中英联合实验室.ppt

5 基因组序列的诠释 问 题 基因组序列所包含的全部遗传信息是什么？ 基因组作为一个整体如何行使其功能？ 用什么方法寻找基因，研究基因的功能呢？ 基因组序列的诠释 研究基因组的最终目的不是为了仅仅得到基因组的全部序列，而是诠释基因组所包含的信息和基因组功能。在这一部分中，我们主要探讨利用什么方法来搜寻基因和研究基因组的功能 1. 在基因组中搜寻基因 根据顺序分析搜寻基因 实验分析确认基因 2. 基因功能的测定 5.1 在基因组中搜寻基因根据序列分析搜寻基因 A 起始密码子 ATG B 信号肽分析 C 终止密码子 D 3’端的确认 E 非编码序列、内含子 F 密码子偏爱性 G 外显子－内含子边界 H 上游调控序列 I 软件预测 5.1 在基因组中搜寻基因 在获得基因组或DNA序列后，可以采用人工或计算机序列筛选的方法来获得基因。目前，使用比较多的方法是ORF（opening reading frames）扫描 ORF：每个编码蛋白的基因都含有ORF，它是由一系列密码子组成，通常以ATG开始，TAA、TGA、TAG结束。通过寻找起始密码子和终止密码子的ORF序列是寻找基因的一种重要的方法 寻找ORF的成功的关键在于终止子在DNA序列中出现的频率 5.1 在基因组中搜寻基因 5.1 在基因组中搜寻基因 高等真核生物DNA的ORF的阅读障碍： 基因间存在大量非编码序列（人类基因组占70%） 很多基因含有内含子 由于多数外显子长度100个密码子，当读码进入到内含子时很快就遇到终止密码，从而难以判断读码的准确性 根据开放读码框(ORF)预测基因 A 起始密码子 ATG 第一个ATG的确定(依据Kozak规则) Kozak规则是基于已知数据的统计结果 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 Kozak规则: 若将第一个ATG中的碱基A，T，G分别标为1, 2 , 3位，侧翼碱基序列具有以下特征： 第4位的偏好碱基为G ATG的5’端约15bp范围的侧翼序列内不含碱基T 在-3，-6和-9位置，G是偏好碱基 除-3，-6和-9位，在整个侧翼序列区，C是偏好碱基 B 信号肽分析 信号肽分析软件(SignalP) http://www.cbs.dtu.dk/services/signalP 把预测过程中证实含完整mRNA 5’端的序列翻译为蛋白序列 然后用SignalP软件对前50个氨基酸序列(从第一个ATG对应的甲硫氨酸Met开始)进行评估，如果SignalP分析给出正面结果，则测试序列有可能为信号肽 C 终止密码子 终止密码子: TAA, TAG,TGA GC% = 50% 终止密码子每 64 bp出现一次 GC% 50% 终止密码子每100－200 bp 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 不少于100 个密码子 D 3’端的确认 3’端的确认主要根据Poly(A)尾序列，若测试DNA片段不含Poly(A)序列，则根据加尾信号序列“AATAAA”和BLAST同源性比较结果共同判断 E 非编码序列、内含子 高等真核生物多数外显子长度少于100 个密码子，有的不到50个密码子甚至更少 F 密码子偏爱性 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 不同种属间使用同义密码的频率有很大差异，如人类基因中，丙氨酸（Ale）密码子多为GCA,GCC或GCT,而GCG很少使用 G 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‘端或称供体位（donor site）常见的顺序为 5’ -AG↓GTTAAGT-3’ 3’端又称受体位（acceptor site)，多为5‘PyPyPyPyPyPyCAG-3’ (Py：嘧啶核苷酸，T或C) H 上游调控序列 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(The TRADAT Project , Eukaryotic Promoter Database, EPD. http://www.epd.unil.ch/ ) 另外个别生物基因组的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CpG岛 I 软件预测 采用NCBI的ORF预测软件 ( ORF finder: /gorf/orfig.cgi )判断ORF的可能范围 5.1 在基因组中搜寻基