1基因預(yù)測開放讀碼框GENSCANGenomeScanGeneMarkGLIMMER基因結(jié)構(gòu)分析內(nèi)含子/外顯子剪切位點NetGene2Spidey選擇性剪切ProSplicerSpidey轉(zhuǎn)錄調(diào)控序列分析啟動子/轉(zhuǎn)錄起始位點DBTSSPromoterScanCpG島CpGPlot轉(zhuǎn)錄終止信號Hcpolya序列組分分析GC含量cgview密碼子偏好性使用CodonW限制性核酸內(nèi)切酶位點NEBcutter核酸序列分析基因預(yù)測：早期指預(yù)測DNA序列中編碼蛋白質(zhì)的部分，即外顯子部分；現(xiàn)在指整個基因結(jié)構(gòu)的預(yù)測，綜合各種外顯子預(yù)測的算法及對基因結(jié)構(gòu)信號的認(rèn)識，預(yù)測出可能的完整基因。（啟動子預(yù)測、重復(fù)序列預(yù)測、CpG島的預(yù)測等等）

通過生物信息學(xué)手段發(fā)現(xiàn)基因的一般過程①獲取DNA目標(biāo)序列②查找ORF并將目標(biāo)序列翻譯成蛋白質(zhì)序列③在數(shù)據(jù)庫中進(jìn)行序列搜索④多序列比對，查找基因家族⑤查找目標(biāo)序列中的特定模序⑥預(yù)測目標(biāo)序列的二級、三級結(jié)構(gòu)⑦獲取相關(guān)蛋白質(zhì)的功能信息3開放讀碼框的識別開放閱讀框開放閱讀框（英語：Openreadingframe；縮寫：ORF；其他譯名：開放閱讀框架、開放式閱讀框架，開放讀架等）是生物個體的基因組中，可能是蛋白質(zhì)編碼序列的部分?；蛑械腛RF包含并位于開始編碼與終止編碼之間。由于一段DNA或RNA序列有多種不同讀取方式，因此可能同時存在許多不同的開放閱讀框架。開放閱讀框包含一段可以編碼蛋白的堿基序列，不能被終止子打斷。單鏈DNA序列可能有3種閱讀框，但通常只有一種具有編碼的作用，稱為開放閱讀框（openreadingframeorORF）。封閉閱讀框（blockreadingframe）

當(dāng)一個新基因被識別，其DNA序列被解讀，DNA序列可以按六種框架閱讀和翻譯。例如一段5'-UCUAAAGGUCCA-3'序列。此序列共有3種讀取法：

UCUAAAGGUCCA

CUAAAGGUC

UAAAGGUCA

ORF識別包括檢測這六個閱讀框架并決定哪一個包含以啟動子和終止子為界限的DNA序列而其內(nèi)部不包含啟動子或密碼子，符合這些條件的序列有可能對應(yīng)一個真正的單一的基因產(chǎn)物。ORF的識別是證明一個新的DNA序列為特定的蛋白質(zhì)編碼基因的部分或全部的先決條件。

基因結(jié)構(gòu)分析（1）原核基因結(jié)構(gòu)?原核生物基因組小，基因密度高，很少存在重復(fù)序列， 一個基因是由編碼一個蛋白質(zhì)或RNA的開封閱讀框構(gòu)成， 中間沒有間斷。?細(xì)菌的起始密碼子為:ATG,GTG,TTG?核糖體結(jié)合位點(Shine-Delgaronsequence)?終止密碼子較容易確定?轉(zhuǎn)錄終止子?密碼子偏好性翻譯起始位點翻譯終止位點編碼區(qū)轉(zhuǎn)錄終止子TTTTT

7轉(zhuǎn)錄起始位點

AGGAGGT

核糖體結(jié)合位點（2）真核基因結(jié)構(gòu)

?基因組較大，基因密度低，富含重復(fù)序列和轉(zhuǎn)座元件；最重要 的是基因被插入的非編碼序列（內(nèi)含子）切分成小段（外顯 子）。?初生的轉(zhuǎn)錄產(chǎn)物需要經(jīng)過三個步驟轉(zhuǎn)變成成熟的可翻譯為蛋白的mRNA。?真核基因預(yù)測的主要問題是識別外顯子、內(nèi)含子和間接位點。?真核基因中存在一些保守序列特征有助于進(jìn)行計算預(yù)測，如：GT-AG規(guī)則，密碼子偏好性，六聚體頻率，kozak序列，CpG島，poly-A8名稱TATA框（TATAbox）CAAT框（CAATbox）GC框（GCbox）所處位置轉(zhuǎn)錄起始點上游約19～27bp處位于轉(zhuǎn)錄起始點上游70～80bp有兩個拷貝，分別位于CAAT框的兩側(cè)組成TATA(A/T)A(A/T)GG(T/C)CAATCTGGCGGG功能與轉(zhuǎn)錄因子TFⅡ結(jié)合，能夠準(zhǔn)確識別轉(zhuǎn)錄起始點與轉(zhuǎn)錄因子CTF結(jié)合，促進(jìn)轉(zhuǎn)錄與轉(zhuǎn)錄因子SP1結(jié)合，起增強(qiáng)轉(zhuǎn)錄效率的作用9原核和真核生物基因轉(zhuǎn)錄起始位點上游區(qū)結(jié)構(gòu)原核生物真核生物TTGACATATAATAmRNA＋1－10－35PyAPyTATAATGC區(qū)CAAT區(qū)mRNA＋1－40－25－110增強(qiáng)子上游啟動子元件，UPE核心啟動子元件轉(zhuǎn)錄起始位點10轉(zhuǎn)錄終止信號加polyA信號：AAUAAA轉(zhuǎn)錄終止信號：GCrich二重對稱區(qū)、UUUUUUC-GC-GG-CG-CU-AG-CG-CC-GG-CUUUUUUUUURNA5’3’AAUAAACAAAAAAAAAAAAA成熟mRNA5’3’AAUAAACAGUmRNA前體5’3’真核基因組中的重復(fù)序列存在方式單一序列重復(fù)序列中度重復(fù)序列高度重復(fù)序列長度大于300bp2~200bp拷貝數(shù)出現(xiàn)一次或很少幾次拷貝數(shù)102~106之間拷貝數(shù)106~108之間功能編碼蛋白質(zhì)的結(jié)構(gòu)基因（3萬~4萬個）一般不編碼蛋白質(zhì)，但在基因調(diào)控中起重要作用一般不能轉(zhuǎn)錄，但參與染色體結(jié)構(gòu)的維持、形成結(jié)構(gòu)基因間隔等，如構(gòu)成著絲粒、端粒等的衛(wèi)星DNARepBase是真核生物DNA中重復(fù)序列數(shù)據(jù)庫Kozak序列（真核生物）

該序列是在起始密碼子之前與核糖體作用的位點，真核生物mRNA起始密碼AUG上游的第三個核苷酸常常是嘌呤，且多為A（-3A）；其次緊跟在AUG后面的核苷酸，常常也是嘌呤，但多數(shù)情況下是G（+4G）。高等真核生物的Kozak同源序列為：GCCACC(ATG)，弱Kozak同源序列是：CATTGG(ATG)；酵母的Kozak同源序列是：AAAAAA(ATG)，弱Kozak序列是：CGGTGT(ATG)，而沒有起始功能的AUG附近的核苷酸序列則無此保守性。

不同生物對密碼子的使用有不同的偏好，在編碼區(qū)和非編碼區(qū)，特定氨基酸密碼子的出現(xiàn)頻率是不同的，因而蛋白質(zhì)編碼區(qū)密碼存在一定的規(guī)則性。

CodonW

/密碼子使用頻度142、

內(nèi)含子/外顯子分析對基因組序列的讀碼框區(qū)域進(jìn)行預(yù)測內(nèi)含子5’端供體位點(donorsplicesite):GT內(nèi)含子3’端受體位點(acceptorsplicesite):AG預(yù)測工具：GENSCAN，GENEMARKNetGene2,SpliceView

CpG島（CpGisland）是短的、分散的、非甲基化核酸序列，它常出現(xiàn)在持家基因和受調(diào)節(jié)表達(dá)的基因5’端，CpG島定義為長度超過200bp，p(CG)>0.6×p(C)×p(G)值，且GC含量大于50%的序列區(qū)域。統(tǒng)計表明在人和鼠的基因中80%含有CpG島。覆蓋5’啟動子區(qū)域，并常向3端延伸約1000bp，進(jìn)入基因翻譯區(qū)。通過CpG島分析可幫助確定基因5’末端位置。分析序列中的CpG島可用WebGene或CpGplot。（三）、CpG島存在的主要問題?假陽性（FalsePositive,FP）：多預(yù)測了假的編碼區(qū)，即在非編碼區(qū)預(yù)測出編碼區(qū)。?假陰性FalseNegative,FN）：漏掉了真實的編碼區(qū)，即將編碼區(qū)預(yù)測為非編碼區(qū)。（Over?