生物信息學基因組分析課件

生物信息學第七章基因組分析1生物信息學第七章基因組分析1人類基因組計劃2人類基因組計劃2基因組、轉錄組和蛋白質組基因組轉錄組蛋白質組化學生物學3基因組、轉錄組和蛋白質組基因組轉錄組蛋白質組化學生物學3本章內容提要1.基因組的結構與內容2.基因組注釋3.比較基因組學4.基因/蛋白質的功能預測4本章內容提要1.基因組的結構與內容41.基因組的結構與內容(1)基因的結構(2)mRNA：可變剪切(3)蛋白質：翻譯后修飾(4)相互作用網(wǎng)絡：基因、蛋白質、小分子之間的相互作用(5)非編碼區(qū)a.功能元件:轉錄因子結合位點；啟動子…b.Non-codingRNA:MicroRNAc.轉座子d.重復片段e.偽基因(Pseudogene)51.基因組的結構與內容(1)基因的結構5(1)基因的結構6(1)基因的結構6基因組大小&基因數(shù)7基因組大小&基因數(shù)7基因數(shù)量->生物復雜性？1.基因數(shù)量的變化，無法解釋生物學功能、調控機理以及物種多樣性和復雜性的巨大變化2.當前解釋：蛋白質組的多樣性和復雜性->物種的多樣性和復雜性；~10,000,000種蛋白質分子3.兩種觀點：a.

轉錄后層面，mRNA剪切，產(chǎn)生拼接異構體b.

蛋白質層面，蛋白質序列上一個或多個位點上發(fā)生的翻譯后修飾8基因數(shù)量->生物復雜性？1.基因數(shù)量的變化，無法解釋生GenotypetoPhenotype9GenotypetoPhenotype9isoform1isoform2isoform3mRNASplicing轉錄后層面：mRNASplicing10isoform1isoform2isoform3mRNPhosphorylationSumoylationPalmitoylationAcetylationUbiquitination蛋白質層面：翻譯后修飾11PhosphorylationSumoylationPalm(4)相互作用網(wǎng)絡蛋白質-蛋白質相互作用網(wǎng)絡12(4)相互作用網(wǎng)絡蛋白質-蛋白質相互作用網(wǎng)絡12細胞信號通路G1/S檢驗點：有調控方向13細胞信號通路G1/S檢驗點：13(5)非編碼區(qū)a.功能元件:轉錄因子結合位點；啟動子…b.Non-codingRNA:MicroRNAc.轉座子d.重復片段e.偽基因(Pseudogene)14(5)非編碼區(qū)a.功能元件:轉錄因子結合位點；啟動子…Functionalelements:Promotor15Functionalelements:Promotor1TranscriptionFactorBindingSiteCRM:cis-regulatorymodules16TranscriptionFactorBindingSGal4pandKruppelGal4pKruppel17Gal4pandKruppelGal4pKruppel1其他功能元件Exonsplicingenhancer(ESE)andsilencer(ESS)Intronsplicingenhancer(ISE)andsilencer(ISS)18其他功能元件Exonsplicingenhancer(Non-codingRNA1.不翻譯成蛋白質，具有重要的調控功能2.分類：a.transferRNA(tRNA)b.ribosomalRNA(rRNA)c.snoRNAs,d.microRNAs,e.siRNAsf.piRNAs:與piwi相互作用的RNAg.longncRNAs:Xist…19Non-codingRNA1.不翻譯成蛋白質，具有重要的tRNA&rRNA20tRNA&rRNA20snoRNAssnoRNAs:SmallnucleolarRNAs;介導其他RNA分子的化學修飾，例如甲基化21snoRNAssnoRNAs:SmallnucleolamicroRNA/miRNA1.長度21-23bp2.調控基因的表達3.pre-miRNA:~70bp22microRNA/miRNA1.長度21-23bp22Transposon轉座子：在基因組中能夠移動位置的DNA序列23Transposon轉座子：在基因組中能夠移動位置的DNA序2.基因組注釋(1)基因組序列的拼裝(2)基因預測(3)可變剪切的預測(4)非編碼的功能元件的預測242.基因組注釋(1)基因組序列的拼裝24(1)基因組測序：鳥槍法25(1)基因組測序：鳥槍法25基因組的拼裝26基因組的拼裝26重復序列帶來干擾27重復序列帶來干擾27(2)基因預測直接的，序列高度匹配同一或近緣物種中，與EST，cDNA,蛋白質等序列完美或近似完美的匹配間接的，基于統(tǒng)計學的序列比對(Homology)從頭預測(abinitio)以上兩種方法的結合28(2)基因預測直接的，序列高度匹配28真核生物的基因結構5’3’3’5’

~1-100Mbp5’3’3’5’…………

~1-1000kbpexons(cds

&

utr)/introns(~102-103bp)(~102-105bp)Polyadenylationsitepromoter(~103bp)enhancers(~101-102bp)otherregulatorysequences(~101-102bp)29真核生物的基因結構5’3’3’5’~1-100Mbp基因的其他特征1.ORF(OpenReadingFrame):從AUG開始，至stopcodon終止2.CodonUsage:CAI…30基因的其他特征1.ORF(OpenReadingFrHMMmodelforGenePrediction(Genie)Kulp,D.,PhDThesis,UCSC200331HMMmodelforGenePrediction(3)可變剪切的預測將EST,cDNA序列比對到基因組上32(3)可變剪切的預測將EST,cDNA序列比對到基因組上部分有向圖算法33部分有向圖算法333.比較基因組學(1)有功能的通常保守(2)例：SUMO底物的預測：a.SUMO化位點存在ψ-K-X-E模體b.核定位信號(NLS)c.人和小鼠中，SUMO化位點應當保守d.功能分析：GeneOntology(3)分析結果：a.2,683個人-小鼠保守的SUMO化底物b.SUMO化的功能：參與轉錄調控、信號轉導等343.比較基因組學(1)有功能的通常保守34GeneOntology：基因本體論1.描述基因/蛋白質的功能2.三類術語(Term):a.Cellularcomponent:在哪里？b.Biologicalprocess:干什么？c.Molecularfunction：我是誰？35GeneOntology：基因本體論1.描述基因/蛋白質GeneOntology：基因本體論36GeneOntology：基因本體論363737功能顯著性分析：超幾何分布38功能顯著性分析：超幾何分布383939轉錄因子Inhumanproteome:

DNAbinding(GO:0003677):2,255Transcriptionfactoractivity(GO:0003700):1,102regulationoftranscription,DNA-dependent(GO:0006355):2,174InSUMOSubstrates:DNAbinding(GO:0003677):530Transcriptionfactoractivity(GO:0003700):304regulationoftranscription,DNA-dependent(GO:0006355):510因此，可以估計1/4~1/3的轉錄因子受到SUMO化的調控40轉錄因子Inhumanproteome:404.基因/蛋白質的功能預測(1)一級序列的比較：相似的序列具有相似的功能(2)保守的功能結構域：保守的功能(3)三級結構的比較：相似的結構具有相似的功能(4)蛋白質相互作用的預測414.基因/蛋白質的功能預測(1)一級序列的比較：相似的序(1)一級序列的比較1.同源物的鑒定：不同物種中的直系、旁系同源物的預測2.主要工具：BLAST42(1)一級序列的比較1.同源物的鑒定：不同物種中的直系、(2)保守的功能結構域1.保守的功能結構域：保守的功能2.常用工具：工具網(wǎng)址Interprohttp://www.ebi.ac.uk/interpro/Pfamhttp://pfam.sanger.ac.uk/SMARThttp://smart.embl.de/PROSITE/prosite/ProDomhttp://prodom.prabi.fr/prodom/current/html/home.phpCDD/Structure/cdd/wrpsb.cgi43(2)保守的功能結構域1.保守的功能結構域：保守的功能工例：Nek244例：Nek244(3)三級結構的比較1.Ubiquitin:泛素，主要負責蛋白質的降解2.SUMO：小的類泛素蛋白質，基因轉錄&信號通路3.催化反應通路的分子機制相似4.序列相似性：不顯著！45(3)三級結構的比較1.Ubiquitin:泛素，主要Ubiquitinvs.SUMO46Ubiquitinvs.SUMO46序列相似性：~20%47序列相似性：~20%47結構相似性SUMOUbiquitin48結構相似性SUMOUbiquitin48(4)蛋白質相互作用的預測1.基因組信息(Genomicinformation)A.GenefusionandfissionB.Conservationofgeneorder/bidirectionalpairsC.Phylogeneticprofile2.關聯(lián)的序列特征(Correlatedsequencesignatures)3.mRNAco-expression4.Literaturemining49(4)蛋白質相互作用的預測1.基因組信息(GenomiGenefusion/fission:RosettaStoneABABQueryproteinLinkedproteinRosettaproteinMarcotteEMetal.,Science1999,285:751-753;EnrightAJetal.,Nature,1999,402:86-90GenomeAGenomeB50Genefusion/fission:RosettaSConservationofgeneorder/bidirectionalpairsGeneorderpairsBidirectionaltranscribedgenepairsDandekarTetal.,TIBS,1998,23:324-328;OverbeekRetal.,PNAS,1999,96:2896-2901;KorbelJOetal.,NBT,2004,22:911-91751Conservationofgeneorder/biPhylogeneticprofilesPellegriniMetal.,PNAS,1999,96:4285-4288;HuynenMAetal.,PNAS,1998,95:5849-585652PhylogeneticprofilesPellegrinCorrelatedsequencesignaturesA.B.ThismodeliscomputationallyfasterandmoreconvenientPIDmodelPIDCmodel53CorrelatedsequencesignaturesPID模型：最大似然性法54PID模型：最大似然性法54P(Imn=1):訓練55P(Imn=1):訓練55Conservedco-expressionNotPPI,butfunctionallinkageStuartJMetal.,Science,2003,302:249-255;vonMeringCetal.,NAR,2005,33:D433-D43756Conservedco-expressionNotPPISTRING:方法的整合57STRING:方法的整合57生物信息學第七章基因組分析58生物信息學第七章基因組分析1人類基因組計劃59人類基因組計劃2基因組、轉錄組和蛋白質組基因組轉錄組蛋白質組化學生物學60基因組、轉錄組和蛋白質組基因組轉錄組蛋白質組化學生物學3本章內容提要1.基因組的結構與內容2.基因組注釋3.比較基因組學4.基因/蛋白質的功能預測61本章內容提要1.基因組的結構與內容41.基因組的結構與內容(1)基因的結構(2)mRNA：可變剪切(3)蛋白質：翻譯后修飾(4)相互作用網(wǎng)絡：基因、蛋白質、小分子之間的相互作用(5)非編碼區(qū)a.功能元件:轉錄因子結合位點；啟動子…b.Non-codingRNA:MicroRNAc.轉座子d.重復片段e.偽基因(Pseudogene)621.基因組的結構與內容(1)基因的結構5(1)基因的結構63(1)基因的結構6基因組大小&基因數(shù)64基因組大小&基因數(shù)7基因數(shù)量->生物復雜性？1.基因數(shù)量的變化，無法解釋生物學功能、調控機理以及物種多樣性和復雜性的巨大變化2.當前解釋：蛋白質組的多樣性和復雜性->物種的多樣性和復雜性；~10,000,000種蛋白質分子3.兩種觀點：a.

轉錄后層面，mRNA剪切，產(chǎn)生拼接異構體b.

蛋白質層面，蛋白質序列上一個或多個位點上發(fā)生的翻譯后修飾65基因數(shù)量->生物復雜性？1.基因數(shù)量的變化，無法解釋生GenotypetoPhenotype66GenotypetoPhenotype9isoform1isoform2isoform3mRNASplicing轉錄后層面：mRNASplicing67isoform1isoform2isoform3mRNPhosphorylationSumoylationPalmitoylationAcetylationUbiquitination蛋白質層面：翻譯后修飾68PhosphorylationSumoylationPalm(4)相互作用網(wǎng)絡蛋白質-蛋白質相互作用網(wǎng)絡69(4)相互作用網(wǎng)絡蛋白質-蛋白質相互作用網(wǎng)絡12細胞信號通路G1/S檢驗點：有調控方向70細胞信號通路G1/S檢驗點：13(5)非編碼區(qū)a.功能元件:轉錄因子結合位點；啟動子…b.Non-codingRNA:MicroRNAc.轉座子d.重復片段e.偽基因(Pseudogene)71(5)非編碼區(qū)a.功能元件:轉錄因子結合位點；啟動子…Functionalelements:Promotor72Functionalelements:Promotor1TranscriptionFactorBindingSiteCRM:cis-regulatorymodules73TranscriptionFactorBindingSGal4pandKruppelGal4pKruppel74Gal4pandKruppelGal4pKruppel1其他功能元件Exonsplicingenhancer(ESE)andsilencer(ESS)Intronsplicingenhancer(ISE)andsilencer(ISS)75其他功能元件Exonsplicingenhancer(Non-codingRNA1.不翻譯成蛋白質，具有重要的調控功能2.分類：a.transferRNA(tRNA)b.ribosomalRNA(rRNA)c.snoRNAs,d.microRNAs,e.siRNAsf.piRNAs:與piwi相互作用的RNAg.longncRNAs:Xist…76Non-codingRNA1.不翻譯成蛋白質，具有重要的tRNA&rRNA77tRNA&rRNA20snoRNAssnoRNAs:SmallnucleolarRNAs;介導其他RNA分子的化學修飾，例如甲基化78snoRNAssnoRNAs:SmallnucleolamicroRNA/miRNA1.長度21-23bp2.調控基因的表達3.pre-miRNA:~70bp79microRNA/miRNA1.長度21-23bp22Transposon轉座子：在基因組中能夠移動位置的DNA序列80Transposon轉座子：在基因組中能夠移動位置的DNA序2.基因組注釋(1)基因組序列的拼裝(2)基因預測(3)可變剪切的預測(4)非編碼的功能元件的預測812.基因組注釋(1)基因組序列的拼裝24(1)基因組測序：鳥槍法82(1)基因組測序：鳥槍法25基因組的拼裝83基因組的拼裝26重復序列帶來干擾84重復序列帶來干擾27(2)基因預測直接的，序列高度匹配同一或近緣物種中，與EST，cDNA,蛋白質等序列完美或近似完美的匹配間接的，基于統(tǒng)計學的序列比對(Homology)從頭預測(abinitio)以上兩種方法的結合85(2)基因預測直接的，序列高度匹配28真核生物的基因結構5’3’3’5’

~1-100Mbp5’3’3’5’…………

~1-1000kbpexons(cds

&

utr)/introns(~102-103bp)(~102-105bp)Polyadenylationsitepromoter(~103bp)enhancers(~101-102bp)otherregulatorysequences(~101-102bp)86真核生物的基因結構5’3’3’5’~1-100Mbp基因的其他特征1.ORF(OpenReadingFrame):從AUG開始，至stopcodon終止2.CodonUsage:CAI…87基因的其他特征1.ORF(OpenReadingFrHMMmodelforGenePrediction(Genie)Kulp,D.,PhDThesis,UCSC200388HMMmodelforGenePrediction(3)可變剪切的預測將EST,cDNA序列比對到基因組上89(3)可變剪切的預測將EST,cDNA序列比對到基因組上部分有向圖算法90部分有向圖算法333.比較基因組學(1)有功能的通常保守(2)例：SUMO底物的預測：a.SUMO化位點存在ψ-K-X-E模體b.核定位信號(NLS)c.人和小鼠中，SUMO化位點應當保守d.功能分析：GeneOntology(3)分析結果：a.2,683個人-小鼠保守的SUMO化底物b.SUMO化的功能：參與轉錄調控、信號轉導等913.比較基因組學(1)有功能的通常保守34GeneOntology：基因本體論1.描述基因/蛋白質的功能2.三類術語(Term):a.Cellularcomponent:在哪里？b.Biologicalprocess:干什么？c.Molecularfunction：我是誰？92GeneOntology：基因本體論1.描述基因/蛋白質GeneOntology：基因本體論93GeneOntology：基因本體論369437功能顯著性分析：超幾何分布95功能顯著性分析：超幾何分布389639轉錄因子Inhumanproteome:

DNAbinding(GO:0003677):2,255Transcriptionfactoractivity(GO:0003700):1,102regulationoftranscription,DNA-dependent(GO:0006355):2,174InSUMOSubstrates:DNAbinding(GO:0003677):530Transcriptionfactoractivity(GO:0003700):304regulationoftranscription,DNA-dependent(GO:0006355):510因此，可以估計1/4~1/3的轉錄因子受到SUMO化的調控97轉錄因子Inhumanproteome:404.基因/蛋白質的功能預測(1)一級序列的比較：相似的序列具有相似的功能(2)保守的功能結構域：保守的功能(3)三級結構的比較：相似的結構具有相似的功能(4)蛋白質相互作用的預測984.基因/蛋白質的功能預測(1)一級序列的比較：相似的序(1)一級序列的比較1.同源物的鑒定：不同物種中的直系、旁系同源物的預測2.主要工具：BLAST99(1)一級序列的比較1.同源物的鑒定：不同物種中的直系、(2)保守的功能結構域1.保守的功能結構域：保守的功能2.常用工具：工具網(wǎng)址Interprohttp://www.ebi.ac.uk/interpro/Pfamhttp://pfam.sanger.ac.uk/SMARThttp://smart.embl.de/PROSITE/prosite/ProDomhttp://prodom.prabi.fr/prodom/current/html/home.phpCDD/Structure/cdd/wrpsb.cgi100(2)保守的功能結構域1.保守的功能結構域：保守的功能工例：Nek2101例：Nek244(3)三級結構的比較1.Ubiquitin:泛素，主要負責蛋白質的降解2.SUMO：小的類泛素蛋白質，基因轉錄&信號通路3.催化反應通路的分子機制相似4.序列相似性：不顯著！102(3)三級結構的比較1.Ubiquitin:泛素，主要Ubiquitinvs.SUMO103Ubiquitinvs.SUMO46序列相似性：~20%104序列相似性：~20%47結構相似性SUMOUbiquitin105結構相似性SUMOUbiquitin48(4)蛋白質相互作用的預測1.基因組信息(Genomicinformation)A.GenefusionandfissionB.Conservationofgeneorder/bidirectionalpairsC.Phylogeneticprofile2.關聯(lián)的序列特征(Correla