生物信息學(xué)第三章生物信息數(shù)據(jù)庫及其信息檢索

本章主要內(nèi)容生物信息學(xué)數(shù)據(jù)庫類型序列數(shù)據(jù)庫結(jié)構(gòu)數(shù)據(jù)庫

功能數(shù)據(jù)庫其它專業(yè)數(shù)據(jù)庫生物信息學(xué)數(shù)據(jù)庫的檢索檢索方法概述檢索實踐和案例當(dāng)前第1頁\共有60頁\編于星期四\19點生物信息學(xué)數(shù)據(jù)庫的地位和作用經(jīng)典生物醫(yī)學(xué)實驗大量零碎數(shù)據(jù)數(shù)據(jù)收集整理大規(guī)模組學(xué)實驗海量組學(xué)數(shù)據(jù)數(shù)據(jù)存儲、注釋數(shù)據(jù)庫生物醫(yī)學(xué)應(yīng)用理論分析檢索查詢生物學(xué)研究當(dāng)前第2頁\共有60頁\編于星期四\19點生物信息學(xué)數(shù)據(jù)庫類型核酸研究（NucleicAcidsResearch）雜志的每年第一期為生物信息學(xué)數(shù)據(jù)庫?？?，收錄最主要的生物學(xué)相關(guān)數(shù)據(jù)庫，歸類并展示在。核酸序列數(shù)據(jù)庫RNA序列數(shù)據(jù)庫蛋白質(zhì)序列數(shù)據(jù)庫結(jié)構(gòu)數(shù)據(jù)庫基因組數(shù)據(jù)庫(非脊椎動物)代謝與信號通路數(shù)據(jù)庫人類與其他脊椎動物基因組人類基因與疾病微陣列數(shù)據(jù)庫與其他基因表達(dá)數(shù)據(jù)庫蛋白質(zhì)組資源其他分子生物學(xué)數(shù)據(jù)庫細(xì)胞器數(shù)據(jù)庫植物數(shù)據(jù)庫免疫學(xué)數(shù)據(jù)庫細(xì)胞生物學(xué)數(shù)據(jù)庫當(dāng)前第3頁\共有60頁\編于星期四\19點生物信息學(xué)數(shù)據(jù)庫類型序列數(shù)據(jù)庫結(jié)構(gòu)數(shù)據(jù)庫功能數(shù)據(jù)庫其它專業(yè)數(shù)據(jù)庫當(dāng)前第4頁\共有60頁\編于星期四\19點GooglevsBaidu膚淺的百姓工具他可以更厲害！甚至超過windows、Linux或Mac等操作系統(tǒng)當(dāng)前第5頁\共有60頁\編于星期四\19點一、序列數(shù)據(jù)庫主要收錄核酸和蛋白質(zhì)序列的數(shù)據(jù)庫，包括由基因組計劃產(chǎn)生的基因組及其表達(dá)序列，由基因組序列所推測的編碼和非編碼核酸和蛋白質(zhì)序列，以及個別生物學(xué)實驗中測序獲得的核酸和蛋白質(zhì)序列?；蚪M序列數(shù)據(jù)庫：GenomeDatabase(GDB)數(shù)據(jù)庫（

）包括人、鼠、斑馬魚和果蠅4種真核生物基因組的注釋分析。由EMBL-EBI和Sanger研究所聯(lián)合開發(fā)。UCSCGenomeBrowser（）加州大學(xué)圣克魯茲分校建立,包括各種脊椎和無脊椎動物，以及主要模式生物的基因組數(shù)據(jù)。當(dāng)前第6頁\共有60頁\編于星期四\19點核酸序列數(shù)據(jù)庫GenBank（

）EMBL（

）DDBJ（

）三個數(shù)據(jù)庫每天互相交換數(shù)據(jù)GenBank可通過NCBI的檢索系統(tǒng)Entrez獲取，Entrez集成來自主要DNA和蛋白序列數(shù)據(jù)庫的數(shù)據(jù)，包括物種、基因組、定位、蛋白結(jié)構(gòu)和結(jié)構(gòu)域等信息其他各種專業(yè)核酸數(shù)據(jù)庫非冗余參考序列數(shù)據(jù)庫RefSeq密碼子使用數(shù)據(jù)庫CodonUsageDatabaseCUTG基因可變剪接數(shù)據(jù)庫ASDB轉(zhuǎn)錄因子數(shù)據(jù)庫TRANSFAC當(dāng)前第7頁\共有60頁\編于星期四\19點NCBI(NationalCenterofBiotechnologyInformation）美國國立生物技術(shù)信息中心當(dāng)前第8頁\共有60頁\編于星期四\19點三大數(shù)據(jù)庫之間的聯(lián)系當(dāng)前第9頁\共有60頁\編于星期四\19點ATTGACTAPrimaryvs.DerivativeDatabasesACGTGCTTGACACGTGAATTGACTATATAGCCGACGTGCACGTGCACGTGCTTGACATTGACATTGACACGTGACGTGACGTGAATTGACTAATTGACTAATTGACTAATTGACTATATAGCCGTATAGCCGTATAGCCGTATAGCCGGenBankTATAGCCGTATAGCCGTATAGCCGTATAGCCGATGACATTGAGAATTATTCCGAGAATTCCGAGAATTATTCCGAGAATTCCSequencingCentersGAGAATTCCGAGAATTCCUniGeneRefSeqGenomeAssemblyLabsCuratorsAlgorithmsTATAGCCGAGCTCCGATACCGATGACAA當(dāng)前第10頁\共有60頁\編于星期四\19點GenBank中測序最多的20個物種當(dāng)前第11頁\共有60頁\編于星期四\19點humanArabidopsisThermotogamaritimaEscherichiacoliBuchnerasp.APSRickettsiaprowazekiiUreaplasmaurealyticumBacillussubtilisDrosophilamelanogasterThermoplasmaacidophilumPlasmodiumfalciparumHelicobacterpylorimouseCaenorhabitiselegansratBorreliaburgorferiBorreliaburgorferiAquifexaeolicusNeisseriameningitidisZ2491Mycobacteriumtuberculosis模式生物與基因測序當(dāng)前第12頁\共有60頁\編于星期四\19點virusesplasmidsbacteriafungiplantsalgaeinsectsmollusksreptilesbirdsmammalsGenomesizesinnucleotidepairs(base-pairs)10410810510610710111010109bonyfishamphibians當(dāng)前第13頁\共有60頁\編于星期四\19點蛋白質(zhì)序列數(shù)據(jù)庫UniProt（）

由Swiss-Prot、TrEMBL和PIR蛋白質(zhì)數(shù)據(jù)庫聯(lián)合構(gòu)建，提供蛋白質(zhì)序列和功能注釋的核心資源。由三個子庫組成：（1）UniProtKB，知識庫（2）UniRef：參考簇（3）UniParc，所有公開的蛋白質(zhì)序列，包括每個序列源數(shù)據(jù)庫的追溯信息。IPI（）國際蛋白質(zhì)索引數(shù)據(jù)庫，針對蛋白質(zhì)組研究中利用數(shù)據(jù)庫搜索鑒定蛋白的策略而構(gòu)建的參考數(shù)據(jù)庫，月更新，整合國際上主要的蛋白質(zhì)數(shù)據(jù)庫（SwissProt，Refseq，PIR，TrEMBL，RefSeq，Ensembl，H-InvDB翻譯的蛋白數(shù)據(jù)），整合過程中，直接接受手工注釋結(jié)果。Nr（

）NCBI構(gòu)建，非冗余蛋白質(zhì)數(shù)據(jù)庫，為每個蛋白質(zhì)序列記錄賦予一個唯一的gi號，并將序列完全一致的非冗余蛋白質(zhì)合并成簇。當(dāng)前第14頁\共有60頁\編于星期四\19點二、結(jié)構(gòu)數(shù)據(jù)庫核酸和蛋白質(zhì)的空間結(jié)構(gòu)數(shù)據(jù)庫，一般通過X射線衍射和核磁共振獲得數(shù)據(jù)，也有同源建模等計算方法獲得。結(jié)構(gòu)數(shù)據(jù)庫(核酸)NDB核酸結(jié)構(gòu)數(shù)據(jù)庫（）收錄核酸的晶體結(jié)構(gòu)數(shù)據(jù)，包含X射線衍射和核磁共振的結(jié)果，可通過ADIT(theAutoDepInputTool)同時將結(jié)構(gòu)存儲到NDB和PDB中，提供序列號檢索功能，可以用NDB或PDB的ID號檢索，結(jié)果包含核酸結(jié)構(gòu)的簡要信息和圖片Rfam數(shù)據(jù)庫（）RNA家族多重序列比對，一致性二級結(jié)構(gòu)和協(xié)方差模型，基于多重序列比對的非編碼RNA家族的變異模式當(dāng)前第15頁\共有60頁\編于星期四\19點結(jié)構(gòu)數(shù)據(jù)庫（蛋白質(zhì)）PDB（）RCSB(ResearchCollaboratoryforStructuralBioinformatics)專門用于處理和發(fā)布生物大分子三維結(jié)構(gòu)的知識庫，提供數(shù)據(jù)庫的檢索和下載服務(wù)，以及PDB數(shù)據(jù)文件格式和其它文檔的說明，使用軟件可對PDB數(shù)據(jù)庫記錄用多種模式顯示生物大分子三維結(jié)構(gòu)。蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫SCOP（

）包含從PDB數(shù)據(jù)庫中提取的所有結(jié)構(gòu)域，并詳細(xì)描述已知蛋白質(zhì)結(jié)構(gòu)之間的關(guān)系MMDBNCBI的分子模型數(shù)據(jù)庫。NCBI蛋白結(jié)構(gòu)數(shù)據(jù)庫（）包括由x射線衍射和核磁共振實驗得到的所有PDB生物分子三維結(jié)構(gòu)，與原始的PDB結(jié)構(gòu)相比，增加一些附加信息：經(jīng)程序驗證的顯性化學(xué)圖像信息、一致的二級結(jié)構(gòu)衍生定義、與MEDLINE相匹配的引用、基于源自生物實體的蛋白質(zhì)或核酸鏈進(jìn)行分類的分子匹配。當(dāng)前第16頁\共有60頁\編于星期四\19點三、功能數(shù)據(jù)庫收錄生物分子的功能數(shù)據(jù)，由ID號與序列和結(jié)構(gòu)數(shù)據(jù)鏈接組織表達(dá)譜和亞細(xì)胞定位根據(jù)不同組織中的EST、SAGE或芯片雜交信號，繪制出不同組織中表達(dá)基因的圖譜：BodyMap（）Unigene（

）SAGEmap（）GEO（）StanfordMicroarrayDatabase（）當(dāng)前第17頁\共有60頁\編于星期四\19點亞細(xì)胞定位數(shù)據(jù)庫PSORTdb（）DBSubLoc（）膜蛋白質(zhì)數(shù)據(jù)庫TMPDB（http://bioinfo.si.hirosaki-u.ac.jp/~TMPDB/）

線粒體蛋白質(zhì)數(shù)據(jù)庫MitoP2（http://www.mitop.de:8080/mitop2/）蛋白翻譯后修飾dbPTM（）磷酸化、糖基化和硫修飾，也收錄和蛋白質(zhì)翻譯后修飾相關(guān)的生物信息。O-GlycBase（）只收錄O糖基化數(shù)據(jù)PhosphoBase（）只收錄磷酸化位點的數(shù)據(jù)RESID（）收錄蛋白質(zhì)修飾的注釋和結(jié)構(gòu)的數(shù)據(jù)當(dāng)前第18頁\共有60頁\編于星期四\19點蛋白質(zhì)-蛋白質(zhì)相互作用數(shù)據(jù)庫DIP（）由實驗驗證的蛋白質(zhì)-蛋白質(zhì)相互作用數(shù)據(jù)，包括蛋白質(zhì)的信息、相互作用的信息和檢測相互作用的實驗技術(shù)IntAct（）提供用于蛋白質(zhì)相互作用數(shù)據(jù)存儲、展示和分析的開源數(shù)據(jù)庫和工具包，可對相互作用數(shù)據(jù)在網(wǎng)頁上進(jìn)行文本和圖像的展示，允許用戶通過GO注釋或InterPro結(jié)構(gòu)域注釋進(jìn)行網(wǎng)絡(luò)的擴(kuò)充代謝網(wǎng)絡(luò)和信號途徑KEGG大百科（）系統(tǒng)分析基因功能、聯(lián)系基因組信息和功能信息的知識庫，GENES收錄完整和部分測序的基因組序列；PATHWAY數(shù)據(jù)庫存儲更高級的功能信息，包括圖解的細(xì)胞生化過程和同系保守的子通路等信息；LIGAND數(shù)據(jù)庫收錄關(guān)于化學(xué)物質(zhì)、酶分子和酶反應(yīng)等信息。當(dāng)前第19頁\共有60頁\編于星期四\19點反應(yīng)通路(KEGG)glycolysispathway(糖酵解)京都基因與基因組百科全書(KyotoEncyclopediaofGenesandGenomes)當(dāng)前第20頁\共有60頁\編于星期四\19點全細(xì)胞通路當(dāng)前第21頁\共有60頁\編于星期四\19點四、其它專業(yè)數(shù)據(jù)庫人類基因和疾病數(shù)據(jù)庫OMIM（）收錄所有已知的遺傳病、遺傳性狀和基因，除簡略描述各種疾病的臨床特征、診斷、治療和預(yù)防外，還提供致病基因的連鎖關(guān)系、染色體定位、組織結(jié)構(gòu)、動物模型及其參考文獻(xiàn)等信息dbSNP（SNP）收錄已經(jīng)識別的SNPs的數(shù)據(jù)庫HapMapProject()收錄了三大人群(非洲人,高加索人和亞洲人群)主要的變異模式,所選擇的SNPs具有相對代表性CGED(http://lifesciencedb.jp/cged/)收錄多種癌癥的臨床和基因表達(dá)數(shù)據(jù)，更新到2007年當(dāng)前第22頁\共有60頁\編于星期四\19點基于電泳和生物質(zhì)譜的蛋白質(zhì)組數(shù)據(jù)庫SWISS-2DPAGE（）收錄各種雙向電泳或SDS的電泳圖，并提供蛋白在電泳圖中的位置及其信息PRIDE（）數(shù)據(jù)庫收集國際蛋白質(zhì)組計劃所產(chǎn)出的鑒定結(jié)果數(shù)據(jù)PeptideAtlas（）收錄大規(guī)模LC-MS/MS實驗鑒定的蛋白信息，并將信息匹配到Ensembl數(shù)據(jù)庫dbLEP（）為肝臟蛋白質(zhì)組計劃設(shè)計，提供鑒定結(jié)果及可追溯的信息，包括可供評估結(jié)果質(zhì)量的鑒定肽段數(shù)和質(zhì)譜圖譜等，同時還提供大量的注釋信息，更新到2007年當(dāng)前第23頁\共有60頁\編于星期四\19點免疫學(xué)數(shù)據(jù)庫IMGT（）關(guān)于免疫球蛋白、T細(xì)胞受體、主要組織相容性復(fù)合體以及人類和哺乳動物免疫系統(tǒng)相關(guān)蛋白的綜合數(shù)據(jù)庫，由序列數(shù)據(jù)庫、基因組和結(jié)構(gòu)數(shù)據(jù)庫、網(wǎng)站資源數(shù)據(jù)庫和各種研究工具數(shù)據(jù)庫組成dbMHC（）提供人類組織相容性抗原（HLA）的序列數(shù)據(jù)和臨床上干細(xì)胞移植及風(fēng)濕性關(guān)節(jié)炎等數(shù)據(jù)，也提供全世界90多個人群的HLA位點、等位基因和單倍型頻率的遺傳檢測工具當(dāng)前第24頁\共有60頁\編于星期四\19點Taxonomy分類學(xué)數(shù)據(jù)庫當(dāng)前第25頁\共有60頁\編于星期四\19點北京華大基因研究中心(中科院基因組研究所)楊煥明國家人類基因組南方研究中心(上海)陳竺、趙國屏國家人類基因組北方研究中心(北京)強(qiáng)伯勤清華大學(xué)生物系生物信息研究室孫之榮北京大學(xué)生物信息學(xué)中心羅靜初復(fù)旦大學(xué)理論生物中心鐘揚我國的一些主要研究中心和數(shù)據(jù)庫當(dāng)前第26頁\共有60頁\編于星期四\19點生物信息學(xué)數(shù)據(jù)庫的檢索檢索方法概述檢索實踐和案例當(dāng)前第27頁\共有60頁\編于星期四\19點生物信息學(xué)數(shù)據(jù)庫的檢索主要檢索系統(tǒng)和工具Entrez(NationalCenterforBiotechnologyInformation,NCBI）SRS(EuropeanBioinformaticsInstitute,EBI）ExPasyExpertProteinAnalysisSystem(SwissInstituteofBioinformatics,SIB)日本、歐洲、美國其他研究機(jī)構(gòu)的工具平臺……當(dāng)前第28頁\共有60頁\編于星期四\19點復(fù)雜檢索1、限制字段類別常用的有:Author:BaoYM[au]Title:stress[ti]Tilte/Abstract：stress[title/abstract]Date:1999:2009[dp]2、布爾邏輯運算：AND、OR、NOT必須大寫。邏輯符的運算次序是從左至右，括號內(nèi)的檢索式可作為一個單元，優(yōu)先運行。布爾邏輯檢索允許在檢索詞后面附加字段標(biāo)識例如：rice[ti]ANDBaoYM[au]AND2008:2009[dp]當(dāng)前第29頁\共有60頁\編于星期四\19點同樣存在限制字段:常用的有:Author:BaoYM[au]title:SNARE[ti]organism:rice[organism]或者直接輸入:Accession:AY077725[Accession]GeneName:ZFP15[GeneName]ProteinName:ZFP15[ProteinName]如:BaoYM[au]ANDSNARE[ti]ANDrice[organism]如果沒有限定，就是任意字段。如何獲取GenBank中的序列?當(dāng)前第30頁\共有60頁\編于星期四\19點Entrez(NationalCenterforBiotechnologyInformation,NCBI）選擇數(shù)據(jù)庫當(dāng)沒有進(jìn)入號時輸入關(guān)鍵詞（英文和拉丁文）當(dāng)有進(jìn)入號時輸入進(jìn)入號可編譯當(dāng)前第31頁\共有60頁\編于星期四\19點NCBI主頁最下面的區(qū)域，是NCBI的快捷連接區(qū)域當(dāng)前第32頁\共有60頁\編于星期四\19點舉例：GAPDH或g3pdh是甘油醛-3-磷酸脫氫酶（glyceraldehyde-3-phosphatedehydrogenase）的英文縮寫。該酶是糖酵解反應(yīng)中的一個酶。該酶基因為管家（housekeeping）基因，幾乎在所有組織中都高水平表達(dá)，在同種細(xì)胞或者組織中的蛋白質(zhì)表達(dá)量一般是恒定的，且不受含有的部分識別位點、佛波脂等的誘導(dǎo)物質(zhì)的影響而保持恒定，故被廣泛用作抽提t(yī)otalRNA，poly(A)+RNA，Westernblot等實驗操作的標(biāo)準(zhǔn)化的內(nèi)參。GAPDH一般是由4個相同亞基組成的四聚體，每個亞基均含有催化結(jié)構(gòu)域和輔酶結(jié)合域。GAPDH與輔酶煙酰胺腺嘌呤二核苷酸（

NAD+）組成全酶才具有催化活性。當(dāng)前第33頁\共有60頁\編于星期四\19點基因序列搜索當(dāng)前第34頁\共有60頁\編于星期四\19點當(dāng)前第35頁\共有60頁\編于星期四\19點當(dāng)前第36頁\共有60頁\編于星期四\19點STS序列標(biāo)簽位點（sequence-taggedsite），是已知核苷酸序列的DNA片段，是基因組中任何單拷貝的短DNA序列，長度在100～500bp之間。任何DNA序列，只要知道它在基因組中的位置，都能被用作STS標(biāo)簽。作為基因組中的單拷貝序列，是新一代的遺傳標(biāo)記系統(tǒng)，其數(shù)目多，覆蓋密度較大，達(dá)到平均每1kb一個STS或更密集。這種序列在染色體上只出現(xiàn)一次，其位置和堿基順序都是已知的。在PCR反應(yīng)中可以檢測出STS來，STS適宜于作為人類基因組的一種地標(biāo)，據(jù)此可以判定DNA的方向和特定序列的相對位置。當(dāng)前第37頁\共有60頁\編于星期四\19點不能用任何其它的特征關(guān)鍵詞表述的具有生物學(xué)意義的區(qū)域;新的或少見的特征當(dāng)前第38頁\共有60頁\編于星期四\19點當(dāng)前第39頁\共有60頁\編于星期四\19點蛋白序列搜索當(dāng)前第40頁\共有60頁\編于星期四\19點當(dāng)前第41頁\共有60頁\編于星期四\19點當(dāng)前第42頁\共有60頁\編于星期四\19點蛋白質(zhì)結(jié)構(gòu)搜索當(dāng)前第43頁\共有60頁\編于星期四\19點當(dāng)前第44頁\共有60頁\編于星期四\19點MMDBID:34532PDBID:1U8F當(dāng)前第45頁\共有60頁\編于星期四\19點Nicotinamide-Adenine-Dinucleotide煙酰胺腺嘌呤二核苷酸O、P、Q和R為GAPDH的四個亞基蛋白鏈，其和1（煙酰胺腺嘌呤二核苷酸）的相互作用關(guān)系當(dāng)前第46頁\共有60頁\編于星期四\19點課堂練習(xí)：Homosapiensp53，人體抑癌基因，該基因編碼一種分子量為53kDa的蛋白質(zhì)，命名為P53。p53基因的失活對腫瘤形成起重要作用。但是事物必然有它的兩個方面，p53是一個重要的抗癌基因使癌細(xì)胞自殺，防止癌變；還具有幫助細(xì)胞基因修復(fù)缺陷的功能?；蛐蛄兴阉?，標(biāo)注（Searchthetargetgene，andannotatethegene）蛋白序列搜索，標(biāo)注（Searchthetargetprotein，andannotatetheprotein）蛋白質(zhì)結(jié)構(gòu)搜索，標(biāo)注（Searchthestructureofthetargetprotein，andannotateit）Question:從小鼠中查找Bao實驗室發(fā)布的p53蛋白相關(guān)的DNA序列.當(dāng)前第47頁\共有60頁\編于星期四\19點一些生物信息學(xué)相關(guān)的名詞和知識當(dāng)前第48頁\共有60頁\編于星期四\19點參考P74，關(guān)鍵字的定義Attenuator：regionofDNAatwhichregulationofterminationoftranscriptionoccurs,whichcontrolstheexpressionofsomebacterialoperons,sequencesegmentlocatedbetweenthepromoterandthefirststructuralgenethatcausespartialterminationoftranscription.Enhancer：acis-actingsequencethatincreasestheutilizationofeukaryoticpromoters,andcanfunctionineitherorientationandinanylocation(upstreamordownstream)relativetothepromoter.

Promoter：regiononaDNAmoleculeinvolvedinRNApolymerasebindingtoinitiatetranscription.Terminator：sequenceofDNAlocatedeitherattheendofthetranscriptthatcausesRNApolymerasetoterminatetranscription.polyA-signal：recognitionregionnecessaryforendonucleasecleavageofanRNAtranscriptthatisfollowedbypolyadenylation,consensus=AATAAA.當(dāng)前第49頁\共有60頁\編于星期四\19點PromoterEnhancerGeneTerminatorTranscriptionunit+1-1DownstreamsequenceUpstreamsequence-10TranscriptionstartsiteRegulatoryelement-2-3-4-5-6-7-8-9-11-12-13-14-16-17+2+3+4+5+6+7+8polyA-signalAttenuator調(diào)節(jié)基因阻遏子啟動子操縱基因終止子lacZlacYlacAlac

操縱元AttenuatorAAAAAAAendonucleasecleavageendonuclease當(dāng)前第50頁\共有60頁\編于星期四\19點CAAT-signal：CAATbox,partofaconservedsequencelocatedabout75bpup-streamofthestarpointofeukaryotic

transcriptionunitswhichmaybeinvolvedinRNApolymerasebinding,consensus=GG(CorT)CAATCT.GC-signal：GCbox,aconservedGC-richregionlocatedupstreamofthestartpointofeukaryotictranscriptionunitswhichmayoccurinmultiplecopiesorineitherorientation,consensus=GGGCGG.TATA-signal：TATAbox,Goldberg-Hognessbox,aconservedAT-richseptamerfoundabout25bpbeforethestartpointofeacheukaryoticRNApolymeraseⅡtranscriptunitwhichmaybeinvolvedinpositioningtheenzymeforcorrectinitiation,consensus=TATA(AorT)A(AorT).-10-signal：pribnowbox,aconservedregionabout10bpupstreamofthestartpointofbacterialtranscriptionunitswhichmaybeinvolvedinbindingRNApolymerase,consensus=TAtAaT.-35-signal：aconservedhexamerabout35bpupstreamofthestartpointofbacterialtranscriptionunits,consensus=TTGACa當(dāng)前第51頁\共有60頁\編于星期四\19點+1-50Transcriptionstartsite-25-75-100HognessboxGCboxGCboxCAATbox+1-50Transcriptionstartsite-25-100-190CorepromoterGCboxGCboxUpstreamcontrolelementGCboxGCboxGCboxBasalpromoterUpstreamelementDownstreamelement+50Transcriptionstartsite+1HognessboxOctamermotifIntragenicpromoter+90PSEAboxCboxIEClassⅠpromoterClassⅡpromoterClassⅢpromotereukaryotic

transcriptionunits當(dāng)前第52頁\共有60頁\編于星期四\19點λPR：TTATTCCATGTCACACTTTTCGCATCTTTGTTATGCTATGGTTATTTCATACCAT+1Transcriptionstartsite-10Pribnowbox-35GACAboxGTGCGTGTTGACTATTTTACCTCTGGCGGTGATAATGGTTGCATGTACTAAGGAGGCGGTGTTGACATAAATACCACTGGCGGTGATACTGAGCACATCAGCAGGACGTGAGCTGTTGACAATTAATCATCGAACTAGTTAACTAGTACGCAAGTTCACGTAACCCAGGCTTTACACTTTATGCTTCCGGCTCGTATGTTGTGTGGAATTGTGAGCGGCCCAGGCTTTACACTTTATGCTTCCGGCTCGTATAATGTGTGGAATTGTGAGCGGTTTCCTCTTGTCAGGCCGGAATAACTCCCTATAATGCGCCACCACTGACACGGAATAAATGCTTGACTCTGTAGCGGGAAGGCGTATTATGCACACCTCGCGCCGCTGATCCATGTCACACTTTTCGCATCTTTGTTATGCTATGGTTATTTCATACCATAAGCCλPL：trp：lac：lacUV5：rrnA1：rrnA2：galP1：galP2：bacterialtranscriptionunits當(dāng)前第53頁\共有60頁\編于星期四\19點-35TTGACATATAAT′+20+1-10原核生物的RNA聚合酶全酶及其在轉(zhuǎn)錄起始區(qū)的結(jié)合當(dāng)前第54頁\共有60頁\編于星期四\19點（1）開放讀碼框是從一個起始密碼子開始到一個終止密碼子結(jié)束的一段序列；不是所有讀碼框都能被表達(dá)出蛋白產(chǎn)物，或者能表達(dá)出占有優(yōu)勢或者能產(chǎn)生生物學(xué)功能的蛋白。（2）CDS，是編碼一段蛋白產(chǎn)物的序列。（3）CDS可能是一個ORF，但也可能包括多個ORF。（4）反之，每個ORF不一定都是CDS。CDS：codingsequence,sequenceofnucleotidesthatcorrespondswiththesequenceofaminoacidsinaprotein(locationincludesstopcodon),featureincludesaminoacidconceptualtranslation.Openreadingframe(ORF)：areadingframethatdoesnotcontainanucleotidetripletwhichstopstranslationbeforeformationofacompletepolypeptide.當(dāng)前第55頁\共有60頁\編于星期四\19點LTR：longterminalrepeat,asequencedirectlyrepeatedatbothendsofadefinedsequence,ofthesorttypicallyfoundinretroviruses.反轉(zhuǎn)錄病毒的基因組的兩端各有一個長末端重復(fù)序列(5'LTR和3'LTR)，不編碼蛋白質(zhì)，但含有啟動子，增強(qiáng)子等調(diào)控元件，病毒基因組內(nèi)的LTR可轉(zhuǎn)移到細(xì)胞原癌基因鄰近處，使這些原癌基因在LTP強(qiáng)啟動子和增強(qiáng)子的作用下被激活，將正常細(xì)胞轉(zhuǎn)化為癌細(xì)胞。TheHIV-1LTRisapproximately640bpinlengthand,likeotherretroviralLTRs,issegmentedintotheU3,R,andU5regions.當(dāng)前第56頁\共有60頁\編于星期四\19點5`clip：5`-most

regionofaprecursortranscriptthatisclippedoffduringprocessing.3`clip：3`-mostregionofaprecursortranscriptthatisclippedoffduringprocessing.5`UTR：regionatthe5`endofamaturetranscript(precedingtheinitiationcodon)thatisnottranslatedintoaprotein.3`UTR：regionatthe3`endofamaturetranscript(followingthestopcodon)thatisnottranslatedintoaprotein.Prim-transcript：primary(initial,unprocessed)transcript,includes5`clip,5`UTR,CDS,exon,intron,3`UTR,and3`clip.5`clip3`clip5`UTR3`UTRexon1Exon2Exon3Prim-transcript當(dāng)前第57頁\共有60頁\編于星期四\19點Exon：regionofgenomethatcodesforportionofsplicedmRNA,rRNAandtRNA,maycontain5`UTR,allCDSsand3`UTR.Intron：as