实验三基因组序列分析2

实验三基因组序列分析第一页，共48页。实验三基因组序列分析第二页，共48页。原核生物基因结构1长开放阅读框2高基因密度3简单的基因结构4基因组中GC含量变化非常大特点：3第三页，共48页。真核生物基因结构特点：1基因结构复杂2具有复杂的基因转录调控方式3具有丰富的可变剪接4有明显的CpG岛、密码子使用具有偏好性4第四页，共48页。基因组序列分析5第五页，共48页。

例：WhatisGenePrediction?

GivenanuncharacterizedDNAsequence,findout:

1.Wheredoesthegenestartsandends?

2.Whichregionscodeforaprotein?

AGCATCGAAGTTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATTGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATTGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGCGATGCATGACCTAGCAAGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATTGACCTAGTGCATGACTGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATTGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGAAGTTGCATGACGATGCATGACCTAATGCgene1gene2gene3exonintergenicregionintron6第六页，共48页。7第七页，共48页。一开放读码框的识别开放读码框（openreadingframe,ORF)

是一段起始密码子和终止密码子之间的碱基序列ORF是潜在的蛋白质编码区基因预测8第八页，共48页。基因开放阅读框/基因结构分析识别工具Getorfhttp://bioweb.pasteur.fr/seqanal/interfaces/getorf.htmlEMBOSS通用Plotorfhttp://bioweb.pasteur.fr/seqanal/interfaces/plotorf.htmlEMBOSS通用ORFFinder/gorf/gorf.htmlNCBI通用BestORF/all.htmSoftberry真核GENSCAN/GENSCAN.htmlMIT脊椎、拟南芥、玉米GeneFinder/tools/genefinder/Zhanglab人、小鼠、拟南芥、酵母FGENESH/all.htmSoftberry真核GeneMark/GeneMark/GIT原核GLIMMER/genomes/MICROBES/glimmer_3.cgi/software/glimmer

Maryland原核FgeneSB/all.htmSoftberry细菌FgeneSV/all.htmSoftberry病毒Generation/generation/ORNL原核FGENESH+/all.htmSoftberry原核GenomeScan

/genomescan.html

MIT脊椎、拟南芥、玉米GeneWise

http://www.ebi.ac.uk/Wise2/EBI人、蠕虫GRAIL/grailexp/ORNL人、小鼠、拟南芥、果蝇9第九页，共48页。1.ORFFinder的使用及结果分析10第十页，共48页。1.ORFFinder的使用及结果分析11第十一页，共48页。1.ORFFinder的使用及结果分析12第十二页，共48页。1.ORFFinder的使用及结果分析13第十三页，共48页。1.ORFFinder的使用及结果分析14第十四页，共48页。1.ORFFinder的使用及结果分析Blast比对结果搜索到多个显著相似的序列，故所预测的ORF的可信度较高。如果要获取该ORF所编码的蛋白质序列，可以点击“Accept”按钮后，在“1GenBank”的下拉框中选择“3Fasta”，并点击“view”，即可获取该ORF所编码的蛋白质序列。15第十五页，共48页。1.ORFFinder的使用及结果分析16第十六页，共48页。1.ORFFinder的使用及结果分析17第十七页，共48页。1.ORFFinder的使用及结果分析18第十八页，共48页。1.ORFFinder的使用及结果分析19第十九页，共48页。提交序列提交序列文件运行GENSCAN选择物种显示氨基酸或CDS序列序列名称（可选）是否显示非最优外显子2.Genscan的使用及结果分析20第二十页，共48页。基因、外显子及类型正链、负链预测单元起始、终止及长度相位编码区打分值可信概率、得分值2.Genscan的结果分析21第二十一页，共48页。3.FGENESH的使用及结果分析输入序列的Fasta文件22第二十二页，共48页。3.FGENESH的使用及结果分析起始外显子中间及末端外显子PolyA位点起始碱基终止碱基打分长度23第二十三页，共48页。3.FGENESH的使用及结果分析24第二十四页，共48页。3.FGENESH的使用及结果分析25第二十五页，共48页。二.原核和真核生物基因转录起始位点上游区结构

原核生物真核生物TTGACATATAATAmRNA＋1－10－35PyAPyTATAATGC区CAAT区mRNA＋1－40－25－110增强子上游启动子元件，UPE核心启动子元件转录起始位点26第二十六页，共48页。原核生物真核生物27第二十七页，共48页。二.启动子预测输入序列的Fasta文件28第二十八页，共48页。启动子预测结果从预测结果可知，预测的启动子区在32564至32783之间，启动子阈值系统默认为53.00，预测的启动子分值为84.69，高于阈值，分值越高，说明预测的准确性大。与该启动子可能结合的转录因子如下所示29第二十九页，共48页。三CpG岛预测CpG岛CpG岛又称为HTF岛，是DNA上的一个区域，此区域富含GC，二者以磷酸酯键相连。位于真核生物基因转录起始位点上游，GC含>50%，长度>200bpCpG岛常出现在管家基因或频繁表达的基因的启动子附近，在这些部位，CpG岛具有阻止序列甲基化的作用，因此，搜索CpG岛可以为基因及其启动子的预测提供线索。CpGIsland分析CpGIsland/cpgislands2/cpg.aspxWebCpGfinder/berry.phtml?topic=cpgfinder&group=programs&subgroup=promoterWebCpGPlot/CpGReport/Isochorehttp://www.ebi.ac.uk/emboss/cpgplot/index.htmlWeb30第三十页，共48页。输入序列的Fasta文件31第三十一页，共48页。从该序列的预测结果来看，找到两个CpG岛，分别位于501-727，长度为227个碱基，54380-54691，长度为31232第三十二页，共48页。四转录终止信号加polyA信号：AAUAAA转录终止信号：GCrich二重对称区、UUUUUUC-GC-GG-CG-CU-AG-CG-CC-GG-CUUUUUUUUURNA5’3’AAUAAACAAAAAAAAAAAAA成熟mRNA5’3’AAUAAACAGUmRNA前体5’3’33第三十三页，共48页。34第三十四页，共48页。转录终止信号预测Hcpolyar.it/~webgene/wwwHC_polya.htmlWebPOLYAH/berry.phtml?topic=polyah&group=programs&subgroup=promoterWebpolyadq/tools/polyadq/polyadq_form.htmlWeb35第三十五页，共48页。POLYAH的使用及结果分析输入序列的Fasta文件36第三十六页，共48页。POLYAH的使用及结果分析预测的POLYA位点，LDF为权重37第三十七页，共48页。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(donorsplicesite):GT内含子3’端受体位点(acceptorsplicesite):AG预测工具：GENSCAN，GENEMARKNetGene2,SpliceView38第三十八页，共48页。39第三十九页，共48页。mRNA剪切位点识别：spideyNCBI开发的在线预测程序用于mRNA序列同基因组序列比对分析40第四十页，共48页。41第四十一页，共48页。序列在线提交形式：界面中有两个窗口：上方窗口用于输入基因组序列（直接粘贴序列或用GenbankID/AC号）下方窗口用于输入cDNA/mRNA序列（直接粘贴序列或用GenbankID/AC号）可同时输入多条cDNA/mRNA序列与同一条基因组序列进行分析Spidey序列提交页面输入基因组序列或序列数据库号AC002390.142第四十二页，共48页。输入相似mRNA序列判断用于分析的序列间的差异，并调整比对参数不受默认内含子长度限制，默认长度：内部内含子为35kb,末端内含子为100kb输出格式比对阈值选择物种43第四十三页，共48页。第一条蓝色序列为基因组序列，橘黄色为外显子44第四十四页，共48页。外显子对应于基因组上的起始/结束位置外显子对应于mRNA/cDNA上的起始/结束位置供体、受体位点外显子序号外显子长度一致性百分比错配和gap45第四十五页，共48页。序列联配结果