分析举例：水稻Xa21基因区段DNA序列（U37133） CDS：1-2677 bp处和3521-3921 bp处 Blastx分析结果（检索蛋白质数据库）：与 水稻蛋白质序列比较
有些蛋白质序列是推测获得的
Blastn分析结果（检索est other数据库）： 与水稻cDNA序列比较 取决于数据库中EST数据的数量和长度 通过“Tree view”查看与U37133序列 同源的其它EST序列
Chapter 5 基因结构预测 与基因表达分析
cDNA序列
翻译
基因组序列
编码区预测
基因结构分析
蛋白质序列
蛋白质理化性质 二级结构预测 结构域分析 重要信号位点分析 三级结构预测
调控元件分析
选择性剪切 SNP
序列比对 功能注释 KEGG GO 系统发育树
基因预测和基因结构分析
生物信息学中的重要内容之一
TTGACA和TATAAT
核糖体结合位点（转录起始位点后） GGAGG
真核生物
基因结构复杂
已知外显子、内含子－外显子边界、启动子序 列特征
基因预测方法
• 不同方法预测 – 核酸序列出现频率统计法 – 同源比较法 – 隐马尔可夫模型法 – 决策树方法 – 语言学方法 – 神经网络分析法 …… • 训练数据集有针对性 – 原核生物vs.真核生物 – 动物vs.植物
预测编码蛋白质的基因
（一） 基因预测的基本分析内容 排除重复序列
确定开放阅读框（open reading frame, ORF）——内含子/外显子 剪切位点识别；选择性剪切分析 确定基因的调控区——核心启动子/转录因子结合位点/转录启始位 点的识别；转录终止信号的预测； CpG 岛的识别等 ATG TGA
分析举例（1） Softberry（）的 Gene Finding工具，分三大类
Gene Finding in Eukaryota
Operon and Gene Finding in Bacteria
Gene Finding in Viruses
不同的基因预测软件分析结果有差异
因此，要综合多个基因预测软件的分析结果
一种分析工具可选择分析基因的不同结构 exon, poly-A, promoter
重复序列
某些分析工具可选择物种模式（matrix）作 为参照比较对象
某些分析工具可用不同的方式呈现分析结果 （文字或图形）
每一大类包括多个分析软件 在Softberry主页选择“Gene Finding in Eukaryota”类中的“FGENESH” 在FGENESH网页粘贴AY364476的DNA序列、选 择物种作为参照
分析结果（文字和图像）
以图像形式 展示
分析举例（2）
GenScan（/GENSCAN.html）用三个物 种模式作为参照
Sim4
Sim4通过cDNA与基因组序列的联配，识 别目标序列中的基因结构（exon/intron）。
http://pbil.univ-lyon1.fr/sim4.php
Spidey
• NCBI开发的在线预测程序
– /spidey
• 基于BLAST和Dot View局部联配的算法
目前最好的基因预测工具预测一个基因组中的所有外显 子的准确率最多达到75%，预测基因结构的准确率< 50%（Rogic S, Ouellette BF, Mackworth AK. Improving gene recognition accuracy by
combining predictions from two gene-finding programs. Bioinformatics 18 (8):1034-1045, 2002)
分析举例（4） Gene Feature Searches （） 包括多个基因预测软件
NNPP分析启动子位点
在BCM的分析主页选择“Gene Feature Searches”
在“Gene Feature Searches”网页粘贴AY364476 序列、选择“NNPP/Eukaryotic-eukaryotic promoter prediction”
/tools/genefinder/（Dr. Michael Zhang ） /all.htm /tdb/glimmerm/glmr_form.html /all.htm /generation/
基因预测软件
基因结构分析工具
GENSCAN /GENSCAN.html Web/Linux
GeneMark
Gene Finder FGENESH GlimmerM FgeneSB/ FgeneSV Generation
/genemark/ /GeneMark/
Web Web Web Web Web/Linux Web Web
GeneSplicer MZEF SpliceProximalCheck SplicePredictor
分析mRNA/cDNA的外显子组成
GeneSeqer Spidey PROT_MAP Sim4 BLAT BLAST FASTA /cgi-bin/gs.cgi /spidey /berry.phtml?topic=prot_map&group=pr ograms&subgroup=xmap http://gamay.univ-perp.fr/analyse_seq/sim4 / /~kent/src/unzipped/blat/ ftp:///BLAST/Executables ftp:///pub/fasta/win32_fasta/fasta34t21b5d.zip Web/Linux Web Web Web/Linux Linux Web/Windows/ Linux Web/Windows/ Linux
Web
Web/Linux / Windows Web
目前还没有一个基因预测工具可以完全正确地预测一个 基因组中的所有基因（Mathe C, Sagot MF, Schiex T, Rouze P. Current
methods of gene prediction, their strengths and weaknesses. Nucleic Acids Res. 30 (19):4103-4117, 2002)
对基因组序列的读码框区域进行预测
NNSplice Splice View NetGene2
SPL/SPLM/RNASPL/FSPLICE
/seq_tools/splice.html r.it/~webgene/wwwspliceview.html http://www.cbs.dtu.dk/services/NetGene2/ /all.htm /tdb/GeneSplicer/gene_spl.html /~thanaraj/MZEF-SPC.html /cgi-bin/sp/wrapper.cgi /cgi-bin/sp.cgi
预测工具：
GENSCAN，GENEMARK NetGene2，Splice View
5’ GT….AG 3’
内含子/外显子剪切位点识别
如何分析mRNA/cDNA的外显子组 成？
与相应的基因组序列比对，分析比对片段的分 布位置 预测工具：RNASPL，Spidey，SIM4，BLAT， BLAST，FASTA
Vertebrate Arabidopsis
Maize
在GenScan主页粘贴AY364476的DNA序列、选择 “Arabidopsis”作为参照
分析结果（文字和图像）
分析举例（3）
Repeat-GrailEXP（/grailexp） 分析重复序列 在GrailEXP主页选择参照物种和“Repetive Elements”分析功能、粘贴AY364476的DNA序列 在GrailEXP的分析网页点击“Check results” 分析结果：检测到两处simple repeat（位 于Xa26基因后）
Web
Web/Linux Web
GenomeScan
GeneWise
GRAIL BCM Gene Finder
/Software/Wise2/
/grailexp/ /seq-search/genesearch.html
主要选项/参数
序列在线提交形式：
界面中有两个窗口：
• 上方窗口用于输入基因组序列（直接粘贴序列或用Genbank ID/AC号） • 下方窗口用于输入cDNA/mRNA序列（直接粘贴序列或用Genbank ID/AC号）
分析结果
可以选择不同 的预测软件
启动子和转录因 子结合位点 预测软件
GeneBuilder
r.it/~webgene/genebuilder.html
内含子/外显子剪切位点识别
对基因组序列的读码框区域进行预测
内含子5’端供体位点(donor splice site): GT 内含子3’端受体位点(acceptor splice siteExon 1
Exon 2
3’-UTR
（二） 基因预测的基本方法 1. 序列相似性搜索 基因组DNA序列 A. 在6个阅读框中进行翻译并与蛋白质数据库中的序 列进行比较分析（如Blastx） B. 对EST数据库中同一生物的cDNA序列进行比较 分析（如Blastn） 确定基因数目和对应的ORF
Web
Web Web/Linux Linux Web Web
GeneBuilder
FGENESH+ /++
r.it/~webgene/genebuilder.html
/all.htm /genomescan.html
Blastx结果 与cDNA的比对结果