Analysis of DNA sequences

提到遗传，我们都已经习惯于这样的概念，即基因组的编码信息存在于ACGT这四种碱基的排列顺序中。

然而，诸如胞嘧啶的甲基化修饰及其分布，组蛋白的乙酰化等，同样影响着表型。

这就构成了表观遗传学(epigenetics)的主要研究容。

其实，早在1942年，C.H.Waddinton就提出了表观遗传学的概念，他指出，表观遗传与遗传相对，主要研究基因型和表型的关系。

而现在，对于表观遗传学，比较统一的认识是，其研究在没有细胞核DNA序列改变的情况时，基因功能的可逆的可遗传的改变。

也就是说，在不改变基因组序列的前提下，通过DNA和组蛋白的修饰等来调控基因表达，其中又以DNA甲基化(DNA methylation)最为常见，成为表观遗传学的重要组成局部。

随着人类基因组方案的开展，科学家们开场在基因组水平来研究表观遗传学，逐步形成表观基因组学(epigenomics)。

表观基因组学就是要在整个基因组水平来研究表观遗传过程以及与这些过程密切相关的特定基因组区域的识别与鉴定。

2000年10月，人类表观基因组协会(Human Epigenome Consortium)由欧盟赞助，启动了旨在于人类6号染色体MHC区域首先做出DNA的甲基化图谱的先导方案(Pilot Project)。

该方案顺利完成，引导启动了2003年的人类表观基因组方案(Human Epigenome Project，HEP)。

2005年，美国国家卫生院(NIH)下属的国立癌症研究所启动了癌症基因组先导方案。

2006年，该所与国立人类基因组研究所一起共同启动癌症基因组方案(Cancer Genome Project)。

表观基因组学和DNA甲基化与癌症的研究成为新的热点。

本文将简要介绍DNA甲基化与CpG岛，癌症与DNA甲基化，和DNA甲基化的重要检测方法。

DNA甲基化与CpG岛：在人类表观遗传学研究中，最常见的就是CpG 二核苷酸中胞嘧啶的甲基化修饰。

其主要过程是，在CpG甲基化结合蛋白(Methyl-CpG Binding Proteins,MBDs) 和DNA甲基化转移酶(DNAmethyltransferases, DNMTs)的作用下，使CpG二核苷酸5’端的胞嘧啶转变成为5’甲基胞嘧啶。

基因测序英语作文Genome sequencing is a process that determines the complete DNA sequence of an organism's genome. It involves the identification and mapping of all the genes in an organism, as well as the determination of the order of the nucleotides that make up the DNA.There are several different methods for genome sequencing, but the most common approach is to use high-throughput sequencing technologies, such as next-generation sequencing (NGS). These technologies allow researchers to sequence millions of DNA fragments in parallel, which makes it possible to sequence an entire genome relatively quickly and cost-effectively.The first step in genome sequencing is to isolate the DNA from the organism's cells. This DNA is then fragmented into smaller pieces and sequenced using high-throughput sequencing technologies. The resulting sequence data is then assembled using specialized computer algorithms to reconstruct the complete genome sequence.Genome sequencing has a wide range of applications in fields such as medicine, agriculture, and evolutionary biology. In medicine, genome sequencing can be used to identify genetic mutations that are associated with diseases, and to develop personalized treatments based onan individual's genetic profile. In agriculture, genome sequencing can be used to improve crop yields and develop more resilient and nutritious crops. In evolutionary biology, genome sequencing can be used to study the genetic diversity of different species and to understand thegenetic basis of evolutionary processes.In summary, genome sequencing is a powerful tool thathas the potential to revolutionize our understanding of genetics and biology. It has already had a major impact on fields such as medicine and agriculture, and itsapplications are likely to expand in the future as sequencing technologies continue to improve.基因测序是确定生物体基因组完整DNA序列的过程。

《精要速览系列-先锋版生物信息学（第二版）》D.R.Westhead，J.H.Parish & R.M.Twyman科学出版社2004A生物信息学概述相关学习网站/inbioinformaticsB数据采集DNA,RNA和蛋白质测序1．DNA测序原理DNA中核苷酸的顺序是通过链式终止测序【也称为脱氧测序（dideoxy sequencing）或以发明人命名的Sanger方法】来确定。

2．DNA序列的类型基因组DNA，是直接从基因组中得到，包括自然状态的基因复制DNA（copy DNA, cDNA），通过反转录ｍＲＮＡ得到的重组DNA，包括载体序列如质粒，修饰过的病毒和在实验室使用的其他遗传元件等3．基因组测序策略散弹法测序（shotgun sequence）包括随机DNA片段的生成，通过大量片段测序来覆盖整个基因组克隆重叠群测序（clone contig）DNA片段用推理的方法亚克隆，并且进行系统的测序直到整个序列完成4．序列质量控制通过在DNA双链上进行多次读取完成高质量序列数据的测定可使用如Phred等程序对最初的跟踪数据（trace data）进行碱基识别和质量判断。

载体序列和重复的DNA片段被屏蔽后，使用Phred等程序将序列拼接成重叠群（contigs），剩下的不一致部分通过人工修饰解决5．单遍测序低质量的序列数据可以由单次读段（read）产生（单遍测序，single-pass sequencing）。

尽管不很准确，但单遍测序如ESTs和GSS s，可以低廉的价格快速大量的产生6．RNA测序因为有大量的小核苷酸（minor nucleotide）（化学改变的核苷）存在于转移RNA （tRNA）和核糖体RNA（rRNA）中，所以RNA测序不能像DNA测序那样直接进行。

需要用特殊的方法来识别被改变的核苷，包括生化实验，核磁共振谱（NRM spectroscopy）和质谱（MS）技术7．蛋白质测序蛋白质序列可以通过DNA序列推断得到，而RNA测序不能提供有关已改变残基或其他类型的翻译后蛋白质修饰（比如剪接或二硫键的形成）大部分蛋白质测序是通过质谱（MS）技术进行的基因和蛋白质表达数据1．全局表达分析RNA水平的分析中有效的方法是从RNA群体或cDNA文库中，甚至从序列数据库中进行序列采样。

第七章 DNA序列分析DNA的一级结构决定了基因的功能，欲想解释基因的生物学含义，首先必须知道其DNA 顺序。

因此DNA序列分析(DNA sequencing)是分子遗传学中一项既重要又基本的课题。

1986年由美国学者提出的，目前正在实施的人类基因组计划(human genome project)，则是要通过对人类基因组3×109bp全序列的序列分析和人类基因的染色体图谱制定达到了解其结构，认识其功能，即从分子遗传学水平来认识人类自身的结构和功能特征的目的。

核酸的核苷酸序列测定方法已经过近20年的发展，因而测序的具体方法五花八门、种类繁多。

但是究其所依据的基本原理，不外乎Sanger的核酸链合成终止法及Maxam和Gilbert的化学降解法两大类。

虽然原理不同，但这两种方法都同样生成互相独立的若干组带放射性标记的寡核苷酸，每组寡核苷酸都有固定的起点，但却随机终止于特定的一种或多种残基上。

由于DNA链上每一个碱基出现在可变终止端的机会均等，因而上述每一组产物都是一些寡核苷酸的混合物，这些寡核苷酸的长度由某一种特定碱基在原DNA片段上的位置所决定。

然后在可以区分长度仅相差一个核苷酸的不同DNA分子的条件下，对各组寡核苷酸进行电泳分析，只要把几组寡核苷酸加样于测序凝胶中若干个相邻的泳道之上，即可从凝胶的放射自显影片上直接读出DNA上的核苷酸顺序。

以下分别介绍。

1、Sanger的双脱氧链终止法这是1977年由英国剑桥大学分子生物学实验室的生物化学家Sanger（桑格）等人发明的，是一种简单快速的DNA序列分析法，利用DNA聚合酶和双脱氧链终止物测定DNA核苷酸序列。

它的基本原理是：利用DNA聚合酶的两种酶促反应的能力。

第一是，DNA聚合酶能够利用单链的DNA作模板，准确地催化合成出DNA互补链。

实际上这是DNA在体外进行的复制过程。

第二是，DNA聚合酶能够利用2′，3′-双脱氧核苷三磷酸作底物，使之掺入到寡核苷酸链（由几个核苷酸组成的核苷酸链叫做寡核苷酸链）的3′末端，从而终止DNA链的生长。

名词解释一、生物学名称解释1. 什么是高通量测序技术？高通量测序技术（High-throughput sequencing，HTS）是对传统Sanger测序（称为一代测序技术）革命性的改变, 一次对几十万到几百万条核酸分子进行序列测定, 因此在有些文献中称其为下一代测序技术(next generation sequencing，NGS )足见其划时代的改变, 同时高通量测序使得对一个物种的转录组和基因组进行细致全貌的分析成为可能, 所以又被称为深度测序(Deep sequencing)。

2. 什么是Sanger法测序（一代测序）？Sanger法测序利用一种DNA聚合酶来延伸结合在待定序列模板上的引物。

直到掺入一种链终止核苷酸为止。

每一次序列测定由一套四个单独的反应构成，每个反应含有所有四种脱氧核苷酸三磷酸(dNTP)，并混入限量的一种不同的双脱氧核苷三磷酸(ddNTP)。

由于ddNTP缺乏延伸所需要的3-OH基团，使延长的寡聚核苷酸选择性地在G、A、T或C处终止。

终止点由反应中相应的双脱氧而定。

每一种dNTPs和ddNTPs的相对浓度可以调整，使反应得到一组长几百至几千碱基的链终止产物。

它们具有共同的起始点，但终止在不同的的核苷酸上，可通过高分辨率变性凝胶电泳分离大小不同的片段，凝胶处理后可用X-光胶片放射自显影或非同位素标记进行检测。

3. 什么是SNP、SNV（单核苷酸位点变异）？单核苷酸多态性（single nucleotide polymorphism，SNP）和单核苷酸位点变异（single nucleotide variants, SNV）。

个体间基因组DNA序列同一位置单个核苷酸变异(替代、插入或缺失)所引起的多态性。

不同物种、个体基因组DNA序列同一位置上的单个核苷酸存在差别的现象。

有这种差别的基因座、DNA序列等可作为基因组作图的标志。

人基因组上平均约每1000个核苷酸即可能出现1个单核苷酸多态性的变化，其中有些单核苷酸多态性可能与疾病有关，但可能大多数与疾病无关。

第五章 DNA序列分析对于DNA序列分析，除了序列比较之外，我们最关心的就是从序列之中找到基因及其表达调控信息。

寻找基因牵涉到两个方面的工作，一是识别与基因相关的特殊序列信号，如启动子、起始密码子，通过信号识别大致确定基因所在的区域。

另一个工作是预测基因的编码区域，或预测外显子所在的区域。

然后结合两个方面的结果确定基因的位置和结构。

绝大部分基因表达调控信息隐藏在基因序列的上游区域，在组成上具有一定的特征，可以通过序列分析识别这些特征。

本章主要讨论如何分析DNA序列中的信息，着重介绍功能位点分析和基因识别方法。

第一节DNA序列分析步骤和分析结果评价在DNA序列中，除了基因之外，还包含许多其它信息，这些信息大部分与核酸的结构特征相关联，通常决定了DNA与蛋白质或者DNA与RNA的相互作用。

存放这些信息的DNA片段称为功能位点，如启动子（Promoter）、基因终止序列（Terminator sequence）、剪切位点（Splice site）等。

在实际应用中，对于DNA序列需要根据不同的要求进行不同的处理，不存在一个通用的序列分析方法。

但是由于分析的对象都是DNA序列，并且在绝大部分情况，待解决的问题可以归纳为序列特征识别或者序列模式识别问题，目标是寻找基因及其表达调控信息，因而可以给出一个基本的DNA 序列分析方案。

（1）发现重复元素。

这是重要的一步，因为重复元素会给DNA序列分析带来许多问题。

例如，由于重复元素的存在，在搜索数据库时可能得到许多同样的结果，这些结果的得分很高，使解释数据库搜索结果变得复杂、困难。

所以一般先寻找并屏蔽重复的和低复杂性的序列，然后寻找基因以及与其相关的调控区域。

（2）数据库搜索。

通过数据库搜索，发现相似序列或者同源序列，根据相似序列具有相似结构及相似功能的原理，通过类比，得到关于待分析序列的初步信息，指导详细的序列分析。

例如，如果通过搜索发现待分析的序列与EST或已知的蛋白质编码序列相似，则可以推测待分析的序列是基因序列。

sequence analysis寻找上下游靶点或者通路方法-回复Sequence analysis is a valuable method used in molecular biology and genetics to explore and understand the functions and interactions of genes and proteins. In particular, it can be used to identify potential target genes or pathways that are upstream or downstream of a specific gene or protein. This process, known as pathway or target prediction, involves several steps and the utilization of various bioinformatics tools and software.The first step in sequence analysis for target or pathway prediction is to obtain the sequence of the gene or protein of interest. This can be done by retrieving the sequence from public databases like NCBI or using experimental techniques such as polymerase chain reaction (PCR) or DNA sequencing.Once the sequence is obtained, the next step is to search for similar sequences in databases or perform a homology search. This can be done using popular sequence alignment tools such as BLAST (Basic Local Alignment Search Tool). BLAST compares the query sequence to a database of known sequences and identifies homologous sequences based on sequence similarity. Homologous sequencesare often functionally related, making them excellent candidates for downstream target or pathway analysis.After identifying homologous sequences, the next step is functional annotation. Functional annotation involves assigning biological functions and roles to the sequences. This can be done using various algorithms and databases that predict the function of a sequence based on sequence motifs, conserved domains, or known functional annotations of homologous sequences. Popular tools for functional annotation include InterPro, Gene Ontology, and KEGG (Kyoto Encyclopedia of Genes and Genomes).Once the sequences are functionally annotated, the next step is to identify potential target genes or pathways. There are several approaches to accomplish this. One common method is to search for direct interaction partners using protein-protein interaction databases such as STRING or BioGRID. These databases provide information on known protein-protein interactions and can help identify proteins that physically interact with the target gene or protein.Alternatively, pathway analysis tools can be used to predictpotential pathways that the target gene or protein might be involved in. These tools often utilize pathway databases such as KEGG or Reactome to identify pathways that have been experimentally validated or inferred based on known interactions and functions of the genes or proteins in the pathway.Another approach to target or pathway prediction is to analyze the regulatory elements present in the sequence. Regulatory elements are DNA sequences that bind to transcription factors and are involved in gene regulation. Identifying these elements can provide clues about the potential target genes or pathways regulated by the target gene or protein. Tools like PROMO or TRANSFAC can be used for this analysis.In addition to these methods, more advanced techniques such as motif analysis, ChIP-seq (Chromatin Immunoprecipitation followed by sequencing), or gene expression analysis can also be employed to further validate the predicted targets or pathways.In conclusion, sequence analysis is a powerful approach in molecular biology and genetics to identify potential target genesor pathways that are upstream or downstream of a specific gene or protein. This involves several steps, including sequence retrieval, homology search, functional annotation, identification of interaction partners or pathways, and validation using additional experimental techniques. By effectively utilizing these tools and methods, researchers can gain valuable insights into the functions and interactions of genes and proteins, ultimately leading to a better understanding of biological processes and potential therapeutic targets.。