【分享】如何查找一个基因的启动子序列
丁香园
3997
定义：启动子是参与特定基因转录及其调控的DNA序列。包含核心启动子区域和调控区域。核心启动子区域产生基础水平的转录，调控区域能够对不同的环境条件作出应答，对基因的表达水平做出相应的调节。
区域：启动子的范围非常大，可以包含转录起始位点上游2000bp，有些特定基因的转录区内部也存在着转录因子的结合位点，因此也属于启动子范围。
这项搜寻要从UCSC基因组浏览器开始，网址为http://genome.ucsc.edu/。以编码pendrin (PDS)的基因为例来说明上述问题。PDS与耳蜗的异常发育、感觉神经性听力下降以及弥散性甲状腺增大（甲状腺肿）有关。
进入UCSC的主页后，在Organism的下拉菜单中选择Human，然后点击Browser。使用者现在到了人类基因组浏览器入口。本例的搜寻很简单：在assembly的下拉菜单中选择Dec. 2001，在position框中键入pendrin，然后点击Submit。返回的页面结果显示一个已知的基因和两个mRNA序列。继续点击mRNA序列的登录号AF030880，出现包含这个mRNA区域的图解概要。为了获得这个区域更清晰的图像，点击紧靠zoom out的1.5X按钮。最后点击页面中部的reset all按钮，使各个路径的设置恢复默认状态。
然而，对于本例的搜寻目的来说，默认设置不是理想的设置。按照视图利用页面底部的Track Controls按纽，将一些路径设置为hide模式（即不显示），其他设置为dense模式（所有资料密集在一条直线上）；另一些路径设置为full模式（每个特征有一个分开的线条，最多达300）。在考虑这些路径内究竟存在那些资料之前，对这些路径的内容和表现做一个简要的讨论是必要的，许多这些讨论是由外界提供给UCSC的。下面是对基因预测方法的更进一步讨论，这些信息也可以在其他地方找到。
对于Known Genes（已知基因）和预测的基因路径来说，一般的惯例是以一个高的垂直线或块状表示每个编码外显子，以短的垂直线或块状表示5′端和3′端非翻译区。
起连接作用的内含子以非常细的线条表示。翻译的方向由沿着细线的箭头指示。
Known Genes来自LocusLink内的mRNA参照序列，已经利用BLAT程序将这些序列与基因组序列进行比对排列。
Acembly Gene Predictions With Alt-splicing路径是利用Acembly程序将人类mRNA和EST序列数据与人类基因组序列进行比对排列而来的。Acembly程序试图找到mRNA与基因组序列的最好的比对排列以及判断选择性剪接模型。假如有多于1个的基因模型具有统计学意义，则它们都全部显示出来。有关Acembly的更多信息可以在NCBI的网站找到（http://www.ncbi.nih.gov/IEB/Research/Acembly/）。
Ensembl Gene Predictions路径由Ensembl提供。Ensembl基因通过许多方法来预测，包括与已知mRNA和蛋白质进行同源性比较，ab initio基因预测使用GENSCAN和基因预测HMMs。 http://www.ebi.ac.uk/ensembl/
Fgenesh++ Gene Predictions路径通过寻找基因的结构特征来预测基因内部的外显子，例如剪接位点的给位和受位的结构特征，利用一种动态的程序算法推定编码区域和推定外显子5′端和3′端的内含子区域；这个方法也考虑到蛋白质相似性的资料。
Genscan Gene Predictions路径由GENSCAN方法衍生而来，通过这个方法，可以确定内含子、外显子、启动子区域和poly(A)信号。此时，这个方法并不期望查询的序列只出现1个基因，因此可以对部分基因或被基因之间的DNA分隔的多个基因进行准确的预测。
Human mRNAs from Genbank路径显示基因库的人类mRNAs与基因组序列的比对排列。
Spliced ESTs和Human EST路径显示来自GenBank的ESTs序列与基因组的序列对齐比较。由于ESTs通常代表了转录基因的片断，一个EST很有可能对应于某个外显子区。
最后，Repeating Elements by RepeatMasker这个路径显示的是重复元件，例如散在的或长或短的核元素(SINEs和LINEs)，长末端重复序列(LTRs)和低复杂性区域(http://repeatmasker.genome.washington.edu/cgi-bin/RepeatMasker)。一般来说，在将基因预测方法应用于核苷酸序列之前，需要去掉或掩饰这些成分。
回到视图显示的例子，可以看到大多数路径返回了几乎同样的基因预测结果。作为一个规则，通过多种方法预测的外显子提高了预测的正确率而不会出现“假阳性”结果。多数方法显示3′端非翻译区，以左侧大而短的块状表示。Acembly路径显示除了全长序列产物（如这个部分第3条线所示）之外还有3个可能的选择性剪接，其它大多数路径显示与此预测结果相符。Genscan路径从左、右方向往远处延伸：GENSCAN可以被用于预测多个基因。
尽管这些图解概要很有用，然而研究者更需要与这些垂直线或块状相对应的序列。以此为例，用Fgenesh++预测作为获得原始序列数据的基础，但不管选择哪个路径其步骤都是一样的。点击标有Fgenesh++ Gene Predictions的路径，出现的是一个描述预测的概要页面。
序列的区域与pendrin基因相似（从这个例子一开始就已经知道了）。给出了序列的大小及序列开始和结束的预测，并显示预测是以负链为基础的。想要获得序列，点击Genomic Sequence。使用者将被带到一个标题为Get Genomic Sequence Near Gene的查询页面，在这个页面上，可以获得转录物、编码区、启动子或转录物加启动子的序列。
点击Transcript返回的页面显示完整的转录子，外显子以大写字母表示。
点击Coding Region Only得到的是编码区,外显子以大写字母表示。
点击Transcript + Promoter，返回的页面显示的是在上述选择Transcript所获序列的5′端添加了启动子序列，以大写字母表示外显子。启动子的长度显示在文本框内。
点击Promoter返回的页面正好是启动子区
区域：启动子的范围非常大，可以包含转录起始位点上游2000bp，有些特定基因的转录区内部也存在着转录因子的结合位点，因此也属于启动子范围。
这项搜寻要从UCSC基因组浏览器开始，网址为http://genome.ucsc.edu/。以编码pendrin (PDS)的基因为例来说明上述问题。PDS与耳蜗的异常发育、感觉神经性听力下降以及弥散性甲状腺增大（甲状腺肿）有关。
进入UCSC的主页后，在Organism的下拉菜单中选择Human，然后点击Browser。使用者现在到了人类基因组浏览器入口。本例的搜寻很简单：在assembly的下拉菜单中选择Dec. 2001，在position框中键入pendrin，然后点击Submit。返回的页面结果显示一个已知的基因和两个mRNA序列。继续点击mRNA序列的登录号AF030880，出现包含这个mRNA区域的图解概要。为了获得这个区域更清晰的图像，点击紧靠zoom out的1.5X按钮。最后点击页面中部的reset all按钮，使各个路径的设置恢复默认状态。
然而，对于本例的搜寻目的来说，默认设置不是理想的设置。按照视图利用页面底部的Track Controls按纽，将一些路径设置为hide模式（即不显示），其他设置为dense模式（所有资料密集在一条直线上）；另一些路径设置为full模式（每个特征有一个分开的线条，最多达300）。在考虑这些路径内究竟存在那些资料之前，对这些路径的内容和表现做一个简要的讨论是必要的，许多这些讨论是由外界提供给UCSC的。下面是对基因预测方法的更进一步讨论，这些信息也可以在其他地方找到。
对于Known Genes（已知基因）和预测的基因路径来说，一般的惯例是以一个高的垂直线或块状表示每个编码外显子，以短的垂直线或块状表示5′端和3′端非翻译区。
起连接作用的内含子以非常细的线条表示。翻译的方向由沿着细线的箭头指示。
Known Genes来自LocusLink内的mRNA参照序列，已经利用BLAT程序将这些序列与基因组序列进行比对排列。
Acembly Gene Predictions With Alt-splicing路径是利用Acembly程序将人类mRNA和EST序列数据与人类基因组序列进行比对排列而来的。Acembly程序试图找到mRNA与基因组序列的最好的比对排列以及判断选择性剪接模型。假如有多于1个的基因模型具有统计学意义，则它们都全部显示出来。有关Acembly的更多信息可以在NCBI的网站找到（http://www.ncbi.nih.gov/IEB/Research/Acembly/）。
Ensembl Gene Predictions路径由Ensembl提供。Ensembl基因通过许多方法来预测，包括与已知mRNA和蛋白质进行同源性比较，ab initio基因预测使用GENSCAN和基因预测HMMs。 http://www.ebi.ac.uk/ensembl/
Fgenesh++ Gene Predictions路径通过寻找基因的结构特征来预测基因内部的外显子，例如剪接位点的给位和受位的结构特征，利用一种动态的程序算法推定编码区域和推定外显子5′端和3′端的内含子区域；这个方法也考虑到蛋白质相似性的资料。
Genscan Gene Predictions路径由GENSCAN方法衍生而来，通过这个方法，可以确定内含子、外显子、启动子区域和poly(A)信号。此时，这个方法并不期望查询的序列只出现1个基因，因此可以对部分基因或被基因之间的DNA分隔的多个基因进行准确的预测。
Human mRNAs from Genbank路径显示基因库的人类mRNAs与基因组序列的比对排列。
Spliced ESTs和Human EST路径显示来自GenBank的ESTs序列与基因组的序列对齐比较。由于ESTs通常代表了转录基因的片断，一个EST很有可能对应于某个外显子区。
最后，Repeating Elements by RepeatMasker这个路径显示的是重复元件，例如散在的或长或短的核元素(SINEs和LINEs)，长末端重复序列(LTRs)和低复杂性区域(http://repeatmasker.genome.washington.edu/cgi-bin/RepeatMasker)。一般来说，在将基因预测方法应用于核苷酸序列之前，需要去掉或掩饰这些成分。
回到视图显示的例子，可以看到大多数路径返回了几乎同样的基因预测结果。作为一个规则，通过多种方法预测的外显子提高了预测的正确率而不会出现“假阳性”结果。多数方法显示3′端非翻译区，以左侧大而短的块状表示。Acembly路径显示除了全长序列产物（如这个部分第3条线所示）之外还有3个可能的选择性剪接，其它大多数路径显示与此预测结果相符。Genscan路径从左、右方向往远处延伸：GENSCAN可以被用于预测多个基因。
尽管这些图解概要很有用，然而研究者更需要与这些垂直线或块状相对应的序列。以此为例，用Fgenesh++预测作为获得原始序列数据的基础，但不管选择哪个路径其步骤都是一样的。点击标有Fgenesh++ Gene Predictions的路径，出现的是一个描述预测的概要页面。
序列的区域与pendrin基因相似（从这个例子一开始就已经知道了）。给出了序列的大小及序列开始和结束的预测，并显示预测是以负链为基础的。想要获得序列，点击Genomic Sequence。使用者将被带到一个标题为Get Genomic Sequence Near Gene的查询页面，在这个页面上，可以获得转录物、编码区、启动子或转录物加启动子的序列。
点击Transcript返回的页面显示完整的转录子，外显子以大写字母表示。
点击Coding Region Only得到的是编码区,外显子以大写字母表示。
点击Transcript + Promoter，返回的页面显示的是在上述选择Transcript所获序列的5′端添加了启动子序列，以大写字母表示外显子。启动子的长度显示在文本框内。
点击Promoter返回的页面正好是启动子区
