实验三基因组序列分析ppt课件

1、复旦大学 实验三：基因序列分析实验三：基因序列分析基因与蛋白质组学数据分析基因与蛋白质组学数据分析2实验项目三：基因序列分析实验项目三：基因序列分析一、 实验目的和要求： 掌握基因可读框的识别；掌握启动子区域的预测掌握CpG岛的预测掌握转录终止信号的预测采用mRNA序列预测基因：Spidey的使用掌握各预测服务器结果的分析3原核生物基因结构原核生物基因结构1 1 长开放阅读框长开放阅读框2 2 高基因密度高基因密度3 3 简单的基因结构简单的基因结构4 4 基因组中基因组中GCGC含量变化非常大含量变化非常大特点：特点：4真核生物基因结构真核生物基因结构特点：特点：1 基因结构复杂基因结构复杂

2、2 具有复杂的基因转录调控方式具有复杂的基因转录调控方式3 具有丰富的可变剪接具有丰富的可变剪接4 有明显的有明显的CpG岛、密码子使用具有偏好性岛、密码子使用具有偏好性5基因组序列分析基因组序列分析6 例：What is Gene Prediction? Given an uncharacterized DNA sequence, find out: 1.Where does the gene starts and ends? 2.Which regions code for a protein? AGCATCGAAGTTGCATGACGATGCATGACCTAGCAGCATCGAAGTTG

3、CATGACGATGCATGACCTAGCAAGTTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATTGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACC

4、TAGCAAGTTGCATGACGATTGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGCGATGCATGACCTAGCAAGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGACGATTGACCTAGTGCATGACTGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGTTGCATGA

5、CGATTGACCTAGTGCATGACGATGCATGACCTAGCAGCATCGAAGTTGCATGACGATGCATGACCTAGCAAGAAGTTGCATGACGATGCATGACCTAATGCgene 1gene 2gene 3exonintergenic regionintron78一一 开放读码框的识别开放读码框的识别开放读码框（open reading frame, ORF) 是一段起始密码子和终止密码子之间的碱基序列ORF 是潜在的蛋白质编码区基因预测基因预测9基因开放阅读框基因开放阅读框/ /基因结构分析识别工具基因结构分析识别工具GetorfEMBOSS通用Plotorf

6、EMBOSS通用ORF Finder NCBI通用BestORFSoftberry真核GENSCANMIT脊椎、拟南芥、玉米Gene FinderZhang lab人、小鼠、拟南芥、酵母FGENESHall.htmSoftberry真核GeneMarkGIT原核GLIMMER Maryland原核FgeneSBSoftberry细菌FgeneSVSoftberry病毒Generation ORNL原核FGENESH+all.htm Softberry原核GenomeScan MIT脊椎、拟南芥、玉米GeneWise EBI人、蠕虫101. ORF Finder的使用及结果分析的使用及结果分析1

7、11. ORF Finder的使用及结果分析的使用及结果分析121. ORF Finder的使用及结果分析的使用及结果分析131. ORF Finder的使用及结果分析的使用及结果分析141. ORF Finder的使用及结果分析的使用及结果分析151. ORF Finder的使用及结果分析的使用及结果分析Blast比对结果搜索到多个显著相似的序列，故所预测的比对结果搜索到多个显著相似的序列，故所预测的ORF的可信度较高。如果的可信度较高。如果要获取该要获取该ORF所编码的蛋白质序列，可以点击所编码的蛋白质序列，可以点击“Accept”按钮后，在按钮后，在“1GenBank”的下拉框中选择的下

8、拉框中选择“3Fasta”，并点击，并点击“view”，即可获取该，即可获取该ORF所编码的蛋白质序所编码的蛋白质序列。列。161. ORF Finder的使用及结果分析的使用及结果分析171. ORF Finder的使用及结果分析的使用及结果分析181. ORF Finder的使用及结果分析的使用及结果分析191. ORF Finder的使用及结果分析的使用及结果分析20提交序列提交序列提交序列文件提交序列文件运行运行GENSCAN选择物种选择物种显示氨基酸或显示氨基酸或CDS序列序列序列名称（可选）序列名称（可选）是否显示非最优外显子是否显示非最优外显子2. Genscan的使用及结果分析

9、的使用及结果分析21基因、基因、外显子外显子及类型及类型正链、正链、负链负链预测单元起预测单元起始、终止及始、终止及长度长度相位相位编码区编码区打分值打分值可信概率、得可信概率、得分值分值2. Genscan的结果分析的结果分析223. FGENESH的使用及结果分析的使用及结果分析输入序列的输入序列的Fasta文件文件233. FGENESH的使用及结果分析的使用及结果分析起始外显子起始外显子中间及末端外显子PolyA位点位点起始碱基起始碱基终止碱基终止碱基 打分打分长度长度243. FGENESH的使用及结果分析的使用及结果分析253. FGENESH的使用及结果分析的使用及结果分析26二

10、二. . 原核和真核生物基因转录起始位点上游区结构原核和真核生物基因转录起始位点上游区结构 原核生物原核生物真核生物真核生物TTGACATATAATAmRNA11035PyAPyTATAATGC区区 CAAT区区mRNA14025110增强子增强子上游启动子元件，上游启动子元件，UPE核心启动子元件核心启动子元件转录起始位转录起始位点点27原核生物原核生物真核生物真核生物28二二. 启动子预测启动子预测输入序列的输入序列的Fasta文件文件29启动子预测结果启动子预测结果从预测结果可知，预测的启动子区在32564至32783之间，启动子阈值系统默认为53.00，预测的启动子分值为84.69，高

11、于阈值，分值越高，说明预测的准确性大。与该启动子可能结合的转录因子如下所示30三 CpG岛预测CpG岛CpG 岛又称为HTF 岛，是DNA上的一个区域，此区域富含GC，二者以磷酸酯键相连。位于真核生物基因转录起始位点上游，GC含50% ，长度200bpCpG岛常出现在管家基因或频繁表达的基因的启动子附近，在这些部位，CpG岛具有阻止序列甲基化的作用，因此，搜索CpG岛可以为基因及其启动子的预测提供线索。CpG Island 分析分析CpG Island WebCpG finderWebCpGPlot/CpGReport/IsochoreWeb31输入序列的输入序列的Fasta文件文件32从该序

12、列的预测结果来看，找到两个从该序列的预测结果来看，找到两个CpG岛，分别位岛，分别位于于501-727，长度为，长度为227个碱基，个碱基，54380-54691，长度为，长度为31233四四 转录终止信号转录终止信号加polyA信号：AAUAAA转录终止信号：转录终止信号：GC rich二重对称区、二重对称区、UUUUUUC-GC-GG-CG-CU-AG-CG-CC-GG-CUUUUUUUUURNA53AAUAAACAAAAAAAAAAAAA成熟成熟mRNA53AAUAAACAGUmRNA前体前体533435转录终止信号预测转录终止信号预测HcpolyaWeb POLYAHWebpolyad

13、q Web36POLYAH的使用及结果分析的使用及结果分析输入序列的输入序列的Fasta文件文件37POLYAH的使用及结果分析的使用及结果分析预测的预测的POLYA位点，位点，LDF为权重为权重38内含子内含子/外显子剪切位点识别外显子剪切位点识别对基因组序列的读码框区域进行预测内含子5端供体位点(donor splice site): GT内含子3端受体位点(acceptor splice site): AG预测工具： GENSCAN，GENEMARK NetGene2, Splice View3940mRNA剪切位点识别：spideyNCBI开发的在线预测程序开发的在线预测程序用于用于m

14、RNA序列同基因组序列比对分析序列同基因组序列比对分析 4142序列在线提交形式：界面中有两个窗口： 上方窗口用于输入基因组序列（直接粘贴序列或用Genbank ID/AC号） 下方窗口用于输入cDNA/mRNA序列（直接粘贴序列或用Genbank ID/AC号）可同时输入多条cDNA/mRNA序列与同一条基因组序列进行分析Spidey序列提交页面序列提交页面输入基因组序列或序输入基因组序列或序列数据库号列数据库号AC002390.143输入相似输入相似mRNA序列序列判断用于分析的序列间的差异，判断用于分析的序列间的差异，并调整比对参数并调整比对参数不受默认内含子长度限制，不受默认内含子长度

15、限制，默认长度：内部内含子默认长度：内部内含子为为35kb, 末端内含子为末端内含子为100kb输出格式输出格式比对阈值比对阈值选择物种选择物种44第一条蓝色序列为第一条蓝色序列为基因组序列，橘黄基因组序列，橘黄色为外显子色为外显子45外显子对应于外显子对应于基因组上的基因组上的起始起始/结束位置结束位置外显子对应于外显子对应于mRNA/cDNA上的上的起始起始/结束位置结束位置供体、受体位点供体、受体位点外显子外显子序号序号外显子外显子长度长度一致性一致性百分比百分比错配和错配和gap46序列联配结果序列联配结果47使用NCBI ORF Finder 识别检索号为L03845的可读框。写下拟南芥phyA序列最长的ORF的起止区间,并粘贴此ORF编码的蛋白质序列的Fasta文件使用Genscan对检索号为D17291的序列进行基因预测，标出外显子区和PolyA位点，用FGENESH对该序列进行预测，写出预测为外显子的序列区间。并比较两个服务器预测的结果是否一致，写出二者都预测为外显子的区段。作作 业业48使用CpGPl