计算机辅助的基因识别.pptVIP

计算机辅助的基因识别 许雪青 分子遗传教研室 Mail to: buyi.chu@ Outline 计算机辅助基因识别的常用策略 ESTs的介绍 ESTs的具体延伸方法 其它基因识别方法的介绍 进展 目前，靠理论计算的方法预测出来的新基因越来越多。啤酒酵母完整基因组 (约1300万bp) 所包含的 6千多个基因，大约 60％ 是通过信息分析得到的。 计算机辅助的基因识别 在生物信息学分析基础上，利用计算机的帮助，通过同源性比对和基因结构和功能分析来协助发现新基因。 而自1995年以来，EST的引入和应用为大规模进行基因克隆和表达分析提供了巨大的动力。 基因识别的三大策略 Content based methods 基于序列内容的方法。依赖序列于整体、全面的特性来判断。这些特性包括：GC含量、密码子偏嗜性、重复序列等等。 不同的物种使用密码子具有不同爱好 重复序列区域不大可能是编码区 基因识别的三大策略 Site-Based methods 基于位点的方法。通过关注某些特殊序列、模块的存在或缺失来识别基因。 常用来检测转录因子结合位点、polyA尾巴、内含子和外显子剪切位点。 mRNA的可变剪切 Splice pair : 基因识别的三大策略 Comparative methods 基于序列比较的方法。依赖于序列同源性来判断。将靶序列和数据库中已知序列进行比对，来判断靶序列是否为基因。 最直接，最可信。但有时无法找到同源性。 Section 2 利用 EST 数据库 (dbEST) 发现新基因 什么是EST EST，表达序列标签（Expression sequence tag）短 cDNA序列，完整基因的某些片段。 单次文库测序产生的cDNA，一般在400-600bp，GeneBank中大约70％是EST STS，序列标签位点。Marker 1.由于是单次测序结果，序列的精确度较低，存在较多错误。(大约 2% error，HGP错误率标准是0.01%). 2.重复结果多,不同 EST‘s t往往来自同一个基因。 3.因此，对 dbEST进行blast时最好用BLASTX and TBLASTX. 4.大部分EST序列来自IMAGE consortium IMAGE consortium the Integrated Molecular Analysis of Genomes and their Expression 四个学术团体在1993年倡导成立。 宗旨在于协作，以便更好的对基因组及其表达进行分析。 从用于EST测序的文库中挑选单个的克隆，整理后免费提供给各研究者。 / 目前已有超过360个人和108个鼠的cDNA文库中共3.8个million cDNA克隆。 IMAGE consortium的序列在Washington university 的基因组测序中心测序，占GENEBANK中EST库的大半。较为可靠。大部分dbEST都有IMAGE ID，描述其组织或细胞来源，测序情况。也可以索取该克隆。 授权分发机构 Within the United States, the distributors are: American Type Culture Collection, Manassas, VA Open Biosystems, Huntsville, AL Research Genetics/Invitrogen, Carlsbad, CA In Europe, I.M.A.G.E. distributors are: MRC geneservice, Babraham, UK RZPD German Resource Center for Genome Research, Berlin Germany EST的产生 利用 EST 数据库 (dbEST) 发现新基因 国际上现已出现了几个基于EST的基因索引如NCBI的dbEST (/dbest) , Merck-Gene index (/est/esthmpg.html ) , GenExpress-index ( ) 这些基因索引数据库(即二次数据库)的构建，极大地方便了相关研究者。 EST和UniGene UniGene： unique genes /UniGene UniGene 是按基因信息将核酸序列进行归类。包含很多ESTs，也包含已知基因 可以用来查找基因丰度和基因组织表达谱 Sec