生物信息学分析方法的研究(1)

1、整理ppt1 生物信息学分析方法的研究生物信息学分析方法的研究 整理ppt2 一、序列比对 序列比对是以核酸(A,T,C,G )和蛋白质(20 个氨基酸)序 列为依据, 来比较两个或两个以上核酸或蛋白质在碱基、氨 基酸水平上的相似性和不相似性。 序列比对是生物信息学最根本的分析方法。常用的序列 比对方法有两两序列比对(Pairwise alignment)和多序列比 对(Multiple alignment)。 整理ppt3 1、两两序列比对 两两序列比对是比较两序列之间的相似性区域和保守位 点来寻找两序列可能存在的历史进化关系。一般来说，如果 两序列之间的相似性大于30 % 的话, 它们很可

2、能存在着同源 性关系。 两两序列比对又分为总体序列比对(Global alignment)和 局部序列比对(Local alignment)。总体序列比对是以 Needleman-Wunsch的算法为理论体系发展的完善的两两序 列比对方法；局部序列比对是以Smith-Waterman动态规则算 法为理论依据的两两序列比对方法。 整理ppt4 （1）BLAST和FASTA FASTA（http:/www.ebi.ac.uk/fasta33/） BLAST（/BLAST/） 是目前运用较为广泛的相似性搜索工具。这两个工具都采用局部比对的方 法，选

3、择计分矩阵对序列计分，通过分值的大小和统计学显著性分析确定 有意义的局部比对。其中BLASTN、BLASTP在实践中最为常用， TBLASTN在搜索相似序列进行新基因预测时特别有用。 （2）Needle和和Pairwise BLAST 其中其中Needle适用于蛋白质和适用于蛋白质和DNA序列，而序列，而Pairwise BLAST仅适仅适 用于用于DNA序列序列 整理ppt5 2、多序列比对 在研究生物问题时，常常需要同时对两个以上的序列进 行比对，这就是多序列比对。 多序列比对可用于研究一组相关基因或蛋白，推断基因 的进化关系，还可用于发现一组功能或结构相关基因之间的 共有模式（patte

4、rn）。 最常用的多序列比对工具为ClustalW （http:/www.ebi.ac.uk/clustalw/），多用于比较蛋白序列。 整理ppt6 （一）、ORF(Open Reading Frame)分析 （二）、染色体定位 （三）、基因结构分析 （四）、基因上游调控区分析 二、结构和功能预测二、结构和功能预测 核酸核酸 整理ppt7 （一一）、ORF(Open Reading Frame)分析 ORF，即开放阅读框，是DNA上的一段碱基序列，由于拥 有特殊的起始密码子和直到可以从该段碱基序列产生合适大 小蛋白才出现的终止密码子，该段碱基序列可以编码一个蛋 白。 从核酸序列翻译得到蛋白质

5、序列，需要进行ORF分析，每 个生物信息学分析软件包几乎都带有翻译功能。推荐使用 NCBI的ORF Finder（/ gorf/gorf.html）软件或EMBOSS中的 getorf(http:/bioinfo.pbi.nrc.ca:8090/EMBOSS）软件。 ORF Finder 以图形方式，分为正链+1、2、3和反链 1、2、3六个相位预测ORF；Getorf可指定预测ORF的 长度下限和指定预测正反链。 整理ppt8 （二）、染色体定位 根据基因组图谱对序列进行染色体定位和浏览其基因组 上下游基因。 具体方法为： （1）进行Gen

6、omic BLAST搜索。 （2）通过Genome view观察基因组结构。 （3）点击相应染色体区域，通过表意图（ideogram）和 相应区域上下游的基因进行精确定位。 整理ppt9 （三）、基因结构分析 由于真核生物转录后内含子将被剪切，因此将mRNA和基因 组进行比对以后，会发现mRNA的每个外显子与基因组序列 片断匹配，根据这些片段可以判断外显子的数目和大小。外 显子和内含子具体边界的确定，可以参考GT/AG一致性规 则。BLAT的结果直接显示外显子数目、大小及边界。 根据基因的mRNA序列及基因组序列，可以进行基因结构的 分析。推荐使用BLAST或BLAT(http:/genome

7、./ cgi-bin/hgBlat?command=start)进行分析。 整理ppt10 （四）、基因上游调控区分析 （1）启动子预测：用RT-PCR等实验方法获得的mRNA往 往缺少完整的5端，采用FirstEF 程序可以对第一外显子 （尤其是非编码的第一外显子）和CpG相关启动子进行预 测。 推荐使用冷泉港开发的FIRSTEF程序（ /tools/FirstEF/）进行启动子预测。 （2）转录因子结合位点分析：推荐使用TFSEARCH程序（ http:/www.cbrc.jp/research/db/TFSEARCH.html）及

8、MATCH程序 （http:/www.gene- programs.html#match）对转录因子数据库TRANSFAC（ http:/transfac.gbf.de/TRANSFAC/）进行搜索，寻找可能的 转录因子结合位点。 整理ppt11 （一）、跨膜区预测 （二）、信号肽预测 （三）、亚细胞定位预测 蛋白质 蛋白质 整理ppt12 （一）、跨膜区预测 各个物种的膜蛋白的比例差别不大，约四分之一的人类已知 蛋白为膜蛋白。由于膜蛋白不溶于水，分离纯化困难，不容 易生长晶体，很难确定其结构。因此，对膜蛋白的跨膜螺旋 进行预测是生物信息学的重要应用。 推荐使用TMHMM软件（http:/ww

9、w.cbs.dtu.dk/services/ TMHMM/）对蛋白进行跨膜预测。TMHMM综合了跨膜区疏 水性、电荷偏倚、螺旋长度和膜蛋白拓扑学限制等性质，采 用隐马氏模型（Hidden Markov Models），对跨膜区及膜 内外区进行整体的预测。TMHMM是目前最好的进行跨膜区 预测的软件,它可以区分可溶性蛋白和膜蛋白，因此首选它 来判定一个蛋白是否为膜蛋白。 整理ppt13 （二）、信号肽预测 信号肽位于分泌蛋白的N端，当蛋白跨膜转移位置时被切掉 。信号肽的特征是包括一个正电荷区域、一个疏水性区域和 不带电荷但具有极性的区域。 推荐使用SignalP软件2.0版（http:/www.

10、cbs.dtu.dk/ services/SignalP-2.0/）对蛋白质N端序列进行信号肽分析 。SignalP2.0根据信号肽序列特征，采用神经网络方法或隐 马氏模型方法，根据物种的不同，分别选择用真核和原核序 列进行训练，对信号肽位置及切割位点进行预测。 整理ppt14 （三）、亚细胞定位预测 亚细胞定位与蛋白质的功能存在着非常重要的联系。亚细胞 定位预测基于如下原理：（1）不同的细胞器往往具有不同 的理化环境,它根据蛋白质的结构及表面理化特征,选择性容 纳蛋白。（2）蛋白质表面直接暴露于细胞器环境中,它由序 列折叠过程决定,而后者取决于氨基酸组成。因此可以通过 氨基酸组成进行亚细胞定位的预测。 推荐使用PSORT（http:/psort.n