基因组注释详解课件.ppt

基 因 组 注 释,基因组测序相关技术发展,2,PPT课件,2 weeks$1,000,0.01,0.10,1.00,10.00,100.00,1,000.00,10,000.00,100,000.00,$M,Throughput(Gb),Cost of per Human Genome,Innovation of NGS throughput,3Gb,6Gb,20-30Gb,0,20,40,60,80,100,120,240,2007,2008,2009,2010,1990,2001,2012,2007,2010,0.001,Moores Law,更低的价格使得基于测序的科研和临床应用越来越被接受,13 years$3,000,000,000,200Gb-300Gb,测序技术的发展带来测序价格的下降,3,PPT课件,Illumina / Solexa/GIIx Genetic Analyzer5095GB / run Illumina / Solexa/HiSeq200GB / run,Roche / 454 Genome Sequencer FLX 500 Mb / run,Applied BiosystemsSOLiD4100GB / run Applied BiosystemsSOLiD/HQ300GB / run,成熟的二代测序技术平台,4,PPT课件,高通量测序服务,未知基因组测序(De novo genome sequencing)基因组重测序(Whole genome resequencing),5,PPT课件,高通量测序服务,外显子捕获测序(Target exome capture)全基因组甲基化测序(DNA methylation sequencing),6,PPT课件,高通量测序服务,转录组测序 (RNA-seq sequencing)microRNA测序(microRNA sequencing),7,PPT课件,高通量测序服务,元基因组测序 (meta-genome sequencing)未知病毒检测(Unknown virus detecting),8,PPT课件,两种测序策略：,基于BAC的方法： 先把基因组打碎成200300kb的片段并制成BAC文库，再选择一些BAC进一步打碎成3kb左右的小片段，测序并拼接。全基因组鸟枪法： 把基因组直接打碎成3kb左右的小片段，测序并拼接。,9,PPT课件,基于BAC的方法,全基因组DNA随机打成大片段 选择并克隆大片段排序，选择再打碎，克隆，测序，拼接,10,PPT课件,全基因组鸟枪法,基因组DNA随机打碎测序并拼接,11,PPT课件,12,PPT课件,拼接软件的新需求,能充分利用正反向测序的配对信息, 避免重复序列造成的错误拼接能处理数以百万甚至千万计的数据 程序并行化 高效率比对 能逐步拼接,13,PPT课件,基因组注释,Sequence,GENESCAN,ORF Finder,GENEMARK,Gene Prediction,Transcription RegulatoryRegion,Predicted GeneOr Gene,14,PPT课件,原核（ Prokaryote）基因,15,PPT课件,基因组注释,Sequence,GENESCAN,ORF Finder,GENEMARK,Gene Prediction,Transcription RegulatoryRegion,Predicted GeneOr Gene,16,PPT课件,开放阅读框 ORF (Open Reading Frame),一段序列 从起始密码子（start codon）开始, 到终止密码子（stop codon）结束，而且其中不包含其它终止密码子。,17,PPT课件,微生物基因发现要解决的问题,微生物基因组中 80%-90% 的序列参与编码主要问题：如果有两个或更多重叠的阅读框，哪一个是基因(假定只可能有一个)最可靠的方法 同源搜索 (使用 BLAST 或 FASTA等)主要困难：在无已知同源性信息的情况下寻找基因,18,PPT课件,预测软件 GetORF,WebAccesshttp:/bioweb.pasteur.fr/seqanal/interfaces/getorf.htmlApplication(Download Emboss),19,PPT课件,20,PPT课件,21,PPT课件,GETORF:Advanced Options,i. Code to use：选择不同的codon usage table，包含有： (1)Standard (2)Standard (with alternative initiation codons) (3)Vertebrate Mitochondrial (4)Yeast Mitochondrial (5)Mold, Protozoan, Coelenterate Mitochondrial and Mycoplasma/Spiroplasma (6)Invertebrate Mitochondrial(7)Ciliate Macronuclear and Dasycladacean(8)Echinoderm Mitochondrial(9)Euplotid Nuclear(10)Bacterial(11)Alternative Yeast Nuclear(12)Ascidian Mitochondrial(13)Flatworm Mitochondrial(14)Blepharisma Macronuclear(15)Chlorophycean Mitochondrial(16)Trematode Mitochondrial(17)Scenedesmus obliquus(18)Thraustochytrium Mitochondrial,22,PPT课件,GETORF:Advanced Options,ii.最小的开放阅读框由多少个核甘酸组成，预设值为30，也就是10个氨基酸。iii.Type of output：可选择不同的输入结果，包含有：(1)Translation of regions between STOP codons(2)Translation of regions between START and STOP codons(3)Nucleic sequences between STOP codons(4)Nucleic sequences between START and STOP codons(5)Nucleotides flanking START codons(6)Nucleotides flanking initial STOP codons(7)Nucleotides flanking ending STOP codons,23,PPT课件,fastagcgphylipemblswissncbinbrfgenbankigcodatastrideracedbstadentextfitchmsfclustalphylipphylip3asn1,24,PPT课件,Metagenomics Community Genomics Environmental Genomics,Who is there ? diversity & abundanceWhat they are doing? Metabolic & interactionWhy they are there? Ecological relations,Species complexity,Acid mine drainage,1 100 1000 10000,Sea water,Human gut,Soil,The cultivation-independent analysis of the collectivegenomes of microbial populations obtaineddirectly from the environment,25,PPT课件,The Complexity of Metagenomics,A,A,B,C,D,A,Isolated genome single source of DNA,Metagenome multiple source of DNA,X,26,PPT课件,Genome Annotation, Metagenomics ?,Huge Multiple organisms Fragmental,Huge Partial ORFs Wrong ORFs,Q: Solution ?A: Clustering. Protein families Novel families ORF validation,Huge Multiple organisms Uneven coverage,27,PPT课件,真核生物的基因的完整结构及它的表达过程,28,PPT课件,基 因 识 别,找出在一段DNA序列中，是否存在ORF， 亦及“基因”。判明基因的结构, 包括起止位置, 外显子/内含子边界, 启动子, polyA区域, 非转译区（UTR）等。预测真基因和“假基因”（ pseudogene）及可能的剪切位点。,29,PPT课件,基于同源性的基因预测法“从头开始”(Ab initio)预测法 综合使用以上两种方法: 如TwinScan其它方法: 如数字信号处理，Z曲线, 等,基因预测方法分类,30,PPT课件,基于序列相似性的基因预测,将基因组序列与EST（expressed sequence tag，表达序列标记) 或cDNA等相比较(用Sim4等方法), 从而找出与 mRNA相对应的区域。将基因组序列与蛋白质数据库相比较(用 BLASTX等方法)，从而找出可能的编码区。将预测得到的多肽与蛋白质数据库相比较将基因组序列与同源性相近物种的基因组相比较, 找出保守区域。,31,PPT课件,优点： 基于已有的生物学数据, 因此结果更有生物学意义缺点: 受限于已有的生物学数据 数据库可能存在的误差 对于相似程度应如何定义,基于同源性的基因预测法优缺点,32,PPT课件,同源搜索 Homology Search,a. 序列局部相似比较。试图发现有生物意义保守序列，而不一定要全局相似。可以由局部相似得出两序列可能有相同功能或功能相关。b. 比较得到的是相似性，并非同源性，我们必须根据相似性结合其他证据做出判断。,33,PPT课件,BlastWeb: http:/www.ncbi.nlm.nih.gov/blast/Application:http:/www.ncbi.nlm.nih.gov/BLAST/download.shtml,34,PPT课件,如何正确看待比较结果,BLAST找出的结果仅仅是表示两条序列之间有局部相似，与同源性关系不大，认定功能相同或相关也不是充分的。一定要结合其他的分析结果判断。BLAST结果中相似部分需要认真仔细观察。看看相似的部分是生物上功能重要的保守部分，还是一些无关紧要的重复序列结合已知的信息（比如该蛋白不可能有某种功能和可能有某种功能），注意在比较中排在后面的是否与其他已知信息相符的记录统计上有意义与生物上有意义是有差别的,35,PPT课件,同样或相似的功能蛋白或基因,36,PPT课件,与已知的功能相关之蛋白基因,http:/ 母女一块竞逐,37,PPT课件,也有出问题的时候，虽然很相似，但可能没有什么关系,38,PPT课件,39,PPT课件,注意一,Blast No Hits 并不是表明找不到同源accaggttacccggttaaccttacccagatttac | | | | |accaggtaaccaggttaactttactcagatttac默认WordSize=11,如果找不到11个完全匹配的就无法延伸出Hits 可以修改WordSize,但是wordsize越小会导致搜索速度慢找到无用的匹配也会增多,解决方案： PatternHunter, ssearch(fasta),40,PPT课件,注意二:,通过同源比对进行蛋白功能注释：Gene Duplication引入的同源比对判断误差，并不是匹配分数最高的就是功能类似,解决方案:需要引入物种进化树辅助判断,41,PPT课件,隐马科夫模型（Hidden Markov Model， HMM）*人工神经网络（Neural Network）动态规划法决策树语言学方法线性判别法,“从头开始”基因预测法：,42,PPT课件,GENE Prediction,GENESCANhttp:/genes.mit.edu/GENSCAN.htmlGENEMARKhttp:/opal.biology.gatech.edu/GeneMark/eukhmm.cgiFGENESHhttp:/,43,PPT课件,GeneScan,44,PPT课件,GeneScan,45,PPT课件,GeneScan,46,PPT课件,GeneMark,47,PPT课件,GeneMark,48,PPT课件,GeneMark,49,PPT课件,FGENESH,50,PPT课件,FGENESH,51,PPT课件,FGENESH,52,PPT课件,54,PPT课件,55,PPT课件,UCSC Genome Browser,56,PPT课件,Sequence and Analysis of Rice Chromosome 4,57,PPT课件,58,PPT课件,General structural features of rice chromosome 4,59,PPT课件,Classification of repetitive sequences on chromosome 4,60,PPT课件,61,PPT课件,62,PPT课件,Functional classification,63,PPT课件,64,PPT课件,Structural comparison of two subspecies over 2.3 Mb,65,PPT课件,比较基因组分析,66,PPT课件,乳酸菌比较基因组,67,PPT课件,68,PPT课件,69,PPT课件,70,PPT课件,新一代DNA序列分析技术,Genome Sequencer 20 GS 20 2005 GS FLX2007 454 life Sciences/Roach 2. Solexa Genome Analysis System SolexaSolexa Ltd/illumina3. Sequencing by Oligonucleotide Ligation and Detection SOLiD 2007 SummerAgencourt/ABI,71,PPT课件,新技术平台的比较,72,PPT课件,深度测序数据分析流程,73,PPT课件,Thank You !,