生物信息学基因组分析

人类基因组计划目前一页\总数五十六页\编于十九点基因组、转录组和蛋白质组基因组转录组蛋白质组化学生物学目前二页\总数五十六页\编于十九点本章内容提要1.基因组的结构与内容2.基因组注释3.比较基因组学4.基因/蛋白质的功能预测目前三页\总数五十六页\编于十九点1.基因组的结构与内容(1)基因的结构(2)mRNA：可变剪切(3)蛋白质：翻译后修饰(4)相互作用网络：基因、蛋白质、小分子之间的相互作用(5)非编码区a.功能元件:转录因子结合位点；启动子…b.Non-codingRNA:MicroRNAc.转座子d.重复片段e.伪基因(Pseudogene)目前四页\总数五十六页\编于十九点(1)基因的结构目前五页\总数五十六页\编于十九点基因组大小&基因数目前六页\总数五十六页\编于十九点基因数量->生物复杂性？1.基因数量的变化，无法解释生物学功能、调控机理以及物种多样性和复杂性的巨大变化2.当前解释：蛋白质组的多样性和复杂性->物种的多样性和复杂性；~10,000,000种蛋白质分子3.两种观点：a.

转录后层面，mRNA剪切，产生拼接异构体b.

蛋白质层面，蛋白质序列上一个或多个位点上发生的翻译后修饰目前七页\总数五十六页\编于十九点GenotypetoPhenotype目前八页\总数五十六页\编于十九点isoform1isoform2isoform3mRNASplicing转录后层面：mRNASplicing目前九页\总数五十六页\编于十九点PhosphorylationSumoylationPalmitoylationAcetylationUbiquitination蛋白质层面：翻译后修饰目前十页\总数五十六页\编于十九点(4)相互作用网络蛋白质-蛋白质相互作用网络目前十一页\总数五十六页\编于十九点细胞信号通路G1/S检验点：有调控方向目前十二页\总数五十六页\编于十九点(5)非编码区a.功能元件:转录因子结合位点；启动子…b.Non-codingRNA:MicroRNAc.转座子d.重复片段e.伪基因(Pseudogene)目前十三页\总数五十六页\编于十九点Functionalelements:Promotor目前十四页\总数五十六页\编于十九点TranscriptionFactorBindingSiteCRM:cis-regulatorymodules目前十五页\总数五十六页\编于十九点Gal4pandKruppelGal4pKruppel目前十六页\总数五十六页\编于十九点其他功能元件Exonsplicingenhancer(ESE)andsilencer(ESS)Intronsplicingenhancer(ISE)andsilencer(ISS)目前十七页\总数五十六页\编于十九点Non-codingRNA1.不翻译成蛋白质，具有重要的调控功能2.分类：a.transferRNA(tRNA)b.ribosomalRNA(rRNA)c.snoRNAs,d.microRNAs,e.siRNAsf.piRNAs:与piwi相互作用的RNAg.longncRNAs:Xist…目前十八页\总数五十六页\编于十九点tRNA&rRNA目前十九页\总数五十六页\编于十九点snoRNAssnoRNAs:SmallnucleolarRNAs;介导其他RNA分子的化学修饰，例如甲基化目前二十页\总数五十六页\编于十九点microRNA/miRNA1.长度21-23bp2.调控基因的表达3.pre-miRNA:~70bp目前二十一页\总数五十六页\编于十九点Transposon转座子：在基因组中能够移动位置的DNA序列目前二十二页\总数五十六页\编于十九点2.基因组注释(1)基因组序列的拼装(2)基因预测(3)可变剪切的预测(4)非编码的功能元件的预测目前二十三页\总数五十六页\编于十九点(1)基因组测序：鸟枪法目前二十四页\总数五十六页\编于十九点基因组的拼装目前二十五页\总数五十六页\编于十九点重复序列带来干扰目前二十六页\总数五十六页\编于十九点(2)基因预测直接的，序列高度匹配同一或近缘物种中，与EST，cDNA,蛋白质等序列完美或近似完美的匹配间接的，基于统计学的序列比对(Homology)从头预测(abinitio)以上两种方法的结合目前二十七页\总数五十六页\编于十九点真核生物的基因结构5’3’3’5’

~1-100Mbp5’3’3’5’…………

~1-1000kbpexons(cds

&

utr)/introns(~102-103bp)(~102-105bp)Polyadenylationsitepromoter(~103bp)enhancers(~101-102bp)otherregulatorysequences(~101-102bp)目前二十八页\总数五十六页\编于十九点基因的其他特征1.ORF(OpenReadingFrame):从AUG开始，至stopcodon终止2.CodonUsage:CAI…目前二十九页\总数五十六页\编于十九点HMMmodelforGenePrediction(Genie)Kulp,D.,PhDThesis,UCSC2003目前三十页\总数五十六页\编于十九点(3)可变剪切的预测将EST,cDNA序列比对到基因组上目前三十一页\总数五十六页\编于十九点部分有向图算法目前三十二页\总数五十六页\编于十九点3.比较基因组学(1)有功能的通常保守(2)例：SUMO底物的预测：a.SUMO化位点存在ψ-K-X-E模体b.核定位信号(NLS)c.人和小鼠中，SUMO化位点应当保守d.功能分析：GeneOntology(3)分析结果：a.2,683个人-小鼠保守的SUMO化底物b.SUMO化的功能：参与转录调控、信号转导等目前三十三页\总数五十六页\编于十九点GeneOntology：基因本体论1.描述基因/蛋白质的功能2.三类术语(Term):a.Cellularcomponent:在哪里？b.Biologicalprocess:干什么？c.Molecularfunction：我是谁？目前三十四页\总数五十六页\编于十九点GeneOntology：基因本体论目前三十五页\总数五十六页\编于十九点目前三十六页\总数五十六页\编于十九点功能显著性分析：超几何分布目前三十七页\总数五十六页\编于十九点目前三十八页\总数五十六页\编于十九点转录因子Inhumanproteome:

DNAbinding(GO:0003677):2,255Transcriptionfactoractivity(GO:0003700):1,102regulationoftranscription,DNA-dependent(GO:0006355):2,174InSUMOSubstrates:DNAbinding(GO:0003677):530Transcriptionfactoractivity(GO:0003700):304regulationoftranscription,DNA-dependent(GO:0006355):510因此，可以估计1/4~1/3的转录因子受到SUMO化的调控目前三十九页\总数五十六页\编于十九点4.基因/蛋白质的功能预测(1)一级序列的比较：相似的序列具有相似的功能(2)保守的功能结构域：保守的功能(3)三级结构的比较：相似的结构具有相似的功能(4)蛋白质相互作用的预测目前四十页\总数五十六页\编于十九点(1)一级序列的比较1.同源物的鉴定：不同物种中的直系、旁系同源物的预测2.主要工具：BLAST目前四十一页\总数五十六页\编于十九点(2)保守的功能结构域1.保守的功能结构域：保守的功能2.常用工具：工具网址Interprohttp://www.ebi.ac.uk/interpro/Pfamhttp://pfam.sanger.ac.uk/SMARThttp://smart.embl.de/PROSITE/prosite/ProDomhttp://prodom.prabi.fr/prodom/current/html/home.phpCDD/Structure/cdd/wrpsb.cgi目前四十二页\总数五十六页\编于十九点例：Nek2目前四十三页\总数五十六页\编于十九点(3)三级结构的比较1.Ubiquitin:泛素，主要负责蛋白质的降解2.SUMO：小的类泛素蛋白质，基因转录&信号通路3.催化反应通路的分子机制相似4.序列相似性：不显著！目前四十四页\总数五十六页\编于十九点Ubiquitinvs.SUMO目前四十五页\总数五十六页\编于十九点序列相似性：~20%目前四十六页\总数五十六页\编于十九点结构相似性SUMOUbiquitin目前四十七页\总数五十六页\编于十九点(4)蛋白质相互作用的预测1.基因组信息(Genomicinformation)A.GenefusionandfissionB.Conservationofgeneorder/bidirectionalpairsC.Phylogeneticprofile2.关联的序列特征(Correlatedsequencesignatures)3.mRNAco-expression4.Literaturemining目前四十八页\总数五十六页\编于十九点Genefusion/fission:RosettaStoneABABQueryproteinLinkedproteinRosettaproteinMarcotteEMetal.,Science1999,285:751-753;EnrightAJetal.,Nature,1999,402:86-90GenomeAGenomeB目前四十九页\总数五十六页\编于十九点Conservationofgeneorder/bidirectionalpairsGeneorderpairsBidirectionaltranscribedgenepairsDandekarTetal.,TIBS,1998,23:324-328;OverbeekRetal.,PNAS,1999,96:2896-2901;KorbelJOetal.,NBT,2004,22:911-917目前五十页\总数五十六页\编于十九点PhylogeneticprofilesPellegriniMetal.,PNAS,1999,96:4285-4288;HuynenMAetal.,PNAS,1998,95:5849-5856目前五十一页\总数五十六页\编于十九点CorrelatedsequencesignaturesA.B.ThismodeliscomputationallyfasterandmoreconvenientPIDmodelPIDCmodel目前五十二页\总数五十六页\编于十九点P