基因預(yù)測(cè)的基本分析內(nèi)容

1、第六章第六章 基因預(yù)測(cè)和基因結(jié)構(gòu)分析基因預(yù)測(cè)和基因結(jié)構(gòu)分析（II）生物信息學(xué)基因預(yù)測(cè)和基因結(jié)構(gòu)分析基因預(yù)測(cè)和基因結(jié)構(gòu)分析u生物信息學(xué)中的重要內(nèi)容之一生物信息學(xué)中的重要內(nèi)容之一u預(yù)測(cè)編碼蛋白質(zhì)的基因預(yù)測(cè)編碼蛋白質(zhì)的基因u排除重復(fù)序列排除重復(fù)序列u確定開(kāi)放閱讀框（確定開(kāi)放閱讀框（open reading frame, ORF）u確定基因的調(diào)控區(qū)啟動(dòng)子確定基因的調(diào)控區(qū)啟動(dòng)子 （一）（一） 基因預(yù)測(cè)的基本分析內(nèi)容基因預(yù)測(cè)的基本分析內(nèi)容（二）（二） 基因預(yù)測(cè)的基本方法基因預(yù)測(cè)的基本方法 1. 序列相似性搜索序列相似性搜索(Extrinsic Approaches)基因組基因組DNA序列序列A.在在6個(gè)閱

2、讀框中進(jìn)行翻譯并與蛋白質(zhì)數(shù)據(jù)庫(kù)中的序列進(jìn)行比較分析（如個(gè)閱讀框中進(jìn)行翻譯并與蛋白質(zhì)數(shù)據(jù)庫(kù)中的序列進(jìn)行比較分析（如Blastx）B.對(duì)對(duì)EST數(shù)據(jù)庫(kù)中同一生物的數(shù)據(jù)庫(kù)中同一生物的cDNA序列進(jìn)行比較分析（如序列進(jìn)行比較分析（如Blastn）確定基因數(shù)目和對(duì)應(yīng)的確定基因數(shù)目和對(duì)應(yīng)的ORFSimilarity-based Gene Prediction: for sequences that encode a known protein or a protein with a known homologu分析舉例：水稻分析舉例：水稻Xa21基因序列（基因序列（U37133）vCDS：1-2677 b

3、p處和處和3521-3921 bp處處vBlastx分析結(jié)果分析結(jié)果（檢索蛋白質(zhì)數(shù)據(jù)庫(kù)）：與水稻蛋（檢索蛋白質(zhì)數(shù)據(jù)庫(kù)）：與水稻蛋白質(zhì)序列比較白質(zhì)序列比較vBlastn分析結(jié)果分析結(jié)果（檢索（檢索est other數(shù)據(jù)庫(kù)）：與水稻數(shù)據(jù)庫(kù)）：與水稻cDNA序列比較序列比較取決于數(shù)據(jù)庫(kù)中取決于數(shù)據(jù)庫(kù)中EST數(shù)據(jù)的數(shù)量和長(zhǎng)度數(shù)據(jù)的數(shù)量和長(zhǎng)度通過(guò)通過(guò)“Distance tree of results ”查看與查看與U37133序列同源的其它序列同源的其它EST序列序列有些蛋白質(zhì)序列是推測(cè)獲得的有些蛋白質(zhì)序列是推測(cè)獲得的2. 根據(jù)模式序列預(yù)測(cè)基因根據(jù)模式序列預(yù)測(cè)基因(Ab Initio Approache

4、s)u各種基因預(yù)測(cè)軟件各種基因預(yù)測(cè)軟件u取決于人們對(duì)已知基因結(jié)構(gòu)特征的認(rèn)識(shí)取決于人們對(duì)已知基因結(jié)構(gòu)特征的認(rèn)識(shí)u采用統(tǒng)計(jì)學(xué)方法采用統(tǒng)計(jì)學(xué)方法v基于一個(gè)或多個(gè)已知序列模式對(duì)未知序列進(jìn)行基于一個(gè)或多個(gè)已知序列模式對(duì)未知序列進(jìn)行分類(lèi)分類(lèi)v密碼子偏愛(ài)性密碼子偏愛(ài)性v對(duì)發(fā)現(xiàn)的模式進(jìn)行統(tǒng)計(jì)檢驗(yàn)對(duì)發(fā)現(xiàn)的模式進(jìn)行統(tǒng)計(jì)檢驗(yàn)啟動(dòng)子結(jié)構(gòu)啟動(dòng)子結(jié)構(gòu)外顯子、內(nèi)含子外顯子、內(nèi)含子u原核生物（原核生物（E.coli）v與與RNA聚合酶互作位點(diǎn)（聚合酶互作位點(diǎn)（-10、-35區(qū)）區(qū)）vLexA repressor的結(jié)合位點(diǎn)（啟動(dòng)子區(qū)段）的結(jié)合位點(diǎn)（啟動(dòng)子區(qū)段）CTGNNNNNNNNNNCAGv核糖體結(jié)合位點(diǎn)（轉(zhuǎn)錄起始位點(diǎn)后）核

5、糖體結(jié)合位點(diǎn)（轉(zhuǎn)錄起始位點(diǎn)后）GGAGGu真核生物真核生物v基因結(jié)構(gòu)復(fù)雜基因結(jié)構(gòu)復(fù)雜v已知外顯子、內(nèi)含子外顯子邊界、啟動(dòng)子序列特已知外顯子、內(nèi)含子外顯子邊界、啟動(dòng)子序列特征征u目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)基因組中的所有基因（基因組中的所有基因（Mathe et al. 2002)u不同的基因預(yù)測(cè)軟件分析結(jié)果有差異不同的基因預(yù)測(cè)軟件分析結(jié)果有差異u綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果人類(lèi)基因數(shù)目人類(lèi)基因數(shù)目1000005000025000根據(jù)模式序列預(yù)測(cè)基因u一種分析工具可選擇分析基因的不同結(jié)構(gòu)一種分析工

6、具可選擇分析基因的不同結(jié)構(gòu)vexon, poly-A, promoterv重復(fù)序列重復(fù)序列u某些分析工具可選擇物種模式（某些分析工具可選擇物種模式（matrix）作為參）作為參照比較對(duì)象照比較對(duì)象u某些分析工具可用不同的方式呈現(xiàn)分析結(jié)果（文某些分析工具可用不同的方式呈現(xiàn)分析結(jié)果（文字或圖形）字或圖形）根據(jù)模式序列預(yù)測(cè)基因分析舉例（分析舉例（1） Gene FindinguSoftberry (http:/ Finding工具，分三大類(lèi)工具，分三大類(lèi)vGene Finding in EukaryotavOperon and Gene Finding in BacteriavGene Findin

7、g in Virusesv每一大類(lèi)包括多個(gè)分析軟件每一大類(lèi)包括多個(gè)分析軟件在在Softberry主頁(yè)主頁(yè)選擇選擇“Gene Finding in Eukaryota”類(lèi)中的類(lèi)中的“FGENESH”在在FGENESH網(wǎng)頁(yè)網(wǎng)頁(yè)輸入輸入D63710序列（序列（fasta格式）、選擇物種（格式）、選擇物種（human）作為參照）作為參照分析結(jié)果（分析結(jié)果（文字文字和和圖像圖像）uGenScan（/GENSCAN.html）用三個(gè)）用三個(gè)物種模式作為參照物種模式作為參照vVertebratevArabidopsisvMaize在在GenScan主頁(yè)主頁(yè)輸入輸入D63

8、710序列、選擇物種（序列、選擇物種（Vertebrate）作為參照）作為參照分析結(jié)果（分析結(jié)果（文字文字和和圖像圖像）分析舉例（分析舉例（2） GenScan分析舉例（分析舉例（3） GeneMarkuGeneMark（/）v用于真核、原核和病毒等基因的預(yù)測(cè)用于真核、原核和病毒等基因的預(yù)測(cè)v多種物種參照多種物種參照在在GeneMark的的分析主頁(yè)分析主頁(yè)選擇選擇“GeneMark-E”在在“GeneMark-E”網(wǎng)頁(yè)輸入網(wǎng)頁(yè)輸入D63710序列、選擇物種序列、選擇物種“H. sapiens”，選擇輸出格式，選擇輸出格式分析結(jié)果分析結(jié)果

9、Combine extrinsic and ab initio Approacheshttp:/bioinf.uni-greifswald.de/augustus//software/maker.htmlcombine extrinsic and ab initio approaches by mapping protein and EST data to the genome to validate ab initio predictions.increase the accuracy of the gene prediction 3. 利用

10、比較基因組預(yù)測(cè)基因利用比較基因組預(yù)測(cè)基因(Comparative Genomics Approaches)u依賴于全基因組測(cè)序結(jié)果依賴于全基因組測(cè)序結(jié)果u親緣關(guān)系相近生物的基因序列具有保守性親緣關(guān)系相近生物的基因序列具有保守性分析舉例分析舉例N-SCAN/Twinscan (/nscan/)選擇選擇N-SCAN在線分析（需免費(fèi)注冊(cè)）在線分析（需免費(fèi)注冊(cè)）輸入待分析序列，選擇輸入待分析序列，選擇masking, clade, species和和informant分析結(jié)果分析結(jié)果基因預(yù)測(cè)存在主要問(wèn)題基因預(yù)測(cè)存在主要問(wèn)題v假陽(yáng)性（假陽(yáng)性（False Posi

11、tive）：多預(yù)測(cè)了假的編碼區(qū)，即在非）：多預(yù)測(cè)了假的編碼區(qū)，即在非編碼區(qū)預(yù)測(cè)出基因編碼區(qū)預(yù)測(cè)出基因v假陰性（假陰性（False Negative）：漏掉了真實(shí)的編碼區(qū)，即將）：漏掉了真實(shí)的編碼區(qū)，即將基因預(yù)測(cè)為非編碼區(qū)基因預(yù)測(cè)為非編碼區(qū)v過(guò)界預(yù)測(cè)（過(guò)界預(yù)測(cè)（Over Prediction）：由于基因邊界很難準(zhǔn)確定）：由于基因邊界很難準(zhǔn)確定位，預(yù)測(cè)經(jīng)常會(huì)超過(guò)實(shí)際邊界位，預(yù)測(cè)經(jīng)常會(huì)超過(guò)實(shí)際邊界v片段化（片段化（Fragmentation）：內(nèi)含子太大的基因，在預(yù)測(cè)）：內(nèi)含子太大的基因，在預(yù)測(cè)時(shí)容易斷裂成兩個(gè)或多個(gè)基因時(shí)容易斷裂成兩個(gè)或多個(gè)基因v融合化（融合化（Fusion）：距離過(guò)近的兩個(gè)或多個(gè)

12、基因，在預(yù)測(cè)）：距離過(guò)近的兩個(gè)或多個(gè)基因，在預(yù)測(cè)時(shí)容易被融合成一個(gè)很大的基因時(shí)容易被融合成一個(gè)很大的基因v包括多種基因預(yù)測(cè)軟件包括多種基因預(yù)測(cè)軟件vNNPP分析啟動(dòng)子位點(diǎn)分析啟動(dòng)子位點(diǎn)在在BCM的的分析主頁(yè)分析主頁(yè)選擇選擇“Gene Feature Searches”在在“Gene Feature Searches”網(wǎng)頁(yè)粘貼網(wǎng)頁(yè)粘貼D63710序列、選擇序列、選擇“NNPP/Eukaryotic-eukaryotic promoter prediction”分析結(jié)果分析結(jié)果BCM /（三）基因精細(xì)結(jié)構(gòu)分析（三）基因精細(xì)結(jié)構(gòu)分析Pr

13、omoter2.0 predicts transcription start sites of vertebrate PolII promoters in DNA sequences. 分析啟動(dòng)子位點(diǎn)Promoter 2.0 Prediction Serverhttp:/www.cbs.dtu.dk/services/Promoter/在在“Promoter 2.0”網(wǎng)頁(yè)粘貼網(wǎng)頁(yè)粘貼D63710序列序列分析結(jié)果分析結(jié)果分析轉(zhuǎn)錄因子結(jié)合位點(diǎn)分析轉(zhuǎn)錄因子結(jié)合位點(diǎn)Cis-acting element（順式元件）和trans-acting element（反式元件）的互作分析舉例分析舉例 PROSCA

14、N在在Proscan網(wǎng)頁(yè)網(wǎng)頁(yè)粘貼序列（粘貼序列（FASTA格式）格式）分析結(jié)果分析結(jié)果/molbio/proscan/分析結(jié)果分析結(jié)果分析舉例分析舉例PLACE (A Database of Plant Cis-acting Regulatory DNA Element) http:/www.dna.affrc.go.jp/PLACE/index.html在在PLACE主頁(yè)點(diǎn)擊主頁(yè)點(diǎn)擊“Signal Scan Search”在在“PLACE Web Signal Scan”網(wǎng)頁(yè)網(wǎng)頁(yè)粘貼序列（粘貼序列（FASTA）三種結(jié)果呈現(xiàn)方式：三種結(jié)果呈

15、現(xiàn)方式：grouped by signal mapped to sequence scan by sequence order點(diǎn)擊點(diǎn)擊相關(guān)鏈接相關(guān)鏈接查看什么類(lèi)型的轉(zhuǎn)錄因子結(jié)合在相關(guān)查看什么類(lèi)型的轉(zhuǎn)錄因子結(jié)合在相關(guān)cis-element上上植物植物Gene-finding software and resources Software TutorialsBooksA beginners guide to eukaryotic genome annotationFGENESH預(yù)測(cè)結(jié)果預(yù)測(cè)結(jié)果FGENESH預(yù)測(cè)結(jié)果預(yù)測(cè)結(jié)果GENSCAN預(yù)測(cè)結(jié)果預(yù)測(cè)結(jié)果GeneMark預(yù)測(cè)結(jié)果預(yù)測(cè)結(jié)果轉(zhuǎn)錄起點(diǎn)預(yù)測(cè)轉(zhuǎn)

16、錄起點(diǎn)預(yù)測(cè)u真核生物真核生物v基因結(jié)構(gòu)復(fù)雜基因結(jié)構(gòu)復(fù)雜v已知外顯子、內(nèi)含子外顯子邊界、啟動(dòng)子序列特已知外顯子、內(nèi)含子外顯子邊界、啟動(dòng)子序列特征征u目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)基因組中的所有基因（基因組中的所有基因（Mathe et al. 2002)u不同的基因預(yù)測(cè)軟件分析結(jié)果有差異不同的基因預(yù)測(cè)軟件分析結(jié)果有差異u綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果人類(lèi)基因數(shù)目人類(lèi)基因數(shù)目1000005000025000根據(jù)模式序列預(yù)測(cè)基因u目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)基因組中的所有基因（基因組中的所有基因（Mathe et al. 2002)u不同的基因預(yù)測(cè)軟件分析結(jié)果有差異不同的基因預(yù)測(cè)軟件分析結(jié)果有差異u綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果人類(lèi)基因數(shù)目人類(lèi)基因數(shù)目1000005000025000根據(jù)模式序列預(yù)測(cè)基因u目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)目前還沒(méi)有一個(gè)基因預(yù)測(cè)工具可以完全正確地預(yù)測(cè)一個(gè)基因組中的所有基因（基因組中的所有基因（Mathe et al. 2002)u不同的基因預(yù)測(cè)軟件分析結(jié)果有差異不同的基因預(yù)測(cè)軟件分析結(jié)果有差異u綜合多個(gè)基因預(yù)測(cè)軟件的分析結(jié)果綜合多