常用的編碼蛋白質基因的注釋方法(基因組注釋分析主要包括哪些內容)
1.基因組注釋分析主要包括哪些內容
基因組注釋分析主要包括哪些內容
基因組注釋包括以下方面的內容：
(1) 重復序列的預測。通過比對已知的重復序列數(shù)據(jù)庫，找出序列中包含的重復序列，識別類型并轉化為N或者X，統(tǒng)計各種類型重復序列的分布。
(2) 編碼基因的預測。通過將轉錄組或EST數(shù)據(jù)比對到拼接后的基因組序列上，找出編碼基因位置，預測編碼基因結構?；蛘咄ㄟ^專業(yè)的外顯子預測軟件，預測編碼基因的外顯子結構。
(3) 小RNA基因的預測。通過比對已知的小RNA的數(shù)據(jù)庫，或者通過生物信息（bioinformation）學軟件預測，找出這些小RNA基因，并進行分類。
(4) 調控序列和假基因的預測。
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，操作系統(tǒng)為Linux。
測試系統(tǒng)為PIII 550 雙CPU 微機，內存1GB ，運行RedHat 710 Linux 系統(tǒng)。數(shù)據(jù)庫管理系統(tǒng)使用MySQL ,Web 服務器程序使用Apache ，應用程序接口用Perl 腳本語言編寫。
本系統(tǒng)也可在單CPU 微機上運行，內存不小于512MB。所有系統(tǒng)軟件和應用軟件均可以從Internet 網(wǎng)上免費獲得。
112 測試數(shù)據(jù)本系統(tǒng)用藍細菌（ Synechococcus sp. ） PCC7002 基因組初步拼接所得最大重疊連續(xù)群（Contig） 作測試數(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別和蛋白質功能預測軟件，包括GeneMarks、IPRsearch、BLASTPGP 和FASTA3 等，以及多個數(shù)據(jù)庫，如非冗余蛋白質序列數(shù)據(jù)庫（Non redundant , NR） 、已知三維空間結構的蛋白質序列數(shù)據(jù)庫（PDBSeq） 、國際蛋白質資源信息系統(tǒng)（ InterPro） [6] 和直系同源蛋白質家族數(shù)據(jù)庫（Cluster of orthologousgroups ,COG） 等，編寫了相應的模塊進行自動操作，并把每一步注釋結果導入數(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。不同實驗室可根據(jù)實際研究需要，增加相應模塊或數(shù)據(jù)，如藍細菌Anabaena sp. strain PCC 7120 的蛋白質序列庫等。
基因識別是MGAP 的第一步，本系統(tǒng)采用微生物基因組基因識別最為權威的Gene2Marks 軟件進行基因預測，通過http :PPopal .biology.gatech.. cgi 網(wǎng)站提交重疊連續(xù)群測試序列（3 03247bp） ，使用GeneMarks 缺省參數(shù)，預測得到279 個基因。然后用MGAP 的數(shù)據(jù)加載模塊（Loaddata） 將預測結果導入ORF 表中。
114 MGAP 的用戶接口用戶接口用于展示注釋結果，提供易于操作和分析平臺。本系統(tǒng)用戶接口基于Web設計開發(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，并對注釋信息進行檢索。
基因組環(huán)狀基因分布圖構建基于如下信息：預測所得基因的起始位置、長度，編碼基因的正負鏈信息，以及預測的基因功能分類。2 結果圖1 是MGAP 系統(tǒng)對PCC7002 基因組重疊連續(xù)群測試序列注釋結果。
A 為基因展示圖，B 為ORF 顯示頁面。A 中由外向內依次為： （1） 正鏈編碼基因； （2） 負鏈編碼基因； （3）GC 含量統(tǒng)計； （4） GC 偏離量統(tǒng)計。
該系統(tǒng)構建的環(huán)狀基因組，可顯示正負鏈上的編碼基因，用相應顏色表示功能類別。本系統(tǒng)沿用經(jīng)典蛋白質功能分類方法[8] ，即把微生物基因組所有基因按功能分為16 大類，進而細分為113 個子類。
此外，還增加了統(tǒng)計GC 含量和GC 偏離量（GC Bias） 功能。計算GC 含量時以200bp 為滑動窗口，計算GC 偏離量時以13kb 為滑動窗口。
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。
點擊圖中某個ORF ，即可調出其所有注釋信息，包括該ORF 在基因組中的位置、長度、正負鏈信息、核酸和蛋白序列，以及對NR 蛋白庫、COG數(shù)據(jù)庫、InterPro 、PDBseq 數(shù)據(jù)庫的搜索結果。所有結果都有相對應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)庫進行有機集成，使注釋過程自動進行并把結果存儲到數(shù)據(jù)庫系統(tǒng)中，最終提供友好的界面，可為中小實驗室提供方便實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)考慮到國內一般中小實驗室的實際情況，基于廉價的PC 微機和免費Linux、MySQL 、Apache 和Perl 等軟件系統(tǒng)開發(fā)。
必須指出，目前所有計算機注釋信息，均不能保證完全準確。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誤。顯然，這些錯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，并互為補充。例如，一個ORF 既有BLASTP從NR 數(shù)據(jù)庫搜索到的相似序列，又在InterPro 蛋白質模體庫中找到相應功能位點，也可找到高分匹配的COGs ，那么該注釋結果就比較可靠。
此外，必要的人工注釋，可以避免或糾正自動注釋的錯誤。例如，由于測序錯誤產(chǎn)生的讀碼框移位或是缺失，會導致一個基因被拆分成兩段，這種錯誤目前只能由手工糾正。
基因組注釋是一個復雜、繁瑣的過程，需要大量的生物學知識。詳盡、準確的注釋需要經(jīng)過嚴格的生物學實驗才能獲得。
本系統(tǒng)對測試序列的注釋結果仍有許多未知功能基因，需不斷擴充新數(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，進一步擴充和增強該系統(tǒng)注釋功能。
3.什么是基因注釋
基因組注釋 是利用生物信息學方法和工具，對基因組所有基因的生物學功能進行高通量注釋。
基因組注釋的研究內容包括基因識別和基因功能注釋兩個方面?；蜃R別的核心是確定全基因組序列中所有基因的確切位置。從基因組序列預測新基因，現(xiàn)階段主要是3 種方法的結合：
(1)分析mRNA 和EST數(shù)據(jù)以直接得到結果；
(2)通過相似性比對從已知基因和蛋白質序列得到間接證據(jù)；
(3)基于各種統(tǒng)計模型和算法從頭預測。
對預測出的基因進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。
擴展資料：
基因注釋重大突破：
1、中國科學院水生生物研究所葛峰研究員學科組利用蛋白基因組學的研究策略和方法，成功對單細胞光合真核生物三角褐指藻的基因組進行了深度注釋，完成了三角褐指藻的蛋白質組精細圖譜，并建立了完整的真核生物基因組深度注釋實驗技術和分析流程。
該研究成果的取得，有望進一步推動蛋白基因組學在生命和健康領域特別是精準醫(yī)學方面的應用。
2、美國加州大學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，是與端粒酶逆轉錄酶（TERT）啟動子突變相關的膠質母細胞瘤細胞不受控制地分裂、繁殖的關鍵。
他們10日在《腫瘤細胞》雜志上發(fā)表論文稱，新發(fā)現(xiàn)提供了一個很有前途的用藥靶點，對未來膠質母細胞瘤及其他多種與TERT啟動子突變相關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.列舉一個已知的 DNA序列編碼一種以上蛋白質的三種方法
出現(xiàn)在重疊基因中：
①在核糖體結合位點之后含有多重起始位點，或終止密碼的漏讀（其中UGA、UAG易被漏讀、錯讀，UAA能嚴格終止），例如兩種蛋白質均從同一起始密碼開始起譯，其中一種蛋白在遇到第一個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)翻譯到下一個終止密碼處；
②以不同的讀碼框架對同一條mRNA進行識讀和翻譯；
③選擇不同的起始密碼AUG，但按同一個讀碼框架對同一條mRNA進行識讀和翻譯；
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真核生物內含子選擇性剪接可由同一初級轉錄物產(chǎn)生多種蛋白質，即同源異型蛋白。
另一個版本：
①在核糖體結合位點之后含有多重起始位點
②在一兩個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
