基因组序列注释的方法VIP免费

基因组序列注释的方法一、基因组序列注释以基因组序列为基础，确定全基因序列中基因的确切位置二、注释的方法1、根据开放阅读框（ORF）预测1）起始密码子ATG：第一个ATG的确定依据Kozak规则，所谓Kozak规则，即第一个ATG侧翼序列的碱基分布所满足的统计规律：若将第一个ATG中的碱基A，T，G分别标为1，2，3位，则Kozak规则可描述如下：（1）第4位的偏好碱基为G；（2）ATG的5’端约15bp范围的侧翼序列内不含碱基T；（3）在-3，-6和-9位置，G是偏好碱基；（4）除-3，-6和-9位，在整个侧翼序列区，C是偏好碱基2）终止密码子：终止密码子:TAA,TAG,TGAGC%=50%终止密码子每64bp出现一次；GC%>50%终止密码子每100－200bp出现一次；由于多数基因ORF均多于50个密码子，因此最可能的选择应该是ORF选择不少于100个密码子。细菌基因组的ORF阅读相对比较简单，错误的概率较少，但单纯的ORF扫描对高等真核生物DNA效果不佳。内含子使ORF扫描复杂化对ORF扫描的基本程序的编写要考虑以下几个问题：a、密码子偏倚编码同一氨基酸的不同密码子称为同义密码，其差别仅在密码子的第3位碱基不同。特定生物体的基因中并不是所有密码子的使用频率都是平等的。如Leu的密码子有6个（TTA、TTG、CTT、CTC、CTA、CTG），在人类基因中，绝大多数Leu都是由CTG编码的，而且几乎不由CTA和TTA编码。特定种属有特征性的密码子偏爱，这些序列在编码区常常出现，非编码区只保持平均的碱基分布水平。b、外显子－内含子边界外显子和内含子的边界有一些明显的特征如：内含子的5’端常见的顺序为5’-AG↓GTTAAGT-3’；3’端多为5‘PyPyPyPyPyPyCAG-3’(“Py”嘧啶核苷酸，T或C)；上游外显子-内含子边界的共有序列在真正基因中发现的真实序列之间的关系。运用外显子－内含子边界特殊序列的方法来注释基因的成功率不高。c、上游调控顺序几乎所有基因（或操纵子）上游都有调控序列，它们与DNA结合蛋白作用，控制基因表达，通过同源性比较来预测mRNA的5’端，最常用的与转录起始位点相关的数据库是真核启动子数据库(TheTRADATProject,EukaryoticPromoterDatabase,EPD.http://www.epd.unil.ch/)。另外个别基因组特有组成也可作为判别依据，如脊椎动物基因组许多基因的上游都有大约1kb长的CpG岛。2、同源查询利用已存入数据库中的基因序列与待查基因组序列进行比较，从中查找可与之匹配的碱基序列及其比例用于界定基因的方法。A.DNA序列某些片段完全相同；B.开放阅读框排列类似；C.开放阅读框翻译成的氨基酸序列的相同；D.模拟多肽高级结构相似。一般认为，氨基酸序列的相似性在25%以上可视为同源基因。这些结果均可作为基因判定的指标，可单独用，也可综合用。基因注释软件1)目前基因注释程序的编写主要依据两种信息内涵:1.signalterms(信号指令),如起始密码,终止密码,终止信号,多聚嘧啶顺序,分支点等保守的顺序组成;2.contentterms(内容指令),如密码子使用偏好.对结构紧凑的小基因组上述注释软件效果不错,但对大基因组特别是超长基因的注释有很大困难.在一个长度数十或数百kb的内含子中,存在许多可能误判的信号指令.2)常用的注释软如GenScan主要偏重于内容指令,而FgeneSH则着重于信号指令.由于每种生物都有种属专一性的密码子偏好,也存在某些非保守的信号指令,因此在超长基因注释中常出现正向错误(false-positive,多注释)或负向错误(false-negetive,少注释).引自:Naturereviewsgenetics,4:741-749,2003.3、通过实验确认基因a、确认基因的存在：通过Northern杂交确定DNA片段是表达序列；由EST或cDNA指认基因。EST和cDNA是基因转录加工后的产物，可以确切无疑的代表相应基因成员的存在。b、确定基因的位置：获取基因全长cDNA序列。根据已知片段设计引物，通过RACE技术得到基因的全长cDNA序列;确定DNA顺序中基因的位置。通过对全长cDNA序列的测序，并与基因组DNA的比较，确定基因所在的区域；OR通过物种已建立的遗传图和物理图来确定基因的位置三、基因组序列注释的应用1、Jim工程吉姆工程是美国454生命科学公司（基因技术公司）在2005年前给“DNA之父”称誉的美国科学家詹姆斯·沃森绘制完整的个人基因组图谱的...