课内生物信息学第四章.docVIP

第四章 应用GCG进行序列分析 Barbara A. Butler Genetics Computer Group. Inc Oxford Molecular Group Madison. Wisconsin 一、引言 快速、经济的核酸序列测序方法的出现使包括分子生物学、遗传学以及生物化学在内的许多科学领域发生了革命。（Gilbert, 1981; Sanger, 1981)。这项技术的发展同时也使人们需要构建公用数据库来存储在全世界范围的实验室内得到的序列信息（Benson et al., 1997; Stoesser et al., 1997）。由于提交到数据库中的序列需要进行分析和解释，同时已经存在的数据库中的条目需要进行辨识和修补以供研究人员进一步研究之用，因此随着公用数据库的建立，生物信息学和计算生物学逐渐走向成熟。 生物信息学可被视为为对生物信息，特别是对核酸以及蛋白质序列信息的获取、分析和存储。而计算生物学则是指为实现上述目的进行的相应算法和计算机应用程序的开发。近十年来全基因组测序计划中积累的大量数据使这两个领域都有了飞速的发展，从商业的、学术的各种来源出现了许多可用于序列分析和数据库搜索的程序。用于个人计算机和Macintoshe机的软件包，特别是可供多用户使用的软件包通常比较昂贵，并且可能缺少用于分析和编辑的综合性的程序组。与商业程序相比，那些公用的能独立运行的程序（即此程序不是作为软件包的一部分而可以独立运行）很便宜，但需要下载有时甚至要在本机上进行编译，而且用户还必须熟悉输入序列的格式和学习如何使程序有效地运行。虽然现在通过网络使用选定的程序已经成为可能，但如果分析需要综合多个程序则难以进行。例如，研究者可以使用某种软件进行数据库搜索但却无法进一步将搜索到的序列进行对比。同样，要创建一个序列对比然后再进行编辑也是很困难的。 这一章中介绍了一种集成环境，它将大量序列分析和数据库搜索程序集成在一起，并且可以访问各种来源的序列数据。这一集成环境即为Genetics Computer Group开发的SeqLab, 它同时也是Wisconsin软件包的一部分。Wisconsin软件包是一组综合性的序列分析程序，它使用公用的核酸和蛋白质数据库。SeqLab是一个图形用户界面（GUI），通过它可以使用所有Wisconsin软件包中的程序及其支持的数据库。此外，它还提供了一个环境用于创建、显示、编辑和注释序列。SeqLab也可以被扩展使其可以包括其它公用或非公用的程序和数据库。 在这一卷的其它章节中详细讨论了许多应用Wisconsin软件包程序所进行的分析，以及Wisconsin软件包与SeqLab支持的数据库。因此，这一章中只强调访问数据库条目和本机序列的环境，可进行分析的类型以及编辑和注释这些条目和序列的方法。 二、Wisconsin软件包 Wisconsin软件包是一个综合性的序列分析软件包，它由120多个独立的程序组成，每个程序进行一项单一的分析任务。由于所有程序输入的序列有统一的格式，所以无论是公用的还是私人的数据库中的条目或是独立的序列文件都可以用Wisconsin软件包中的程序进行分析。此外，某些程序的输出文件的格式设定使得这些文件可以用其它程序进行进一步的分析。基于上述原因，以及软件包作为一个整体的模块性，用户可以将这些程序进行组合，从而可以对序列进行各种不同的分析。这一章的附录中列举了使用最广泛的一些程序。包括所有程序的完整目录以及详细的描述可以在Wisconsin软件包的程序使用文档中找到。 Wisconsin软件包支持各种UNIX平台以及OpenVMS。关于GCG，Wisconsin软件包，支持的平台以及硬件需求的一般性信息可以在GCG的主页（//）以及Wisconsin软件包的用户手册中找到。 三、Wisconsin软件包使用的数据库 GCG支持五种数据库供Wisconsin软件包使用，其中包括两种核酸数据库和三种蛋白质数据库。这些数据库既有GCG格式的（供大多数Wisconsin软件包程序使用），也有BLAST格式的（供BLAST数据库搜索程序使用）。同时还提供了用于LookUp程序以及数据库参考搜索的索引。 GCG支持的两种核酸数据库是GenBank数据库（Benson et al., 1997)以及仅由GenBank中没有的序列组成的简化版的EMBL核酸序列数据库（Stoesser et al., 1997）。为了方便进行搜索，这两个数据库被组合成一个更为广泛的核酸数据库，称为GenEMBLPlus。这个联合数据库包括GenBank和EMBL核酸序列数据库的表达序列标记（EST），序列标记位点（STS）以及基因组序列纵览（GSS）条目部分。可以用特定TAG分别搜索这三部分或用特定GenE