基因组信息分析-东南大学生物电子学国家重点室.docVIP

第5章 基因组信息分析 人类基因组计划的主要成果是得到一本“天书”，这本天书既简单又复杂。说它简单，是因为这本天书仅仅由4个字母构成，这4个字母分别是A、T、C、G；说它复杂，是因为这本天书包括所有人类生长发育的信息，隐含人类生老病死的规律。对于基因组序列，我们最关心的就是从序列之中找到基因及其表达调控信息。寻找基因牵涉到两个方面的工作，一是识别与基因相关的特殊序列信号，如启动子、起始密码子，通过信号识别大致确定基因所在的区域。另一个工作是预测基因的编码区域，或预测外显子所在的区域。然后结合两个方面的结果确定基因的位置和结构。绝大部分基因表达调控信息隐藏在基因序列的上游区域，在组成上具有一定的特征，可以通过序列分析识别这些特征。 5.1 关于遗传语言 5.1.1 基因组DNA的奥秘 生命是大自然最伟大的创造物，经过亿万年的进化，生命的形式从简单的有机物发展到现在高度复杂但有序的生物系统。蛋白质是构造生命机器的基本元件，大量结构不同、功能各异的蛋白质在遗传信息的控制之下，被不断地合成出来，并有机地组成复杂的生物体。遗传信息存贮在基因组中，具体说就是存贮在由4种字符组成的核酸序列中。 随着分子生物学中心法则的确立，人们逐渐认识到，遗传信息的载体主要是DNA（在少数情况下RNA也充当遗传信息载体），控制生物体性状的基因则是一系列DNA片段。一方面，DNA通过自我复制，在生物体的繁衍过程