核酸序列预测分析的基本思路.docVIP

核酸序列预测分析的基本思路 当我们得到一个DNA序列时，一般都需要对该片段进行分析，确定它的功能区域，寻找调控区域、编码区域，预测其编码蛋白，这些就是我们研究DNA序列的目的。核酸序列的预测就是在核酸序列中寻找基因，找出基因的位置及功能位点，以及标记已知的序列模式等过程。在此过程中，确认一段DNA序列是一个基因需要有多个证据的支持：1、一般而言，在重复片段频繁出现的区域里，基因编码区和调控区不太可能出现； 2、如果某段DNA片段的假想产物与某个已知的蛋白质或其它基因的产物具有较高序列相似性的话，那么这个DNA片段就非常可能属于外显子片段；3、在一段DNA序列上出现统计上的规律性，即所谓的“密码子偏好性”，也是说明这段DNA是蛋白质编码区的有力证据；4、其它的证据包括与“模板”序列的模式相匹配、简单序列模式如TATA Box等相匹配等。 一般而言，确定基因的位置和结构需要多个方法综合运用，而且需要遵循一定的规则：1、对于真核生物序列，在进行预测之前先要进行重复序列分析，把重复序列标记出来并除去；2、选用预测分析程序时要注意程序的物种特异性，要弄清程序适用的是基因组序列还是cDNA序列；很多程序对序列长度也有要求，有的程序只适用于长序列，而对EST这类残缺的序列则不适用。?? 要注意的是，尽管各种预测方法都基于现有的生物学数据和已有的生物学知识，但在不同模型或算法基础上建立的不同分析程序有其一定的适用范围和相应的限制条件，因此最好对同一个生物学问题尽量多用几种分析程序，综合分析各种方法得到的结果和结果的可靠性。此外，生物信息学的分析只是为生物学研究提供参考，这些信息能提高研究的效率或提供研究的思路，但很多问题还需要通过实验的方法得到验证。一般地，核酸序列信息分析的基本思路：编码区序列(简称CDS)与EST数据比较→寻找感兴趣ESTS (标准:长度≥100bp，同源性介于50%～85%之间)→所选ESTs与GenEmble数据库比较→找出未克隆ESTs→再与dbEST、dsSTS、dbHTGs、MGD及UniGene数据库比较搜寻重叠群Contigs→设计引物进行PCR扩增或筛选cDNA文库或索取cDNA克隆号进行电子拼接获取全长cDNA→基因定位、表达、结构、功能检测分析等。 核酸序列预测分析的基本方法：1、核酸序列的同源性检索 目前，通过数据库查询、cDNA文库直接测序、mRNA差别显示 (DDRT-PCR)、代表性差示分析(RDA-PCR)和抑制差减杂交(SSH)等方法获得的EST数据越来越庞大。GenBank数据库中收录的EST序列有数百万个之多。由于 EST代表着一段表达基因序列，这样就可用其与公共数据库进行同源性检索，检索与其同源的核酸序列。典型分析是采取NCBI的Blast软件对GenBank 中的非冗余数据库（non-redundant database,nr）进行查询。该数据库是对GenBank、EMBL 和DDBJ中去除所有相同核酸序列进行整合后所得的最为全面的已知基因数据库，其中包括部分基因组序列。登陆 /blast/blast.cgi 选择数据库“Nucleotide”，利用blastn程序进行同源性检索，按照提示进行查询。2、比较基因组分析 达尔文的进化论给比较基因组学提供了理论依据。动物进化从低等到高等，动物与动物之间存在着亲缘关系。这种关系可以从基因序列上反映出来：亲缘关系越近，其基因序列的同源性就越高。可以根据已经亲缘关系较大的动物的基因序列来扩增目的基因的序列。 3、利用Unigene数据库进行电子克隆 登陆 /blast/blast.cgi 选择数据库“dbEST”，利用blastn程序进行同源性检索。一般情况下可从EST数据库中检索到一批与代分析序列高度同源的EST序列，选择同源性比分最高的一条EST序列，然后再从NCBI的UniGene数据库中进行检索，得到相应的UniGene编号。获得待分析序列的UniGene编号以后，就可以将与UniGene Cluster的所有核酸序列下载到本地，利用SequencherTM或其他的序列装配软件进行组装。形成较长的新生序列。4、cDNA序列的开放阅读框分析大量的实验证明，在真核生物起始蛋白质合成时，40S核糖体亚基及有关合成起始因子首先与mRNA模板靠近5`末端处结合，然后向3`末端滑行，发现AUG起始密码子时，与60S大亚基结合形成80S起始复合物开始转译蛋白质。这就是Kozak提出的真核生物蛋白质合成起始的“扫描模式”。MRNA需要翻译为蛋白质方能发挥生物学作用，因此，核酸序列的开放阅读框（open reading frame.ORF）的分析便成为核酸分析的一个重要部分。基于遗传密码表，可通过计算机方便分析