应用UCSC查找启动子等

应用UCSC/Ensembl查找基因启动子（promoter）、内含子、外显子序列promoter,基因，序列，Ensembl,UCSC本帖引用网址：/thread-47691-1-1.html启动子的甲基化，转录因子与启动子的结合调控基因的表达等研究领域一直较为热门。本文图文形式讲解了启动子的概念，利用UCSC如何查找一个基因的启动子序列，以及外显子和内含子序列的显示。有很多关于此方面的文章由于写作在早期，近年来查询数据库网站的改版使得这些文章有些落伍，使用起来也不方便。本文是最新的关于查询启动子方法的文章，创作于2009/10/14,大家可以完全按此操作。在讲述某个基因的启动子查询之间，我们有必要对基础知识进行一下复习和总结。先看一下中心法则：ReplicatwnCBTranscriptionTranslationDNA，RNA，Protein^R启动子是在DNA转录为RNA这一步过程中发挥作用的，在此要与DNA自身复制起始点（称作复制子）和由mRNA翻译为蛋白质时的翻译起始点（以起始密码子ATG为标志）区别开来。DNAsequence-specifictranscriptionfactorsTBP(TATA-bindingprotein)定义：启动子是参与特定基因转录及其调控的DNA序列。包含核心启动子区域和调控区域。核心启动子区域产生基础水平的转录，调控区域能够对不同的环境条件作出应答，对基因的表达水平做出相应的调节。启动子是RNA聚合酶特异性识别和结合的部位。启动子方向性，位于转录起始点上游，本身并不被转录。DNA链上与RNA链的第一个核苷酸对应的碱基标记为+1（如下图），由此碱基向上游（5’端）数的碱基顺序数为负（-1，-2，......），向下游（3’端）数的碱基为正（+2,+3，......）一35-10*15'-TAGTCTArn^C-KTCATAGAAGCACTCIAJjSKO'CAATAGGTCCAC（；-3V-A-TCACXTA/LCrGTACTATCnTCGTGAGATGAIATAACACIT^TCCAGCTCC-3*I球RFM5J-AGGUCCACG..…….-一扈劫子的部位及其与赫兼鞭黛此典知土BM5区域：启动子的范围非常大，可以包含转录起始位点上游2000bp，有些特定基因的转录区内部也存在着转录因子的结合位点，因此也属于启动子范围。总结起来，也就是说启动子约在与mRNA所对应的DNA序列之前约2000个左右的碱基。明白了启动子的含义之后，我们以大鼠（rattusnorvegicus）的结缔组织生长因子（CTGF）为例，应用UCSC基因组浏览器开始查找该基因的启动子序列。网址为/。eno-meBrornformAtksQtfxMiHd.BM"TiS'■小■bWWPCjR1VlwOMaFM)Ht进入UCSC的主页后，在其左侧（如上图）点击第一项GenomeBrowser，进入基因组浏览器入口，如下图

lh><lluiawAlLi略细Hj助RHiahh氏lh><lluiawAlLi略细Hj助RHiahh氏■可ww^gfSLmJk2M£kn»iriavoKV-tttfncraSTCBG"dmpve^krLXEkeLjn.■wnYl^acaaCramE"EecfKacsf--enKrtua^ktnfJ<ipOihlbaiie|nrrlc-i-Ghmm&rm«rUmwt[MlFK■MI'M'MHiW-Ki^MHr在Organism的下拉菜单中选择Rat,在assembly的下拉菜单中选择最新日期Nov.2004，在position框中键入CTGF,imagewidth选择默认即可，如下图所示：cUd^Eewomeas土Kub”po^itjonor&古ar出termimagewWhMamnnatwRatw:Nov理国寸cigfBOD|：‘茹茹'花C&.khw〉tQ「巳吕户£奴成0甘写乾userinterfacesettingsto也出wddsiMqitiinaoks|[唁Qnliqu阳bmck.middisplaygtehsiJ：；0111・侦门然后点击Submit，返回的页面如下:Known.frUII/UE*」审m匚LUimxmmiF.coLEecuveCiasiieaiau：csfazccE匚Ff£K£2£5flm§sSftIkLll3£2msLL13£15£■-c1昱!aatm旺el日日皿nswthsice*:psts-jss^.BhaiM口眠jM旦网割占坏巳*小^4平””平上"-£>4期-SMIi-auUM-bl®*、中二旦上1星军3W"p±-se*^kdRelS^qGenesc51M4312S£^Ee^HtE'：ivet.13jii#a?«vtzlhiaeiefpth^litjctNoii-RatKeffieqGenesEMM^ElC-LS-541;comie^xive-”y_i吧caowrEhfaac-ar•zieEm.ZitI翌M踌J■奶T巽Ml"uxf•匚叶j.*w号■】EMM^ElC-LS-541;comie^xive-”y_i吧caowrEhfaac-aruxf•匚叶j.*w号■】土、2・十»3.Gafw<*i,=耕善”mz吊冲i&-iTE・M5akUMHT把"村那眼”-C&at■二皿侦1N上1，，D3:7&.CTW-云.■:血止21>杰须£虫"叫方右-(SEiC31&LE342^25Sie-E'L"vstE2_3m■:喧tEaswuir㈣maTix〔滞■JiE-fcO-C"|VSiWRliE；Vtmumcwe!caamtETlt■&azv-feDandPT193QEt±J»Bg*玮gar-ew^^gzavE^igi-3MC?1t*«*SXGWpFEeXETEtGTDff4ETQErra-SELFzSEEUE"J.F•「-(KH0ClC^e22EF=va『心m；；"样汩土-［潘亍心畤户口只：1”配血71；33日2■辨号顾BwawiiCTCT■耳EaiflB9：L：»%：Er&-TJ；@】ll・i|W-网二皿翼4。：1|1|1ccrsezxi^e*L33J*efiEse^Tivtiiss-jst参WdUH口I"li«t-«Cort；fl=t-tB”，BTETLJa'JV：iJJEMiFtfeq=CWEfe序5：*导W印m?iawthC&2*n-rgasco-rEfFrac^grfa<s^-arHalAlignedntUNzkSearchResultsBO&TJIDJ-AfettuBurra<T±njiumwesmClsbubijtwtbf1・g>o外MAStLMcDltAclobeN£C:^LI>?|ir«ovl«ee<UB~Aa^ehin--Di-vtg-i.ETjjpaKi-i-iilfzAMA,fcrc^iidectlte^xj：b^eijiwrlif-accax.Non-RAtAlightedhlU\ASe^kthK/mjI性结果显示该基因的已知序列和相关mRNA序列，点击KnownGene中的第一个序列，出现包含这序列的图解概要。为了获得这个区域更清晰的图像，可以点击紧靠zoomout的1.5X按钮，如下图：TiMiQ^iuiSdrurKHDWAC^HWEEnu«*FWfPB1TSC<^,iittniii,Broifl.^eranfcal?im.2M4土倔心舛口如日)■ew4^*^r』山11亩天iiwnEtM1顽站i讨晅S^CS*]AfkillBI■h-L-nirns-dBiiathiw.lKmhjjwtkii^m

对于KnownGenes（已知基因）和预测的基因路径来说，一般的惯例是以一个高的垂直线或块状表示每个编码外显子，以短的垂直线或块状表示5,端和3■h-L-nirns-dBiiathiw.lKmhjjwtkii^mg*mH>Ag*mH>AinriESTTnrksOH41土"ASgn/AFi。T的UltffosrtioDChsTOISLOSOEibeBifid%tark_mA*SEfclyftACtDSdMMVhid*V-*hiip**hwte*■PkmotyieaadDk£M£«^s-ad^itwu1337*9面日皿牯怡17仲伸珂向1姓■三ccllapsgallUs^ct^p-dQ^Tibclgmdpr炒rffiMiR11FtCraclcicfepkjiedTr如ki4代由旧右函il虹心viS・U9国顽c司lybe曲供*：用盗afs-ecott^acinu>df&Iexpand日11IKtjDQTL本例的搜寻目的来说，默认设置不是理想的设置。按照视图利用页面底部的TrackControls按钮，将一些路径设置为hide模式（即不显示），其他设置为dense模式（所有资料密集在一条直线上）；另一些路径设置为full模式（每个特征有一个分开的线条，最多达300）。在考虑这些路径内究竟存在那些资料之前，对这些路径的内容和表现做一个简要的讨论是必要的，许多这些讨论是由外界提供给UCSC的。EnsemblGenePredictions路径由Ensembl提供。Ensembl基因通过许多方法来预测，包括与已知mRNA和蛋白质进行同源性比较。若查询启动子区域，我们需要将EnsemblGenes选择为dense或full模式，点击Refresh，即刷新，出现下图：

Rw+'Eaq图中多出了EnsemblGenes的预测路径，我们在红框中圈出。点击用于表达该序列的任何方块出现以下页面：Rw+'Eaq，!*iE，!*nEas-34<M-DC6725M.AFlSe2?SLiMiE0C4*tro«__Hutwt珥sfitH4tShFs点击红框中的条形深色方块（不是EnsemblGenes文字），

HomaGen皿此GenomeBrowserElatTablesGeneSorterPCREnsecnblGfdcPreditti-ons(E>*SRNOT0G0^0fl20S28-LnseoililEns«mblG^Link:EKSRNQGOOQOOOLhg&Eu瞒mblTrjimE时ENMRNOT00QS02C皿En^mblProkin:£XSWOPOO^gjO^'lsPosifioit:血1立口”口河寸心知215Bftkd.!]pl2GenanikSize:j]1"Sfrind：-AlterneNani«ENS3O-'CG000(H)C150j6CDSStir!：smpWeCDSEnd:completerLink$tosequeii<?fr：■P「cdkMd?K?t&♦P「侦utedniR\Afromgrnomicse<jutflce\Set或广\Set或广sthcn】。www.七Mwlnb乩com.cu

.・Geto~Ewww.七Mwlnb乩com.cu

.・Dmsi[而iupdM迎；200?-0"-lJ在此，我们选择并点击Linktosequence中的GenomicSequence,即显示基因组序列，出现以下窗口:Home&inainiv^8vn(Mii«BrowntrB4alTabl«>iGamvSaiXtrFCRAHicnFAQhitIpGeDQiiilcS^HrnccGeneGefGenomicSeqiienteNearGen^Newifwew顼曲pfirfetb@ptDXAfisifiareikaefreifeafiae村Obaitadeujuim,vylbeTah-MBgs心ytfatmiflgueoewSfquiiuct1Rclri^atfty^ionOpliansiECDS&giUpwEaniIn-HMOhas石bwECDS&gi©OtoePASTAm^nSprrg-ns?OOneFASTArecordptfrrrpdo(fEWLirtrofl,Kc)ZhQEraIwes-w^tarana(门sadD«frs<fci*"DS&em{31□5p6tCTRisviCDSpart-fagfsocwaNq呷=瞅FASTArwardsNifat#cki*cAk^r^izisngemd忒acti-izinpwEDCqiadlup^tKim^bqilc^meLbcyiruyWCn£pr就主』nordc^S>*querKWEonrk^nlBgOpfi£>n^^'.uLJRCAOUpfKTCdfi-TOAlSgcmeCXfaikEep<a£i(*>uo-fc'efHcaseOffisNww,h'.uLJRCAOUpfKTCdfi-TOAlSgcmeCXfaikEep<a£i(*>uo-fc'efHcaseOffisNww,h、syhibs,coillcik同时另外一个非常重要的就是序列显示方式了，这里我们在SequenceFormattingOptions选项里进行选择。我们选择上图红框里的内容，即外显子大写，其余的小写，也就是说mRNA的外显子大写，其余上下游非编码区以及内含子均为小写。选择完后提交，返回如下序列页面：>=n4_en3Gene_ENSRNOTO0000020626range=czhtl:21327099-213322131'EttcccjtgtggcttcGca.cats.gtttggacjtttE.tt=t=tc!=tc!aaggacagcaaaagcgtgaggccaagttgcct£taEtaca.catgt=.gc.cttctctttgaggBBBtgtttggaaagsacst;tg~aaXbacbatgxtggaaatccttcctgcact;ccagsgactgcztcacacttczcbgczcacztcgcaczcgttsectgttg岂亡吕tgtgaetgcaetg-tm亡吕gcetg-tggetgg己11amu吕aggtaatcgtgtgcagatg^atgcggt;izmgetact;tgmmgtgg匚tagctcccttcccccaccgcccctccg11aa11g^tccatggatggactgaa.aaegttgtaasmuuggucaatttasatggacccttttcatgttataagt=ctgcagtatgcttcccccbbbctagtc11cg'cagatatactcacctttaacXCbCbcteagBageaecBBetatgagaggaagecBetettgggtgtaa.eeagBBgtmmmtgatg^tagtattag-gggsagesmtgggatggcsctagmmtetctctacctaceatgggsett;gg刊cacacBcacacacacacacacacaca.cacacacacacBcacargggggggg-ggegggag^agegagajagagagagagagagag己gbgagsgmgbgsgaefag~mgmgaat：m=mm~tmgtmczagg~ttctmmatgaatgcatagtacatgmmmugmgtuut;七mummgizmm匕g_*ttmmgmmmgagagaesagstta^gtaesetg'tttaeBttt&a.eateBB&g'geBcegaetaegcctg^ttctttccttgacttaaccaccctccactagcctgcsagccatttgBgtagcaBgaggg-cttcatcacttgtBgacacttggag-aagtcBgtaaeaa^gc:ttsgetvatagetgggttacagetagmcacaaccgtttaeegetttgetg-tcetaaa.aaatmmcmgmmummmutuummcbgeetegttagattatgggttttagga七mmgtmmmmmmmmmagcctgmacctctgtacagccatg-tLPmmmmtst;ctcaactgaacccccactggcctccttccttctget;tetttettctcccaccctmtgttccctga.cacttacctmuugamumGsgctat11ggtstgmmuuum匚aa^cttatsetaaaaactcaatg'izccag'tcattgtccttcczctctct^ja.ccttg'Bag-acaagtccttaczataabgagg^etg-aaBaatetcc：cfca^gaa.cat：gcHtcztt±atagteetggettteatstettttagee&eeaaBBBBcg,gttatetseagtgaeeaaaaatcsaaacgcctgtmttteagatmcagmmtt;tgcacataggcatttt：gggcgggg■己gggggtattteaset^actatBBgcacctttctcctctcagtsgascat;ccesgagac^t：a.esgtczc:ca.~tgabaesbbatctsasscagtgaaaaagabg"tbt：t：11tgaatttutm—.uuugtgg'tatctgcctcttCEgetaettgagtettgagaaatttttatateagtsgec&g'aBetggtammgcgatt;tttaagaag-ggmmgattcgmgmmat：satccttgttcatgtat：ttetaagttBtatttcatcaggaag-ggtgcgaag-aggatacegagaaagttttactto:ttggtgttg^tgetggaa=acacaacguuttctt：cct=ggccagctabbgtgtgccaget1111cbgacggaggsbtgtg-gbgtgtcaaggggtcaggatcBBtccgg'tgtgagttgBtgag-gcBggBag-gtggggaggastgegaggastgteectgttt^tgtaggseteeattesgttetctggegagccggeegcccggacrcgtataaaagccagegeea第一个人写字母以后就是mRNA序列，之前的小写字母序列即为启动子区域了。人家在做后序的甲基化分析、转录因子结合位点分析等便可以复制下来了。刚才我们提到第一个人写字母以后就是mRNA序列，但该序列包含