核酸序列分析泛講

1基因預(yù)測開放讀碼框GENSCANGenomeScanGeneMarkGLIMMER基因結(jié)構(gòu)分析內(nèi)含子/外顯子剪切位點(diǎn)NetGene2Spidey選擇性剪切ProSplicerSpidey轉(zhuǎn)錄調(diào)控序列分析啟動(dòng)子/轉(zhuǎn)錄起始位點(diǎn)DBTSSPromoterScanCpG島CpGPlot轉(zhuǎn)錄終止信號(hào)Hcpolya序列組分分析GC含量cgview密碼子偏好性使用CodonW限制性核酸內(nèi)切酶位點(diǎn)NEBcutter核酸序列分析基因預(yù)測：早期指預(yù)測DNA序列中編碼蛋白質(zhì)的部分，即外顯子部分；現(xiàn)在指整個(gè)基因結(jié)構(gòu)的預(yù)測，綜合各種外顯子預(yù)測的算法及對(duì)基因結(jié)構(gòu)信號(hào)的認(rèn)識(shí)，預(yù)測出可能的完整基因。（啟動(dòng)子預(yù)測、重復(fù)序列預(yù)測、CpG島的預(yù)測等等）

通過生物信息學(xué)手段發(fā)現(xiàn)基因的一般過程①獲取DNA目標(biāo)序列②查找ORF并將目標(biāo)序列翻譯成蛋白質(zhì)序列③在數(shù)據(jù)庫中進(jìn)行序列搜索④多序列比對(duì)，查找基因家族⑤查找目標(biāo)序列中的特定模序⑥預(yù)測目標(biāo)序列的二級(jí)、三級(jí)結(jié)構(gòu)⑦獲取相關(guān)蛋白質(zhì)的功能信息3開放讀碼框的識(shí)別開放閱讀框開放閱讀框（英語：Openreadingframe；縮寫：ORF；其他譯名：開放閱讀框架、開放式閱讀框架，開放讀架等）是生物個(gè)體的基因組中，可能是蛋白質(zhì)編碼序列的部分?；蛑械腛RF包含并位于開始編碼與終止編碼之間。由于一段DNA或RNA序列有多種不同讀取方式，因此可能同時(shí)存在許多不同的開放閱讀框架。開放閱讀框包含一段可以編碼蛋白的堿基序列，不能被終止子打斷。單鏈DNA序列可能有3種閱讀框，但通常只有一種具有編碼的作用，稱為開放閱讀框（openreadingframeorORF）。封閉閱讀框（blockreadingframe）

當(dāng)一個(gè)新基因被識(shí)別，其DNA序列被解讀，DNA序列可以按六種框架閱讀和翻譯。例如一段5'-UCUAAAGGUCCA-3'序列。此序列共有3種讀取法：

UCUAAAGGUCCA

CUAAAGGUC

UAAAGGUCA

ORF識(shí)別包括檢測這六個(gè)閱讀框架并決定哪一個(gè)包含以啟動(dòng)子和終止子為界限的DNA序列而其內(nèi)部不包含啟動(dòng)子或密碼子，符合這些條件的序列有可能對(duì)應(yīng)一個(gè)真正的單一的基因產(chǎn)物。ORF的識(shí)別是證明一個(gè)新的DNA序列為特定的蛋白質(zhì)編碼基因的部分或全部的先決條件。

基因結(jié)構(gòu)分析（1）原核基因結(jié)構(gòu)?原核生物基因組小，基因密度高，很少存在重復(fù)序列， 一個(gè)基因是由編碼一個(gè)蛋白質(zhì)或RNA的開封閱讀框構(gòu)成， 中間沒有間斷。?細(xì)菌的起始密碼子為:ATG,GTG,TTG?核糖體結(jié)合位點(diǎn)(Shine-Delgaronsequence)?終止密碼子較容易確定?轉(zhuǎn)錄終止子?密碼子偏好性翻譯起始位點(diǎn)翻譯終止位點(diǎn)編碼區(qū)轉(zhuǎn)錄終止子TTTTT

7轉(zhuǎn)錄起始位點(diǎn)

AGGAGGT

核糖體結(jié)合位點(diǎn)（2）真核基因結(jié)構(gòu)

?基因組較大，基因密度低，富含重復(fù)序列和轉(zhuǎn)座元件；最重要 的是基因被插入的非編碼序列（內(nèi)含子）切分成小段（外顯 子）。?初生的轉(zhuǎn)錄產(chǎn)物需要經(jīng)過三個(gè)步驟轉(zhuǎn)變成成熟的可翻譯為蛋白的mRNA。?真核基因預(yù)測的主要問題是識(shí)別外顯子、內(nèi)含子和間接位點(diǎn)。?真核基因中存在一些保守序列特征有助于進(jìn)行計(jì)算預(yù)測，如：GT-AG規(guī)則，密碼子偏好性，六聚體頻率，kozak序列，CpG島，poly-A8名稱TATA框（TATAbox）CAAT框（CAATbox）GC框（GCbox）所處位置轉(zhuǎn)錄起始點(diǎn)上游約19～27bp處位于轉(zhuǎn)錄起始點(diǎn)上游70～80bp有兩個(gè)拷貝，分別位于CAAT框的兩側(cè)組成TATA(A/T)A(A/T)GG(T/C)CAATCTGGCGGG功能與轉(zhuǎn)錄因子TFⅡ結(jié)合，能夠準(zhǔn)確識(shí)別轉(zhuǎn)錄起始點(diǎn)與轉(zhuǎn)錄因子CTF結(jié)合，促進(jìn)轉(zhuǎn)錄與轉(zhuǎn)錄因子SP1結(jié)合，起增強(qiáng)轉(zhuǎn)錄效率的作用9原核和真核生物基因轉(zhuǎn)錄起始位點(diǎn)上游區(qū)結(jié)構(gòu)原核生物真核生物TTGACATATAATAmRNA＋1－10－35PyAPyTATAATGC區(qū)CAAT區(qū)mRNA＋1－40－25－110增強(qiáng)子上游啟動(dòng)子元件，UPE核心啟動(dòng)子元件轉(zhuǎn)錄起始位點(diǎn)10轉(zhuǎn)錄終止信號(hào)加polyA信號(hào)：AAUAAA轉(zhuǎn)錄終止信號(hào)：GCrich二重對(duì)稱區(qū)、UUUUUUC-GC-GG-CG-CU-AG-CG-CC-GG-CUUUUUUUUURNA5’3’AAUAAACAAAAAAAAAAAAA成熟mRNA5’3’AAUAAACAGUmRNA前體5’3’真核基因組中的重復(fù)序列存在方式單一序列重復(fù)序列中度重復(fù)序列高度重復(fù)序列長度大于300bp2~200bp拷貝數(shù)出現(xiàn)一次或很少幾次拷貝數(shù)102~106之間拷貝數(shù)106~108之間功能編碼蛋白質(zhì)的結(jié)構(gòu)基因（3萬~4萬個(gè)）一般不編碼蛋白質(zhì)，但在基因調(diào)控中起重要作用一般不能轉(zhuǎn)錄，但參與染色體結(jié)構(gòu)的維持、形成結(jié)構(gòu)基因間隔等，如構(gòu)成著絲粒、端粒等的衛(wèi)星DNARepBase是真核生物DNA中重復(fù)序列數(shù)據(jù)庫Kozak序列（真核生物）

該序列是在起始密碼子之前與核糖體作用的位點(diǎn)，真核生物mRNA起始密碼AUG上游的第三個(gè)核苷酸常常是嘌呤，且多為A（-3A）；其次緊跟在AUG后面的核苷酸，常常也是嘌呤，但多數(shù)情況下是G（+4G）。高等真核生物的Kozak同源序列為：GCCACC(ATG)，弱Kozak同源序列是：CATTGG(ATG)；酵母的Kozak同源序列是：AAAAAA(ATG)，弱Kozak序列是：CGGTGT(ATG)，而沒有起始功能的AUG附近的核苷酸序列則無此保守性。

不同生物對(duì)密碼子的使用有不同的偏好，在編碼區(qū)和非編碼區(qū)，特定氨基酸密碼子的出現(xiàn)頻率是不同的，因而蛋白質(zhì)編碼區(qū)密碼存在一定的規(guī)則性。

CodonW

/密碼子使用頻度142、

內(nèi)含子/外顯子分析對(duì)基因組序列的讀碼框區(qū)域進(jìn)行預(yù)測內(nèi)含子5’端供體位點(diǎn)(donorsplicesite):GT內(nèi)含子3’端受體位點(diǎn)(acceptorsplicesite):AG預(yù)測工具：GENSCAN，GENEMARKNetGene2,SpliceView

CpG島（CpGisland）是短的、分散的、非甲基化核酸序列，它常出現(xiàn)在持家基因和受調(diào)節(jié)表達(dá)的基因5’端，CpG島定義為長度超過200bp，p(CG)>0.6×p(C)×p(G)值，且GC含量大于50%的序列區(qū)域。統(tǒng)計(jì)表明在人和鼠的基因中80%含有CpG島。覆蓋5’啟動(dòng)子區(qū)域，并常向3端延伸約1000bp，進(jìn)入基因翻譯區(qū)。通過CpG島分析可幫助確定基因5’末端位置。分析序列中的CpG島可用WebGene或CpGplot。（三）、CpG島存在的主要問題?假陽性（FalsePositive,FP）：多預(yù)測了假的編碼區(qū)，即在非編碼區(qū)預(yù)測出編碼區(qū)。?假陰性FalseNegative,FN）：漏掉了真實(shí)的編碼區(qū)，即將編碼區(qū)預(yù)測為非編碼區(qū)。（Over?