生物信息学讲课二-20020925.pptVIP

* * * * * * * * * * * * *  大部分新基因是靠理论方法预测出来的。比如啤酒酵母完整基因组 (约1300万bp) 所包含的 6千多个基因，大约 60％ 是通过信息分析得到的。 a)、利用 EST( Expression Sequence Tag) 数据库 (dbEST) 发现新基因和新SNPs 国际上现已出现了几个基于EST的基因索引如UniGene (/pub/schuler/unigene) , Merck-Gene index(/est/esthmpg.html ) , GenExpress-index ( ) ，这些基因索引数据库(即二次数据库)构建 了基因框架，极大地方便了相关研究者。 超大规模计算 b)、从基因组 DNA序列中预测新ORF 二、新基因和新SNPs的发现与鉴定 Structure of eukaryotic mRNA Cap 5’-UTR Coding region 3’-UTR Poly-A Initiation (AUG) Termination (AUG, UGA, UAA) EST序列数据库的形成 EST 序列数据库 SNP: Single Nucleotide Polymorphisms HUMAN GENETIC DIVERSITY:The Ultimate Human Genetic Database Any two individuals differ in about 3 x 106 bases (0.1%). The population is now about 6 x 109. A catalog of all sequence differences would require 18 x 1015 entries. This catalog may be needed to find the rarest or most complex disease genes. 基因电脑克隆的实质: 以一个序列片段为线索, 通过它和整个数据库的比较, 还原出全序列原貌。 原理：当测序获得一条EST序列时，它来自哪一个基因的哪个区域是未知的(随机的)，所以属于同一个基因的不同EST序列之间常有交叠的区域。根据这种“交叠”现象，就能找出属于同一个基因的所有EST序列，进而将它们拼接成和完整基因相对应的全长cDNA序列。 可行性 到目前为止, 公共EST数据库(dbEST)中已经收集到约800万条的人的EST序列。 估计这些序列已覆盖了人类全部基因的95%以上，平均起来每个基因有10倍以上的覆盖率。 EST数据库: dbEST 不同的实施方案和计算量 将数据库中的所有序列进行两两比较, 将他们分成一组组(一组内的序列都属于同个基因), 最后再拼接成一条条完整的cDNA序列。对于人的EST库(5百万条序列），需要进行的序列比对次数为: 0.5*(5*106)2=1.25*1013。 以一组感兴趣的(如表达于某种组织的)序列作为”种子”序列(N条)，将它们和整个库比较，以找到它们所属的完整cDNA序列。这种方案需要进行的序列比对次数为： N*5*106。 SiClone 流程图 数据准备，包括： 序列纯化及格式标准化 － － － － － － － － － － － － － － － － － － － － － － － 取出一条 种子库 大 库 种子和大库 的序列比对 判断种子序列 能否被延长 能 — — — —— 延 长 了 的 序 列 代替旧序列 否 结束，放 入contig库 EST数据库质量相对较低，就象许多文献报道，发现了许多内含子，克隆载体，多酶切点，ALU以及3’、5’非翻译序列(统称污染序列，也称载体序列或非insert序列)被包含在EST数据库中，这使得EST序列分析复杂化。因此在进行Contig电脑组装之前，需要探测并去除EST数据库中的污染序列。 ? 181 201 221 240 tactgggtgggaactcaccgcagtgcaggcaaagctatgggccagactgcttctctagga 241 261 281 300 ttcctcctcactggggcaggggcatctctgga