应用UCSCEnsembl查找基因启动子(promoter)内含子外显子序列.doc

应用 UCSC/Ensembl 查找基因启动子(promoter)、内含子、外显子序列启动子的甲基化，转录因子与启动子的结合调控基因的表达等研究领域一直较为热门本文图文形式讲解了启动子的概念，利用 UCSC 如何查找一个基因的启动子序列，以及外显子和内含子序列的显示有很多关于此方面的文章由于写作在早期，近年来查询数据库网站的改版使得这些文章有些落伍，使用起来也不方便本文是最新的关于查询启动子方法的文章，创作于2009/10/14 ，大家可以完全按此操作在讲述某个基因的启动子查询之间，我们有必要对基础知识进行一下复习和总结先看一下中心法则：启动子是在 DNA 转录为 RNA 这一步过程中发挥作用的，在此要与DNA 自身复制起始点（称作复制子）和由 mRNA 翻译为蛋白质时的翻译起始点（以起始密码子 ATG 为标志）区别开来定义：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启动子是 RNA 聚合酶 特异性识别和结合的部位启 动子方向性，位于转录起始点上游，本身并不被转录。

DNA 链上与 RNA 链的第一个核苷酸对应的碱基标记为+1（如下图），由此碱基向上游（5’ 端）数的碱基顺序数为负（-1，-2，……），向下游（3’端）数的碱基为正（+2，+3，……）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总结起来，也就是说启动子约在与 mRNA 所对应的 DNA 序列之前约2000个左右的碱基明白了启动子的含义之后，我们以大鼠（rattus norvegicus）的结缔组织生长因子（CTGF ）为例， 应用 UCSC 基因组浏览器开始查找该基因的启动子序列网址为 http://genome.ucsc.edu/进入 UCSC 的主页后，在其左 侧（如上图）点 击第一项 GenomeBrowser,进入基因组浏览器入口，如下图在 Organism 的下拉菜 单中选择 Rat，在 assembly 的下拉菜单中选择最新日期 Nov. 2004，在 position 框中键入 CTGF，image width 选择默认即可，如下图所示：然后点击 Submit，返回的页面如下：结果显示该基因的已知序列和相关 mRNA 序列，点击 Known Gene 中的第一个序列，出现包含这序列的图解概要。

为了获得这个区域更清晰的图像，可以点击紧靠 zoom out 的1.5X 按钮，如下图：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 按钮，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若查询启动子区域，我们需要将 Ensembl Genes 选择为 dense 或 full 模式，点 击Refresh，即刷新，出现下图：图中多出了 Ensembl Genes 的预测路径，我们在红框中圈出。

点击用于表达该序列的任何方块出现以下页面：点击红框中的条形深色方块（不是 Ensembl Genes 文字）在此，我们选择并点击 Link to sequence 中的 Genomic Sequence，即显示基因组序列，出现以下窗口：在该窗口中，终于出现了 promoter 的字样了，哈哈，快要大功告成了啊在此我们当然要选择它了，并将其改为2000bp( 具体多少 bp 合适，可根据文献资料和实验目的获取，有的基因可能在其上游戏几百 bp就可以了),其他的几个选项分别为5’端非编码区，编码区外显子，3’端非编码区，内含子（我把内含子用绿框圈了起来，突出说明一下用同样的方法可以显示该基因的内含子与外显子，显示出来的结果一目了然，看以下的结果便知道了）等同时另外一个非常重要的就是序列显示方式了，这里我们在 Sequence Formatting Options 选项 里进行选择我们选择 上图红框里的内容，即外显子大写，其余的小写，也就是说 mRNA 的外显子大写，其余上下游非编码区以及内含子均为小写选择完后提交，返回如下序列页面：第一个大写字母以后就是 mRNA 序列，之前的小写字母序列即为启动子区域了。

大家在做后序的甲基化分析、转录因子结合位点分析等便可以复制下来了刚才我们提到第一个大写字母以后就是 mRNA 序列，但该序列包含外显子和内含子，是未经剪切修饰的 mRNA, 我们在上面也提到了用此同样方法也可显示出外显子和内含子，我们接着看该页面的序列就可以了，与上幅图紧挨着截个图看一下，图中两段大写字母中间的小写字母便为内含了序列结语：关于启动子区域和外显子、内含子的查找方法有很多，如利用NCBI，其 实 都使用的是基本相同的工具，大家可以根据具体的情况和个人偏好来决定使用哪种方法个人觉得，利用上述方法还是比较简便的。