第三章序列分析PPT讲稿.ppt

《第三章序列分析PPT讲稿.ppt》由会员分享，可在线阅读，更多相关《第三章序列分析PPT讲稿.ppt（92页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第三章序列分析1第1页，共92页，编辑于2022年，星期二什么是什么是序列序列分析分析?拿到一个基因拿到一个基因/蛋白质序列蛋白质序列,我能做什么我能做什么?第2页，共92页，编辑于2022年，星期二q q在数据库中进行序列相似性搜索在数据库中进行序列相似性搜索在数据库中进行序列相似性搜索在数据库中进行序列相似性搜索q q基因结构分析基因结构分析基因结构分析基因结构分析/启动子序列分析启动子序列分析启动子序列分析启动子序列分析q qMotifMotifMotifMotif的寻找与序列的模式识别的寻找与序列的模式识别的寻找与序列的模式识别的寻找与序列的模式识别(含亚细胞定位含亚细胞定位含亚细胞定

2、位含亚细胞定位,跨膜区跨膜区跨膜区跨膜区的预测等的预测等的预测等的预测等序列分析的内容序列分析的内容 -为了功能的分析为了功能的分析为了功能的分析为了功能的分析第3页，共92页，编辑于2022年，星期二序列比对序列比对第第1节节第4页，共92页，编辑于2022年，星期二序列的相似性序列的相似性相似性相似性(similarity)(similarity)是指一种很直接的数量关系数量关系。比如说，A序列和B序列的相似性是80，或者4/5。这是个量化的关系。第5页，共92页，编辑于2022年，星期二序列的相似性序列的相似性相似性相似性(similarity)(similarity)通常在某些位点上有

3、一些氨基酸被另外一些化学物理特性相近的氨基酸所代替，这种突变可称为保守突变。将保守突变的因素考虑在内，就可以对两序列的相似程度打分，所得分值即代表其相似的程度。第6页，共92页，编辑于2022年，星期二一致性一致性(identity):两个蛋白质有一定数量的氨基酸在排比的位点上是相同的，即如果38个氨基酸的蛋白质中15个位点相同，我们说它们一致性为39.4%.MSDTPSTGFSIIHPTSSEGQVPPPRHLSLTHPVVAKRISFYKSG-PRNGTIKIYENPARTFTRPYSAKNITIYKEND第7页，共92页，编辑于2022年，星期二所以所以,相似性的数值一定比一致性的要相似

4、性的数值一定比一致性的要()大大 or 相等相等 or 小小第8页，共92页，编辑于2022年，星期二同源性同源性(homology)(homology)：指从一些数据中推断出的两个基因或蛋白质序列具有共同祖先的结论，属于质的判断质的判断。就是说A和B的关系上，只有是同源序列，或者非同源序列两种关系。而说A和B的同源性为80都是不科学的。生物序列的同源性第9页，共92页，编辑于2022年，星期二相似性和同源性关系一般来说，序列间的相似性越高的话，它们是序列间的相似性越高的话，它们是同源序列的可能性就更高同源序列的可能性就更高。注意不要等价混用这两个名词。A序列和B序列的同源性为80，记住这种说

5、这种说法是错误的！法是错误的！第10页，共92页，编辑于2022年，星期二Porcine and human Bmal1 gene第11页，共92页，编辑于2022年，星期二Porcine and human Bmal1 gene第12页，共92页，编辑于2022年，星期二复习复习-第第1 1节节 序列比对序列比对判断题：判断题：1.1.A A序列和序列和B B序列的相似性是序列的相似性是8080.2.2.A A序列和序列和B B序列的一致性为序列的一致性为39.4%.39.4%.3.3.A A序列和序列和B B序列的同源性是序列的同源性是8080.4.4.相似性的数值一定比一致性的要大相似性

6、的数值一定比一致性的要大.5.5.两序列间的相似性越高，它们的同源性就越高两序列间的相似性越高，它们的同源性就越高.第13页，共92页，编辑于2022年，星期二第第2节节 Blast的应用的应用第14页，共92页，编辑于2022年，星期二Blast简介简介 BLAST 是基于是基于序列相似性序列相似性的的数据库搜索程序数据库搜索程序。BLAST是是“局部相似性基本查询工具局部相似性基本查询工具”(Basic Local Alignment Search Tool)的缩的缩写。写。第15页，共92页，编辑于2022年，星期二Blast程序评价序列相似性的两个数据程序评价序列相似性的两个数据Sco

7、re：使用打分矩阵对匹配的片段进行打分求和的结：使用打分矩阵对匹配的片段进行打分求和的结果，一般来说，匹配片段越长、果，一般来说，匹配片段越长、相似性越高则相似性越高则Score值值越大。越大。E value:氨基酸残基（或碱基）随机排列得到上述氨基酸残基（或碱基）随机排列得到上述Score值值的概率的大小。的概率的大小。E值越小表示越匹配。值越小表示越匹配。E=0表示完全配对，不存在随机配对表示完全配对，不存在随机配对。第16页，共92页，编辑于2022年，星期二主要的blast程序程序名程序名查询查询序列序列数据数据库库搜索方法搜索方法Blastn核酸核酸核酸核酸核酸序列搜索逐一核酸数据核

8、酸序列搜索逐一核酸数据库库中的中的序列序列Blastp蛋白蛋白质质蛋白蛋白质质蛋白蛋白质质序列搜索逐一蛋白序列搜索逐一蛋白质质数据数据库库中的序列中的序列Blastx核酸核酸蛋白蛋白质质核酸序列翻核酸序列翻译译成蛋白成蛋白质质序列后和蛋序列后和蛋白白质质数据数据库库中的序列逐一搜索。中的序列逐一搜索。Tblastn蛋白蛋白质质核酸核酸蛋白蛋白质质序列和核酸数据序列和核酸数据库库中的核酸中的核酸序列翻序列翻译译后的蛋白后的蛋白质质序列逐一比序列逐一比对对。TBlastx核酸核酸核酸核酸核酸序列翻核酸序列翻译译成蛋白成蛋白质质序列，再和序列，再和核酸数据核酸数据库库中的核酸序列翻中的核酸序列翻译译

9、成的成的蛋白蛋白质质序列逐一序列逐一进进行比行比对对。第17页，共92页，编辑于2022年，星期二http:/blast.ncbi.nlm.nih.gov/Blast.cgi第18页，共92页，编辑于2022年，星期二BLAST检索中采用的数据库类别：检索中采用的数据库类别：蛋白数据库：蛋白数据库：nr:无冗余数据库，汇集了无冗余数据库，汇集了GenBank中所有的中所有的蛋白序列蛋白序列+PDB+Swissprot+PIR等汇集等汇集；第19页，共92页，编辑于2022年，星期二BLAST检索中采用的数据库类别：检索中采用的数据库类别：核酸数据库：核酸数据库：nr/nt:无冗余数据库，汇集了

10、无冗余数据库，汇集了GenBank+DDBJ+EMBL中所有的核甘酸序列中所有的核甘酸序列（不包括（不包括EST)第20页，共92页，编辑于2022年，星期二BLASTBLAST的应用的应用第21页，共92页，编辑于2022年，星期二具体步骤具体步骤1.登陆登陆blast主页主页 http:/www.ncbi.nlm.nih.gov/BLAST/2.根据数据类型，选择合适的程序根据数据类型，选择合适的程序3.填写表单信息填写表单信息4.提交任务提交任务5.查看和分析结果查看和分析结果第22页，共92页，编辑于2022年，星期二第23页，共92页，编辑于2022年，星期二第24页，共92页，编辑

11、于2022年，星期二第25页，共92页，编辑于2022年，星期二第26页，共92页，编辑于2022年，星期二第27页，共92页，编辑于2022年，星期二提高期望阈值（提高期望阈值（Expect threshold）;降低延伸种子序列的长度降低延伸种子序列的长度(word size)主要用途：搜索短的基序，如验证主要用途：搜索短的基序，如验证PCR引物的特异性引物的特异性第28页，共92页，编辑于2022年，星期二Blastn-1Blastn-1第29页，共92页，编辑于2022年，星期二Blastn-1Blastn-1第30页，共92页，编辑于2022年，星期二Blastn-1Blastn-1

12、Blastn1的作用：的作用：对于已知的基因，可以对于已知的基因，可以分析其相似基因；分析其相似基因；对于未知的基因片段，对于未知的基因片段，可以分析其属于什么基因。可以分析其属于什么基因。第31页，共92页，编辑于2022年，星期二Blastn-1Blastn-1第32页，共92页，编辑于2022年，星期二Blastn-1Blastn-1第33页，共92页，编辑于2022年，星期二Blastn-2Blastn-2What is EST?第34页，共92页，编辑于2022年，星期二Blastn-2Blastn-2第35页，共92页，编辑于2022年，星期二Blastn-2Blastn-2有什么

13、作用有什么作用?对于新基因，可以了解基因的结构特征对于新基因，可以了解基因的结构特征,5-UTR和和3-UTR 的大小的大小.第36页，共92页，编辑于2022年，星期二BlastpBlastp第37页，共92页，编辑于2022年，星期二BlastpBlastp第38页，共92页，编辑于2022年，星期二BlastpBlastp第39页，共92页，编辑于2022年，星期二BlastpBlastp第40页，共92页，编辑于2022年，星期二BlastpBlastp第41页，共92页，编辑于2022年，星期二BlastpBlastp第42页，共92页，编辑于2022年，星期二BlastpBlast

14、pBlastp的作用：的作用：对于已知的蛋白，可以分析其相似蛋白；对于已知的蛋白，可以分析其相似蛋白；对于未知的蛋白片段，可以分析其属于什么蛋白。对于未知的蛋白片段，可以分析其属于什么蛋白。第43页，共92页，编辑于2022年，星期二具体步骤具体步骤1.登陆登陆blast主页主页 http:/www.ncbi.nlm.nih.gov/BLAST/2.根据数据类型，选择合适的程序根据数据类型，选择合适的程序3.填写表单信息填写表单信息4.提交任务提交任务5.查看和分析结果查看和分析结果第44页，共92页，编辑于2022年，星期二第45页，共92页，编辑于2022年，星期二rice第46页，共92

15、页，编辑于2022年，星期二第47页，共92页，编辑于2022年，星期二第48页，共92页，编辑于2022年，星期二第49页，共92页，编辑于2022年，星期二BlastxBlastx第50页，共92页，编辑于2022年，星期二BlastxBlastx第51页，共92页，编辑于2022年，星期二BlastxBlastx第52页，共92页，编辑于2022年，星期二BlastxBlastxBlastx:分析你的基因编码什么产物分析你的基因编码什么产物?分析你的基因是否是新基因？分析你的基因是否是新基因？第53页，共92页，编辑于2022年，星期二BlastxBlastx第54页，共92页，编辑于2

16、022年，星期二tBlastntBlastn第55页，共92页，编辑于2022年，星期二tBlastntBlastn第56页，共92页，编辑于2022年，星期二tBlastntBlastntBLASTntBLASTn的作用的作用的作用的作用:1.已知一种蛋白序列，在另一物种中进行其同源蛋白基因已知一种蛋白序列，在另一物种中进行其同源蛋白基因的电子克隆的电子克隆(in silico cloning)；2.寻找一个新的蛋白质序列寻找一个新的蛋白质序列(如双向电泳得到的如双向电泳得到的)是否是否已有核酸序列，是否可以克隆？已有核酸序列，是否可以克隆？第57页，共92页，编辑于2022年，星期二Bla

17、stxBlastx当当Blastx没有结果时，可以考虑使用。没有结果时，可以考虑使用。第58页，共92页，编辑于2022年，星期二第一节第一节 序列比对序列比对第二节第二节 Blast Blast应用应用第三节第三节 序列功能分析序列功能分析第59页，共92页，编辑于2022年，星期二序列分析的目的是什么序列分析的目的是什么?-为了功能的分析为了功能的分析-拿到一个基因拿到一个基因/蛋白质序列蛋白质序列,我能做什么我能做什么?第60页，共92页，编辑于2022年，星期二q序列组成序列组成/分子量分子量/等电点等电点-初级分析初级分析q酶切位点分析酶切位点分析(载体构建载体构建)q基因结构分析基

18、因结构分析/启动子序列分析启动子序列分析序列功能分析的内容序列功能分析的内容 第61页，共92页，编辑于2022年，星期二Part 1.初级序列分析初级序列分析序列的组成序列的组成/分子量分子量/等电点分析等电点分析第62页，共92页，编辑于2022年，星期二http:/ 只要进行基因工程利用必须用到各种限制性内切酶如 GGATCC BamHI第65页，共92页，编辑于2022年，星期二进行酶切位点分析的时候，对于构建载体，我们需要知道进行酶切位点分析的时候，对于构建载体，我们需要知道的信息是你的序列中有的信息是你的序列中有/没有某个酶的位点？没有某个酶的位点？为什么？为什么？如果答案是如果答

19、案是“有有”，是什么情况？，是什么情况？“没有没有”又是什么情况？又是什么情况？Plasmid vectorSac IXbaIHind IIIHind IIIXba ICloning siteSacI第66页，共92页，编辑于2022年，星期二Part 3.基因结构分析基因结构分析/启动子序列分析启动子序列分析第67页，共92页，编辑于2022年，星期二1 1）基因结构分析）基因结构分析:了解基因的内含子了解基因的内含子/外显子排列外显子排列方式方式;例子例子1:水稻水稻6PGDH基因进化分析的结果表明其基因进化分析的结果表明其可能来源于内共生可能来源于内共生（基因结构分析表明其没有内含子）（

20、基因结构分析表明其没有内含子）.例子例子2：NHX基因基因第68页，共92页，编辑于2022年，星期二1 1）基因结构分析）基因结构分析）基因结构分析）基因结构分析:Genomic DNAcDNA第69页，共92页，编辑于2022年，星期二用用softberry预测基因结构预测基因结构 http:/ Markov Models(HMMs,隐马尔可夫模型隐马尔可夫模型)最早最早是在上个世纪是在上个世纪60年代末年代末70年代初提出来的一种年代初提出来的一种概率论模概率论模型型。进入。进入80年代以后，逐渐被利用在各个领域。主要的应用年代以后，逐渐被利用在各个领域。主要的应用领域：领域：语音识别系

21、统。语音识别系统。生物学中的生物学中的DNA/protein序列的分析。序列的分析。机器人的控制。机器人的控制。文本文件的信息提取。文本文件的信息提取。第71页，共92页，编辑于2022年，星期二什么是什么是HMM?对于给定的核苷酸序列，我们在位置对于给定的核苷酸序列，我们在位置p处出现的概率依赖于它后核苷酸处出现的概率依赖于它后核苷酸序列。即任何一个核苷酸的出现并不是完全独立的。序列。即任何一个核苷酸的出现并不是完全独立的。对于基因识别而言，对于基因识别而言，HMM可以分为可以分为2种：种：按内容搜索：按内容搜索：即根据核苷酸和密码子在编码区内的分布规律来确定蛋白质即根据核苷酸和密码子在编码

22、区内的分布规律来确定蛋白质的编码区的编码区;按信号搜索：按信号搜索：即通过分析编码区周围的信号即通过分析编码区周围的信号(启动子启动子终止子终止子各种各种cis-element等来确定蛋白质的编码区。等来确定蛋白质的编码区。大家只要知道大家只要知道HMM是目前生物信息学中应用非常广泛的概率论是目前生物信息学中应用非常广泛的概率论模型，广泛应用于基因识别，其基本原理基于任何一个序列的出模型，广泛应用于基因识别，其基本原理基于任何一个序列的出现都不是独立的。现都不是独立的。第72页，共92页，编辑于2022年，星期二一个例子一个例子:用用softberry预测基因结构预测基因结构第73页，共92页

23、，编辑于2022年，星期二2)2)启动子序列分析启动子序列分析:什么是启动子什么是启动子什么是启动子什么是启动子?启动子序列，一般在启动子序列，一般在启动子序列，一般在启动子序列，一般在TSSTSS之前之前之前之前2000bp2000bp，了解哪个位点是了解哪个位点是了解哪个位点是了解哪个位点是TSSTSS，哪个是起始，哪个是起始，哪个是起始，哪个是起始ATG?ATG?TSSATGTATApromoter转录起始位点转录起始位点(transcription start site，TSS)第74页，共92页，编辑于2022年，星期二2)2)启动子序列分析启动子序列分析:所以，我们必须得到所以，我

24、们必须得到所以，我们必须得到所以，我们必须得到TSSTSSTSSTSS的位置的位置的位置的位置.如何通过生物信息学方法确定如何通过生物信息学方法确定如何通过生物信息学方法确定如何通过生物信息学方法确定TSS?TSS?TSS?TSS?首先截取包括首先截取包括首先截取包括首先截取包括ATGATGATGATG之前之前之前之前3000bp3000bp3000bp3000bp和基因的序列采用以下两种方法和基因的序列采用以下两种方法和基因的序列采用以下两种方法和基因的序列采用以下两种方法 1)1)1)1)软件预测软件预测软件预测软件预测,如如如如Softberry;Softberry;Softberry;

25、Softberry;2)2)2)2)搜索搜索搜索搜索ESTESTESTEST数据库数据库数据库数据库;第75页，共92页，编辑于2022年，星期二分析的目的分析的目的分析的目的分析的目的:2)2)首先找到首先找到首先找到首先找到ATGATG前面约前面约前面约前面约3000:3000:如何通过生物信息学方法确定如何通过生物信息学方法确定如何通过生物信息学方法确定如何通过生物信息学方法确定TSS?TSS?以以以以AF486280AF486280为例为例为例为例.首先要找到包含首先要找到包含首先要找到包含首先要找到包含AF486280AF486280的基因组序列的基因组序列的基因组序列的基因组序列.

26、第76页，共92页，编辑于2022年，星期二2 2 2 2)首先截取首先截取首先截取首先截取ATGATGATGATG之前之前之前之前3000bp3000bp3000bp3000bp序列序列序列序列以以以以AF486280AF486280为例为例为例为例.首先要找到包含首先要找到包含首先要找到包含首先要找到包含AF486280AF486280的基因组序列的基因组序列的基因组序列的基因组序列.第77页，共92页，编辑于2022年，星期二第78页，共92页，编辑于2022年，星期二第79页，共92页，编辑于2022年，星期二第80页，共92页，编辑于2022年，星期二第81页，共92页，编辑于202

27、2年，星期二第82页，共92页，编辑于2022年，星期二第83页，共92页，编辑于2022年，星期二方法一方法一:用用softberry预测预测.第84页，共92页，编辑于2022年，星期二方法二方法二:搜索搜索EST数据库数据库.第85页，共92页，编辑于2022年，星期二第86页，共92页，编辑于2022年，星期二亚细胞定位亚细胞定位http:/第87页，共92页，编辑于2022年，星期二亚细胞定位亚细胞定位第88页，共92页，编辑于2022年，星期二信号肽预测信号肽预测http:/genome.cbs.dtu.dk/services/SignalP/第89页，共92页，编辑于2022年，星期二第90页，共92页，编辑于2022年，星期二功能域domain:http:/smart.embl-heidelberg.de/第91页，共92页，编辑于2022年，星期二第92页，共92页，编辑于2022年，星期二