensive trait-driven breeding.GGVD uses interactive tables,visual maps that project the ABSTRACT V allele frequency of each group,as well as optimized selective signal screening modules(such as Manhattan plot and line chart)to demonstrate the application of variation and selection signals in identifying goat candidate sites.In this study,eight genes including C10H15orf41,FGF5,ATP12A,UBE2N,LOC102173935(NEK4),RAP2B,P2RY1,and NADK were identified to be strongly selected in Tibetan goat,which can serve the goat selection and breeding work.The ruminant genome database analysis platform can help strengthen the research of ruminant functional genomics.Constructing a collection of all variants of a species and combining them with multiple omics data to screen potential functional sites can provide useful targets for cattle and goat breeding.KEY WORDS:ruminant;comparative genome;variation;selective signature;pan-genome;database 目录 VII 目录目录 摘要.I ABSTRACT.III 第一章 文献综述.1 1.1 问题的由来.1 1.2 生物数据库的分类.2 1.2.1 综合类数据库.3 1.2.2 基因组数据库.3 1.2.3 变异数据库.6 1.2.4 表达调控数据库.8 1.2.5 比较基因组数据库.9 1.3 构建数据库的常用工具.10 1.3.1 基因组浏览器.10 1.3.2 基因组比对工具.11 1.3.3 基因组坐标转换工具.12 1.4 基因组大数据分析的常用方法和研究进展.12 1.4.1 比较基因组学研究进展.12 1.4.2 群体遗传学研究进展.15 1.4.3 泛基因组研究进展.18 1.5 动物研究现存的弊端.20 1.5.1 构建完善的变异集合.20 1.5.2 多组学数据的有机结合.20 1.5.3 数据库建设工作.21 1.6 研究目的与意义.21 第二章 反刍动物基因组数据库的构建.22 2.1 材料与方法.22 2.1.1 数据来源.22 2.1.2 基因组共线性分析.25 2.1.2 直系同源基因的鉴定.25 2.1.3 保守元件的计算.25 西北农林科技大学博士学位论文 VIII 2.1.4 ChIP-seq 和 ATAC-seq 分析.26 2.1.5 坐标转换.26 2.1.6 RNA-seq 分析.27 2.1.5 反刍动物基因组数据库的设计与开发.28 2.2 结果与分析.28 2.2.1 RGD 概览.28 2.2.2 多物种共线性和序列保守性展示.30 2.2.3 直系同源基因注释.31 2.2.4 转录组数据展示.34 2.2.5 调控组数据展示.35 2.2.6 QTL 检索.36 2.2.7 工具.37 2.2.8 说明文档.40 2.3 讨论.41 2.4 小结.42 第三章 牛基因组变异和选择信号数据库的构建.43 3.1 材料与方法.43 3.1.1 数据来源.43 3.1.2 基因组比对、变异位点获取和注释.44 3.1.3 拷贝数变异检测和注释.45 3.1.4 群体结构分析.45 3.1.5 变异位点频率的计算.45 3.1.6 全基因组选择清除分析.45 3.1.7 牛基因组变异数据库的搭建.46 3.2 结果与分析.46 3.2.1 样本数据概述.46 3.2.2 牛的群体结构和系统发育关系分析.49 3.2.3 数据库的功能.51 3.2.4 数据库的应用.54 3.3 讨论.60 3.4 小结.61 第四章 山羊泛基因组研究和数据库的构建.62 4.1 材料与方法.62 目录 IX 4.1.1 数据来源.62 4.1.2 羊族系统发育树的构建.63 4.1.3 羊族内部序列分歧的评估.63 4.1.4 鉴定山羊参考基因组丢失的序列.63 4.1.5 校正泛基因组的分歧位点为山羊位点.64 4.1.6 泛序列的基因注释.64 4.1.7 重测序和转录组数据比对到泛基因组.64 4.1.8 评估泛序列的大小.65 4.1.9 SNP CALLING.65 4.2 结果与分析.65 4.2.1 羊族各物种基因组分歧程度.65 4.2.2 山羊泛基因组的构建.66 4.2.3 山羊 pan-sequences 的鉴定.67 4.2.4 泛基因组可以提高重测序和转录组的比对效率.71 4.2.5 山羊泛基因组数据库的构建和应用.73 4.3 讨论.78 4.4 小结.79 第五章 山羊基因组变异和选择信号数据库的构建.80 5.1 材料与方法.80 5.1.1 数据来源.80 5.1.2 基因组比对、变异位点获取和注释.80 5.1.3 系统发育分析.80 5.1.4 变异位点频率计算和注释.80 5.1.5 山羊选择清除分析.81 5.1.6 山羊基因组变异和选择信号数据库的搭建.81 5.2 结果与分析.82 5.2.1 山羊样本数据概述和系统发育关系.82 5.2.2 数据库的功能.85 5.2.3 数据库的应用.86 5.3 讨论.92 5.4 小结.92 第六章 总结与创新点.93 6.1 结论.93 西北农林科技大学博士学位论文 X 6.2 创新点.94 参考文献.95 附录.108 致谢.151 个人简历.152第一章 文献综述 1 第一章 文献综述 1.1 问题的由来 阐明基因组上所有序列的功能是人类进行动物研究的终极目标。整个基因组计划由两个部分组成，结构基因组和功能基因组。前者在于完成基因组各种图谱的绘制，包括遗传图谱、物理图谱、序列图谱和基因图谱等，后者则主要集中在研究基因和序列的功能，确定其在生物体中发挥作用的遗传机制。自 1977 年第一代 Sanger 测序研发成功，测序技术已经发展了四十多年，经历了第二代（Next-generation sequencing）的短reads 测序，第三代的 PacBio 和 Nanopore 长 reads 测序，测序成本和费用大幅度降低。2001 年，人类基因组草图率先发表，随后，各种畜禽物种的基因组也相继发表（表 1-1）。2004 年，Nature 发表了首个畜禽基因组，红原鸡(Hillier et al.2014)；2009 年，海福特牛的基因组被公布(Elsik et al.2009)；2012年，杜洛克猪的基因组被公布(Groenen et al.2012)；2013-2014 两年间，山羊(Dong et al.2013)和绵羊(Jiang et al.2014)的基因组相继被释放；2013 年，北京鸭的基因组被释放(Huang et al.2013)；2015 年，浙东白鹅的基因组被释放(Lu et al.2015b)，至此，所有重要畜禽物种的基因组均被公布，基因组研究逐渐进入后基因组时代（即功能基因组）。ENCODE 计划(Encyclopedia of DNA Elements)(Consortium 2004)、ROADMAP 计划(Roadmap Epigenomics Mapping Consortium)(Bernstein et al.2010)和 FAANG 计划(Functional Annotation of Animal Genomes)(Andersson et al.2015)应运而生，帮助进一步解析物种的功能组学。表 1-1 重要畜禽物种的参考基因组信息 Table 1-1 Reference genome information of important livestock and poultry species Species Breed Release date Genome size Reference Gallus gallus Red Jungle fowl 2004-12 1.05 Gb(Hillier et al.2014)Bos taurus Hereford 2009-04 2.87 Gb(Elsik et al.2009)Sus scrofa Duroc 2012-11 2.60 Gb(Groenen et al.2012)Capra hircus Yunnan black 2012-12 2.66 Gb(Dong et al.2013)Ovis aries Texel 2014-06 2.61 Gb(Jiang et al.2014)Anas platyrhynchos Pekin duck 2013-06 1.10 Gb(Huang et al.2013)Anser cygnoides Zhedong white goose 2015-05 1.12 Gb(Lu et al.2015b)另一方面，测序数据的急剧增长推动了研究方法的更新换代，可以采用多种策略和多种算法对动物性状进行研究。如结合选择信号的多种算法（Pi，Hp，iHS，CLR，FST，XP-CLR，XP-EHH 和 Tajimas D 等）可以对基因组受选区域进行挖掘(Vitti et al.2013)；西北农林科技大学博士学位论文 2 通过比较基因组学的方法可以帮助寻找序列间的差异或鉴定序列的有无(Chain et al.2003)；结合数量性状可以锁定基因座位（Quantitative trait locus,QTL）(Doerge 2002)；或者基于全基因组关联分析（Genome wide association study,GWAS）(Pearson and Manolio 2008)可以进行基因型到表型的预测；这些鉴定的位点还可以进一步用于分子标记辅助选育（Marker-assisted selection,MAS），帮助推动育种工作的开展和研究。已公布的数据库，如 Animal QTL Database(Hu et al.2019c)和 GWAS Atlas(Tian et al.2020)都进行了此类数据的收集，包括了许多具有重要经济价值的驯化物种。但是由于 QTL 定位精度有限，往往只能定位到 Mb 级的区间，GWAS 只能定位到 Kb 级的区域，而驯化物种经过长期的人工选育形成了非常长的连锁，这些对于致因基因和致因变异的筛选带来了很大难度。利用多组学数据进行综合鉴别和筛选可以有效缩小区间的范围，对于筛选候选功能位点来说十分必要。反刍动物包括了 200 个现存的种（IUCN:http:/www.iucnredlist.org），可以适应广泛的生态范围，有形态各异的表型特征，包括了珍贵的野生动物，并且有传统的家畜，牛、绵羊和山羊等，使其成为研究生物多样性、形态学进化、环境适应和畜牧育种等问题的很好的资源。反刍动物基因组计划和牛羊丰富的测序数据为解析动物基因功能提供了绝佳的机会。一方面，反刍进化枝多个物种的序列全局比对可以帮助定位物种某一特征的序列变化，另一方面，群体大规模的重测序数据提供了高质量的变异集合，再加上转录组和调控组，可以极大地缩小候选基因和功能位点的范围，通过整合这些数据并构建相应的工具和数据库，可以为功能基因组学研究提供极大的便利。最终，通过分子实验、细胞实验和动物实验进行验证，从而最终应用到动物育种中去，以实现改善动物健康和福利，提高经济性状效益的目的。下面主要就生物数据库的分类、构建数据库常用的工具、基因组大数据分析的常用方法和研究进展，以及动物研究现存的弊端进行综述，以期找到解决反刍动物功能基因组学研究的方法。1.2 生物数据库的分类 生物数据库随着生物数据的爆炸式增长而产生，通过对生物资料进行归档、分类、高效存储，以数学、计算机为主要工具，利用服务器等硬件设备和网络技术，实现原始资料的管理、查询和可视化。数据库之间往往会构建连接，主要用于辅助生物学研究。根据数据库的内容，可以将其划分成四大类：即核酸和蛋白质一级结构序列数据库、基因组数据库、生物大分子三维空间结构数据库、以及基于前面三种数据库和文献资料所构建的二级数据库。根据国际知名的数据库收纳中心，Nucleic Acids Research(NAR)杂志给出的划分，可以将数据库划分为 8 个小类(Rigden and Fernndez 2020)：1.核酸序列与结构、转录调控；2、蛋白序列与结构；3、代谢和信号通路，酶和网络；4、病毒、细菌、原生动物和真菌基因组学；5、人类和模型生物的基因组学和比较基第一章 文献综述 3 因组学；6、人类基因组变异、疾病和药物；7、植物；8、其他主题，如蛋白质组学数据库。下面主要就一些常用数据库进行介绍。1.2.1 综合类数据库 国际上影响力最大的三个综合类数据库是 NCBI、Ensembl 和 DDBL，分别由美国国家生物技术信息中心、欧洲分子生物实验室和日本国立遗传研究所日常维护和管理。此