基因组注释详解ppt课件
合集下载
医学分子生物学-基因组ppt课件
结构基因:基因中编码RNA或蛋白质的DNA序列
调控序列:启动子/增强子/加尾信号
基因组(Genome)
细胞或生物体 一套完整单倍体的遗传物质的总和。
人
(Homo Sapien)
常染色体： 22 性染色体： X,Y
线粒体
n 基因组储存了生物体整套的遗传信息
n 不同生物基因组蕴含的遗传信息量有着巨大的 差别
反向重复序列 7.功能相关的基因构成各种基因家族(gene family) 8.存在可移动的遗传因素(mobile genetic element) 9.体细胞为双倍体，配子(精子/卵子)为单倍体
n (多)基因家族：指核苷酸序列或编码产物的结构具 有一定程度同源性的一组基因，它们功能相似。
n 基因超家族：一组由多基因家族及单基因组成的更大 的基因家族。它们的结构有程度不等的同源性，但功 能并不一定相同，甚至毫无相同之处。在进化上亲缘 关系较远。
Hairpin
5’
3’
小结构基因没有翻译起始序列
Splicing
DNA病毒 RNA过程
HBV 基因结构
原核生物基因组
模式生物: 大肠杆菌 (E.coli)
细菌的遗传物质
Genome DNA
plasmid
Transposable element
原核生物基因组结构与功能特点*
1、为一条环状双链DNA(无典型染色体结构,拟核) 2、只有一个复制起点(Ori) 3、具有操纵子结构V 4、重复序列少:绝大部分基因为单拷贝(99.7%) 5、可表达基因约50% ，>真核生物， <病毒
n 假基因：多基因家族中，某些成员并不能表达出有功 能的产物。与有功能的基因同源，但因突变等原因失 活，可能为进化的痕迹。
调控序列:启动子/增强子/加尾信号
基因组(Genome)
细胞或生物体 一套完整单倍体的遗传物质的总和。
人
(Homo Sapien)
常染色体： 22 性染色体： X,Y
线粒体
n 基因组储存了生物体整套的遗传信息
n 不同生物基因组蕴含的遗传信息量有着巨大的 差别
反向重复序列 7.功能相关的基因构成各种基因家族(gene family) 8.存在可移动的遗传因素(mobile genetic element) 9.体细胞为双倍体，配子(精子/卵子)为单倍体
n (多)基因家族：指核苷酸序列或编码产物的结构具 有一定程度同源性的一组基因，它们功能相似。
n 基因超家族：一组由多基因家族及单基因组成的更大 的基因家族。它们的结构有程度不等的同源性，但功 能并不一定相同，甚至毫无相同之处。在进化上亲缘 关系较远。
Hairpin
5’
3’
小结构基因没有翻译起始序列
Splicing
DNA病毒 RNA过程
HBV 基因结构
原核生物基因组
模式生物: 大肠杆菌 (E.coli)
细菌的遗传物质
Genome DNA
plasmid
Transposable element
原核生物基因组结构与功能特点*
1、为一条环状双链DNA(无典型染色体结构,拟核) 2、只有一个复制起点(Ori) 3、具有操纵子结构V 4、重复序列少:绝大部分基因为单拷贝(99.7%) 5、可表达基因约50% ，>真核生物， <病毒
n 假基因：多基因家族中，某些成员并不能表达出有功 能的产物。与有功能的基因同源，但因突变等原因失 活，可能为进化的痕迹。
基因组ppt课件
20
阻遏蛋白的负性调节
I CAP RNPA O Z
Pol.
YA
Gene : OFF No mRNA products
没有乳糖存在时
21
I CAP RPPNolA. O Z
Y A RNA
Pol.
Inducer
仅有乳糖存在时
（半乳糖）
阻遏蛋白的负性调节
22
解释
CAP P O Z Y A
泄露表达
23
6
基因组学
分类
结构基因组学：以全基因组核苷酸序列测 定为目标
功能基因组学：根据结构基因组学提供的 信息，借助计算机分析以高通量、大规模 的实验方法，系统地对基因功能进行诠释
7
第一节 基因组
8
不同生物基因组大小
生物 病毒，噬菌体φ-x147
病毒，噬菌体λ 细菌，大肠杆菌 变形虫，无恒变形虫
植物，贝母 真菌，酿酒酵母 昆虫，黑腹果蝇 哺乳动物，人
YA
26
协调调节
e
Inducer
（半乳糖）
27
5.除16S、23S、5SrRNA及tRNA外， 原核生物的结构基因均为单拷贝 基因。
结构基因中没有内含子，RNA合成 后不需剪切加工
28
6.结构基因无重叠现象
重叠基因:基因 组DNA中的某些序 列被两个或两个 以上的基因所共 有
基因组大小（bp） 5378（最早） 5×104 4×106
67×1010（最大） 13×1010 2×107 2×108 3×109
9
一、原核生物基因组
什么是原核生物（prokaryote）？ 细菌、支原体、衣原体、立克次体、螺旋体、
放线菌和蓝绿藻等原始生物的总称，是最简单的细 胞生物体。
阻遏蛋白的负性调节
I CAP RNPA O Z
Pol.
YA
Gene : OFF No mRNA products
没有乳糖存在时
21
I CAP RPPNolA. O Z
Y A RNA
Pol.
Inducer
仅有乳糖存在时
（半乳糖）
阻遏蛋白的负性调节
22
解释
CAP P O Z Y A
泄露表达
23
6
基因组学
分类
结构基因组学：以全基因组核苷酸序列测 定为目标
功能基因组学：根据结构基因组学提供的 信息，借助计算机分析以高通量、大规模 的实验方法，系统地对基因功能进行诠释
7
第一节 基因组
8
不同生物基因组大小
生物 病毒，噬菌体φ-x147
病毒，噬菌体λ 细菌，大肠杆菌 变形虫，无恒变形虫
植物，贝母 真菌，酿酒酵母 昆虫，黑腹果蝇 哺乳动物，人
YA
26
协调调节
e
Inducer
（半乳糖）
27
5.除16S、23S、5SrRNA及tRNA外， 原核生物的结构基因均为单拷贝 基因。
结构基因中没有内含子，RNA合成 后不需剪切加工
28
6.结构基因无重叠现象
重叠基因:基因 组DNA中的某些序 列被两个或两个 以上的基因所共 有
基因组大小（bp） 5378（最早） 5×104 4×106
67×1010（最大） 13×1010 2×107 2×108 3×109
9
一、原核生物基因组
什么是原核生物（prokaryote）？ 细菌、支原体、衣原体、立克次体、螺旋体、
放线菌和蓝绿藻等原始生物的总称，是最简单的细 胞生物体。
基因组学ppt课件
编辑课件
6
染色体带型命名
人类染色体带型最早确定的命名方式是从着丝粒向两侧按数字编号, 短臂以p代表 (p=petit),长臂以q代表. 短臂和长臂又可进一步分区，每个区又分为数个亚区， 亚区又可划分为不同的区带，有的区带又可细分为区亚带。
编辑课件
7
人类染色体核型
编辑课件
8
四、基因组的结构成分
1) SAR和MAR 2) CpG岛 3) 等高线
5) MAR或SAR之间的距离平均为30 kb, 染色体DNA环突
长约25-600 kb, 因此并非所有MAR或SAR均与基质或
骨架结合. 或这说MAR(或SAR)与基质或骨架结合的
位置是动态的, 不固定的.
编辑课件
11
SAR和MAR的应用
由于发现许多功能基因的两侧含有SAR或 MAR的结构,并证实SAR和MAR具有阻止 异染色质位置效应和隔离相邻基因彼此干 扰的功能, 因此为了提高转基因的表达水平, 在构建表达载体时可在基因两侧安装SAR 或MAR顺序, 以减少转基因沉默效应.
编辑课件
12
MAR
的 分 离
编辑课件
13
（2）什么是CpG岛
满足CpG岛的条件为: 1. 连续200 bp的DNA顺序(已修改为500 bp); 2. C+G含量大于50%(已修改为55%); 3. 观测到的CpG双碱基数目与预期的数目
之比大于0.6(已修改为0.65).
(Gardiner-Garden, J.Mol.Bio., 196:261, 1987; Proc Natl Acad Sci USA 99:3740-3745, 2002 )
第6章 真核生物基因组解剖
编辑课件
基因基因组及基因组学ppt课件
ppt课件.
44
基因组测序策略
❖ 有了高密度的基因组图谱，就可以开始全 基因组测序了
❖ 测序的技术飞速发展，现在可以全自动化 ❖ 测序的策略有两个：
鸟枪法 克隆重叠群法
ppt课件.
45
鸟枪法
ppt课件.
46
采集5个自愿者的DNA样品t课件.
34
遗传图谱的构建方法
❖ 理论基础: 连锁与交换 ❖ 基本方法: 两点测验法和三点测验法
ppt课件.
35
物理图谱
遗传图所表现的是通过连锁分析确定的各基因间的相 对位置；物理图则表现染色体上每个DNA片段的实际 顺序，是指以已知核苷酸序列的DNA片段（序列标签 位点，sequence-tagged site，STS）为“路标”，以碱 基对（bp，kb，Mb）作为基本测量单位（图距）的基 因组图。
简称分子标记，以DNA序列的多态性作为遗 传标记 随着分子生物学的发展，相继建立 了RFLP、TRS、SNP等多种分子遗传标记检 测技术，开创了遗传标记研究的新阶段。
优点：
❖ 不受时间和环境的限制 ❖ 遍布整个基因组，数量无限
❖ 不影响性状表达
❖ 自然存在的变异丰富，多态性好 ❖ 共显性，能鉴别纯合体和杂合体
ppt课件.
2
假基因
来源于功能基因但已失去活性的DNA序列 产生假基因的原因有: 1. 由重复产生的假基因; 2. 加工的假基因, 由RNA反转录为cDNA 后再整合
到基因组中; 3. 残缺的基因。
ppt课件.
3
重叠基因:
同一段DNA 能携带两种不同蛋白的信息.
重迭基因有以下几种情况：
*一个基因完全在另一个基因内部 *部分重叠 * 两个基因共用少数碱基对
第三章-基因和基因组结构PPT课件
☆基因的两个基本属性： 基因是世代相传的， 基因是决定遗传性表达的
现在所说的“基因是生物体传递遗传信息和表达遗传信 息的基本物质单位”，实际上就是孟德尔所阐明的基因观。
-
7
1926年，摩尔根的巨著《基因论》出版，从而建 立了著名的基因学说。
-
8
☆ 基因是染色体上的实体 ☆ 基因象链珠(bead)一样，孤立地呈 线状地排列在染色体上 ☆ 基因是
-
2
第一节 基因与基因组的概念
-
3
基因
是遗传信息的物理和功能单位，包含产生 一条多肽链或功能RNA所必需的全部核苷酸 序列。
-
4
基因结构研究的历史
从遗传学史的角度看，基因概念大致分以下几个阶段：
泛基因 （或前基因）
孟德尔 （遗传因子）
摩尔根 （基因）
现代基因
操纵子
-
顺反子
5
遗传学的奠基人孟德尔 （Gregor Johann Mendel 1822～1884）
基因主要位于染色体上，还有染色体外遗传物质
-
16
基因概念的发展
☆移动基因
DNA能在有机体的染色体组内从1个地方跳到另一个地方，它 们能从1个位点切除，然后插入同一或不同染色体上的另一个位置。 移动基因机构简单，由几个促进移位的基因组成。基因的跳动能够 产生突变和染色体重排，进而影响其他基因的表达。
one gene → one function
-
15
根据其是否具有转录和翻译功能可以把基因分为三类： ☆编码蛋白质的基因，它具有转录和翻译功能，包括编 码酶和结构蛋白的结构基因以及编码调节蛋白的调节基 因； ☆只有转录功能而没有翻译功能的基因，包括tRNA基因 和rRNA基因； ☆不转录的基因，它对基因表达起调节控制作用，包括 启动子和操纵基因。启动子和操纵基因有时被统称为控 制基因。
第5章 真核生物基因组的注释
主讲人：王茂先
第三节 重复序列的注释
串联重复序列（tandem repeat）
分为：microsatellite、minisatellite、satellite
软件：Tandem Repeats Finder 散布的重复序列（dispersed repeat）
大多是转座元件（transposable element，TE），是 指可以通过转座（transposition）过程在基因组内不 同位置间移动的DNA片段。 转座机制：剪切和粘贴、复制和粘贴
（二）反式比对
反式比对是使用cDNA或者蛋白质序列与基因组进行 比对得到同源位点（比对所用的cDNA或者蛋白质并 不来自于这个位点，往往属于同一个基因家族）。 常用的反式比对工具有BLAST、Exonerate和
GeneWise 。
主讲人：王茂先
二、从头开始的基因预测
从基因组测序一开始，一个明确的目标就是能够准 确地进行从头开始（ab initio）的基因预测，即只依 赖蕴含在DNA序列内部的信息来确定基因结构。
（四）EVM基因预测自动整合系统
主讲人：王茂先
（五）基因功能注释
1、寻找同源基因 使用BLASTp在UniProt数据库中进行相似性搜索同源 基因。
主讲人：王茂先
主讲人：王茂先
2、结构域和GO注释
结构域预测软件：InterPro数据库的InterproScan程序 GO注释：由InterPro的结构域提供
普通高等教育 “十三五”规划教材
生物信息学
Bioinformatics
第五章：真核生物基因组的注释
主讲人：王茂先
第一节 蛋白质编码基因的注释
注释策略： (一)、基于证据的注释，即根据已有的实验证据 （如cDNA）、表达序列标签（EST）和蛋白质序 列进行蛋白质编码基因的注释。 (二)、从头开始（ab initio）的基因预测，即只根 据基因组的DNA序列对蛋白质编码基因进行预测。 (三)、重新（de novo）基因预测，即通过与其他 物种的基因组进行比较，从而预测一个新基因组 中的蛋白质编码基因。
第三节 重复序列的注释
串联重复序列（tandem repeat）
分为：microsatellite、minisatellite、satellite
软件：Tandem Repeats Finder 散布的重复序列（dispersed repeat）
大多是转座元件（transposable element，TE），是 指可以通过转座（transposition）过程在基因组内不 同位置间移动的DNA片段。 转座机制：剪切和粘贴、复制和粘贴
（二）反式比对
反式比对是使用cDNA或者蛋白质序列与基因组进行 比对得到同源位点（比对所用的cDNA或者蛋白质并 不来自于这个位点，往往属于同一个基因家族）。 常用的反式比对工具有BLAST、Exonerate和
GeneWise 。
主讲人：王茂先
二、从头开始的基因预测
从基因组测序一开始，一个明确的目标就是能够准 确地进行从头开始（ab initio）的基因预测，即只依 赖蕴含在DNA序列内部的信息来确定基因结构。
（四）EVM基因预测自动整合系统
主讲人：王茂先
（五）基因功能注释
1、寻找同源基因 使用BLASTp在UniProt数据库中进行相似性搜索同源 基因。
主讲人：王茂先
主讲人：王茂先
2、结构域和GO注释
结构域预测软件：InterPro数据库的InterproScan程序 GO注释：由InterPro的结构域提供
普通高等教育 “十三五”规划教材
生物信息学
Bioinformatics
第五章：真核生物基因组的注释
主讲人：王茂先
第一节 蛋白质编码基因的注释
注释策略： (一)、基于证据的注释，即根据已有的实验证据 （如cDNA）、表达序列标签（EST）和蛋白质序 列进行蛋白质编码基因的注释。 (二)、从头开始（ab initio）的基因预测，即只根 据基因组的DNA序列对蛋白质编码基因进行预测。 (三)、重新（de novo）基因预测，即通过与其他 物种的基因组进行比较，从而预测一个新基因组 中的蛋白质编码基因。
第5章_基因组注释
子的使用频率都是相同的
* 所有生物都有密码子偏倚，预期真正的外显子有密码子偏 倚，而非编码区，三联核苷酸随机排列不会有密码偏倚现 象，只有平均的碱基分布水平。所以根据已有的生物密码 子偏倚的资料在编写计算机程序时会写入这些限制，许多 基因注释程序会写明适用于哪些物种
人类，果蝇和大肠杆菌中精氨酸密码使用频率的比较
i) 原核生物中ORF扫描可有效定位基因
原核生物的ORF是指从起始密码子到终止密码子的一段 序列，通常代表一个编码蛋白质的基因
start codon: ATG
stop condon: TAA, TAG,TGA
•
ORF扫描的关键是stop codon 在6种读框中出现的频率， 一般长的ORF（不少于100个codon)可能代表一个基因
• 序列相似性的表现：
① 存在某些完全相同的序列 ② ORF读框的排列类似，如等长的外显子 ③ ORF指令的氨基酸顺序相同 ④ 模拟的多肽高级结构相似
• 比较基因组学是一种更准确的同源搜寻方法
运用基因组之间的同线性可以检测短ORF的真实性
常用的基因注释软件
1) ab initio 基因预测软件
2016/1/8
48
§ 5.3.2 蛋白质组研究
用蛋白谱（protein profiling)来研究蛋白质组组成
蛋白谱基于双向电泳技术和质谱分析技术
建立蛋白质相互作用图谱，能展现一个蛋白质组 中各成员间的相互作用，是连接蛋白质组学和细 胞生物化学过程的一个重要步骤
2-DE
pH3 IEF
显子和内含子的边界 • 要获得单个cDNA，首先需要构建cDNA，然后用目的 基因DNA片段筛选
•
对于不完整的cDNA,可根据已知片段设计引物，通过RACE
* 所有生物都有密码子偏倚，预期真正的外显子有密码子偏 倚，而非编码区，三联核苷酸随机排列不会有密码偏倚现 象，只有平均的碱基分布水平。所以根据已有的生物密码 子偏倚的资料在编写计算机程序时会写入这些限制，许多 基因注释程序会写明适用于哪些物种
人类，果蝇和大肠杆菌中精氨酸密码使用频率的比较
i) 原核生物中ORF扫描可有效定位基因
原核生物的ORF是指从起始密码子到终止密码子的一段 序列，通常代表一个编码蛋白质的基因
start codon: ATG
stop condon: TAA, TAG,TGA
•
ORF扫描的关键是stop codon 在6种读框中出现的频率， 一般长的ORF（不少于100个codon)可能代表一个基因
• 序列相似性的表现：
① 存在某些完全相同的序列 ② ORF读框的排列类似，如等长的外显子 ③ ORF指令的氨基酸顺序相同 ④ 模拟的多肽高级结构相似
• 比较基因组学是一种更准确的同源搜寻方法
运用基因组之间的同线性可以检测短ORF的真实性
常用的基因注释软件
1) ab initio 基因预测软件
2016/1/8
48
§ 5.3.2 蛋白质组研究
用蛋白谱（protein profiling)来研究蛋白质组组成
蛋白谱基于双向电泳技术和质谱分析技术
建立蛋白质相互作用图谱，能展现一个蛋白质组 中各成员间的相互作用，是连接蛋白质组学和细 胞生物化学过程的一个重要步骤
2-DE
pH3 IEF
显子和内含子的边界 • 要获得单个cDNA，首先需要构建cDNA，然后用目的 基因DNA片段筛选
•
对于不完整的cDNA,可根据已知片段设计引物，通过RACE
7基因组注释 生物信息学PPT技术文档
6
Automated procedure for DNA sequencing
A computer read-out of the gel generates a “false color” image where each color corresponds to a base. Then the intensities are translated into peaks that represent the sequence.
• 散在重复（Interspersed repeat）:
• 短散落配置（short interspersed nuclear element；缩 写SINE）
• 长散落配置（long interspersed nuclear element；缩写 LINE）
https:///wiki/%E9%87%8D%E8%A4%87%E5%BA%8F%E5%88%97
DNA annotation or genome annotation: the process of identifying the locations of genes and all of the coding regions in a genome and determining what those genes do. (https:///wiki)
27
识别方法
• 序列比对：用已知repeats去blast。识别与已知重 复序列相似的序列，并对其进行分类。 所以潜 在的未知重复序列应该是无法用该方法找到的
• 从头预测两类：利用重复序列或转座子自身的序 列或结构特征构建从头预测算法或软件对序列进 行识别。不依赖于已有的转座子数据库，能够发 现未知的转座子元件。
https:///repbase/
Automated procedure for DNA sequencing
A computer read-out of the gel generates a “false color” image where each color corresponds to a base. Then the intensities are translated into peaks that represent the sequence.
• 散在重复（Interspersed repeat）:
• 短散落配置（short interspersed nuclear element；缩 写SINE）
• 长散落配置（long interspersed nuclear element；缩写 LINE）
https:///wiki/%E9%87%8D%E8%A4%87%E5%BA%8F%E5%88%97
DNA annotation or genome annotation: the process of identifying the locations of genes and all of the coding regions in a genome and determining what those genes do. (https:///wiki)
27
识别方法
• 序列比对：用已知repeats去blast。识别与已知重 复序列相似的序列，并对其进行分类。 所以潜 在的未知重复序列应该是无法用该方法找到的
• 从头预测两类：利用重复序列或转座子自身的序 列或结构特征构建从头预测算法或软件对序列进 行识别。不依赖于已有的转座子数据库，能够发 现未知的转座子元件。
https:///repbase/
基因组注释ppt课件
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).
3) EBI: 27 462 (2003, nature 423:576) 4) Genscan: 65 452 许多人倾向于不可能知道人类基因组精确的基因数.
几种模式生物注释的基因总数
大肠杆菌(E.coli): 4 800 酵母(yeast): 6 200 线虫(nematode): 19 000 果蝇(fly): 13 600 拟南芥(Arabidopsis): 25 000 水稻(rice): 60 000 玉米(maize): 59 000 老鼠(mouse): 30 000
76??typesdnachipstypesdnachipsexpressionchipsgenomicchipssequencingchipsdnachips77?基因芯片研制的总体蓝图研制方向的确定基因组序列分析与待检基因探针序列的确定检测样品的制备探针阵列的准备检测设备的研制杂交检测与数据分析78?表达芯片的制备检测流程79表达芯片胞cdna未处理的细胞cdna杂交杂交激光共聚焦扫描发现17个差异表达基因11个被热诱导6个被热抑制发现其中3个为未发现的新基因80蛋白质组定义
基因组序列注释ppt课件
19
5.1.4 基因的命名和分类
迄今为止国际上还没有一个普遍公认的适合所有生物种 属的基因命名规则. 由于历史, 习惯以及其它各种原 因, 基因命名中常常存在许多同名歧义, 或者同义歧 名的现象. 许多基因在生物的不同发育阶段具有不同 的功能, 这一点也给准确的基因命名造成了实际困难. 很多科学家都希望基因的命名标准化，曾经在1997年 和1999年举行了两次有关基因命名的研讨会，但因研 究领域的不同以及基因命名本身存在的复杂问题, 无 法达成一个统一的意见。目前不同生物种属的基因命 名规则仍由各相关领域的专家讨论分别制定, 然后推 荐给研究者选择采用.
24
什么是结构域或功能域 (domain)?
3
密码子偏爱
4
针对个别生物的策略 1) 脊椎动物许多基因的上游都有CpG岛。 2) 水稻基因5’端含有很高的GC含量。
5
5.1.2 同源基因查询
同源查询：利用已存入数据库中的基因序列与待查 的基因组序列进行比较，从中查找可与之匹配的碱 基序列或蛋白质序列及其比例用于识别基因的方法。 同源查询的依据是：现有生物的不同种属之间具有 功能或结构相似的同源基因成员，它们在起源上一 脉相承，存在保守的序列组成。 一般认为氨基酸的一致性或相似性在25%以上可视 为同源基因。
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 14
5.1.4 基因的命名和分类
迄今为止国际上还没有一个普遍公认的适合所有生物种 属的基因命名规则. 由于历史, 习惯以及其它各种原 因, 基因命名中常常存在许多同名歧义, 或者同义歧 名的现象. 许多基因在生物的不同发育阶段具有不同 的功能, 这一点也给准确的基因命名造成了实际困难. 很多科学家都希望基因的命名标准化，曾经在1997年 和1999年举行了两次有关基因命名的研讨会，但因研 究领域的不同以及基因命名本身存在的复杂问题, 无 法达成一个统一的意见。目前不同生物种属的基因命 名规则仍由各相关领域的专家讨论分别制定, 然后推 荐给研究者选择采用.
24
什么是结构域或功能域 (domain)?
3
密码子偏爱
4
针对个别生物的策略 1) 脊椎动物许多基因的上游都有CpG岛。 2) 水稻基因5’端含有很高的GC含量。
5
5.1.2 同源基因查询
同源查询：利用已存入数据库中的基因序列与待查 的基因组序列进行比较，从中查找可与之匹配的碱 基序列或蛋白质序列及其比例用于识别基因的方法。 同源查询的依据是：现有生物的不同种属之间具有 功能或结构相似的同源基因成员，它们在起源上一 脉相承，存在保守的序列组成。 一般认为氨基酸的一致性或相似性在25%以上可视 为同源基因。
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 14
基因组结构ppt课件
ppt课件.
32
f. 真核基因为断裂基因：高等真核生物的大部分基因有 内含子，因此基因编码区是不连续的。
g. 存在大量重复序列，重复次数可以是几次、几十次， 甚至高达百万次。
h. 高等真核生物基因组中存在一些可移动的DNA因素，这 些因素的移动多被RNA介导，少数情况下被DNA介导。
ppt课件.
33
蠕虫类 霉菌
藻类 真菌 G+细菌 G-细菌 枝原体
ppt课件.
13
3、基因密度 Gene density:
• 是单位长度基因组DNA上基因的平均 数目。
• 生物体的复杂性与基因的密度之间存在 大致负相关的关系。
ppt课件.
14
不同生物染色体基因密度的比较
ppt课件.
15
导致真核细胞中基因密度降低的原因： ─基因长度和基因间隔区序列的增加。
ppt课件.
38
在已分析的DNA序列中，原核生物基因中几乎没有内含子， 低等真核生物如酵母内含子也不普遍，但在高等真核生物中 则大量存在内含子，且多数情况下，内含子要比外显子长得
多( Exons: 5%, Introns:95%)。
并非所有的高等生物的基因都含有内含子。在 已经分析过的基因中，已知编码组蛋白和干扰 素的基因是不含内含子的。
位于线性染色体的末端。维持染色体稳定及染色体的 末端复制。
它们对于细胞分裂过程中染色体的正确复制和分离是
至关重要的。
ppt课件.
26
DNA Replication and Cell Division
ppt课件.
27
6、染色质结构的调控
组蛋白八聚体相互作用是一个动态过程
核小体的重塑和修饰共同增加DNA的易接近性：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
industrial
Hapmap 1st phase data
release
ABI SOLiD 1.0 Rise of Launched! Genome Wide Association Studies (GWAS)
SOLiD 3.0: 100GB out of the box!
The 3rd Generation Sequencing will be launched
ppt课件.
3
成熟的二代测序技术平台
Roche / 454 Genome Sequencer
FLX 500 Mb / run
Illumina / Solexa/GIIx Genetic Analyzer 50~95GB / run
Illumina / Solexa/HiSeq 200GB / run
GA
ILMN HiSeq 2000 launched
2000 2002 2003 2005 2006 2007 2008 2009
2010
In the coming future
Rise of Genbank databases from DNA sequencing
Human Genome Project & Celera
数据分析
✓ 序列预处理（质量控制） ✓ 基因组分型技术 ✓ SNP、Indel、CNV、染色体结构变异及注释 ✓ 与表型相关的全基因组关联分析和功能连锁性分析
ppt课件.
5
பைடு நூலகம்
高通量测序服务
▪ 外显子捕获测序(Target exome capture)
实验
数据分析
✓ >30X的覆盖率 (Solexa or SOLiD)
ppt课件.
6
高通量测序服务
▪ 转录组测序 (RNA-seq sequencing)
实验
数据分析
✓ mRNA打断、反转录、加接头 ✓ De novo 454 构建转录图谱 ✓ Reference barcode建库
Solexa，SOLiD
✓ 序列预处理（质量控制） ✓ 表达丰度统计 ✓ 注释(功能、代谢通路、表达差异比较) ✓ 未知转录本的分析
8
两种测序策略：
❖ 基于BAC的方法： 先把基因组打碎成200－300kb的片段并制成BAC文
▪ microRNA测序(microRNA sequencing)
实验
✓ microRNA提取、两头加接头、 反转录、建库 (Solexa or SOLiD)
数据分析
✓ 序列预处理（质量控制） ✓ 已知microRNA丰度统计 ✓ 未知microRNA预测及丰度统计
ppt课件.
7
高通量测序服务
▪ 元基因组测序 (meta-genome sequencing)
Genomics completes first draft genome
Low hanging fruit: cystic fibrosis mutation identified
3700 DNA Analyzer in Human Genome
Project; DNA sequencing goes
ppt课件.
2
测序技术的发展带来测序价格的下降
Innovation of NGS throughput
Cost of per Human Genome
Throughput (Gb)
240
120
100
80
200Gb-300Gb
$M
100,000.00 10,000.00 1,000.00 100.00 10.00
ABI commercializes first automated DNA sequencer
1981 1986 1989
1991
1994
1998
ILMN launches gene expression
arrays
Hapmap project launched
ILMN bought Roche GS Solexa; FLX launches launched
Applied Biosystems SOLiD4
100GB / run Applied Biosystems
SOLiD/HQ 300GB / run
ppt课件.
4
高通量测序服务
▪ 未知基因组测序(De novo genome sequencing)
实验
数据分析
✓ Mate Pair 测序构建Scaffold ✓ 30X的覆盖率
✓ 序列预处理（质量控制） ✓ 基因组分型技术 ✓ SNP、Indel、CNV、染色体结构变异及注释 ✓ 与表型相关的全基因组关联分析和功能连锁性分析
▪ 全基因组甲基化测序(DNA methylation sequencing)
实验
数据分析
✓ 30X以上的覆盖率 ✓ 序列预处理（质量控制） (Solexa or SOLiD) ✓ 甲基化位点检测及注释
13 years ~$3,000,000,000
Moore’s Law
60
1.00
40 20-30Gb
0.10
20 3Gb
6Gb
0.01
0
0.001
2007
2008
2009
2010
1990
2001
2007
更低的价格使得基于测序的科研和临床应用越来越被接受
2010 2012
<2 weeks
~$1,000
(454&(Solexa or SOLiD))
✓ 序列预处理（质量控制） ✓ 基因组拼接（基于reference拼接） ✓ 注释(基因功能、代谢通路、比较基因组) ✓ SNP发现及注释
▪ 基因组重测序(Whole genome resequencing)
实验
✓ 30X以上的覆盖率 (Solexa or SOLiD)
实验
数据分析
✓ DNA提取、建库
✓ 序列预处理（质量控制） ✓ 拼接、注释(功能、代谢通路) ✓ 丰度统计、比较元基因组
▪ 未知病毒检测(Unknown virus detecting)
实验 ✓ 低量RNA、DNA处理、建库
数据分析
✓ 与宿主、微生物、病毒数据库比较 ✓ 未知病毒的发现及预测
ppt课件.
基因组注释
基因组测序相关技术发展
Affy launches Gene
Expression microarrays
First microarray publication - on
Arabidopsis
Affy & ILMN both launched 100K genotyping arrays
The Sequencing Shake up!!
Hapmap 1st phase data
release
ABI SOLiD 1.0 Rise of Launched! Genome Wide Association Studies (GWAS)
SOLiD 3.0: 100GB out of the box!
The 3rd Generation Sequencing will be launched
ppt课件.
3
成熟的二代测序技术平台
Roche / 454 Genome Sequencer
FLX 500 Mb / run
Illumina / Solexa/GIIx Genetic Analyzer 50~95GB / run
Illumina / Solexa/HiSeq 200GB / run
GA
ILMN HiSeq 2000 launched
2000 2002 2003 2005 2006 2007 2008 2009
2010
In the coming future
Rise of Genbank databases from DNA sequencing
Human Genome Project & Celera
数据分析
✓ 序列预处理（质量控制） ✓ 基因组分型技术 ✓ SNP、Indel、CNV、染色体结构变异及注释 ✓ 与表型相关的全基因组关联分析和功能连锁性分析
ppt课件.
5
பைடு நூலகம்
高通量测序服务
▪ 外显子捕获测序(Target exome capture)
实验
数据分析
✓ >30X的覆盖率 (Solexa or SOLiD)
ppt课件.
6
高通量测序服务
▪ 转录组测序 (RNA-seq sequencing)
实验
数据分析
✓ mRNA打断、反转录、加接头 ✓ De novo 454 构建转录图谱 ✓ Reference barcode建库
Solexa，SOLiD
✓ 序列预处理（质量控制） ✓ 表达丰度统计 ✓ 注释(功能、代谢通路、表达差异比较) ✓ 未知转录本的分析
8
两种测序策略：
❖ 基于BAC的方法： 先把基因组打碎成200－300kb的片段并制成BAC文
▪ microRNA测序(microRNA sequencing)
实验
✓ microRNA提取、两头加接头、 反转录、建库 (Solexa or SOLiD)
数据分析
✓ 序列预处理（质量控制） ✓ 已知microRNA丰度统计 ✓ 未知microRNA预测及丰度统计
ppt课件.
7
高通量测序服务
▪ 元基因组测序 (meta-genome sequencing)
Genomics completes first draft genome
Low hanging fruit: cystic fibrosis mutation identified
3700 DNA Analyzer in Human Genome
Project; DNA sequencing goes
ppt课件.
2
测序技术的发展带来测序价格的下降
Innovation of NGS throughput
Cost of per Human Genome
Throughput (Gb)
240
120
100
80
200Gb-300Gb
$M
100,000.00 10,000.00 1,000.00 100.00 10.00
ABI commercializes first automated DNA sequencer
1981 1986 1989
1991
1994
1998
ILMN launches gene expression
arrays
Hapmap project launched
ILMN bought Roche GS Solexa; FLX launches launched
Applied Biosystems SOLiD4
100GB / run Applied Biosystems
SOLiD/HQ 300GB / run
ppt课件.
4
高通量测序服务
▪ 未知基因组测序(De novo genome sequencing)
实验
数据分析
✓ Mate Pair 测序构建Scaffold ✓ 30X的覆盖率
✓ 序列预处理（质量控制） ✓ 基因组分型技术 ✓ SNP、Indel、CNV、染色体结构变异及注释 ✓ 与表型相关的全基因组关联分析和功能连锁性分析
▪ 全基因组甲基化测序(DNA methylation sequencing)
实验
数据分析
✓ 30X以上的覆盖率 ✓ 序列预处理（质量控制） (Solexa or SOLiD) ✓ 甲基化位点检测及注释
13 years ~$3,000,000,000
Moore’s Law
60
1.00
40 20-30Gb
0.10
20 3Gb
6Gb
0.01
0
0.001
2007
2008
2009
2010
1990
2001
2007
更低的价格使得基于测序的科研和临床应用越来越被接受
2010 2012
<2 weeks
~$1,000
(454&(Solexa or SOLiD))
✓ 序列预处理（质量控制） ✓ 基因组拼接（基于reference拼接） ✓ 注释(基因功能、代谢通路、比较基因组) ✓ SNP发现及注释
▪ 基因组重测序(Whole genome resequencing)
实验
✓ 30X以上的覆盖率 (Solexa or SOLiD)
实验
数据分析
✓ DNA提取、建库
✓ 序列预处理（质量控制） ✓ 拼接、注释(功能、代谢通路) ✓ 丰度统计、比较元基因组
▪ 未知病毒检测(Unknown virus detecting)
实验 ✓ 低量RNA、DNA处理、建库
数据分析
✓ 与宿主、微生物、病毒数据库比较 ✓ 未知病毒的发现及预测
ppt课件.
基因组注释
基因组测序相关技术发展
Affy launches Gene
Expression microarrays
First microarray publication - on
Arabidopsis
Affy & ILMN both launched 100K genotyping arrays
The Sequencing Shake up!!