（生物科技行业）功能基因的克隆及生物信息学分析
功能基因的克隆及其生物信息学分析 摘要：随着多种生物全基因组序列的获得，基因组研究正从结构基因组学（structuralgenomics）转向功能基因组学(functionalgenomics)的整体研究。功能基因组学利用结构基因组学研究获得的大量数据与信息评价基因功能(包括生化功能、细胞功能、发育功能、适应功能等)，其主要手段结合了高通量的大规模的实验方法、统计和计算机分析技术[1]，它代表了基因分析的新阶段，已成为21世纪国际生命科学研究的前沿。功能基因组学是利用基因组测序获得的信息和产物，发展和应用新的实验手段，通过在基因组或系统水平上全面分析基因的功能，使生物学研究从对单一基因或蛋白的研究转向多个基因或蛋白同时进行系统的研究，是在基因组静态的组成序列基础上转入对基因组动态的生物学功能学研究[2]。如何研究功能基因，也成为我们面临的一个课题，本文就克隆和生物信息学分析在研究功能基因方面的应用做一个简要的阐述。 关键词：功能基因、克隆、生物信息学分析。 1.功能基因的克隆 1.1图位克隆方法 图位克隆又称定位克隆，它是根据目标基因在染色体上确切位置，寻找与其紧密连锁的分子标记，筛选BCA克隆，通过染色体步移法逐步逼近目的基因区域，根据测序结果或用BAC、YAC克隆筛选cDNA表达文库寻找候选基因，得到候选基因后再确定目标基因。优点是无需掌握基因产物的任何信息，从突变体开始，逐步找到基因，最后证实该基因就是造成突变的原因。通过图位克隆许多
控制质量性状的单基因得以克隆，最近也有报道某些控制数量性状的主效基因（控制蕃茄果实大小的基因克隆[3]、控制水稻成熟后稻谷脱落基因克隆[4]以及小麦VRN2基因克隆[5]等）也通过图位克隆法获得。 1.2同源序列克隆目的基因 首先根据已知的基因序列设计PCR引物，在已知材料中扩增到该片段，并经克隆测序验证，利用放射性同位素标记或其他非同位素标记该PCR片段作为探针，与待研究材料的cDNA文库杂交，就可以获得该基因cDNA克隆，利用克隆进一步筛选基因组文库，挑选阳性克隆，亚克隆并测序，从中就可以筛选到该基因的完整序列。 1.3结合连锁和连锁不平衡的分析方法 结合连锁和连锁不平衡的分析方法是未知基因克隆研究领域发展的新方向[6]。(Linkagedisequilibrium,LD)。与连锁分析不同,连锁不平衡分析可以利用自然群体中历史发生的重组事件。历史上发生的重组使连锁的标记渐渐分布到不同的同源染色体上,这样就只有相隔很近的标记才能不被重组掉,从而形成大小不同的单倍型片段(Haplotypeblock)。这样经过很多世代的重组,只有相隔很近的基因,才能仍处在相同的原始单倍型片段上,基因间的连锁不平衡才能依然存在。所以基于连锁不平衡分析,可以实现目的基因的精细定位。林木大多为自由授粉的异交物种,所以连锁不平衡程度很低,林木基因组中的LD可能会仅局限于非常小的区域,这就为目的基因的精细定位提供了可能,结合SNP检测技术,科学家甚至可以将效应位点直接与单个的核苷酸突变关联起来,进行数量性状寡核苷酸
收稿日期：2012-10-04 第一作者：周建生(1988-)，男，硕士生，E-mail: zhoujiansheng0902@https://www.doczj.com/doc/a518887084.html, *通信作者：焦炳华(1962-)，男，博士，教授， E-mail: jiaobh@https://www.doczj.com/doc/a518887084.html, DNA 甲基化/去甲基化与癌症 周建生，杨生生，缪明永，焦炳华* (第二军医大学基础部生物化学与分子生物学教研室，上海 200433) 摘要：DNA 甲基化是真核细胞基因组中常见的可遗传的表观遗传修饰，在调节细胞增殖、分化、个体发育等方面起重要作用，并且DNA 甲基化水平异常与肿瘤的发生发展密切相关。DNA 甲基化及被动去甲基化主要是在DNA 甲基转移酶家族参与下完成的，而DNA 的主动去甲基化机制尚不是很明确。在肿瘤细胞中DNA 的整体甲基化水平显著降低，但抑癌基因的启动子区域却出现高甲基化。目前尽管有DNA 去甲基化药物用于癌症的临床治疗，但药物特异性较差，因而研究特定基因的主动去甲基化机制有助于研发特异性高的药物用于癌症的治疗。 关键词：DNA 甲基化；DNA 去甲基化；癌症；表观遗传治疗 Relationship between DNA methylation/demethylation and cancer ZHOU Jiansheng, YANG Shengsheng, MIAO Mingyong, JIAO Binghua * (Department of Biochemistry and Molecular Biology, College of Basic Medical Sciences, the Second Military Medical University, Shanghai 200433, China) Abstract: DNA methylation, the most common heritable epigenetic marker of eukaryote genome, plays a critical role in cell proliferation, differentiation, and development. Aberrant DNA methylation is correlated with the onset and progression of cancer. It is well accepted that DNA methylation and DNA passive demethylation are mainly catalyzed by the family of DNA methyltransferases. However, the mechanism of DNA active demethylation is unclear. In cancer cells, the global genomic levels of DNA methylation are lower, but the promoter methylation levels of tumor suppressor genes are higher than in normal tissues. Several demethylating agents have been applied for the clinical treatment of cancer, but these agents are lack of specificity for target genes. So studying the mechanism of active demethylation of specific genes avails the research and development of high-specificity agents for the treatment of cancer.Key words: DNA methylation; DNA demethylation; cancer; epigenetic therapy 表观遗传的概念最初是由Conrad Hal Waddington 于1942年提出的，他认为基因型通过一些偶然的、不确定的机制决定了不同的表现型[1]；1987年Holliday 将这一表观遗传概念用于DNA 甲基化水平改变引起基因表达活性改变现象[2]；现代表观遗传是指在基因的DNA 序列不发生改变的情况下，基因的表达水平与功能发生改变，并产生可以遗传的表型。主要的表观遗传标记存在于染色体的不 同水平，包括DNA 和组蛋白修饰、组蛋白多样性、直接结合于DNA 或组蛋白上的染色体非组蛋白修饰、核内RNA(nuclear RNA, nRNA)、染色体高度有序的结构及位置效应等。其中，DNA 甲基化作为一种重要的表观遗传修饰，参与许多生物过程，包括基因转录调控、转座子沉默、基因印记、X 染色体失活及癌症的发生发展等。本文主要综述DNA 甲基化/去甲基化机制及DNA 甲基化/去
JMJD2B基因的生物信息学分析 2006级本硕一班谢泽飞 指导老师：吴炳礼，许丽艳，李恩民 一对该基因的初步认识 JMJD2B基因是JMJB2基因家族中的一员，而说到该基因的来龙去脉还得从它的家族谈起。JMJD2家族是通过体外克隆的方式从一个编号为KIAA0867的人脑分粒cDNA文库中获得的，而且通过与JMJD1C基因的比较,更加明确了该基因家族的结构特点。该基因家族主要含有一个JmjN，JmjC,JD2H功能域，两个TUDOR功能域。有趣的是在该基因家族的C端末尾的第二个TUDOR功能域上有一个双向的出核入核定位信号，而这似乎提示了某些问题。现在我们对这整个家族有了一个初步的认识，再来看JMJD2B这个基因： 定位：19p13.3 全长：1096 AA 分子量：121896 Da 等电点：6.79 含有2个锌指结构，均为PHD型： 731-789 MCFTSGGENT EPLPANSYIG DDGTSPLIAC GKCCLQVHAS CYGIRPELVN EGWTCSRCA 851-907 KCVYCRKRMK KVSGACIQCS YEHCSTSFHV TCAHAAGVLM EPDDWPYVVS ITCLKHK 在15-57 处含有JmjN功能域，146-309含有JmjC功能域. 二该基因的主要生物学功能 第一点，通过进化树的分析，显示该基因在马这一动物中高度保守。
通过分析该基因的序列，在数据库中查找其同源序列，进而选取不同物种的代表基因进行进化树分析，我们可以看到，马这个物种的被归到了低等的昆虫中去了，按照进化的理论，应该不会出现这种情况的，于是，我们推断，该基因在马这个物种中特别保守，所以进化中的变异非常的小。再进一步想，该基因对马这个物种可能是很重要的，那么为什么这个基因会如此重要呢？通过查找文献，我得出下面的另一个结论，就是该基因的生物学功能：该基因具有去甲基化作用。当然，由于实验不是在马身上做的，我们也就只能得出一般性的结论。 第二点，参与组蛋白去甲基的作用，主动且有普遍特异性。 很显然，越来越多的研究表明，在真核细胞中组蛋白的甲基化修饰水平是该细胞的表观遗传的活跃程度的一个很重要指标。而JMJD2B的这个功能的意义是重大的,其能够使染色体核周异染色体的核周组蛋白去甲基化，进而对细胞的遗传进行表观遗传的调控。研究人员利用间接荧光免疫法进行追踪发现，在两组对照的雌鼠JMJD2B-GFP底物系统中，JMJD2B基因过度表达的一组，H3K9me3水平明显低于另外正常的那一组，都转变为H3K9me1的构型，这说明了JMJD2B 的特异去甲基作用，而且这一过程是主动的，都发生在细胞染色体复制前的一瞬间，速度非常快。但是，在巨大组蛋白中，该基因有表现出可以同时参与H3K9me3和H3K9me2的去甲基作用。
《基因组学与生物信息学》教案 授课专业：生物学大类各专业 课程名称：基因组学与生物信息学 主讲教师：夏庆友程道军赵萍徐汉福
课程说明 一、课程名称：基因组学与生物信息学 二、总课时数：36学时（理论27学时实验9学时） 三、先修课程：遗传学、分子生物学、基因工程 四、使用教材： 杨金水. 基因组学. 北京:高等教育出版社,2002. 张成岗. 贺福初, 生物信息学方法与实践. 北京:科学出版社，2002. 五、教学参考书： T.A.布朗著，袁建刚译著，基因组(2rd版)，北京：科学出版社,2006. 沈桂芳，丁仁瑞，走向后基因组时代的分子生物学，杭州：浙江教育出版社，2005. 罗静初译，生物信息学概论，北京：北京大学出版社，2002. 六、考核方式：考查 七、教案编写说明： 教案又称课时授课计划,是任课教师的教学实施方案。任课教师应遵循专业教学计划制订的培养目标，以教学大纲为依据，在熟悉教材、了解学生的基础上，结合教学实践经验，提前编写设计好每门课程每个章、节或主题的全部教学活动。教案可以按每堂课（指同一主题连续1~2节课）设计编写。教案编写说明如下： 1、编号：按施教的顺序标明序号。 2、教学课型表示所授课程的类型，请在相应课型栏内选择打“√”。 3、题目：标明章、节或主题。 4、教学内容：是授课的核心。将授课的内容按逻辑层次，有序设计编排，必要时标以“*”、“#”“？” 符号分别表示重点、难点或疑点。 5、教学方式既教学方法，如讲授、讨论、示教、指导等。教学手段指教科书、板书、多媒体、模型、 标本、挂图、音像等教学工具。 6、讨论、思考题和作业：提出若干问题以供讨论，或作为课后复习时思考，亦可要求学生作为作业 来完成，以供考核之用。 7、参考书目：列出参考书籍、有关资料。 8、日期的填写系指本堂课授课的时间。
Big Genomic Data in Bioinformatics Cloud Abstract The achievement of Human Genome project has led to the proliferation of genomic sequencing data. This along with the next generation sequencing has helped to reduce the cost of sequencing, which has further increased the demand of analysis of this large genomic data. This data set and its processing has aided medical researches. Thus, we require expertise to deal with biological big data. The concept of cloud computing and big data technologies such as the Apache Hadoop project, are hereby needed to store, handle and analyse this data. Because, these technologies provide distributed and parallelized data processing and are efficient to analyse even petabyte (PB) scale data sets. However, there are some demerits too which may include need of larger time to transfer data and lesser network bandwidth, majorly. 人类基因组计划的实现导致基因组测序数据的增殖。这与下一代测序一起有助于降低测序的成本，这进一步增加了对这种大基因组数据的分析的需求。该数据集及其处理有助于医学研究。 因此，我们需要专门知识来处理生物大数据。因此，需要云计算和大数据技术（例如Apache Hadoop项目）的概念来存储，处理和分析这些数据。因为，这些技术提供分布式和并行化的数据处理，并且能够有效地分析甚至PB级的数据集。然而，也有一些缺点，可能包括需要更大的时间来传输数据和更小的网络带宽，主要。 Introduction The introduction of next generation sequencing has given unrivalled levels of sequence data. So, the modern biology is incurring challenges in the field of data management and analysis. A single human's DNA comprises around 3 billion base pairs (bp) representing approximately 100 gigabytes (GB) of data. Bioinformatics is encountering difficulty in storage and analysis of such data. Moore's Law infers that computers double in speed and half in size every 18 months. And reports say that the biological data will accumulate at even faster pace [1]. Sequencing a human genome has decreased in cost from $1 million in 2007 to $1 thousand in 2012. With this falling cost of sequencing and after the completion of the Human Genome project in 2003, inundate of biological sequence data was generated. Sequencing and cataloguing genetic information has increased many folds (as can be observed from the GenBank database of NCBI). Various medical research institutes like the National Cancer Institute are continuously targeting on sequencing of a million genomes for the understanding of biological pathways and genomic variations to predict the cause of the disease. Given, the whole genome of a tumour and a matching normal tissue sample consumes 0.1 T B of compressed data, then one million genomes will require 0.1 million TB, i.e. 103 PB (petabyte) [2]. The explosion of Biology's data (the scale of the data exceeds a single machine) has made it more expensive to store, process and analyse compared to its generation. This has stimulated the use of cloud to avoid large capital infrastructure and maintenance costs. In fact, it needs deviation from the common structured data (row-column organisation) to a semi-structured or unstructured data. And there is a need to develop applications that execute in parallel on distributed data sets. With the effective use of big data in the healthcare sector, a
生物信息学考试试卷 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-
一、名词解释(每小题4分,共20分) 1、生物信息学 广义：生命科学中的信息科学。生物体系和过程中信息的存贮、传递和表达；细胞、组织、器官的生理、病理、药理过程的中各种生物信息。 狭义：生物分子信息的获取、存贮、分析和利用。 2、人类基因组计划 人类基因组计划准备用15年时间，投入30亿美元，完成人类全部24条染色体的3×109脱氧核苷酸对(bp)的序列测定，主要任务包括作图(遗传图谱、物理图谱的建立及转录图谱的绘制)、测序和基因识别。其中还包括模式生物(如大肠杆菌、酵母、线虫、小鼠等)基因组的作图和测序，以及信息系统的建立。作图和测序是基本的任务，在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息。 3、蛋白质的一级结构 蛋白质的一级结构是指多肽链中氨基酸的序列 4、基因 基因--有遗传效应的DNA片断,是控制生物性状的基本遗传单位。 5、中心法则 是指遗传信息从传递给，再从RNA传递给，即完成遗传信息的转录和翻译的过程。也可以从DNA传递给DNA，即完成DNA的复制过程。这是所有有细胞结构的生物所遵循的法则。 6 、DNA序列比较 序列比较的根本任务是：（1）发现序列之间的相似性；（2）辨别序列之间的差异 目的： 相似序列相似的结构，相似的功能 判别序列之间的同源性 推测序列之间的进化关系 7、一级数据库 数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释 8、基因识别 基因识别，是生物信息学的一个重要分支，使用生物学实验或计算机等手段识别DNA序列上的具有生物学特征的片段。基因识别的对象主要是蛋白质编码基因，也包括其他具有一定生物学功能的因子，如RNA基因和调控因子。 9、系统发生学 系统发生学(phylogenetics)——研究物种之间的进化关系。 10、基因芯片 基因芯片（gene chip），又称DNA微阵列（microarray），是由大量cDNA或寡核苷酸探针密集排列所形成的探针阵列，其工作的基本原理是通过杂交检测信息。
Functions of DNA methylation: islands, start sites, gene bodies and beyond DNA甲基化功能：岛，起始位点，基因体和其他 peter a. jones 摘要 DNA甲基化通常被描述为一个“沉默”的表观遗传标记，的确，5-甲基胞嘧啶的功能最初是在20世纪70年代提出。现在，归功于甲基化绘图的基因组规模的改良，我们可以评估在不同的基因组背景下的DNA甲基化：在基因体上，在调控元件和重复序列上，转录起始位点有或者没有CpG岛。新出现的图片是DNA甲基化功能似乎随背景而改变，DNA甲基化和转录的关系比我们最先认识到的更为微妙。有必要提高我们对DNA甲基化的功能的理解，为了解释这个疾病标记中观察到的变化，比如癌症。 两篇重要的文章在1975年分别表示胞嘧啶残基的甲基化在CpG二核苷酸背景中能作为表观遗传标记。这些文章提出序列可以被重新甲基化，即甲基化通过一种机制的体细胞分裂能够被遗传，包括一种能识别半甲基化CpG回文的酶，甲基基团的存在，可以由DNA结合蛋白和DNA甲基化直接沉默基因解释。虽然这些关键原则中的几个被证明是正确的，解开DNA甲基化与基因沉默的关系已被证明是具有挑战性的。 在CpG序列背景下，在动物身上的大部分工作都集中在5-甲基胞嘧啶（5mC）。据报道，在哺乳动物的其他序列的甲基化广泛分布在植物和一些真菌中。在哺乳动物中，非CpG甲基化的功能目前未知。在这里我主要集中在哺乳动物基因组中的CpG甲基化，包括在其他动物和植物中观察到的差异的讨论。 理解DNA甲基化的功能需要通过基因组考虑甲基化的分布。超过一半的基因脊椎动物的基因组包含短（约1 kb）CpG丰富的区域称为CpG岛（CGIS），其余的基因组因为CpGs而耗尽。当5mC通过自发或酶胸腺嘧啶脱氨基作用被转换成胸腺嘧啶，认为基因组的损失是由于甲基化的序列在种族中的脱氨基；认为CGI存在是因为他们可能是从来没有或只有瞬时甲基化。然而，有很多关于准确定义CGI是什么的讨论，虽然在
基因组学与生物信息学课后作业2016/2/23 名词解释 1 基因组：基因组是指生物体内遗传信息的集合，是某个特定物种细胞内全部DNA分子的总和 2 基因组学：是一门新兴的学科，是在全基因组范围内研究基因的结构、功能、组成及进化的科学，包括多个分支学科 3 C值：指一个单倍体基因组中DNA的总和，一个特定的物种具有其特征性的C值 4 基因家族：来自于一个共同的祖先基因，由基因重复及其突变产生。序列相似，功能相近。 5 假基因：来源于功能基因，但以失去活性的DNA序列，有沉默的假基因，也有可转录的假基因 6 人类基因组计划：旨在为30多亿碱基对构成的人类基因组精确测序，发现所有人类基因并搞清其在染色体上的位置，破译人类全部遗传信息 问答题
简述真核生物染色体与原核生物染色体的差别。 答：真核生物基因组都由分散的长链线性DNA分子组成，每个DNA分子都与蛋白质结合组成染色体；原核生物基因组有2种独立结构的遗传物质，一种为拟核里的染色质，一种为质粒 另外，真核生物基因组含大量非编码序列（高度重复序列，多位于着丝粒、端粒）、断裂基因，而原核生物大部分基因都可以编码 名词解释 突变:基因组小区段范围内DNA分子发生的突然的、可遗传的变异现象。 重组:指基因组中大范围区段发生重新组合。 同源重组:指发生在非姐妹染色单体（sister chromatin) 之间或同一染色体上含有同源序列的DNA分子之间或分子之内的重新组合 转座:一段DNA片段或其拷贝从染色体的一个位置转移到另一位置，并在插入位点两侧产生一对短的正向重复序列 基因重复:含有基因的DNA片段发生重复，可能因同源重组作用出错而发生，或是因为反转录转座与整个染色体发生重复所导致 比较基因组学:在基因组水平上研究不同物种和品系之间在基因组结构与功能方面的亲缘关系及其内在联系的一门新兴交叉学科
常用数据库 在DNA序列方面有GenBank、EMBL和等 在蛋白质一级结构方面有SWISS-PROT、PIR和MIPS等 在蛋白质和其它生物大分子的结构方面有PDB等 在蛋白质结构分类方面有SCOP和CATH等 生物信息学的主要研究内容 1、序列比对（Alignment） 基本问题是比较两个或两个以上符号序列的相似性或不相似性。序列比对是生物信息学的基础，非常重要。两个序列的比对有较成熟的动态规划算法，以及在此基础上编写的比对软件包BLAST和FASTA，可以免费下载使用。这些软件在数据库查询和搜索中有重要的应用。 2、结构比对 基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性。已有一些算法。 3、蛋白质结构预测，包括2级和3级结构预测，是最重要的课题之一 从方法上来看有演绎法和归纳法两种途径。前者主要是从一些基本原理或假设出发来预测和研究蛋白质的结构和折叠过程。分子力学和分子动力学属这一范畴。后者主要是从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构。同源模建（Homology）和指认（Threading）方法属于这一范畴。虽然经过30余年的努力，蛋白结构预测研究现状远远不能满足实际需要。 4、计算机辅助基因识别(仅指蛋白质编码基因)。最重要的课题之一 基本问题是给定基因组序列后，正确识别基因的范围和在基因组序列中的精确位置.这是最重要的课题之一，而且越来越重要。经过20余年的努力，提出了数十种算法，有十种左右重要的算法和相应软件上网提供免费服务。原核生物计算机辅助基因识别相对容易些，结果好一些。从具有较多内含子的真核生物基因组序列中正确识别出起始密码子、剪切位点和终止密码子，是个相当困难的问题，研究现状不能令人满意，仍有大量的工作要做。 5、非编码区分析和DNA语言研究，是最重要的课题之一 在人类基因组中，编码部分进展总序列的3~5%，其它通常称为“垃圾”DNA，其实一点也不是垃圾，只是我们暂时还不知道其重要的功能。分析非编码区DNA 序列需要大胆的想象和崭新的研究思路和方法。DNA序列作为一种遗传语言，不仅体现在编码序列之中，而且隐含在非编码序列之中。 6、分子进化和比较基因组学，是最重要的课题之一 早期的工作主要是利用不同物种中同一种基因序列的异同来研究生物的进化，构建进化树。既可以用DNA序列也可以用其编码的氨基酸序列来做，甚至于可通过相关蛋白质的结构比对来研究分子进化。以上研究已经积累了大量的工作。近年来由于较多模式生物基因组测序任务的完成，为从整个基因组的角度来研究分子进化提供了条件。 7、序列重叠群（Contigs）装配 一般来说，根据现行的测序技术，每次反应只能测出500或更多一些碱基对的序列，这就有一个把大量的较短的序列全体构成了重叠群（Contigs）。逐步把它们拼接起来形成序列更长的重叠群，直至得到完整序列的过程称为重叠群装配。拼接EST数据以发现全长新基因也有类似的问题。已经证明，这是一个NP-完备
DNA 甲基化与肿瘤 一、DNA甲基化与基因表达 5-甲基胞嘧啶是天然存在的修饰碱基，甲基化的 mCpG ，在DNA 双链中对称出现。哺乳类动物基因组约60 %的表达基因5′端启动子存在未被甲基化的CpG岛,而启动子区域外的CpG岛大都为 mCpG。正常情况下，非活化的X染色体、印迹基因等的启动子区域的CpG岛为甲基化状态，而看家基因的 CpG岛则是去甲基化状态。 DNA 甲基化状态与基因表达呈负相关。其调控作用主要在转录水平抑制基因表达。 DNA甲基化的检测方法 经过亚硫酸盐处理后的DNA中胞嘧啶（C）转变为胸腺嘧啶（T）,但是甲基化的中的CpG二核苷酸C 未转变为T，而无甲基化的CpG二核苷酸则发生这种转变，由此可以推断DNA是否发生甲基化。TATAGGGCGAATTGGGCCCTCTAGATGCATGCTCGAGCGG CCGCCAGTGTGATGGATATCTGCAGAATTGCCCTTTAGTAT TGTTTGGTGAAATGGTACGTGTTTATAATTTTAGTTATTTAG GAGGTTGAGGTAGGAGGATTTTTTGAGTTTAGGAGTTTAA GTTTAGTTTGGGTAATATAGTTTAGTGGTTATATTAAAAAA AGTAAAATAGTCGGGCGCGGTGGTTTACGTTTGTAATTTTA GTATTTTGGGAGGTCGAGGCGGGTGGATTACGAGGTTAGG AGGTTGAGATTATTTTAAGGGCAAT
DNA 甲基化抑制基因转录的分子机制 ①DNA 双螺旋结构的大沟为DNA 与多种转录因子的作用部位，mCpG的甲基化胞嘧啶突入大沟，抑制转录因子的结合而抑制转录。②mCpG 激活阻遏蛋白因子，如DMAP1、TSG101、 Mi2等，通过阻遏蛋白因子的作用抑制转录。③DNA甲基化与组蛋白乙酰化的研究发现，组蛋白H3、H4 的赖氨酸去乙酰化后带负电荷,与带正电荷的DNA 结合更紧密,不利于转录过程中的聚合物解聚，从而抑制基因转录。甲基化的CpG 结合蛋白(MeCPs) 与DNA 的mCpG结合,并与组氨酸去乙酰化酶(HDAC) 形成复合物共同抑制转录。 二、DNA甲基化与肿瘤 以往的研究认为癌基因激活、抑癌基因失活主要是基因突变、缺失导致的DNA 序列改变。在肿瘤研究中，检测到许多肿瘤的重要基因并未发生突变、缺失，基因表达的异常主要通过DNA 甲基化实现。癌基因的去甲基化和抑癌基因的甲基化状态，可导致癌基因激活、抑癌基因的失活。癌基因的低甲基化和抑癌基因的高甲基化改变是肿瘤细胞的一个重要特征。 DNA 甲基化状态的改变导致基因结构和功能的异常，与肿瘤发生的关系是近年来研究的热点。 DNA甲基化的异常与基因突变、缺失等基因组异常也有密切的关系
4、生物信息学分析 通过核苷酸序列数据库和基因序列同源性在线分析途径初步对Rv2029c基因进行分类整理。由于结核分枝杆菌耐利福平野生株与核苷酸序列数据库KEGG GENES中的结核分枝杆菌标准株H37Rv的匹配率为100%，以下对基因的分析按照结核分枝杆菌标准株H37Rv的数据库信息进行，即完全匹配的1020bp长度序列（本次提取基因中包含上下游引物等序列，较长，1346bp）。 4.1基本信息 表1 基因基本信息 4.2基因组信息 表2 基因组信息
5、PLN02341（PfkB型碳水化合物激酶家族蛋白），位点208-294 6、PTZ0029（核糖激酶），位点205-301 药物靶点1、同源基因没有药物靶点 2、非同源但序列相似基因没有药物靶点 图3 蛋白结构域 4.3蛋白表达 4.3.1 二级结构分析 预测结果显示，PfkB蛋白的二级结构中β转角占46.61%，α螺旋占33.63%，β折叠占19.76%。转角结构和螺旋结构构成了结核分枝杆菌PfkB蛋白二级结构的骨架。
图4 蛋白二级结构 4.3.2 跨膜区分析 Tuberculist跨膜蛋白预测结果表明：蛋白长度339aa，预测跨膜蛋白数0。 图5 蛋白跨膜区分析 4.3.3 信号肽预测 Predict Protein分析表明PfkB蛋白氨基酸残基没有信号肽，由此推断此蛋白不包含信号肽，不是分泌型蛋白质。
图6 蛋白信号肽预测 4.3.4 疏水性分析 分析结果显示，蛋白最大疏水指数为2.411，最小疏水指数为-2.372。
图7 蛋白疏水性分析 4.3.5 DNA同源性分析 表3 基因同源性分析 菌株序列覆盖 率 E值一致性 Mycobacterium tuberculosis strain Beijing-like, complete genome 100% 0.0 100% Mycobacterium bovis subsp. bovis AF2122/97 complete genome 100% 0.0 100% Mycobacterium tuberculosis 18b genome 100% 0.0 100% Mycobacterium tuberculosis H37RvSiena, complete genome 100% 0.0 100% Mycobacterium tuberculosis str. Kurono DNA, complete genome 100% 0.0 100% Mycobacterium tuberculosis 49-02 complete 100% 0.0 100%
基因组测序基础知识 ㈠De Novo测序也叫从头测序，是首次对一个物种的基因组进行测序，用生物信息学的分析方法对测序所得序列进行组装，从而获得该物种的基因组序列图谱。 目前国际上通用的基因组De Novo测序方法有三种： 1. 用Illumina Solexa GA IIx 测序仪直接测序； 2. 用Roche GS FLX Titanium直接完成全基因组测序； 3. 用ABI 3730 或Roche GS FLX Titanium测序，搭建骨架，再用Illumina Solexa GA IIx 进行深度测序，完成基因组拼接。 采用De Novo测序有助于研究者了解未知物种的个体全基因组序列、鉴定新基因组中全部的结构和功能元件，并且将这些信息在基因组水平上进行集成和展示、可以预测新的功能基因及进行比较基因组学研究，为后续的相关研究奠定基础。 实验流程： 公司服务内容 1.基本服务：DNA样品检测；测序文库构建；高通量测序；数据基本分析（Base calling，去接头， 去污染）；序列组装达到精细图标准 2.定制服务：基因组注释及功能注释；比较基因组及分子进化分析，数据库搭建；基因组信息展 示平台搭建 1.基因组De Novo测序对DNA样品有什么要求？
(1) 对于细菌真菌，样品来源一定要单一菌落无污染，否则会严重影响测序结果的质量。基因组完整无降解(23 kb以上)， OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；每次样品制备需要10 μg样品，如果需要多次制备样品，则需要样品总量=制备样品次数*10 μg。 (2) 对于植物，样品来源要求是黑暗无菌条件下培养的黄化苗或组培样品，最好为纯合或单倍体。基因组完整无降解(23 kb以上)，OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；样品总量不小于500 μg，详细要求参见项目合同附件。 (3) 对于动物，样品来源应选用肌肉，血等脂肪含量少的部位，同一个体取样，最好为纯合。基因组完整无降解(23 kb以上)，OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；样品总量不小于500 μg，详细要求参见项目合同附件。 (4) 基因组De Novo组装完毕后需要构建BAC或Fosmid文库进行测序验证，用于BAC 或Fosmid文库构建的样品需要保证跟De Novo测序样本同一来源。 2. De Novo有几种测序方式 目前3种测序技术 Roche 454，Solexa和ABI SOLID均有单端测序和双端测序两种方式。在基因组De Novo测序过程中，Roche 454的单端测序读长可以达到400 bp，经常用于基因组骨架的组装，而Solexa和ABI SOLID双端测序可以用于组装scaffolds和填补gap。下面以solexa 为例，对单端测序(Single-read)和双端测序(Paired-end和Mate-pair)进行介绍。Single-read、Paired-end和Mate-pair主要区别在测序文库的构建方法上。 单端测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列(图1)。 Paired-end方法是指在构建待测DNA文库时在两端的接头上都加上测序引物结合位点，在第一轮测序完成后，去除第一轮测序的模板链，用对读测序模块(Paired-End Module)引导互补链在原位置再生和扩增，以达到第二轮测序所用的模板量，进行第二轮互补链的合成测序(图2)。 图1 Single-read文库构建方法图2 Paired-end文库构建方法
一、名词解释(31个) 1.生物信息学:广义：应用信息科学的方法和技术，研究生物体系和生物过程中信 息的存贮、信息的内涵和信息的传递，研究和分析生物体细胞、组织、器官的生理、病理、药理过程中的各种生物信息，或者也可以说成是生命科学中的信息科学。狭义：应用信息科学的理论、方法和技术，管理、分析和利用生物分子数据。 2.二级数据库：对原始生物分子数据进行整理、分类的结果，是在一级数据库、实验 数据和理论分析的基础上针对特定的应用目标而建立的。 3.多序列比对：研究的是多个序列的共性。序列的多重比对可用来搜索基因组序列的 功能区域，也可用于研究一组蛋白质之间的进化关系。 4.系统发育分析：是研究物种进化和系统分类的一种方法，其常用一种类似树状分支 的图形来概括各种（类）生物之间的亲缘关系，这种树状分支的图形称为系统发育树。 5.直系同源：如果由于进化压力来维持特定模体的话，模体中的组成蛋白应该是进化 保守的并且在其他物种中具有直系同源性。 指的是不同物种之间的同源性，例如蛋白质的同源性，DNA序列的同源性。（来自百度） 6.旁系（并系）同源：是那些在一定物种中的来源于基因复制的蛋白，可能会进化出 新的与原来有关的功能。用来描述在同一物种内由于基因复制而分离的同源基因。 （来自百度） 7.FASTA序列格式：将一个DNA或者蛋白质序列表示为一个带有一些标记的核苷酸或 氨基酸字符串。 8.开放阅读框（ORF）：是结构基因的正常核苷酸序列，从起始密码子到终止密码子 的阅读框可编码完整的多肽链，其间不存在使翻译中断的终止密码子。（来自百度）9.结构域：大分子蛋白质的三级结构常可分割成一个或数个球状或纤维状的区域，折 叠得较为紧密，各行其功能，称为结构域。 10.空位罚分：序列比对分析时为了反映核酸或氨基酸的插入或缺失等而插入空位并进 行罚分，以控制空位插入的合理性。（来自百度） 11.表达序列标签：通过从cDNA文库中随机挑选的克隆进行测序所获得的部分cDNA的 3’或5’端序列。（来自文献） 12.Gene Ontology 协会： 13.HMM 隐马尔可夫模型：将核苷酸序列看成一个随机序列，DNA序列的编码部分与非 编码部分在核苷酸的选用频率上对应着不同的Markov模型。 14.一级数据库：数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类 整理和注释 15.序列一致性：指同源DNA顺序的同一碱基位置的相同的碱基成员, 或者蛋白质的同 一氨基酸位置的相同的氨基酸成员, 可用百分比表示。 16.序列相似性：指同源蛋白质的氨基酸序列中一致性氨基酸和可取代氨基酸所占的比 例。 17.Blastn：是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将同所查 序列作一对一地核酸序列比对。（来自百度） 18.Blastp：是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐一地同 每条所查序列作一对一的序列比对。（来自百度）
DNA 甲基化重亚硫酸氢盐修饰法（DNA METHYLATION BISULFITE MODIFICATION） 实验操作原理及方法 一、实验目的： 通过本实验，可以检测特定DNA序列的甲基化状态。 二、实验原理： DNA 甲基化是指由S-腺苷甲硫氨酸（SAM）提供甲基基团，在DNA 甲基转移酶（DNA methyltransferases，DNMTs）的作用下，将CpG 二核苷酸的胞嘧啶（C）甲基化为5-甲基化胞嘧啶（5-m C）的一种化学反应。DNA 甲基化是调节基因转录表达的一种重要的表观遗传的修饰方式。 DNA 甲基化主要在转录水平抑制基因的表达。DNA 甲基化引起基因转录抑制的机制可能主要有以下3 种：（1）DNA甲基化直接干扰特异性转录因子与各基因启动子中识别位置的结合。（2）序列特异性的甲基化DNA 结合蛋白与启动子区甲基化CpG 岛结合，募集一些蛋白，形成转录抑制复合物，阻止转录因子与启动子区靶序列的结合，从而影响基因的转录。（3）DNA 甲基化通过改变染色质结构，抑制基因表达。 重亚硫酸氢盐修饰法检测DNA甲基化的基本原理是基于DNA变性后用重亚硫酸氢盐处理，可将未甲基化胞嘧啶修饰成尿嘧啶。此反应的步骤是：1、在C-6位点磺化胞嘧啶残基；2、在C-4处水解去氨基来产生尿嘧啶磺酸盐；3、在碱性条件下去硫酸化。在这个过程中，5-甲基胞嘧啶由于甲基化基团干扰了重亚硫酸氢盐进入到C-6位点而保持着未反应的状态。在重亚硫酸氢盐处理后，使用针对每个修饰后DNA链的引物进行PCR反应。在这个PCR产物中，每5-甲基胞嘧啶显示为胞嘧啶，而由未甲基化胞嘧啶转变成的尿嘧啶则在扩增过程中被胸腺嘧啶所取代。 BSP(bisulfate sequencing PCR) ：重亚硫酸盐使DNA中未发生甲基化的胞嘧啶脱氨基转变成尿嘧啶，而甲基化的胞嘧啶保持不变，进行PCR扩增。最后，对PCR产物进行测序，并且与未经处理的序列比较，判断是否CpG位点发生甲基化。