應用UCSC/Ensembl查找基因啟動子（promoter）、內含子、

外顯子序列啟動子的甲基化，轉錄因子與啟動子的結合調控基因的表達等研究領域一直較為熱門。本文圖文形式講解了啟動子的概念，利用UCSC如何查找一個基因的啟動子序列，以及外卜顯子和內含子序列的顯示。有彳艮多關于此方面的文章由于寫作在早期，近年來查詢數(shù)據(jù)庫網(wǎng)站的改版使得這些文章有些落伍，使用起來也不方便。本文是最新的關于查詢啟動子方法的文章，創(chuàng)作于2009/10/14，大家可以完全按此操作。在講述某個基因的啟動子查詢之間，我們有必要對基礎知識進行一下復習和總結。先看一下中心法則：ReplicatkinGWTranscriptionTranslationDNA1）RNAProtein^Reverse如忑酣配就觀曲s.gn.oi啟動子是在DNA轉錄為RNA這一步過程中發(fā)揮作用的，在此要與DNA自身復制起始點（稱作復制子）和由mRNA翻譯為蛋白質時的翻譯起始點（以起始密碼子ATG為標志）區(qū)別開來。DNAsequence-specifictranscriptionfactorsTBP(TATA-bindingprotein)定義：啟動子是參與特定基因轉錄及其調控的DNA序列。包含核心啟動子區(qū)域和調控區(qū)域。核心啟動子區(qū)域產(chǎn)生基礎水平的轉錄，調控區(qū)域能夠對不同的環(huán)境條件作出應答，對基因的表達水平做出相應的調節(jié)。啟動子是RNA聚合酶特異性識別和結合的部位。啟動子方向性，位于轉錄起始點上游，本身并不被轉錄。DNA鏈上與RNA鏈的第一個核苷酸對應的堿基標記為+1（如下圖），由此堿基向上游（5’端）數(shù)的堿基順序數(shù)為負（-1，-2，......），向下游（3’端）數(shù)的堿基為正（+2,+3，）-35-10+15h-TAGTGTATTCACATCATAGAAGCACTCTAQAATA^GTCCACG-33r-ATCACATAACTGTACTATCTTCGTGACATGAIATAACAGTTATCCAGGTCC-5*1轉漫RNAy-ACCUCCACG一-3’.?扈動子的部位及其與特條澈澡*弱gEsmm區(qū)域：啟動子的范圍非常大，可以包含轉錄起始位點上游2000bp，有些特定基因的轉錄區(qū)內部也存在著轉錄因子的結合位點，因此也屬于啟動子范圍?？偨Y起來，也就是說啟動子約在與mRNA所對應的DNA序列之前約2000個左右的堿基。明白了啟動子的含義之后，我們以大鼠（rattusnorvegicus）的結締組織生長因子（CTGF）為例，應用UCSC基因組瀏覽器開始查找該基因的啟動子序列。網(wǎng)址為/

UCSCGenomeBiomform^lks進入UCSC的主頁后，在其左側（如上圖）點擊第一項GenomeBrowser,進入基因組瀏覽器入口，如下圖Ahcurtibt]-S|!bkhwIi掙Fw叩呻勺在Organism的下拉菜單中選擇Rat，在assembly的下拉菜單中選擇最新日期Nov.2004，在position框中鍵入CTGF，imagewidth選擇默認即可，如下圖所示:

chdegeflemsasstmbKorsearchterminiagewidthrnlainmalHiRat,麗<血由-■[ktgf|jSOO|拭i泌11C&Hc瞄i■-k>mwdiebrcwsCTnswiuttrfaeetettiflgstotheirdefsmhs利d牛普懷叫*屈_[conligtwt統(tǒng)加日ndd德口啊用拋長用fir.：.p&他血*：om,cn然后點擊Submit，返回的頁面如下:KnownGene'r?KoJL：E偵戲￡樣」M,QMLL￥H3："T"*i：m-EOEJiecTiveE北住grawciifaEEor匚T<3f而二clamE.!jL3￡"*-CcaMCEi'reExa^ucffEffweiT-iZEOTpsenuiaDf-OIKjSgF少m占e巳網(wǎng)“隊丁4部凹-罅欣的羽4■W^Tl2±s.-uUblAf：口!:曲i恤廿p?e>E?LKJRePSeqGeneseaEBezTive-tissuefaet*-prHciisiDEXon-RatRefSeqGenesa^fll*典牡必-晝H9TEE-點—r1,1：e~J!：f￡!!21：S3n!i]l?H32!aT9d-艾AT日=且”1整十土小7a^fll*典牡必-晝H9TEE-點—r1,1：e~J!：f￡!!21：S3n!i]l?H32!aT9d-艾AT日=且”1整十土小7擋1皓n=emc-鼠?？贚EeL」N寸丁TH加■而-匚TGF.m..5JC心mWWLF.-j12堡：業(yè)-(SH.以(MM§海C&M(KKtNH場g[3KCS1&15-D41eojtse^tive■eubjcCE^^EtITD.a^-2rC3X&li-a+2fflAnitetlVe!：lS3JrG：WLbEft■己MM*e自巳羿!IAGraBEC-tTlveCdEiDecriVE:tg詢“WEgMiiza■町CDilfi2573hQg扣撲”N口皿的1?頃*4?7U?TlSSECT.LSSi；±CMZiftZTIW2*E3?^11W6=草心gm.teT153J4”，村!曹■lVD"a^qm*時gr-a^chOiwtbWW比SS^rWthTiwthSasie-5-hGor：4Gt?tarcDEEa^^arF占「■MMCa?f--arEa-Qi-arpzE^Jzrn-EpriNziiLrjic-zRaiAlignedmR5ASearchResultsJ^A^-CHlMrVCQi[Fll5PB.E^1?1F1?NAfCICQDErEC^1TEffEWtllf-BCCdT■-標北1anMFveg-iffa?stiiwwHr^sspuqNflvtB￡昕膈z>2穌臨的占Xon-RatAlignedmR5ASeaixhResults結果顯示該基因的已知序列和相關mRNA序列，點擊KnownGene中的第一個序列，出現(xiàn)包含這序列的圖解概要。為了獲得這個區(qū)域更清晰的圖像，可以點擊緊靠zoomout的1.5X按鈕，如下圖：

J^A^-CHlMrVCQi[Fll5PB.E^1?1F1?NAfCICQDErEC^1TEffEWtllf-BCCdT■G-m*B?nirPCRCMvtnEnii^ciPDF"t'tSCBiwlHeronRatXe.G-m*B?nirPCRCMvtnEnii^ciPDF"I加II場任G、睥tpoSiy中村＜p印][fe蟲I竺Jr，i.LH牛：苴竺fj對于KnownGenes（已知基因）和預測的基因路徑來說，一般的慣例是以一個高的垂直線或塊狀表示每個編碼外顯子，以短的垂直線或塊狀表示5Z端和3，端非翻譯區(qū)。起連接作用的內含子以非常細的線條表示。翻譯的方向由沿著細線的箭頭指示。1【W(wǎng)I4⑶769101113山郊心EiqCmE,bdowsdpressrefreshIqaimtradzdispkyedTtarks1【W(wǎng)I4⑶769101113山郊心EiqCmE,bdowsdpressrefreshIqaimtradzdispkyedTtarkswithLetsofHaitiuiBaiaosasiically噸dispSa%'edinnusiecosapACtirndfs口ggULSSGBWgoadKd?Bns^P^sition|dm?=GoaePredictionTrarksXnoNTlRrfSrqCkpctCOMCAST[d?H"yht^HKDijutE^fSrqMG匚歹ECdens^*JM誅vSGPGe—GesiejdGeiw頗3**本例的搜尋目的來說，默認設置不是理想的設置。按照視圖利用頁面底部的TrackControls按鈕，將一些路徑設置為hide模式（即不顯示），其他設置為dense模式（所有資料密集在一條直線上）；另一些路徑設置為full模式（每個特征有一個分開的線條，最多達300）。在考慮這些路徑內究竟存在那些資料之前，對這些路徑的內容和表現(xiàn)做一個簡要的討論是必要的，許多這些討論是由外界提供給UCSC的。EnsemblGenePredictions路徑由Ensembl提供。Ensembl基因通過許多方法來預測，包括與已知mRNA和蛋白質進行同源性比較。若查詢啟動子區(qū)域，我們需要將EnsemblGenes選擇為dense或full模式，點擊Refresh，即刷新，出現(xiàn)下圖：圖中多出了EnsemblGenes的預測路徑，我們在紅框中圈出。點擊用于表達該序列的任何方塊出現(xiàn)以下頁面：ChrlCul2>ipi-111iw]lq3151迎安區(qū)11口SSSCA整Chri:STSMarkersG?<pCtS?￡1S27S^|g斯時GapLocationsUCSCKttownBAsedonUniFro-t>andGeitB-ankmRNfi事浚8寫。叫MarkersonGenetiWL3芝。09。|andRadiationHybridHapsOtherRefSeqIton-RatRefSeaGenesRatmRNFlsfromGenBankiiB023066BC972563l=lF120275Sp1icedESTSConserwationmousehum#nd03opossumchickenx._tropica1isrr-opica1isMethsl8%SNP5RepeatMaskerX.tropicalis<fiug.2005/xenlroS>Fi1ignmentHet???>>>>>>>>>>???>>>>>>>>>>>???>>>>>>>>>>>>>??>>>>>>>>??????>>>>>>>??>>??>>>>>>>>>?????>>>>>HumanCMar.3906/hgl?>fllsgnmentNet1IIISimpleNuc1ici*Po1wmorphistks<abSNFbuiidi￡5>RepeatingElement^byRepeatMasker點擊紅框中的條形深色方塊（不是EnsemblGenes文字）HomeGenameAG*nofh0BrowserBhtG■眼SorterPCRSes&jonEnsemblGenePredictions(E>SR?<OTOGOOOD20528-EnsecnbtS5)EnsemblGeneLink:EnsemblTranscript:通赤還EasemblProteis:EN5RNO頗0000205#PcsiKonr￡&】:21處70粕點1打心找B^tad:lpl2GenomicSize:311*Strand：-Alt^rnat?Name:ENSRNOGOOOOOO擔缶6CDSStart：completeCDSEnd：8晦letuLinkstosequence：Predk心Prcitcin[r?用c]fdmRNAfromgenomicsequcnce.^G?somicSegyen^/froa]assenibk在此，我們選擇并點擊Linktosequence中的GenomicSequence,即顯示基因組序列，出現(xiàn)以下窗口:Hwn*Gtiwfn”Gvncm*BsrtaTTdbl*iGavwSortutTCRS^sikmFAQHWGmViHkSequfm-t*玳Gen?GetGunatiikSequenceXearGen?Notefyou世血dpfdcf?睥DNAfiaimcrtihaa?eeMHadk&粉金m,tn-(beTable由口言址出她板o>u中世知心d虻印白眥磨Seefufuctftctric^allR^ionOplians:曰PthmetLRa史舟切KM0bom^*■'1jkLoiii回CDSEw?臼"心苴MML..國Larg■?OtoeFASTArecordperecu?OOneFA$TAr?wdpw(專曲日袖g)with§sfliaIw^s-wstmun(Si曲d9gadcnvawcam⑴□$pfeUTC血CDSjmtu4ancron林g沖FASTAKrardwN*ifVfeatWflK箱4kbegpEEngprendrfachrcm&wmrqodupVteoEHH如Ertsvomarea<S&d.theym<YXtrupraC-rd.boortfeiSeqiieak^#F<om2』tLBgOptional?Momnvpcreg.ceIIB/cte?infewfriz*心偵腔5@ease：L】Kw耐堆加比ABhpfKtcasteCAlkwsrcuewwvv+e;isvLibs+<omtrill

,Cktaik矣21&甯日上理C1t&N

在該窗口中，終于出現(xiàn)了promoter的字樣了，哈哈，快要大功告成了啊。在此我們當然要選擇它了，并將其改為2000bp（具體多少bp合適，可根據(jù)文獻資料和實驗目的獲取，有的基因可能在其上游戲幾百bpwwvv+e;isvLibs+<omtrill

,同時另外一個非常重要的就是序列顯示方式了，這里我們在SequenceFormattingOptions選項里進行選擇。我們選擇上圖紅框里的內容，即外顯子大寫，其余的小寫，也就是說mRNA的外顯子大寫，其余上下游非編碼區(qū)以及內含子均為小寫。選擇完后提交，返回如下序列頁面：>rn4_ensGsne_ENSGINOTO0000020528range=chrl:21327099-213322155ttccctgtggcttcccacatsgtttggactttaaaaaaaaaaaatcstcammgmggacagcaaasgegtgaggccaagttgcctatsatacacatgtsgctattcacataacttggaatgttctttctttaaataggaactctchgacctettetetttgaggasatgtttggaasgaacattgsataacaatgttggaaatccttcctgcactccagmgactgetcacacttccagccactcgcaccgtteBetgttgacatgtgactgcactgtbcbgcctgtggetggettbbcbbggtaattgtgtgcagatgatgcggtumgetacttgaagtggttmgetcccttcccccaccgcccctccgttaattgtccatggatggactgBaaaagttgt：mmmactggccaatttaaatggacccttttcatgttataagtetgcagtatgetgttcccccaaBetagtettegesgatatactCBcetttaacttatactcagmagcaccaactstgagmggamgccactcttgggtgtmmucagmagtbbmtgatgtagtattsggggabgcatgggatggcctagaatetetctacctmumatgggaattggacacacacacacacacacacacacacacacacacacacacacacggggggggggagggagsgagagsgsgagagagsgagagsgagmgmgmgmgmgmgmgsgmgmgmmtaaatagtscaggttctmmatgaatgcatbgtacbtgsbbcgagtccttbcbgsBBCtBBgtBgcaatgttBagsBBgmgmgmchmgattaggtacactgtttacatttaacatcaaaggcaccgactBBgcctgttctttccttgacttbBccaccctccbctagcctgcabgeestttgagtagummgmgggettcatcacttgtagacacttggmgamgtcagtmmmm甘七gettagettatagetgggttacagetbgacacabccgt11seegetttgetgtcatgtaaseamgtget11acttcaaaacagamumaactccaacagcatcgttagattatgggttttaggatssgtBBaaaaaasagcctgaacctctgtaumgccatgtttmmmatatctcaactgmacccccactggcctccttccttctgettetttettetcccaccctatgttccctgacacttaxzctseegaacacagetmt11ggtctgmacccataaacttattttcctmmmmmctccatgcccagtcattgtccttccctctctggaccttgaagacabgtccttacataaBgagggctgaaaaatctccctaggaacatgcatctttatagtcctggetttcatatcttttBgccBccabbbsseggttmtctccagtgaccaaaaatcaaacgcctgtatttcagatacBgaatttgcacatsggcattttgggcggggagggggtstttcBBatgactBtsagcBcctttetcctctcagtagsacatccamgagactmumgtcccatgaaggaaaaaaaatctaaaacagtgaaaaagaagta11111gaa111ctaggggcccgtggtatetgcctcttcagetacttgmgtcttgagaaatttttatatcagtageesgaactggtmaagcgattttta^gaagggabgattegagasataatccttgttcatgtat11ctmmgttatatttcatumggamgggtgcgamgmggmtmumgmgmmmgttttBettettggtgttgtgetggabbcbcbscgcctttttttttcttcctggccagetmmmgtgtgeesgetttttcagaeggaggsatgtggagtgtcaaggggtcbggatcbateeggtgtgmgttgatgaggcaggaaggtggggaggmatgcgmggaatgtccctgtttgtgtaggactccattcagttctttggcgageeggeegcccggagcgtataaasgeesgegeeB「「「卜『CACAGCTCTTCTCTCCAAGAAGACTCAGCCAGACCCACTCCAGCICCGAC第一個大寫字母以后就是mRNA序列，之前的小寫字母序列即為啟動子區(qū)域了。大家在做后序的甲基化分析、轉錄因子結合位點分析等便可以復制下來了。剛才我們提到第