Chapter 核苷酸序列分析2012

Web
Web Web/Linux Web Web Web/Linux/ Windows Web
GenomeScan GeneWise GRAIL BCM Gene Finder
核苷酸序列分析
ORF
开放读码框的识别
• 预测ORF的方法都是针对特定物种而设计的， 如GENSCAN最初是针对人类的，后扩展对 脊椎动物、果蝇、拟南芥、玉米基因的预测。
• Kozak规则: ORF中起始密码子ATG前后的碱基具 有特定的偏好性。若将第一个ATG中的碱基分别 标为1、2、3位，则Kozak规则可描述如下：
1. 第4位的偏好碱基为G; 2. ATG的5’端的15bp范围内的侧翼序列内不含碱基T; 3. 第3、6、9位G为偏好碱基； 4. 除第3、6、9位，在整个侧翼序列区中，C为偏好碱基。
• 原核生物中多数基因的编码序列在100氨基酸以上； 真核生物的编码区由内含子和外显子组成，其外显 子的平均长度约为50个氨基酸。
• 预测ORF的方法有两类：基于统计分析和模式识别 （如GENSCAN, GeneMark, GRAIL II 等），基于 同源比对。
核苷酸序列分析
ORF
开放读码框的识别
RNASPL
与相应的基因组序列比对，分析比对片段的 分布位置 预测工具：
Spidey，SIM4，BLAT，BLAST，FASTA
核苷酸序列分析
Gene Structure
基因开放阅读框/基因结构分析工具
对基因组序列的读码框区域进行预测
NNSplice Splice View NetGene2
SPL/SPLM/RNASPL/FSPLICE
• GlimerM适于恶性疟原虫、拟南芥、曲霉菌 和水稻 • 对mRNA, cDNA, EST, 宜用GetOrf, ORF Finder, Plotorf, BestORF 等
核苷酸序列分析
ORF
应用ORF Finder预测水稻瘤矮病毒 （RGDV）S8片断的ORF
• ORF Finder: http://www.ncbi.nlm.nih.gov/gorf/gorf.html
http://www.repeatmasker.org/cgi-bin/WEBRepeatMasker
Arabidopsis thaliana chromosome 2, part sequence (NC_003071.1)
Output
核苷酸序列分析
ORF
开放读码框的识别
• 开放读码框（open reading frame, ORF) 是一段起始密码子(ATG)和终止密码子(TAA, TAG, TGA)之间的碱基序列 • ORF 是潜在的蛋白质编码区
PromoterScan
http://bimas.dcrt.nih.gov:80/molbio/proscan
粘贴AY684193 输出结果
核苷酸序列分析
Gene Structure
内含子/外显子剪切位点识别
对基因组序列的读码框区域进行预测
内含子5’端供体位点(donor splice site): GT 内含子3’端受体位点(acceptor splice site): AG 内含子区域核苷酸组分是识别编码区的重要依据
核苷酸序列分析
ORF
Getorf
Plotorf ORF Finder BestORF
基因开放阅读框/基因结构分析识别工具
http://bioweb.pasteur.fr/seqanal/interfaces/getorf.html
http://bioweb.pasteur.fr/seqanal/interfaces/plotorf.html http://www.ncbi.nlm.nih.gov/gorf/gorf.html http://www.softberry.com/all.htm
Web/Linux
Web Web Web/Linux Linux Web
Generation
GeneBuilder
FGENESH+ /++
http://compbio.ornl.gov/generation/
http://l25.itba.mi.cnr.it/~webgene/genebuilder.html http://www.softberry.com/all.htm http://genes.mit.edu/genomescan.html http://www.sanger.ac.uk/Software/Wise2/ http://grail.lsd.ornl.gov/grailexp/ http://searchlauncher.bcm.tmc.edu/seq-search/genesearch.html
Web/Linux
Web/Linux Web Web
GENSCAN
GeneMark Gene Finder FGENESH GlimmerM FgeneSB/ FgeneSV
http://genes.mit.edu/GENSCAN.html
http://www.ebi.ac.uk/genemark/ http://opal.biology.gatech.edu/GeneMark/ http://rulai.cshl.org/tools/genefinder/（Dr. Michael Zhang ） http://www.softberry.com/all.htm http://www.tigr.org/tdb/glimmerm/glmr_form.html http://www.softberry.com/all.htm
核苷酸序列分析
ORF
重复序列分析
• 原核基因组中除rRNA、tRNA基因有多个 拷贝外，重复序列（repetitive sequences） 不多。
•
哺乳动物基因组中则存在大量重复序列， 分为3类：
1. 高度重复序列。一般较短，长10~300bp，重复 106次左右，占基因组10%~60%，在人类基因 组中约占20%，功能还不明确。
ggccagatgg aacatattgc tttcgggagc acaaggatcg ggtctactac gtctcggagc
ggattttgaa gctgagcgag tgcttcggct acaagcagct ggtgtgcgtg ggcacctgct tcggcaagtt ctccaagacc aacaaactga agttccatat cacggcgctc tactacttgg
Web Web Web Web
GeneSplicer
MZEF SpliceProximalCheck SplicePredictor
http://www.tigr.org/tdb/GeneSplicer/gene_spl.html
http://www.ebi.ac.uk/~thanaraj/MZEF-SPC.html http://corba.ebi.ac.uk/cgi-bin/sp/wrapper.cgi http://bioinformatics.iastate.edu/cgi-bin/sp.cgi
核苷酸序列分析
ORF
重复序列分析
2. 中度重复序列。长10~300bp，重复10~105次， 占基因组10~40%。哺乳类中含量最多的一种 称为Alu的序列，长约300bp，重复3×105次， 在人类基因组中约占7%，功能不是很清楚。 3. 单拷贝序列。这类序列基本上不重复，占哺乳 类基因组的50%~80%，在人类基因组中约占 65%。 • 由于大量重复序列影响序列分析，因此在对真核 基因分析前，最好把重复序列屏蔽掉。
不同的序列通常采用不同的分析方法
NetGene2和Splice View用于分析基因组核苷酸序 列编码区的剪切位点和内含子 mRNA/cDNA序列可用Spidey,SIM4,BLAT和 BLAST等分析工具
核苷酸序列分析
Gene Structure
内含子/外显子剪切位点识别
如何分析mRNA/cDNA的外显子组成？
1. CAP序列（增强聚合酶的结合和转录的起始序列，70~-40） 2. -10序列：在-4到-13bp处，有保守序列TATAAT，称为 Pribnow框，各碱基频率：T89 A89 T50 A65 A65 T100
3. -35序列：约在-35处有保守序列TTGACA, 其中TTG十 分保守，各碱基频率：T85 T83 G81 A61 C69 A52
核苷酸序列分析
胡松年 2005 《基因表达序列标签 （EST）数据分析手册》第七章
吴祖建等 2011 《生物信息学分析实践 》 第4.3节
核苷酸序列分析
重复序列分析 开放读码框（open reading frame, ORF)的识别 基因结构分析 内含子/外显子剪切位点识别 选择性剪切分析 CpG 岛的识别 核心启动子/转录因子结合位点/转录启始位 点的识别 转录终止信号的预测 GC含量/密码子偏好性分析
• 提交序列：以登陆号或直接粘贴FASTA格式的序列. • 参数设置：可设置待分析序列片断的起始和结束位置；ORF Finder提供 了22种遗传密码表可供选择。这里选择默认参数.
The Genetic Codes
点击
点击
结果验证
• 采用数据库搜索方法对选定的ORF进行 验证 • BLASTB比对搜索到多个显著相似的序 列, 因此所预测的ORF可信度比较高
Leabharlann Baidu
http://www.fruitfly.org/seq_tools/splice.html http://l25.itba.mi.cnr.it/~webgene/wwwspliceview.html http://www.cbs.dtu.dk/services/NetGene2/ http://www.softberry.com/all.htm
Web/Linux
Web Web
分析mRNA/cDNA的外显子组成
GeneSeqer Spidey PROT_MAP Sim4 BLAT BLAST FASTA http://bioinformatics.iastate.edu/cgi-bin/gs.cgi http://www.ncbi.nih.gov/spidey http://sun1.softberry.com/berry.phtml?topic=prot_map&group=pr ograms&subgroup=xmap http://gamay.univ-perp.fr/analyse_seq/sim4 http://globin.cse.psu.edu/ http://www.cse.ucsc.edu/~kent/src/unzipped/blat/ ftp://ftp.ncbi.nlm.nih.gov/BLAST/Executables ftp://ftp.virginia.edu/pub/fasta/win32_fasta/fasta34t21b5d.zip Web/Linux Web Web Web/Linux Linux Web/Windows/ Linux Web/Windows/ Linux
点击
GetOrf
http://bioweb.pasteur.fr/seqanal/interfaces/getorf.html
ggccagatgg aacatattgc tttcgggagc acaaggatcg ggtctactac gtctcggagc
ggattttgaa gctgagcgag tgcttcggct acaagcagct ggtgtgcgtg ggcacctgct
tcggcaagtt ctccaagacc aacaaactga agttccatat cacggcgctc tactacttgg cgccctacgc ccagtacaag gtgtgggtga agccctcctt cgagcagcag tttctctacg
输出结果
GENSCAN
http://genes.mit.edu/GENSCAN.html
核苷酸序列分析
ORF
启动子及转录因子结合位点分析
• 真核生物启动子是在基因转录起始位点(+1)及其5’ 上游大约100~200bp或下游100bp的一组具有独立 功能的DNA序列，包括： 1. 核心启动子（ core promoter): 转录起始位点(+1) 一般是A或G及转录起始位点上游-25~-30的 TATA框 2. 上游启动子元件（upstream promoter element, UPE): 包括通常-70bp附近的CAAT框 （GGCCAATCT)和GC框（GGGCGG)等
cgccctacgc ccagtacaag gtgtgggtga agccctcctt cgagcagcag tttctctacg
输出结果
核苷酸序列分析
ORF
启动子及转录因子结合位点分析
• 启动子(Promoter)是RNA聚合酶识别、结合并开 始转录所必需的一段DNA序列。
•
原核生物启动子序列包括：
• 水稻瘤矮病毒(rice gall dwarf virus, RGDV)引起的水稻瘤矮 病是中国及东南亚国家水稻上的一种重要病毒病害. • 为构建融合蛋白的表达载体，需要对RGDV S8片断的基因 序列（GenBank登陆号：AY216767）进行ORF分析并确定 其位置，为设计表达引物提供信息.