基因组测序分技术和基因识别完整版.pptVIP

基于编码区域碱基组成特征的识别方法 编码序列与非编码序列在碱基组成上有区别 单个碱基的组成比例 多个碱基的组成 通过统计分析识别编码序列 2、真核基因识别问题 真核基因远比原核基因复杂： 一方面，真核基因的编码区域是非连续的，编码区域被分割为若干个小片段。 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。 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 各种不同的方法有不同的适应面，而不同的方法有时可以结合起来以提高基因识别的准确率。 关键问题是如何提高一个识别算法的敏感性（sensitivity，Sn）和特异性（specificity，Sp）。 3、基因识别的主要方法 两大类识别方法： 从头算方法（或基于统计的方法） 根据蛋白质编码基因的一般性质和特征进行识别，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有关的信息（如EST序列、蛋白质序列），通过同源比较，帮助发现新基因。 最理想的方法是综合两大类方法的优点，开发混合算法。 基因识别方法有 ： （1）基于规则的系统 （2） 语义学方法 （3） 线性辨别分析（LDA） （4） 决策树 ? （5） 动态规划