基因序列簡介

1、mRNA（messenger RNA）信使RNA，是由編碼區(qū)（CDS）、上游的5非編碼區(qū)和下游3非編碼區(qū)組成，真核生物mRNA的5端帶有7-甲基鳥苷-三磷酸帽子結構，3端有多腺苷酸尾巴，但NCBI中mRNA序列實際上是cDNA序列，即經過反轉錄得到的與RNA序列互補的DNA序列，一般不包括3多腺苷酸尾巴。一個cDNA序列被稱為一個轉錄子，第一個堿基所在的位置為轉錄起始位點（TSS），cDNA都是由外顯子組成，但編碼蛋白質的外顯子只有一個，即CDS（coding sequence），這段序列也就是一個ORF區(qū)，也就是這個cDNA的ORF序列。參與特定基因轉錄及其調控的TSS上游序列稱為啟動子（P

2、romoter），如原核生物在轉錄起始位點上游-10有一段TATAAT的保守序列，有助于局部解鏈，在-35有一段TTGACA序列供應RNA聚合酶識別信號，真核生物上游-25到-30TATA打算起始位點，-75位置CAAT與RNA聚合酶，這些都是啟動子，啟動子的范圍格外大，可以包含轉錄起始位點上游2000bp，有些特定基因的轉錄區(qū)內部也存在著轉錄因子的結合位點，因此也屬于啟動子范圍。    克隆可以簡潔理解為復制品，例如假設通過提取mRNA，反轉錄后得到cDNA序列，然后將這段序列轉入載體，再通過劃線不斷的繁殖，就會得到很多裝有這段cDNA序列的克隆，試驗

3、室為了便利，在給得到的這些克隆起名時，一般會取cDNA序列的名，但實際上在這個克隆里面不僅包括了這個cDNA，還包括了載體的DNA。    STS（sequence-tagged site）序列標記位點，是基因組上定位明確、作為界標并能通過PCR擴增被唯一操作的短的、單拷貝DNA序列，一般長度為200-500bp，一個DNA序列要成為STS，首先序列必需已知，能用PCR方法檢測，其次STS必需在基因組上具有唯一的定位點。通過STS可以推斷在不同條件下測序得到的DNA序列的精確性。    EST（expressed

4、sequence tag）表達序列標簽，是從一個隨機選擇的cDNA克隆，進行5端和3端單一次測序選擇出來獲得的短的cDNA序列。全基因組測序發(fā)覺基因即昂貴又費時，由于基因組中只有2%序列編碼蛋白質，因此可以對真正編碼蛋白質的mRNA構建cDNA文庫，對cDNA進行測序，得到EST序列，從而發(fā)覺新基因。下面以大鼠CTGF基由于例子，小寫字母是轉錄子前后200bp啟動子相關序列，大寫字母表示的是cDNA序列，也就是轉錄子，其中藍色標記的部分為CDS序列，湖藍色的為轉錄起始位點，即TSS，加粗帶下劃線的為起始密碼子agtgtgccagctttttcagacggaggaatgtggagtgtcaagg

5、ggtcaggatcaatccggtgtgagttgatgaggcaggaaggtggggaggaatgcgaggaatgtccctgtttgtgtaggactccattcagttctttggcgagccggccgcccggagcgtataaaagccagcgccacccgcccagtctcacacagctcttCTCTCCAAGAAGACTCAGCCAGACCCACTCCAGCTCCGACCCTAGGAGACCGACCTCCTCCAGACGGCAGCAGCCCCAGCCCAGTGGACAACCCCAGGAGCCACCACCTGGAGCGTCCGGACACCAACCTCCGCCCCGAGACC

6、GAGTCCAGGCTCCGGCCGCGCCCCTCGTCGCCTCTGCACCCCGCTGTGCGTCCTCCTGCCGCGCCCCGACCATGCTCGCCTCCGTCGCGGGTCCCGTTAGCCTCGCCTTGGTGCTCCTCCTCTGCACCCGGCCTGCCACCGGCCAGGACTGCAGCGCGCAGTGTCAGTGCGCAGCTGAAGCGGCGCCGCGCTGCCCCGCCGGCGTGAGCCTGGTGCTGGACGGCTGCGGCTGCTGCCGCGTCTGCGCCAAGCAGCTGGGAGAACTGTGCACGGAGCGTGATCCCTGCGACCCACACAAGG

7、GTCTCTTCTGCGACTTCGGCTCCCCCGCCAACCGCAAGATTGGCGTGTGCACTGCCAAAGATGGTGCACCCTGTGTCTTCGGTGGGTCCGTGTACCGCAGCGGCGAGTCCTTCCAAAGCAGTTGCAAATACCAGTGCACTTGCCTGGATGGGGCCGTGGGCTGTGTGCCCCTGTGCAGCATGGACGTGCGCCTGCCCAGCCCTGACTGCCCCTTCCCGAGAAGGGTCAAGCTGCCCGGGAAATGCTGTGAGGAGTGGGTGTGTGATGAGCCCAAGGACCGCACAGTGGTTGGCCCTGCCC

8、TAGCTGCCTACCGACTGGAAGACACATTTGGCCCTGACCCAACTATGATGCGAGCCAACTGCCTGGTCCAGACCACAGAGTGGAGCGCCTGTTCTAAGACCTGTGGGATGGGCATCTCCACCCGGGTTACCAATGACAATACCTTCTGCAGGCTGGAGAAGCAGAGTCGTCTCTGCATGGTCAGGCCCTGTGAAGCTGACCTAGAGGAAAACATTAAGGTAAATAAATACTCTGCCCCCAGACACTCATTTTCACAGAATGACAGGAAAGAGAACCAGAGCTGGCTGTCTCGCCGCCCTT

9、CTTATTATAGGCCTGTTGTCTCCAGAAATATCTAACCATGGAGCTGTCTGGCTAGAATGAGAGATGCTGTAACAGCAGCTGCCAGTTTTCCACTACAAAATTCCCCGGGGTGTTAGTTAATACGAGACACTCCAAACGAAGCCATGGCTATTTTTGGAAAACTGGCGAATGAAACTCCCAGTCTCTCTCCCCTCAGAATATAAACACAAGTCAGATGACATAGGGCTAGTCTACAGAGGGTTGAGGAAGGCCACTCCCGTTGTAGTAATTGCGGTGTCTCTTCTCGTCTTCCCTTAGAAG

10、GGCAAAAAGTGCATCCGGACGCCTAAAATTGCCAAGCCTGTCAAGTTTGAGCTTTCTGGCTGCACCAGTGTGAAGACCTACCGGGCTAAGTTCTGTGGGGTGTGCACGGACGGCCGCTGCTGCACACCGCACAGAACCACCACACTGCCGGTGGAGTTCAAGTGCCCCGATGGCGAGATCATGAAAAAGAACATGATGTTCATCAAGACCTGTGCCTGCCATTACAACTGTCCCGGGGACAATGACATCTTTGAGTCCTTGTACTACAGGAAGATGTATGGAGACATGGCGTAAAGCCAG

11、GGAGTAAGGGACACGAACTCATTTAGACTATAACTTGAACTGAGTTACATCTCATTTTCTTCTGTAAAAAAACAAAAAGGATTACAGTAGCACATTAATTTAAATCTGGGTTCCTAACTGCTGTGGGAGAAAACACCCCACCGAAGTGAGAACCGTGTGTCATTGTCATGCAAATAGCCTGTCAATCTCAGACACTGGTTTCGAGACAGTTTAGACTTGACAGTTGTTCACTAGCGCACAGTGACAGAACGCACACTAAGGTGAGCCTCCTGGAAGAGTGGAGATGCCAGGAGAAAGACA

12、GGTACTAGCTGAGGTCATTTTAAAAGCAGCGATATGCCTACTTTTTGGAGTGTGACAGGGGAGGGACATTATAGCTTGCTTGCAGACAGACCTGCTCTAGCAAGAGCTGGGTGTGTGTCCTCCACTCGGTGAGGCTGAAGCCAGCTATTCTTTCAGTAAGAACAGCAGTTTCAGCGCTGACATTCTGATTCCAGTGACACTGGTCGGGAGTCAGAACCTTGTCTATTAGACTGGACAGCTTGTGGCAAGTGAATTTGCCGGTAACAAGCCAGATTTTTATGGATCTTGTAAATATTGTGG

13、ATAAATATATATATTTGTACAGTTATCTAAGTTAATTTAAAGACGTTTGTGCCTATTGTTCTTGTTTTAAGTGCTTTTGGAATTTTTAAACTGATAGCCTCAAACTCCAAACACCATCGATAGGACATAAAGCTTGTCTGTGATTCAAAACAAAGGAGATACTGCAGTGGAAACTGTAACCTGAGTGACTGTCTGTCAGAACATATGGTACGTAGACGGTAAAGCAATGGATCAGAAGTCAGATTTCTAGTAGGAAATGTAAAATCACTGTTGGCGAACAAATGGCCTTTATTAAGAAAT

14、GGCTTGCTCAGGGTAACTGGTCAGATTTCCACGAGGAAGTGTTTGCTGCTTCTTTGACTATGACTGGTTTGGGAGGCAGTTTATTTGTTGAGAGTGTGACCAAAAGTTACATGTTTGCACCTTTCTAGTTGAAAATAAAGTATATATATTTTTTATATGaaaggcttggctgctcattcttgtaaactttccttgggtttccctgggtgtaagcaggaagtttatatttatcttaaggtaattcactaagatgtttacaaacaactttgatgtgcatgagtcacatgaaatcaatagaat

15、tttgcataagcatcccttacaccggaccaagtagacatgagcatcaattatctacatgg首先,的先簡潔介紹一下,DNA到protein這個過程. 對于一個gene, 它除了含有翻譯成protein的那短序列, 也就是CDS (coding sequence ), 還有一些 untranslated 的部分, 比如promoter等, 就是 常說的3'UTR 和 5'UTR .  Google 了一個圖片放在這里:感覺這個圖有點問題,從wiki上找了個圖,這個是mRNA的結構圖這個是RNA splicing的圖再來一張exon的圖

16、很重要的一點In many genes, each exon contains part of the open reading frame (ORF) that codes for a specific portion of the complete protein. However, the term exon is often misused to refer only to coding sequences for the final protein. This is incorrect, since many noncodi

17、ng exons are known in human genes (Zhang 1998).留意,這里很重要的一句話,人們往往認為exon就是編碼蛋白的那些序列,但是人類中就有很多不編碼的exon!To the right is a diagram of an heterogeneous nuclear RNA (hnRNA), which is an unedited mRNA transcript, or pre-mRNAs. Exons can include both sequences that code for amino acids(red) and unt

18、ranslated sequences (grey). Stretches of unused sequence called introns (blue) are removed, and the exons are joined together to form the final functional mRNA. The notation 5' and 3' refer to the direction of the DNA template in the chromosome and is used to distinguish between the two untranslated regions (grey).Some of the exons will be wholly or part of the 5' untranslated region (5' UTR) or the 3' untranslated region (3' UTR) of each transcript. The untranslated regions are important for efficient translation of the transcript and