基因组注释详解讲解.ppt

基于序列相似性的基因预测 ? 将基因组序列与 EST （ expressed sequence tag ， 表达序列标记 ) 或 cDNA 等相比较 ( 用 Sim4 等方法 ), 从而找出与 mRNA 相对应的区域。 ? 将基因组序列与蛋白质数据库相比较 ( 用 BLASTX 等 方法 ) ，从而找出可能的编码区。 ? 将预测得到的多肽与蛋白质数据库相比较 ? 将基因组序列与同源性相近物种的基因组相比较 , 找 出保守区域。 ? 优点： 基于已有的生物学数据 , 因此结果更有生物学意义 ? 缺点 : 受限于已有的生物学数据 数据库可能存在的误差 对于相似程度应如何定义 基于同源性的基因预测法优缺点 同源搜索 Homology Search a. 序列局部相似比较。试图发现有生物意义保守序列，而不 一定要全局相似。可以由局部相似得出两序列可能有相同 功能或功能相关。 b. 比较得到的是相似性，并非同源性，我们必须根据相似 性结合其他证据做出判断。 ? Blast ? Web: /blast/ ? Application:http://www.ncbi.nlm.nih.g ov/BLAST/download.shtml 如何正确看待比较结果 ? BLAST 找出的结果仅仅是表示两条序列之间有局部相似， 与同源性关系不大，认定功能相同或相关也不是充分的。 一定要结合其他的分析结果判断。 ? BLAST 结果中相似部分需要认真仔细观察。看看相似的 部分是生物上功能重要的保守部分，还是一些无关紧要的 重复序列 ? 结合已知的信息（比如该蛋白不可能有某种功能和可能有 某种功能），注意在比较中排在后面的是否与其他已知信 息相符的记录 ? 统计上有意义与生物上有意义是有差别的 同样或相似的功能蛋白或基因 与已知的功能相关之蛋白基因 1185731.shtml 广州形象大使首日报名超过 500 母女一块竞逐 ? 也有出问题的时候，虽然很相似，但可能没有什么 关系 注意一 ? Blast No Hits 并不是表明找不到同源 accaggttacccggttaaccttacccagatttac ||||||| ||| ||||||| |||| ||||||||| accaggtaaccaggttaactttactcagatttac 默认 WordSize=11, 如果找不到 11 个完全匹配的就无法延伸出 Hits 可以修改 WordSize, 但是 wordsize 越小会导致搜索速度慢 … 找到无用的 匹配也会增多 … 解决方案： PatternHunter, ssearch(fasta) 注意二 : ? 通过同源比对进行蛋白功能注释： Gene Duplication 引入的同源比对判断误 差，并不是匹配分数最高的就是功能类似 解决方案 : 需要引入物种进化树辅助判断 ? 隐马科夫模型（ Hidden Markov Model ， HMM ） * ? 人工神经网络（ Neural Network ） ? 动态规划法 ? 决策树 ? 语言学方法 ? 线性判别法 “从头开始”基因预测法： GENE Prediction ? GENESCAN /GENSCAN.html ? GENEMARK /GeneMark/eukhmm.cgi ? FGENESH /berry.phtml?topic=fgenesh&group= programs&subgroup=gfind GeneScan GeneScan GeneScan GeneMark GeneMark GeneMark FGENESH FGENESH FGENESH 基 因 组 注 释 基因组测序相关技术发展 1981 1986 1989 1991 1994 1998 2000 2002 2003 2006 2007 2008 In the coming future 2009 2010 2005 Affy launches Gene Expression microarrays Rise of Genbank databases from DNA sequencing ABI commercializes f