基因组信息分析.pptVIP

 第5章 基因组信息分析  第一部分： 搜索遗传语言； 原核、真核基因组特点 原核基因组特点 ??? 原核生物的遗传物质大都是环状DNA，它们基因组存在固有的特点，可以利用这些特点分辨物种，识别基因。 长开放阅读框 ???开放阅读框 open reading frame ：结构基因内从起始密码子开始到终止密码子的一段核苷酸区域，其间不存在任何终止密码，可编码完整的多肽链，这一区域被称为开放阅读框。 ORF表明该区域可能对应于一个原核生物基因的编码序列。 长开放阅读框 绝大部分原核生物蛋白质的长度大于60个氨基酸 在大肠杆菌E.coli中，蛋白质编码区域平均长度为316.8个密码子，不到1.8%的基因的长度小于60个密码子 原核基因分析的简单原则 若终止密码子出现在非编码核酸序列中，大约每21个密码子出现一次（3/64）. 如果所有的密码子在随机的核酸序列中以相同的频率出现，则不含终止密码子且长度为N个密码子的序列出现的几率为（61/64）N . 长度为N的ORF的95%显著性置信度等价于5%“随机”命中的可能性，即（61/64）N 0.05，这里N等于60，表示典型长度的ORF中密码子的数目。 高基因密度 原核基因组中的基因密度非常高 完全测序的细菌和古细菌的基因组数据表明，其中85％到88％的核酸序列与基因的编码直接相关。 在大肠杆菌（E.coli）中总共有4,288个基因，平均编码长度为950bp，而基因之间的平均间隔长度只有118bp。 简单的基因结构 GC含量 碱基G、C相对于A、T的丰度很早就被看作是区分细菌基因组的特征之一 . 不同的原核生物中，GC含量（GC content）从25%到75%，变化非常大。 大部分细菌是通过从其它生物体大规模获得基因（长度为几万甚至几十万个核苷酸）而进化的 水平转移 . 简而言之，许多细菌基因组表现为具有不同GC含量的区域的组合物，这些区域反映了细菌的进化历史。 真核基因组特点 基因组规模大 非编码序列大 基因结构复杂 基因转录调控方式复杂 可变剪接 CpG岛 等值区 密码子使用偏性 基因组规模 真核细胞的细胞核中一般有多条线性染色体，而且通常包含每条染色体的双拷贝。 人的基因组总长度超过30亿对碱基，而大肠杆菌的基因组只有500多万个碱基。 非编码序列巨大 真核生物具有复杂的基因组结构。 编码区域在人类基因组所占的比例不超过3%。 其余97%是非编码序列，而在非编码序列中，各种重复序列占了很大一部分。 基因结构复杂 基因转录调控方式复杂 真核基因的表达涉及多种RNA聚合酶。 与原核生物只使用一种由多个蛋白聚合而成的RNA聚合酶不同，真核生物至少使用由8到12个蛋白组成的三种不同类型的RNA聚合酶。 RNA 聚合酶I和III负责转录生成RNA分子，这些分子本身执行重要的功能，在所有的真核细胞中需要始终保持相当恒定的水平。 RNA聚合酶II专门负责转录编码蛋白质的基因。 RNA聚合酶II识别的启动子序列的多样性反映了区别基因的复杂程度，即在特定类型的细胞中和在特定的时间，区别哪些基因该表达而哪些基因不该表达。 可变剪接 估计有20%或更多的人类基因因为可变剪接（alternative splicing）而产生两种或多种不同的mRNA序列 . 有一个人类的基因已经被证明，相同的原始转录物可以产生64种不同的mRNA CpG岛 真核生物基因组的GC含量的差别没有在原核生物间观察到的那么明显，但是CG两联核苷酸（常称作CpG，以表明连接两个核苷酸的磷酸二脂键）的出现频率仅为其随机出现的频率的20%，而没有发现其它核苷酸对有异常的出现频率。 CpG岛 许多人类基因5’-端的1~2kb片段中发现CpG岛（CpG island），此处CpG的密度达到随机预测的水平。 人类基因组全长序列的分析结果表明，大约有45,000这样的岛，并且有一半左右与已知的管家基因 housekeeping gene，指在所有组织和在发育的所有阶段都高水平表达的基因）是有关联的，其余的CpG岛有许多似乎是和组织特异性基因的启动子相关联的。CpG岛很少出现在不含基因的区域和那些发生多次突变的基因中。 等值区 定义：具有一致碱基组成的长区域 特征 ： 等值区基因组序列的长度超过1,000,000对碱基 虽然不同的等值区其GC含量差别显著，但同一等值区的GC含量始终相对均衡 人类基因组大约可以划分为五个不同类型的等值区:a L1和L2，平均GC含量分别为39%和42% 欠GC b H1、H2和H3，GC含量平均值分别为46%、49%和54% 丰GC 密码子使用偏性 每个氨基酸至少对应1种密码子，最