5基因组注释.ppt

第5章 基因组序列注释 学习重点： 1) 基因注释的方法 2) 基因功能的研究方法 2）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)； 5.1.2 同源基因查询 同源查询 同源性,一致性和相似性 1） 同源性(homology)基因系指起源于同一祖先但序列已经发生变异的基因成员。 分布在不同物种间的同源基因又称直向同源基因。 同一物种的同源基因则称共生同源基因（水平基因）, 水平基因由重复后趋异产生。 基因同源性只有“是”和“非”的区别, 无所谓百分比. 相似性与一致性 249 MFN-MAI PFGAGAYAQALNQQQAALMASVAQGG 232 I LTSL TLPFS AGAYAQALNQQQTTV I S - -T S GS 注: 红色为一致性氨基酸, 蓝色为可取代氨基酸, 白色为趋 异氨基酸. 一致性氨基酸百分比为红色氨基酸所占的 比例, 相似性氨基酸百分比为红色和蓝色氨基酸相加 所占的比例. 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.signal terms (信号指令), 如起始密码, 终止密码, 终止信号, 剪接受体位与供体位序列, 多聚嘧啶顺序, 分支点等保守的顺序组成; 2.content terms (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: Nature reviews genetics, 4:741-749,2003. 不同注释软件之间的效率 Performance of three popular gene prediction programs on 42 semiartificial genomic sequences containing 178 known human gene sequences (900 exons). Sensitivity is percentage of exons that are predicted correctly. Selectivity is percentage of predicted exons that are correct. Reproduced with changes from Yada et al., 2002 Cold Spring Harbor Genome Sequencing and Biology Meeting, May 7-11, 2002. FGENESH is by far the most accurate of three programs. 效率与准确率比较 program sensitivity specificity missed exon (%) wrong exon (%) FGENESH 77.1 65.7 9.6 23.2 GenScan 66.5 44.9 12.0 40.9 HMMGene 69.5 36.6 15.5 55.5 引自: /berry.phtml 人类基因注释标准 Known gene: 与人类已知cDNA和蛋白质顺序同源的基因. Novel gene: 与脊椎动物cDNA或其它物种蛋白质同源的基因. Novel transcripts: 与novel 基因相似,但确少明确的ORF. Putative gene: 有同源EST支持, 但缺少