常用的編碼蛋白質(zhì)基因的注釋方法(基因組注釋分析主要包括哪些內(nèi)容)
1.基因組注釋分析主要包括哪些內(nèi)容
基因組注釋分析主要包括哪些內(nèi)容
基因組注釋包括以下方面的內(nèi)容：
(1) 重復(fù)序列的預(yù)測(cè)。通過比對(duì)已知的重復(fù)序列數(shù)據(jù)庫，找出序列中包含的重復(fù)序列，識(shí)別類型并轉(zhuǎn)化為N或者X，統(tǒng)計(jì)各種類型重復(fù)序列的分布。
(2) 編碼基因的預(yù)測(cè)。通過將轉(zhuǎn)錄組或EST數(shù)據(jù)比對(duì)到拼接后的基因組序列上，找出編碼基因位置，預(yù)測(cè)編碼基因結(jié)構(gòu)?；蛘咄ㄟ^專業(yè)的外顯子預(yù)測(cè)軟件，預(yù)測(cè)編碼基因的外顯子結(jié)構(gòu)。
(3) 小RNA基因的預(yù)測(cè)。通過比對(duì)已知的小RNA的數(shù)據(jù)庫，或者通過生物信息（bioinformation）學(xué)軟件預(yù)測(cè)，找出這些小RNA基因，并進(jìn)行分類。
(4) 調(diào)控序列和假基因的預(yù)測(cè)。
基因功能的注釋，使用的數(shù)據(jù)庫包括NT/NR, SwissProt/TrEMbl, InterPro, KEGG, COG, Gene ontology等，使用比對(duì)的方法，如blast，找出同源相近的基因，并注釋功能。
2.基因組注釋的系統(tǒng)方法
111 開發(fā)環(huán)境本系統(tǒng)基于PC 微機(jī)，操作系統(tǒng)為L(zhǎng)inux。
測(cè)試系統(tǒng)為PIII 550 雙CPU 微機(jī)，內(nèi)存1GB ，運(yùn)行RedHat 710 Linux 系統(tǒng)。數(shù)據(jù)庫管理系統(tǒng)使用MySQL ,Web 服務(wù)器程序使用Apache ，應(yīng)用程序接口用Perl 腳本語言編寫。
本系統(tǒng)也可在單CPU 微機(jī)上運(yùn)行，內(nèi)存不小于512MB。所有系統(tǒng)軟件和應(yīng)用軟件均可以從Internet 網(wǎng)上免費(fèi)獲得。
112 測(cè)試數(shù)據(jù)本系統(tǒng)用藍(lán)細(xì)菌（ Synechococcus sp. ） PCC7002 基因組初步拼接所得最大重疊連續(xù)群（Contig） 作測(cè)試數(shù)據(jù)，共3 03247bp 。113 MGAP 的基因組注釋系統(tǒng)基因組注釋系統(tǒng)是MGAP 的核心，整合了許多常用的基因識(shí)別和蛋白質(zhì)功能預(yù)測(cè)軟件，包括GeneMarks、IPRsearch、BLASTPGP 和FASTA3 等，以及多個(gè)數(shù)據(jù)庫，如非冗余蛋白質(zhì)序列數(shù)據(jù)庫（Non redundant , NR） 、已知三維空間結(jié)構(gòu)的蛋白質(zhì)序列數(shù)據(jù)庫（PDBSeq） 、國(guó)際蛋白質(zhì)資源信息系統(tǒng)（ InterPro） [6] 和直系同源蛋白質(zhì)家族數(shù)據(jù)庫（Cluster of orthologousgroups ,COG） 等，編寫了相應(yīng)的模塊進(jìn)行自動(dòng)操作，并把每一步注釋結(jié)果導(dǎo)入數(shù)據(jù)庫中。
MGAP 整合的一般模塊，可以被其他任何一種微生物基因組直接使用。不同實(shí)驗(yàn)室可根據(jù)實(shí)際研究需要，增加相應(yīng)模塊或數(shù)據(jù)，如藍(lán)細(xì)菌Anabaena sp. strain PCC 7120 的蛋白質(zhì)序列庫等。
基因識(shí)別是MGAP 的第一步，本系統(tǒng)采用微生物基因組基因識(shí)別最為權(quán)威的Gene2Marks 軟件進(jìn)行基因預(yù)測(cè)，通過http :PPopal .biology.gatech.. cgi 網(wǎng)站提交重疊連續(xù)群測(cè)試序列（3 03247bp） ，使用GeneMarks 缺省參數(shù)，預(yù)測(cè)得到279 個(gè)基因。然后用MGAP 的數(shù)據(jù)加載模塊（Loaddata） 將預(yù)測(cè)結(jié)果導(dǎo)入ORF 表中。
114 MGAP 的用戶接口用戶接口用于展示注釋結(jié)果，提供易于操作和分析平臺(tái)。本系統(tǒng)用戶接口基于Web設(shè)計(jì)開發(fā)，用戶可通過瀏覽器訪問基因組注釋系統(tǒng)，包括基因組環(huán)狀圖展示、基因和ORF在染色體上分布圖，并對(duì)注釋信息進(jìn)行檢索。
基因組環(huán)狀基因分布圖構(gòu)建基于如下信息：預(yù)測(cè)所得基因的起始位置、長(zhǎng)度，編碼基因的正負(fù)鏈信息，以及預(yù)測(cè)的基因功能分類。2 結(jié)果圖1 是MGAP 系統(tǒng)對(duì)PCC7002 基因組重疊連續(xù)群測(cè)試序列注釋結(jié)果。
A 為基因展示圖，B 為ORF 顯示頁面。A 中由外向內(nèi)依次為： （1） 正鏈編碼基因； （2） 負(fù)鏈編碼基因； （3）GC 含量統(tǒng)計(jì)； （4） GC 偏離量統(tǒng)計(jì)。
該系統(tǒng)構(gòu)建的環(huán)狀基因組，可顯示正負(fù)鏈上的編碼基因，用相應(yīng)顏色表示功能類別。本系統(tǒng)沿用經(jīng)典蛋白質(zhì)功能分類方法[8] ，即把微生物基因組所有基因按功能分為16 大類，進(jìn)而細(xì)分為113 個(gè)子類。
此外，還增加了統(tǒng)計(jì)GC 含量和GC 偏離量（GC Bias） 功能。計(jì)算GC 含量時(shí)以200bp 為滑動(dòng)窗口，計(jì)算GC 偏離量時(shí)以13kb 為滑動(dòng)窗口。
GC 偏離量表示G和C 含量的差別，定義為： （G2C）P(G+ C) [9] 。點(diǎn)擊A圖中環(huán)狀基因組展示圖，則可得到B 圖基因組局部ORF 顯示頁面。
點(diǎn)擊圖中某個(gè)ORF ，即可調(diào)出其所有注釋信息，包括該ORF 在基因組中的位置、長(zhǎng)度、正負(fù)鏈信息、核酸和蛋白序列，以及對(duì)NR 蛋白庫、COG數(shù)據(jù)庫、InterPro 、PDBseq 數(shù)據(jù)庫的搜索結(jié)果。所有結(jié)果都有相對(duì)應(yīng)的連接可以直接連到原始數(shù)據(jù)庫。
3 討論新基因組功能注釋是基因組研究的重要方面，MGAP 把注釋所用軟件和公共數(shù)據(jù)庫進(jìn)行有機(jī)集成，使注釋過程自動(dòng)進(jìn)行并把結(jié)果存儲(chǔ)到數(shù)據(jù)庫系統(tǒng)中，最終提供友好的界面，可為中小實(shí)驗(yàn)室提供方便實(shí)用的微生物基因組注釋系統(tǒng)，減少人工參與，提高注釋效率。該系統(tǒng)考慮到國(guó)內(nèi)一般中小實(shí)驗(yàn)室的實(shí)際情況，基于廉價(jià)的PC 微機(jī)和免費(fèi)Linux、MySQL 、Apache 和Perl 等軟件系統(tǒng)開發(fā)。
必須指出，目前所有計(jì)算機(jī)注釋信息，均不能保證完全準(zhǔn)確。MGAP 在一定程度上依賴于現(xiàn)有數(shù)據(jù)庫中的注釋信息。
由于各種原因，這些注釋信息必然有一些錯(cuò)誤。顯然，這些錯(cuò)誤信息將不可避免地引入新的注釋系統(tǒng)。
為此，MGAP 綜合了多種注釋方法，并互為補(bǔ)充。例如，一個(gè)ORF 既有BLASTP從NR 數(shù)據(jù)庫搜索到的相似序列，又在InterPro 蛋白質(zhì)模體庫中找到相應(yīng)功能位點(diǎn)，也可找到高分匹配的COGs ，那么該注釋結(jié)果就比較可靠。
此外，必要的人工注釋，可以避免或糾正自動(dòng)注釋的錯(cuò)誤。例如，由于測(cè)序錯(cuò)誤產(chǎn)生的讀碼框移位或是缺失，會(huì)導(dǎo)致一個(gè)基因被拆分成兩段，這種錯(cuò)誤目前只能由手工糾正。
基因組注釋是一個(gè)復(fù)雜、繁瑣的過程，需要大量的生物學(xué)知識(shí)。詳盡、準(zhǔn)確的注釋需要經(jīng)過嚴(yán)格的生物學(xué)實(shí)驗(yàn)才能獲得。
本系統(tǒng)對(duì)測(cè)試序列的注釋結(jié)果仍有許多未知功能基因，需不斷擴(kuò)充新數(shù)據(jù)而逐步更新。MGAP 的新版本將增加交互式用戶注釋模塊，進(jìn)一步擴(kuò)充和增強(qiáng)該系統(tǒng)注釋功能。
3.什么是基因注釋
基因組注釋 是利用生物信息學(xué)方法和工具，對(duì)基因組所有基因的生物學(xué)功能進(jìn)行高通量注釋。
基因組注釋的研究?jī)?nèi)容包括基因識(shí)別和基因功能注釋兩個(gè)方面?；蜃R(shí)別的核心是確定全基因組序列中所有基因的確切位置。從基因組序列預(yù)測(cè)新基因，現(xiàn)階段主要是3 種方法的結(jié)合：
(1)分析mRNA 和EST數(shù)據(jù)以直接得到結(jié)果；
(2)通過相似性比對(duì)從已知基因和蛋白質(zhì)序列得到間接證據(jù)；
(3)基于各種統(tǒng)計(jì)模型和算法從頭預(yù)測(cè)。
對(duì)預(yù)測(cè)出的基因進(jìn)行高通量功能注釋可以借助于以下方法，利用已知功能基因的注釋信息為新基因注釋：
(1)序列數(shù)據(jù)庫相似性搜索；
(2)序列模體搜索；
(3)直系同源序列聚類分析。
擴(kuò)展資料：
基因注釋重大突破：
1、中國(guó)科學(xué)院水生生物研究所葛峰研究員學(xué)科組利用蛋白基因組學(xué)的研究策略和方法，成功對(duì)單細(xì)胞光合真核生物三角褐指藻的基因組進(jìn)行了深度注釋，完成了三角褐指藻的蛋白質(zhì)組精細(xì)圖譜，并建立了完整的真核生物基因組深度注釋實(shí)驗(yàn)技術(shù)和分析流程。
該研究成果的取得，有望進(jìn)一步推動(dòng)蛋白基因組學(xué)在生命和健康領(lǐng)域特別是精準(zhǔn)醫(yī)學(xué)方面的應(yīng)用。
2、美國(guó)加州大學(xué)舊金山分校研究人員發(fā)現(xiàn)，GABP蛋白的一種特定成分GABP-β1L，是與端粒酶逆轉(zhuǎn)錄酶（TERT）啟動(dòng)子突變相關(guān)的膠質(zhì)母細(xì)胞瘤細(xì)胞不受控制地分裂、繁殖的關(guān)鍵。
他們10日在《腫瘤細(xì)胞》雜志上發(fā)表論文稱，新發(fā)現(xiàn)提供了一個(gè)很有前途的用藥靶點(diǎn)，對(duì)未來膠質(zhì)母細(xì)胞瘤及其他多種與TERT啟動(dòng)子突變相關(guān)癌癥的治療具有重要意義。
參考資料來源：百度百科-基因組注釋
4.列舉一個(gè)已知的 DNA序列編碼一種以上蛋白質(zhì)的三種方法
出現(xiàn)在重疊基因中：
①在核糖體結(jié)合位點(diǎn)之后含有多重起始位點(diǎn)，或終止密碼的漏讀（其中UGA、UAG易被漏讀、錯(cuò)讀，UAA能嚴(yán)格終止），例如兩種蛋白質(zhì)均從同一起始密碼開始起譯，其中一種蛋白在遇到第一個(gè)終止密碼是就停止翻譯，另一種蛋白由于發(fā)生漏讀，核糖體繼續(xù)翻譯到下一個(gè)終止密碼處；
②以不同的讀碼框架對(duì)同一條mRNA進(jìn)行識(shí)讀和翻譯；
③選擇不同的起始密碼AUG，但按同一個(gè)讀碼框架對(duì)同一條mRNA進(jìn)行識(shí)讀和翻譯；
④編碼在同一DNA區(qū)段不同極性單鏈上的重疊基因，即反向重疊基因；
⑤真核生物內(nèi)含子選擇性剪接可由同一初級(jí)轉(zhuǎn)錄物產(chǎn)生多種蛋白質(zhì)，即同源異型蛋白。
另一個(gè)版本：
①在核糖體結(jié)合位點(diǎn)之后含有多重起始位點(diǎn)
②在一兩個(gè)堿基的移碼方式出現(xiàn)重疊的可讀框
③不同的剪接方式，產(chǎn)生不同的mRNA方式
