GeneFinding.pptVIP

常用真核基因预测软件 FGENEH GeneID GeneParser GRAIL MZEF GENSCAN GENIE HMMgene 2015.5.3 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 基因识别 基因预测的背景 基因识别是生物信息学领域里的一个重要研究内容。基因识别问题，在近几年受到广泛的重视。当人类基因组研究进入一个系统测序阶段时，急需可靠自动的基因组序列翻译解释技术，以处理大量已测定但未知功能或未经注释的DNA序列。 原核基因识别 重点在于识别编码区域 Fig 1.原核基因结构 原核基因识别 对于任意给定的核酸序列（单链DNA或mRNA），根据密码子的起始位置，可以按照三种方法进行解读。 例如，序列ATTCGATCGCAA (1) ATT CGA TCG CAA (2) TTC GAT CGC AAN (3) TCG ATC GCA ANN 这三种阅读顺序称为阅读框（reading frames） 一个没有终止密码子的阅读框称为开放阅读框。 原核基因识别的重点任务是识别开放阅读框。 原核基因识别 基于密码子特性的识别方法 辨别编码区与非编码区的一种方法是检查终止密码子的 出现频率。 终止密码子出现的期望次数是： 每21（64/3）密码子出现一次终止密码子 原核基因识别 基本思想： 如果能找到一个比较长的序列，其对应的密码子序列中不含终止密码子，则这段密码子可能是编码区域。 基本算法： 扫描给定的DNA序列，在三个不同的阅读框中寻找比较长的ORF。遇到终止密码子以后，回头寻找起始密码子。 这种算法过于简单，不适合处理短的ORF或者交叠的ORF。 原核基因识别 识别编码区域的另一种方法是分析各种密码子出现的概率 例如，亮氨酸、丙氨酸、色氨酸分别有6个、4个和1个密码子。 现给出一段随机均匀分布的DNA序列翻译成氨基酸序列，则在氨基酸序列中上述3种氨基酸出现的比例应该是6:4:1。 实际中并不是该比例。 实际应用中可将两个方法结合使用，在一些寻找到的ORF中用比例方法，进一步区分编码区与非编码区。 原核基因识别 利用马尔科夫链模型计算一个ORF成为编码区域的可能性。 一个简单的统计模型 假设相继的密码子是独立的，不存在前后依赖关系。 令fabc 代表密码子abc在编码区域出现的频率 给定序列a1,b1,c1,a2,b2,c2……,an+1,bn+1 求取以不同密码子开始的阅读框，其n个密码子出现的概率 原核基因识别 原核基因识别 Fig 2.分析实例 真核基因识别 真核基因识别远比原核基因识别复杂： 一方面，真核基因的编码区域是非连续的，编码区域被分割成若干个片段。 另一方面，真核基因具有更加丰富的基因调控信息，这些信息主要分布在基因上游区域。 外显子：基因中编码的序列，与成熟mRNA的序列相对应。 内含子：基因中不编码的序列。 真核基因识别 Fig 3.真核基因结构及待识别的序列元件 真核基因识别 基本思路 找出基因两端的功能区域：转录启动区 终止区 在启动区下游位置寻找翻译起始密码子 识别转录剪切位点：剪切给体位点 剪切接受体位点 真核基因识别 基因识别的主要方法： 从头算算法（或基于统计的方法） 根据蛋白质编码基因的一般性质和特质进行识别，通 过统计值区分外显子、内含子及基因间区域。 基于同源序列比较的方法 利用数据库中现有与基因相关的信息（如EST序列、蛋白质序列），通过同源比较，帮助发现新基因。 结合两者的混合算法。 真核基因识别 常见的基因识别方法用： 基于规划的系统 语义学方法 线性辨别分析 决策树 动态规划 隐马尔科夫模型 剪切对比排列 真核基因识别