【學(xué)習(xí)課件】第四章：核酸序列檢索與分析

1、第四章: 核酸序列檢索與分析基因工程概論主講教師: xxx答疑電話: 13xxxx76Email: yixxxxin 核酸序檢索 啟動子序列定位及功能預(yù)測 基因表達讀框分析 核酸局部序列比對分析本章內(nèi)容核酸序列檢索主要數(shù)據(jù)庫介紹GenebankEMBLDDBJGenebank Genebank庫包含了所有已知的核酸序列和蛋白質(zhì)序列，以及與它們相關(guān)的文獻著作和生物學(xué)注釋。它是由美國國立生物技術(shù)信息中心(NCBI)建立和維護的。NCBI的網(wǎng)址是：EMBL核酸序列數(shù)據(jù)庫由歐洲生物信息學(xué)研究所(EBI)維護的核酸序列數(shù)據(jù)構(gòu)成，查詢檢索可以通過通過因特網(wǎng)上的序列提取系統(tǒng)(SRS)服務(wù)完成。數(shù)據(jù)庫網(wǎng)址是：

2、http:/www.ebi.ac.uk/embl/DDBJ數(shù)據(jù)庫日本DNA數(shù)據(jù)倉庫(DDBJ)也是一個全面的核酸序列數(shù)據(jù)庫，與Genbank和EMBL核酸庫合作交換數(shù)據(jù)。使用其主頁上提供的SRS工具進行數(shù)據(jù)檢索和序列分析。DDBJ的網(wǎng)址是：http:/www.ddbj.nig.ac.jp/NCBI介紹：NCBI建立在1988年,作為一種公共分子生物學(xué)信息資源, 而創(chuàng)建的公開數(shù)據(jù)庫。NCBI的計劃：1.基本研究；2.數(shù)據(jù)庫；3.軟件的開發(fā)；4.教育和訓(xùn)練現(xiàn)在我們以查找“大鼠心肌肌凝蛋白輕鏈”的基因序列為例，介紹如何從中在線獲取所需要的核酸序列大鼠心肌肌凝蛋白輕鏈(其英文名稱為:myosin li

3、ght chain 2,Myl2)應(yīng)用舉例1.進入2.選擇數(shù)據(jù)庫3.查詢關(guān)鍵詞4.開始查詢序列的英文名稱顯示格式符合條件的記錄數(shù)每頁顯示數(shù)目相關(guān)記錄點擊進入Genbank格式的序列記錄 核酸序檢索 啟動子序列定位及功能預(yù)測 基因表達讀框分析 核酸局部序列比對分析本章內(nèi)容啟動子序列定位及功能預(yù)測真核生物基因表達在時間和空間上的有序性研究，已經(jīng)成為目前世界上最為活躍的科研領(lǐng)域之一。真核生基因調(diào)控，根據(jù)其性質(zhì)可分為兩大類：第一類是瞬時調(diào)控或稱可逆性調(diào)控，它相當(dāng)于原核細胞對環(huán)境條件變化所作出的反應(yīng)。瞬時調(diào)控包括底物或激素水平升降，及細胞周期不同階段中酶活性和濃度的調(diào)節(jié)。第二類是發(fā)育調(diào)控或稱不可逆調(diào)控，

4、是真核基因調(diào)控的精髓部分，它決定了真核細胞生長、分化、發(fā)育的全部進程。根據(jù)基因調(diào)控在同一時間中的先后次序，又可將其分為:轉(zhuǎn)錄水平調(diào)控（transcription regulation）轉(zhuǎn)錄后水平調(diào)控（posttranscription regulation）翻譯水平調(diào)控（translation regulation）蛋白質(zhì)加工水平調(diào)控（protein maturation）等。它們均受到嚴(yán)格的調(diào)控。其中，轉(zhuǎn)錄水平的調(diào)控是最為有力的調(diào)控。RNA聚合酶啟動子是一段位于結(jié)構(gòu)基因5端上游區(qū)的DNA序列，能指導(dǎo)全酶與模板的正確結(jié)合，活化RNA聚合酶，并使之具有起始特異性轉(zhuǎn)錄的形式，故啟動子是指確保轉(zhuǎn)錄精

5、確而有效地起始轉(zhuǎn)錄的DNA序列。 啟動子序列ATG真核基因的啟動子在-25區(qū)域含有序列，在區(qū)域含有序列，在含有或序列。習(xí)慣上，將框上游的保守序列稱為上游啟動子元件（upstream promoter element,UPE）或稱上游激活序列（upstream activating sequence,UAS）. 然而，大多數(shù)的組織結(jié)構(gòu)基因并沒有嚴(yán)格地遵守上述規(guī)GCCACACCCCCATTTATAATG1-25-30-70-80-110UPE基因組序列中啟動子的存在與否以及含有何種啟動子對于了解相應(yīng)基因的轉(zhuǎn)錄調(diào)控具有重要的意義。一些保守的功能區(qū)如啟動子、增強子、轉(zhuǎn)錄因子結(jié)合位點、內(nèi)含子與外顯子剪接

6、位點等也可以通過生物信息學(xué)技術(shù)進行分析。已有大量的數(shù)據(jù)庫收集了啟動子位點（promoter site）和轉(zhuǎn)錄因子結(jié)合位點（transcription site）的信息。 是否含有以上數(shù)據(jù)庫中所包括的序列模式。聯(lián)網(wǎng)至：/seq_tools/promoter.html，可對基因序列進行啟動子分析。以下我們以查找大鼠心肌肌凝蛋白基因序列及啟動子功能分析為例，給同學(xué)們講解核酸序列的檢索與功能分析。 核酸序檢索 啟動子序列定位及功能預(yù)測 基因表達的讀框分析 核酸局部序列比對分析本章內(nèi)容基因表達的讀框分析mRNA需要翻譯為蛋白南方能發(fā)揮其生物學(xué)作用，因此，核酸序列的可讀框架（pen reading fra

7、me,ORF）的分析在基因工程中具有很重要的作用。對于真核生物而言，一條全長cDNA序列將只含有單一的ORF。一般情況下，按照序列是否含有合適的起始密碼子和終止密碼子來查找最長的，或者在同一相位含有前置終止密碼的起始密碼子，并具在poly(A)末尾的區(qū)域視為最可能的。利用計算機和互聯(lián)網(wǎng)，對核酸序列的所有相位進行搜索可以很快地獲得結(jié)果。國際互聯(lián)網(wǎng)上的分析資源有：/gorf/gorf.html(ORF查找器);http:/expasy.hcuge.ch/www/dna.html(將翻譯為蛋白質(zhì))。 核酸序檢索 啟動子序列定位及功能預(yù)測 基因表達的讀框分析 核酸序列比對分析本章內(nèi)容核酸序列的比對分析

8、對核酸序列的首要分析是聯(lián)網(wǎng)進行序列的同源性分析，以便能夠利用最新的數(shù)據(jù)庫反映該序列是否是已知序列以及與已知序列同源性的高低。典型的分析是采用NCBI的BLAST軟件對GENBANK中的非冗余數(shù)據(jù)庫（non-redundant database,nr）進行查詢。該數(shù)據(jù)庫是對GENBANK、EMBL和DDBJ中去除所有相同核酸序列進行整合后所得到的最為全面的已知基因數(shù)據(jù)庫，其中還包括了部分基因組的序列。運行時聯(lián)網(wǎng)至：/BLAST按照提示進行查詢。ggggtcgagt ccgcgtccac ccgcgagtac aaccttcttg cagctcctcc gtcgccggtc 61 cacacccg

9、cc accagttcgc catggatgac gatatcgctg cgctcgtcgt cgacaacggc 121 tccggcatgt gcaaggccgg cttcgcgggc gacgatgctc cccgggccgt cttcccctcc 181 atcgtgggcc gccctaggca ccagggtgtg atggtgggta tgggtcagaa ggactcctac 241 gtgggcgacg aggcccagag caagagaggc atcctgaccc tgaagtaccc cattgaacac 301 ggcattgtca ccaactggga cgatat

10、ggag aagatttggc accacacttt ctacaatgag 361 ctgcgtgtgg cccctgagga gcaccctgtg ctgctcaccg aggcccctct gaaccctaag 421 gccaaccgtg aaaagatgac ccagatcatg tttgagacct tcaacacccc agccatgtac 481 gtagccatcc aggctgtgtt gtccctgtat gcctctggtc gtaccactgg cattgtgatg 541 gactccggag acggggtcac ccacactgtg cccatctatg aggg

11、ttacgc gctccctcat 601 gccatcctgc gtctggacct ggctggccgg gacctgacag actacctcat gaagatcctg 661 accgagcgtg gctacagctt caccaccaca gctgagaggg aaatcgtgcg tgacattaaa 721 gagaagctgt gctatgttgc cctagacttc gagcaagaga tggccactgc cgcatcctct 781 tcctccctgg agaagagcta tgagctgcct gacggtcagg tcatcactat cggcaatgag 84

12、1 cggttccgat gccccgaggc tctcttccag ccttccttcc tgggtatgga atcctgtggc 901 atccatgaaa ctacattcaa ttccatcatg aagtgtgacg ttgacatccg taaagacctc 961 tatgccaaca cagtgctgtc tggtggcacc accatgtacc caggcattgc tgacaggatg 1021 cagaaggaga ttactgccct ggctcctagc accatgaaga tcaagatcat tgctcctcct 1081 gagcgcaagt actctgtgtg gattggtggc tctatcctgg cctcactgtc caccttccag 1141 c