搜尋流感病毒診斷與分類之分子標的

流感病毒包含可轉譯成十到十一種蛋白質的七到八段RNA 片段。基於其蛋白質NP 及M之內部抗原，流感病毒依血清學可分為A、B 和C 三種類型。A 型流感病毒基於表面蛋白質血球凝集脢hemagglutinin (HA)和神經氨酸脢neuraminidase (NA)的差異可更進ㄧ步的分為不同之亞型。迄今被被確認的亞型有十五種HA 型(H1 to H15)和九種NA 型(N1 to N9)。A 型流感病毒也會感染動物，特別是鳥類的流感病毒(又稱禽流感或「bird flu」)近期已經造成全球性的重大威脅。傳統上，流感是基於兩種表面蛋白質(HA and NA genes)的血清特徵被分類，雖然過去文獻已針對A 型流感病毒在抗原體(以HI 測試為基礎)與基因演化(以HA序列為基礎)上找到相互之關連性，但在其他A 型流感病毒的內部基因中仍無此相關性之報導。另一個有趣的問題是─為什麼B 型流感病毒不像A 型流感病毒被分類成H 型和N型？此種的分類或判斷又是依據什麼準則？使用生物序列資訊進行分子診斷已經被廣泛的應用在辨識ㄧ些病原體，例如腸病毒。經由雙序列比對，我們能夠很快地知道物種或亞型間之基因差距，先前我們也已經根據隱式馬可夫模型(profile hidden Markov models)發展出一種分子診斷的方法，來辨識腸病毒71 型。本計畫的目的是利用現有的或新發展的工具，來進行流感病毒的分類，據以能夠快速辨識出新的流感病毒。根據我們在辨識腸病毒71 型的過程中，使用profile HMMs 尋找分子標的的經驗，在流感基因方面我們將使用genome-wide scan 來計算並驗證最適切的目標以利區分不同的流感病毒株。目前所知profile HMMs 著重仰賴同序列族群中，一個好的多重序列排比（multiple sequence alignment），然而，現存多重序列排比的應用(例如：Clustal W)大多依所計算序列間的距離，以進行逐步的雙序列排比。在許多情況下，由於缺乏重疊區塊的參與，這個方法傾向錯誤地去排列那些關係較遠的序列，造成缺乏生物意義之序列排比結果。因此在本計畫中，我們也將發展出一個新的多重序列排比策略去克服此類的困難，而隨後建立與使用的profile HMMs 才能夠產生較高的可信度，及更具生物學意義的分析結果。

系統編號:PB9508-4010
原計畫編號:NSC95-2221-E182-038