第六章核酸與蛋白質(zhì)序列分析2

1、2021-10-221鄭連友鄭連友e-mail:吉林大學(xué)吉林大學(xué) 藥學(xué)院藥學(xué)院 基因工程教研室基因工程教研室 2021-10-222第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析2021-10-223第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析第一節(jié)、核酸序列分析第一節(jié)、核酸序列分析三、三、dna序列分析基礎(chǔ)序列分析基礎(chǔ)四、四、dna序列分析方法序列分析方法2021-10-224第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析三、三、dna序列分析基礎(chǔ)序列分析基礎(chǔ)1 1、dnadna序列分析內(nèi)容序列分析內(nèi)容d

2、nadna序列分析序列分析 基因序列基因序列 基因表達(dá)調(diào)控信息基因表達(dá)調(diào)控信息尋找基因牽涉到兩個(gè)方面的工作尋找基因牽涉到兩個(gè)方面的工作 ：識(shí)別與基因相關(guān)的特殊序列信息預(yù)測(cè)基因的編碼區(qū)域結(jié)合兩個(gè)方面的結(jié)果確定基因的位置和結(jié)構(gòu) 基因表達(dá)調(diào)控信息隱藏在基因的上游區(qū)域，在組基因表達(dá)調(diào)控信息隱藏在基因的上游區(qū)域，在組成上具有一定的特征，可以通過(guò)序列分析識(shí)別這成上具有一定的特征，可以通過(guò)序列分析識(shí)別這些特征。些特征。2021-10-225第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析 2、dna序列功能位點(diǎn)序列功能位點(diǎn) 在在dna序列中，除了基因之外，還包含許多其序列中，除了基因之外，還包含許多

3、其它信息，這些信息大部分與核酸的結(jié)構(gòu)特征相關(guān)它信息，這些信息大部分與核酸的結(jié)構(gòu)特征相關(guān)聯(lián)，通常決定了聯(lián)，通常決定了dna與蛋白質(zhì)或者與蛋白質(zhì)或者dna與與rna的相互作用。的相互作用。 存放這些信息的存放這些信息的dna片段稱(chēng)為功能位點(diǎn)，如啟片段稱(chēng)為功能位點(diǎn)，如啟動(dòng)子（動(dòng)子（promoter）、基因終止序列）、基因終止序列（terminator sequence）、剪切位點(diǎn)（）、剪切位點(diǎn)（splice site）等。）等。2021-10-226第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析 功能位點(diǎn)（功能位點(diǎn)（functional sitefunctional site） - -與特

4、定功能相關(guān)的位點(diǎn)，是生物分子序列上的一個(gè)功能與特定功能相關(guān)的位點(diǎn)，是生物分子序列上的一個(gè)功能單元，或者是生物分子序列上一個(gè)較短的片段。單元，或者是生物分子序列上一個(gè)較短的片段。 功能位點(diǎn)又稱(chēng)為功能序列（功能位點(diǎn)又稱(chēng)為功能序列（functional functional sequencesequence）、序列模式（）、序列模式（motifmotif）、信號(hào)）、信號(hào)（signalsignal）等。）等。 核酸序列中的功能位點(diǎn)包括轉(zhuǎn)錄因子結(jié)合位點(diǎn)、核酸序列中的功能位點(diǎn)包括轉(zhuǎn)錄因子結(jié)合位點(diǎn)、轉(zhuǎn)錄剪切位點(diǎn)、翻譯起始位點(diǎn)等。轉(zhuǎn)錄剪切位點(diǎn)、翻譯起始位點(diǎn)等。 在蛋白質(zhì)序列分析中，常使用在蛋白質(zhì)序列分析中，常

5、使用序列模式序列模式這個(gè)名這個(gè)名詞，蛋白質(zhì)的序列模式往往與蛋白質(zhì)結(jié)構(gòu)域或者詞，蛋白質(zhì)的序列模式往往與蛋白質(zhì)結(jié)構(gòu)域或者作用部位有關(guān)。作用部位有關(guān)。2021-10-227第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析dna序列功能位點(diǎn)示意圖序列功能位點(diǎn)示意圖2021-10-228第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析 基因組序列中若干個(gè)相鄰的功能位點(diǎn)組合形成功能區(qū)域（functional region）。 功能位點(diǎn)分析的任務(wù)-發(fā)現(xiàn)功能位點(diǎn)特征-識(shí)別功能位點(diǎn)2021-10-229第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析利用共有序列搜索功能位點(diǎn)利用共有序列搜

6、索功能位點(diǎn) 共有序列（consensus）又稱(chēng)一致性片段共有序列是關(guān)于功能位點(diǎn)特征的描述，它描述了功能位點(diǎn)每個(gè)位置上核苷酸進(jìn)化的保守性例如: ntatn 利用共有序列進(jìn)行功能位點(diǎn)分析牽涉到兩個(gè)方面的問(wèn)題，如何構(gòu)造共有序列如何利用共有序列在給定的核酸序列上搜索尋找功能位點(diǎn)，并計(jì)算所找到的功能位點(diǎn)的可靠性2021-10-2210第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析3、基因識(shí)別、基因識(shí)別 基因識(shí)別是生物信息學(xué)領(lǐng)域里的一個(gè)重要研基因識(shí)別是生物信息學(xué)領(lǐng)域里的一個(gè)重要研究?jī)?nèi)容究?jī)?nèi)容 基因識(shí)別問(wèn)題，在近幾年受到廣泛的重視基因識(shí)別問(wèn)題，在近幾年受到廣泛的重視 當(dāng)人類(lèi)基因組研究進(jìn)入一個(gè)系統(tǒng)測(cè)

7、序階段時(shí)，當(dāng)人類(lèi)基因組研究進(jìn)入一個(gè)系統(tǒng)測(cè)序階段時(shí)，急需可靠自動(dòng)的基因組序列翻譯解釋技術(shù)，以處急需可靠自動(dòng)的基因組序列翻譯解釋技術(shù)，以處理大量已測(cè)定的但未知功能或未經(jīng)注釋的理大量已測(cè)定的但未知功能或未經(jīng)注釋的dna序序列列 2021-10-2211第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析（1）原核基因識(shí)別）原核基因識(shí)別 特點(diǎn)：長(zhǎng)開(kāi)放閱讀框；高基因；簡(jiǎn)單的基因結(jié)構(gòu)；原核特點(diǎn)：長(zhǎng)開(kāi)放閱讀框；高基因；簡(jiǎn)單的基因結(jié)構(gòu)；原核基因組中的基因組中的gc 含量高含量高重點(diǎn)在于識(shí)別編碼區(qū)域重點(diǎn)在于識(shí)別編碼區(qū)域2021-10-2212第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析u非翻譯區(qū)

8、域非翻譯區(qū)域（untranslated regions, utr） 編碼區(qū)域兩端的編碼區(qū)域兩端的dna，有一部分被轉(zhuǎn)錄，但，有一部分被轉(zhuǎn)錄，但 是是不被翻譯，這一部分稱(chēng)為非翻譯區(qū)域不被翻譯，這一部分稱(chēng)為非翻譯區(qū)域 u5utr-基因上游區(qū)域的非翻譯區(qū)域基因上游區(qū)域的非翻譯區(qū)域 u3utr-基因下游區(qū)域的非翻譯區(qū)域基因下游區(qū)域的非翻譯區(qū)域2021-10-2213第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析u 對(duì)于任何給定的核酸序列（單鏈對(duì)于任何給定的核酸序列（單鏈dna或或mrna），根據(jù)密碼子的起始位置，可以按照三），根據(jù)密碼子的起始位置，可以按照三種方式進(jìn)行解釋。種方式進(jìn)行解釋。例

9、如，序列例如，序列attcgatcgcaa（1） attcgatcgcaa （2） attcgatcgcaa（3） attcgatcgcaau 這三種閱讀順序稱(chēng)為閱讀框（這三種閱讀順序稱(chēng)為閱讀框（reading frames）2021-10-2214第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析u一個(gè)開(kāi)放閱讀框（一個(gè)開(kāi)放閱讀框（orf,open reading frame）是一個(gè)沒(méi)有終止編碼的密碼子序列。）是一個(gè)沒(méi)有終止編碼的密碼子序列。u原核基因識(shí)別任務(wù)的重點(diǎn)是識(shí)別開(kāi)放閱讀框，原核基因識(shí)別任務(wù)的重點(diǎn)是識(shí)別開(kāi)放閱讀框，或者說(shuō)識(shí)別長(zhǎng)的編碼區(qū)域?；蛘哒f(shuō)識(shí)別長(zhǎng)的編碼區(qū)域。2021-10-2

10、215第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析基于基因密碼子特性的識(shí)別方法基于基因密碼子特性的識(shí)別方法 辨別編碼區(qū)域與非編碼區(qū)域的一種方法是檢查辨別編碼區(qū)域與非編碼區(qū)域的一種方法是檢查 終止密碼子的出現(xiàn)頻率終止密碼子的出現(xiàn)頻率 終止密碼子出現(xiàn)的期望次數(shù)為：終止密碼子出現(xiàn)的期望次數(shù)為：每每2121個(gè)（個(gè)（ 64/364/3）密碼子出現(xiàn)一次終止密碼子）密碼子出現(xiàn)一次終止密碼子 2021-10-2216第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析基本思想：基本思想：如果能夠找到一個(gè)比較長(zhǎng)的序列，其相應(yīng)如果能夠找到一個(gè)比較長(zhǎng)的序列，其相應(yīng)的密碼子序列不含終止密碼子，則這段序

11、的密碼子序列不含終止密碼子，則這段序列可能就是編碼區(qū)域。列可能就是編碼區(qū)域?；舅惴ǎ夯舅惴ǎ簰呙杞o定的掃描給定的dna序列，在三個(gè)不同的閱讀序列，在三個(gè)不同的閱讀框中尋找較長(zhǎng)的框中尋找較長(zhǎng)的orf。遇到終止密碼子以。遇到終止密碼子以后，回頭尋找起始密碼子。后，回頭尋找起始密碼子。這種算法過(guò)于簡(jiǎn)單，不適合于處理短的這種算法過(guò)于簡(jiǎn)單，不適合于處理短的orf或者交疊的或者交疊的orf。2021-10-2217第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析真核基因遠(yuǎn)比原核基因復(fù)雜：真核基因遠(yuǎn)比原核基因復(fù)雜：n 一方面，真核基因的編碼區(qū)域是非連續(xù)一方面，真核基因的編碼區(qū)域是非連續(xù)的，編碼區(qū)

12、域被分割為若干個(gè)小片段。的，編碼區(qū)域被分割為若干個(gè)小片段。n 另一方面，真核基因具有更加豐富的基另一方面，真核基因具有更加豐富的基因調(diào)控信息，這些信息主要分布在基因上因調(diào)控信息，這些信息主要分布在基因上游區(qū)域。游區(qū)域。 （2）真核基因識(shí)別問(wèn)題）真核基因識(shí)別問(wèn)題2021-10-2218第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析真核基因結(jié)構(gòu)示意圖真核基因結(jié)構(gòu)示意圖 真核基因遠(yuǎn)比原核基因復(fù)雜：真核基因遠(yuǎn)比原核基因復(fù)雜： 一方面，真核基因的編碼區(qū)域是非連續(xù)的，編碼區(qū)一方面，真核基因的編碼區(qū)域是非連續(xù)的，編碼區(qū)域被分割為若干個(gè)小片段。域被分割為若干個(gè)小片段。 另一方面，真核基因具有更加豐富

13、的基因調(diào)控信息，另一方面，真核基因具有更加豐富的基因調(diào)控信息，這些信息主要分布在基因上游區(qū)域。這些信息主要分布在基因上游區(qū)域。 2021-10-2219第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析真核基因識(shí)別基本思路真核基因識(shí)別基本思路 找出基因兩端的功能區(qū)域找出基因兩端的功能區(qū)域: 轉(zhuǎn)錄啟動(dòng)區(qū)；終止區(qū)轉(zhuǎn)錄啟動(dòng)區(qū)；終止區(qū) 在啟動(dòng)區(qū)下游位置尋找翻譯起始密碼子在啟動(dòng)區(qū)下游位置尋找翻譯起始密碼子 識(shí)別轉(zhuǎn)錄剪切位點(diǎn)識(shí)別轉(zhuǎn)錄剪切位點(diǎn)剪切給體位點(diǎn)剪切給體位點(diǎn)剪切接受體位點(diǎn)剪切接受體位點(diǎn)2021-10-2220第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析真核基因識(shí)別的主要方法真核基因

14、識(shí)別的主要方法 從頭算方法（或基于統(tǒng)計(jì)的方法）從頭算方法（或基于統(tǒng)計(jì)的方法）根據(jù)蛋白質(zhì)編碼基因的一般性質(zhì)和特征進(jìn)行識(shí)別，根據(jù)蛋白質(zhì)編碼基因的一般性質(zhì)和特征進(jìn)行識(shí)別，通過(guò)統(tǒng)計(jì)值區(qū)分外顯子、內(nèi)含子及基因間區(qū)域通過(guò)統(tǒng)計(jì)值區(qū)分外顯子、內(nèi)含子及基因間區(qū)域 。 基于同源序列比較的方法基于同源序列比較的方法利用數(shù)據(jù)庫(kù)中現(xiàn)有與基因有關(guān)的信息（如利用數(shù)據(jù)庫(kù)中現(xiàn)有與基因有關(guān)的信息（如est序列、序列、蛋白質(zhì)序列），通過(guò)同源比較，幫助發(fā)現(xiàn)新基因。蛋白質(zhì)序列），通過(guò)同源比較，幫助發(fā)現(xiàn)新基因。2021-10-2221第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析四、四、dna序列分析方法序列分析方法一個(gè)基本的

15、dna序列分析方案發(fā)現(xiàn)重復(fù)元素?cái)?shù)據(jù)庫(kù)搜索數(shù)據(jù)庫(kù)搜索分析功能位點(diǎn)分析功能位點(diǎn)序列組成統(tǒng)計(jì)分析序列組成統(tǒng)計(jì)分析綜合分析綜合分析2021-10-2222第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析1、遮蔽重復(fù)序列、遮蔽重復(fù)序列 在進(jìn)行任何真核生物序列的基因辨識(shí)分析在進(jìn)行任何真核生物序列的基因辨識(shí)分析之前之前, ,最好把散布和簡(jiǎn)單的重復(fù)序列找出來(lái)并最好把散布和簡(jiǎn)單的重復(fù)序列找出來(lái)并從序列中除去。雖然這些重復(fù)序列可能正好覆從序列中除去。雖然這些重復(fù)序列可能正好覆蓋了由蓋了由rnarna聚合酶聚合酶轉(zhuǎn)錄的部分區(qū)域，它們幾轉(zhuǎn)錄的部分區(qū)域，它們幾乎不會(huì)覆蓋啟動(dòng)子和外顯子編碼區(qū)。這樣，這乎不會(huì)覆蓋啟

16、動(dòng)子和外顯子編碼區(qū)。這樣，這些重復(fù)序列的定位能為其它基因特征的定位提些重復(fù)序列的定位能為其它基因特征的定位提供重要的反面信息。供重要的反面信息。 重復(fù)序列還常常會(huì)攪亂其它分析，特別是重復(fù)序列還常常會(huì)攪亂其它分析，特別是在數(shù)據(jù)庫(kù)搜索中。在數(shù)據(jù)庫(kù)搜索中。 2021-10-2223第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析所用程序所用程序（1）censor /censor/（2）repeatmasker /2021-10-2224第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析2、開(kāi)放

17、閱讀框分析（、開(kāi)放閱讀框分析（orf）（1） /tools/dna.html（2） /gorf/（3） /genemark/2021-10-2225第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析3、數(shù)據(jù)庫(kù)搜索、數(shù)據(jù)庫(kù)搜索 tblstn/blast2021-10-2226第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析4、啟動(dòng)子分析、啟動(dòng)子分析2021-10-2227第六章、核酸和蛋白質(zhì)序列分析

18、第六章、核酸和蛋白質(zhì)序列分析（1）、啟動(dòng)子查詢(xún)）、啟動(dòng)子查詢(xún) http:/www.epd.isb-sib.ch/2021-10-2228第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析（2）、啟動(dòng)子分析 /molbio/proscan/2021-10-2229第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析5、內(nèi)含子剪接位點(diǎn)、內(nèi)含子剪接位點(diǎn)2021-10-2230第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析（1）grail：/grail-1.3/5、內(nèi)含子剪接位點(diǎn)、內(nèi)含子剪接位點(diǎn)2021-10-2231第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析（2）sim4：http:/pbil.univ-lyon1.fr/sim4.php2021-10-2232第六章、核酸和蛋白質(zhì)序列分析第六章、核酸和蛋白質(zhì)序列分析6、cpg島分析島分析 cpg島，是指哺乳動(dòng)物基因啟動(dòng)子及其附近大島，是指哺乳動(dòng)物基因啟動(dòng)子及其附近大量的量的cpg位點(diǎn)位點(diǎn)(cpg表示指表示指c、g以磷酸基連接以磷酸基連接)。 事實(shí)上基因組中事實(shí)上基因組中60% 90% 的的cpg 都被甲基都被甲基化化, 未甲基化的未甲基化的cpg 成簇地組成成簇地組成cpg 島島, 位于結(jié)位于