4章核酸序列终稿.ppt

4.3.5 3’UTR区 双序列比对参数设置 Aln文件可用Bioedit软件打开 dnd文件可用tree view软件打开 4.3 基因结构识别 4.3.1 ORF识别及其可靠性验证 ORF（ open reading frame ）是一个潜在的蛋白质编码区，确定DNA序列的编码区，就需要检测该序列中有多少个ORF, 并验证所预测ORF的可靠性 （一）ORF（ open reading frame ） （二）验证依据 1、在ORF上发现不寻常的序列变异类型，即每个第3碱基趋向于相同的概率远大于仅仅由随机产生的概率。 GCG软件包的TESTCODE程序可以提供序列中每个第3碱基的非随机性标示。 2、通过分析确定ORF的密码子是否与那些用于同一生物其他基因中的密码子一致 可以用GCG软件包的CODONFREQUENCY程序进行分析 3、比对法，将所预测的ORF翻译成氨基酸序列，然后将结果序列与现有数据库进行BLASTP比对，如果发现1个或多个相似的序列，则所预测ORF的可信度就比较高。 （三）原核与真核生物ORF区别 原核生物编码区只含有一个单独的ORF 真核生物编码区被内含子分隔成若干个不连续的外显子，因此分析真核基因的编码区时，需要正确识别内含子和外显子的边界。 （四）Kozak规则(基于已知数据的统计结果) 即第一个ATG侧翼序列的碱基分布所满足的统计规律，若将第一个ATG中的碱基A\T\G分别标为1、2、3位，则Kozak规则描述如下： （1）第4位的偏好碱基为G （2）ATG的5’端约15bp范围内的侧翼序列 内不含碱基T。 （3）第3、6、9位，G为偏好碱基 （4）除第3、6、9位，C为偏好碱基 （五）ORF分析工具（如ORF finder） 实例分析（page 94） 应用ORF Finder预测水稻瘤矮病毒（RGDV）S8片段的ORF. 研究背景：为构建融合蛋白的表达载体，需要对RGDV S8片段的基因序列进行ORF分析并确定其位置，为设计表达引物提供信息。 1、提交序列 2、参数设置 3、预测结果 4 可靠性验证 5、结果解读 4.3.2 启动子及转录因子结合位点分析 1、启动子： 启动子是RNA聚合酶识别、结合并开始转录所必需的一段DNA序列。 原核生物：转录起始位点+1 -10序列（解旋区） -35序列（识别区） CAP序列-70～-40（增强聚合酶结 合和转录的起始序列） consensus sequences 真核生物 （1） 核心启动子：起始位点，TATAbox （2）上游启动子元件UPE：CAAT框，GC框 实例分析 以真核基因GRP78为例，预测启动子及转录因子结合位点 以promoter scan识别启动子区并预测与该区可能结合的转录因子 4.3.3 重复序列分析 哺乳动物基因组存在大量重复序列： 高度重复序列：10-300bp,重复106次左右，占10%－60%，人占20%，功能不清楚 中度重复序列：100－500bp,重复10－105次，占10%－40%，功能不清楚 单拷贝序列： 占50%－80%，蛋白质编码基因 实例分析 使用RepeatMasker在线服务器屏蔽重复序列 4.3.4 CpG island CpG island是DNA上的一个区域，富含GC 两者以磷酯键相连 定义为一个至少含有200bp的区域，其中 CpG的观察值/预测值比例大于0.6且GC含量大于50%，长度约几百到几千不等。 CpGisland经常出现在管家基因或频繁表达的基因的启动子附近，在这些部位， CpGisland具有阻止序列甲基化的作用。 因此，搜索CpGisland可以为基因及其启动子的预测提供重要的线索。 两种版本的Blast比较 单机版 单机版的blast可以通过NCBI的ftp站点 得，有适合不同平台的版本（包括linux，dos 等。获得程序的同时必须获取相应的数据 库才能在本地进行blast分析。单机版的优点 是可以处理大批的数据，可以自己定义数据 库，但是需要耗费本地机的大量资源，此外 操作也没有网络版直观、方便，需要一定的 计算机操作水平。 网络版本 包括NCBI在内的很多网站都提供了在线的blast服务，这也是我们最经常用到的blast服务。网络版本的blast服务就有方便，容易操作，数据库同步更新等优点。但是缺点是不利于操作大批量的数据。 BLAST BLAST 是一个序列相似性搜索的程序包，其中包含了很多