基因注释与功能分类

《基因注释与功能分类》由会员分享，可在线阅读，更多相关《基因注释与功能分类（55页珍藏版）》请在装配图网上搜索。

1、第八章基因注释与功能分类Gene Annotation AndFunctional Classification哈尔滨医科大学李霞第一节引言A背景随着后基因组(post-genomics)时代的来临，基因组学的研究 重心开始从阐明所有遗传信息转移到在整体分子水平对功能进行 研究。这种转变的一个重要标志是产生了功能基因组学 (functional genomics )。任务功能基因组学的主要任务之一是进行基因组功能注尊 (genome annotation ) 了解基因的功能，认识基因与疾病的关 系，掌握基因的产物及其在生命活动中的作用等。A意义快速有效的基因注释对进一步识别基因，研究基因的表达

2、调 控机制，研究基因在生物体代谢途径中的地位，分析基因r基因 产物之间的相互作用关系，预测和发现蛋白质功能，揭示生命的 起源和进化等具看重要的意义。第二节基因注释数据库Gene Annotation Database基因注释数据库产生的原因一、研究人员已经掌握了大量的全基因组数据，同时关 于基因、基因产物以及生物学通路的数据也越来越多，解释 生物学实验的结果，尤其从基因组角度，需要系统的方法。二、在基因组范围内描述蛋白质功能十分复杂，最好的 工具就是计算机程序，提供结构化的标准的生物学模型，以便 计算机程序进行分析，成为从整体水平系统研究基因及其产物 的一项基本需求。、基因本体(gene on

3、tology, GO )数据库基因本体数据库是GO组织(Gene Ontology Consortium)在2000年构建的一个结构化的标准生物学模型，旨在建立基因及其产物知识的标准词汇体系，涵盖了基因的细胞组分Scorch | oene procem name v 回(cellular component) 分子功能(molecular function )、 生物学过程(biological process)。苍玄亍 the Gene OntologyOpen menusFAQDownloads ToolsDocumentation About GO ProjactcContact GOW

4、elcome to the Gene Ontology website!The Gene Ontology project is a major bloinformadcs initiative with the aim of standardizing the representation of gene and gene product attributes across species and databases. The project provides a controlled yootbulary of terrns for descnbIng gene product chara

5、cteristics and gene product annotatjon data from GO Consortium members, as v/ell as tools to access and process this data. Read more about the Gene Ontology.Th Gene Ontology project very much encourages in put from the community into both the content of the GO and annotation usin GO. Wo ar very happ

6、y to work with others to ensure that the GO is both complete and accurate, and we also very muchNgwc rss TwitterFacabo encourage communities to submit GO annotations for inclusion In the GO database. PIease.contact us._Search the Gene Ontology DatabaseSearch for genes, proteins or GO terms using Ami

7、GO:Igene or protein name GO term or IDAtniGO is the official GO browser and search engine. Browse th.Gene On to logy with Am iGO?.GO数据库收录的基因组数据列表 GO数据库最初收录的基因信息来源于3个模式生物数据库:果蝇.酵母和小鼠随后相继收录了更多数据，其中包括国际上主要的植物，动物和 微生物基因组数据库。 GO术语在多个合作数据库中的统一使用，促进了 各类数据库对基因描述的一致性。机构简称收录的基因组数据BBOP果蝇BHF-UCL心血管皐因dictyBase粘菌

8、盘基圍柄菌EcoliWiki大肠杆菌Fly Base果蝇GeneDB裂殖酵母 恶性疟原虫硕大利什曼原虫布氏锥虫GMUniProt 和 InterPro 注释Gramene农作物基因数据库MGD and GXD小家鼠RGD褐家鼠Reactome生物过程知识库SGD芽殖酵母 酿酒酵母TAIR拟南芥IGS基因组研究的工貝和数据JCVI若干种细菌基因组数据库WormBase线虫ZFIN斑马鱼网站http J/www. b erkdeyb op. orghttp 力www cardiovasculargeneontolo http:/dictybase.orghttp :/ec oliwiki. net

9、http :/flybas e. bio. indiana. edu http:www genedb. org http:www ebi.ac.uk/GOA http 力www gramene. org http www informatic s .jaz. org http:ZZrglmcweduhttpWwww genomeknowledge, org http J/www. yeastgenome. arghttp J/www. arabidop sis. org http J/www. igs. umaryland edu http :Z/7ww jcvi.org http :ZA?i

10、7WW wormbas & org http:/zfin. orgGO database release 2010Cite this da:a Terms cf use GO helpdeskCcp/right 1999-2009 the Gene CntclcgyGO注释体系特点GO通过控制注释词汇的层次结构使得研究人员能够从不同层面查询 和使用基因注释信息。从整体上来看GO注释系统是一个有向无环图(Directed Acyclic Graphs),包含三个分支，即：生物学过程(biological process),分子功能 (molecular function)和细胞组分(cellul

11、ar component)。注释系统中每一个结点(node)都是基因或蛋白的一种描述，结点之间保 持严格的关系，即“is*或“partof，。DNA metabolismDNAdegradatioDNA recombinationDNA packagingDNA repairDNA replicationn tena neeDNA HgationunwindingDNA inftiationpre-repllcadve complex formation and maintevianeoIngging strand elongationDNA primingDNA-dependent DNA

12、replicationmitochondrial DNA-dependeni DMA replicationmitoch on drialgenome maDNA strand elomgationleading strand elongation一、使用GO数据库1. 用关键词检索GO数据库检索GO数据库通常先进入AmiGO的首页。在GO数据库中，每条记录 都看一个数据标识号GO:XXXXXX和对应的术语。因此检索时需要知 道待查基因的数字标识号或术语，将它们直接输入框中检索即可。如 果检索的基因或蛋白质存在别名，可在检索框下勾选“gene or proteins,并在检索框中输入别名检索；

13、“exact match55表示是否完全 匹配，可供选择。:the Gene OntologyAmiGOSearch Browse BLAST More Tools HelpJ(30 terms |Search the Gene Ontology databasegenes or proteins 厂 exact match根交査向内容AmiGO version: 1.7举例这里以检索神经源性分化因子6 (NEUROD6)为例。在检索框 中输入 “NEUROD6并勾选 ugene and proteins和 aexact match,运行后所得基因产物检索结果如图所示。Search GO EU

14、RODGGO terms genes or proteins I exact match提交亘询向容GO database release 2010Cite this da:a Terms cf use GO helpdeskCcp/right 1999-2009 the Gene CntclcgyGO database release 2010Cite this da:a Terms cf use GO helpdeskCcp/right 1999-2009 the Gene CntclcgyGene Product Search Results4 results for :NEUROp6：

15、 in genes or proteins fields symbolr full narne(s) and synonyms Filter search results Q-Filter GQn ProductsGene Product Type Data sourceSpec 心入 Human immunodefic 八Hyphomonas neptunListeria monocyto.7Macaca fas cicu IansvFilter Gqc Products by AssociationsOntologyEvidence CodeIIAJI Ilbiological proce

16、ssICcellulai compcnentIDAmolecular functionIEA vset nitersRemo/e all liftersGO database release 2010Cite this da:a Terms cf use GO helpdeskCcp/right 1999-2009 the Gene CntclcgyGO database release 2010Cite this da:a Terms cf use GO helpdeskCcp/right 1999-2009 the Gene CntclcgyResults are sorted by re

17、levance To change the sort order, dick on the column headers.Perform an action with this pages selected gene products.rel ；厂：Neurod6ir Neurod6? ：NEUROD6：Neurogenic differengation factor 6 厂 NEUROD6!fJejogenic dirferenoa;ior cto； 6 rSymbol , full namespecies8 associations gene from Mus musculusBLACTj

18、30匹頤Q.Ugg. gene from Radius norvegicus7 associations7 associationsprotein from bos vaurusprotein from Homo sapiensPGfform an action with this pages selGCtod gens products.叼 I IGO database release 2010Cite this da:a Terms cf use GO helpdeskCcp/right 1999-2009 the Gene Cntclcgy此图显示了该基因产物的基本信息，包括类型、物种、

19、 别名来源和序列Search GOe terms genes or proteins 厂 exact match税交查询内容NEUR0D6Gene product information 7 term associationsInformati onSymbolNEUROD6Name(s)Neuroge nic d iff ere ntiatio n factor 6TypeproteinSpeciesHomo sapiens (human)SynonymsATOH2IPI00102356My051NDF6.HUMANNEUROD6DatabaseUniProtKB/Swiss-Prot, u

20、niProtKB/Svvfss-Prot:Q96NK8SequenceNo peptide sequenee availableBack to topTerm AssociationsDownload all association mformaoon in: Q.gQ.sociation fojTna: RDF；XML Filter associations displayed W此图显示了该基因产物 的术语矣联(term associations)图，图中 记录名称“Term”是 GO记录的名字，“ Ontology”是该基因 产物的特性，如要查看 其分子功能，可点击其 中的一条记录“ n

21、ervous system development”。Filter AssociationsOntologyEvidenew CodeQH八biological processICcellular compcnenlICAmalecular functionIEA vPerform an action 加h Ihis page s S8lsc2d 檢msSet nitersRemoe all iilters厂9965 gene productsview in treeG0:0030154 : celldiffere n:ia:io nbiological processIEAWith 5PKM

22、KWO22LGO REF:0000004UniProtKB(via uniPro：KB/Swiss-Prot)r23925 qene products view in tree 00:0007275 : multicellular organismal develop me ntbiological processIEAWith SP K?/;KV；-0217GO REF：0000004UniProtKB(via UmProrKB/Swiss-Prot)厂5317 gene productsvi ga m treeG0:0007399 : nervous system developmentb

23、ioloqical processIEAWith SP K.7:KW-0524GO REF:0000004UniProtKB(via UmPro:KB/Swiss-Prot)厂20473 gene products view in tree GO:0045449 : reg elation of cellula- van sc-iptior.biological processIEAWith 5P K.7：KW-0805GO REF:0000004UniProtKB(via uniPro：KB/Swiss-Prot)r36436 gene products view in treeG0：000

24、5634 : nucleuscellular componentIEAwith SP 5L:SL 0191GO REF:0000023UniProtKB(via uniProtKB/Swiss-Prot)厂21250 gene productsview in treeG0:0003677 : DMA bindingmolecular functionIEAWith SP K.7:KW-0238GO REF:0000004UniProtKB(via uniPro：KB/Swiss-Prot)r16342 qene products view in treeGO:0030S28 : transcr

25、iptionregulator activitymolecular functionIEAWithlnterPro:JPRO 11598GO REF：0000002UniProtKB(via UniProrKB/Swiss-Prot)Accession, TermOntologyQualifierEvidenceReference/Assigned byI Gcieaail I I ciesraiiPerfaE an action with ihis Ragss selecled terms.-.Back to topnervous system developmentTerm informa

26、tion rot accession or upload a txt file of queues or paste in FASTA sequcnce(s) uniprot accession: IITex: file maximum file size 500K):FASTA sequence(s):Sequences should be separated ME an empty line.GGAOGTACCTOTOCAGGAGCCTTTGCOiTAATGTTCTOTGOOTGGn CAACrTSTGGTGGGGGGTGGGGGGAAGIGGGAGG3GGAGTrAnAT0CA 3TCr

27、TATGAAGrArrG77A77AAATGICTIIITAAA?AGAGAAATATAnn TATATTTrTAarAT7AAAX7ATTCAGT-II77ATGAAt?TAGAACrr7r9rAmACCrr7GXC7-GiGTC79C7GGIWV3CTTCT$AATATr aG$CCCACCASCTGXTCTCCGATGCCTIAeiGGAAACHT5TTTACT rsr ci HTY “r ur 二二二二二“二二 AmrAxx 託 sa ska kTA3IACCIASrrCrcrriGZCA,ZZZAZAWlAZ-cIcSASI55 3CSSIAISSIArS3ArGXCrZGGrGi3

28、CI3TCJV2S5A2AAJJ；I3r IGTTACA-rrrr3CrAkGrCZGGGGSZZZCIZCAXAXXZCr5TSri53 USCASriSAZC3AXrGCrZGCCGZA,CIGC 匚ATGT5AASTA3Trr3rrTTT7TATT-rrAAIGWmcmTT5TTATT ATArTrrTCT3T3rrZCrTTGr7Ar-Z-GCAIGGmGS：STZASAS rCCTTAZZTCTTrATTrGTT-GCAGGZrrAATAAAAZASTSTSSTSCZ ATTTT3Maximum number of sequences： 100Maximum total length

29、 of sequence: 3,000.000 residuesBLAST settingsExpec* threshold |o 1 vMaxinxim number o- aiignments 50BLAST filter On r Off保交五询內客-二、京都基因与基因组百科全书1.简介 京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes, KEGG)是系统分析基因功能、基因组信息的 数据库，它整合了基因组学、生物化学以及系统功能组学 的信息，有助于研究者把基因及表达信息作为一个整体网 络进行研究。 KEGG提供的整合代谢途径查询十分

30、出色，包括碳水化合 物、核昔酸、氨基酸等代谢及有机物的生物降解，不仅提 供了所有可能的代谢途径，还对催化各步反应的酶进行了 全面的注解，包含其氨基酸序列、到PDB数据库的链接等。 此外，KEGG还提供基于Java的图形工具访问基因组图谱、 比较基因组图谱和操作表达图谱，以及其他序列比较、图 形比较和通路计算的工具。因此，KEGG数据库是进行生 物体内代谢分析、代谢网络分析等研究的强有力工具之一。KEGG存储内容 KEGG目前共包含了 19个子数据库，它们被分类成系统信息、 基因组信息和化学信息三个类别。基因组信息存储在GENES数据库里，包括全部完整的基因组序列和部 分测序的基因组序列，并伴有

31、实时更新的基因相关功能的注释。 KEGG中化学信息的6个数据库被称为KEGG LIGAND数据库，包含 化学物质、酶分子、酶化反应等信息。KEGG BRITE数据库是一个包 含多个生物学对象的基于功能进行等级划分的本体论数据库，它包括 分子、细胞、物种、疾病、药物、以及它们之间的关系。 一些小的通路模块被存储在MODULE数据库中，该数据库还存储了其 他的一些相关功能的模块以及化合物信息。 KEGG DRUG数据库存储了目前在日本所有非处方药和美国的大部分 处方药品。 KEGG DISEASE是一个存储疾病基因、通路、药物、以及疾病诊断标 记等信息的新型数据库。KEGG数据库的注释与检索表8-

32、2 KEGG的13个核心馥据库的检索号KEGG通常被看佐旦儿八為多厶云厶厶二丄皆ReleaseDatabaseObject Identifier作疋生物糸统的叶异1995KEGG PATHWAYmap number机表TF ,它囊括了生KEGG GENESlocus tag / GenelD物系统中的各个对象KEGG ENZYMEEC number与对象之间的关系。KEGG COMPOUNDC number在分子层面、细胞层2000KEGG GENOMEorganism code / T number面、组织层面都可以2001KEGG REACTIONR number对数据库进行检索。2002

33、KEGG ORTHOLOGYK number每个数据库中的检索2003KEGG GLYCANG number条目按照一定规律被2004KEGG RPAIRRP number赋予一个检索号，也2005KEGG BRITEbr number就是ID。表中列出了KEGG DRUGD numberKEGG的13个核心数据2007KEGG MODULEM number库的检索号。2008KEGG DISEASEH number2009KEGG PLANTFutureKEGG MEDICUSIntegrate KEGG DISEASE, KEGG DRUG, andreleasesvarious aspe

34、cts of human body systemsRDM Pattern另外一种化学注释的方法是 以小分子化学结构的生物学 意义为特征来实现的。在KEGG数据库中，酶与酶 之间的反应信息以及相关的 化学结构信息分别存储在 KEGG REACTION数据库和 KEGG REPAIR数据库中。每个化合物的化学结构都被 转化为 RDM (atom type changes at R:reaction center D:diffevent atom M:matchedatom)模式。L-filutamaii?CODO25N*4icch bL-iUl4lrtWtC0062400 O也丿丫A3Nla-NI

35、b(H) - C5aC leCIcReaction cemerDifference aiotnMatched atom(Example) RDM pattern for A04458KEGG数据库的注释与检索下面以人类编码葡萄糖磷酸变位酶的基因“PGM1”为例： 首先进入KEGG首页，在首页顶端的输入框中输入类葡萄 糖磷酸变位酶基因名称“PGM1”PGM1KEGG HomeIntroductionKEGG: Kyoto Encyclopedia of Genes and GenomesOverviewRelease notesCurrent statisticsA grand challeng

36、e in the post-genomic era is a complete computer re presen t 石 tion of the cellf the organism and thm bios 卩which will enableKEGG Identifierscomputational prediction of higher-level complexity of cellular processes and organism behaviors from genomic and molecular information Towards thisKEGG XMLend

37、 we have been developing a bioinformatics resource named KEGG as part of the research projects of the Kanehisa Laboratories in the BioinformaticsKEGG APICenter of Kyoto University and the Human Genome Center of the University of Toky o.KEGG FTPKegTools= Main entry point to the KEGG web serviceKEGG2K

38、EGG Table of ContentsUpdate notes Help点击搜索按钮“GCT进入查询结果页面，该页面会列出针 对基因“PGM厂在KEGG数据库中的搜索结果，除人类外， 包含“PGM1”基因的物种条目也会被列出。GenomeNetISearch| KEGG GENES闽for|PGM1|回 1的Database: KEGG - Search term: PGM1KEGG GENEShsa:523PGbll; phosphoglucomutase 1 (EC54.2.2); KD1835 phosphoglucomutase EC:5.4.2.2 mmu:66681Pgm1;

39、phosphoglucomutase 1 (EC:5.4.2.2); K01835 phosphoglucomutase EC:5.4.2.2 rno:24645Pgm1; phosphoglucomutase 1 (EC5.422); K01835 phosphoglucomutase EU5422 cfa:479545PGM1; phosphoglucomutase 1; K01835 phosphoglucomutase EC54.2.2 bta:534402PGIvll; phosphoglucomutase 1 (EC:5.4.2.2); K01835 phosphoglucomut

40、ase EC:5.4.2.2display allDBGET integrated database retrieval systemHomo sapiens (human): 5236其中排在第一位的是人类 基因“PGM1”的相关信息, 点击该条目进入到详细信 息页面。该页面以表格的形式列出了该基因有关的详细信息, 包括基因编号，基因的详 细定义，所编码的酶的编号，基因所在通路，以及 序列的编码信息。同时）在页面的右侧还提供了该基因在其他分子生物学数 据库的链接，如OMIM、NCBL GenBank等。oe6 ntegrateo aatao珈 retnevai systemHomo sapi

41、ens (human): 523632 36Per Won SgloyPathwayCDSphoaybpq1uucg=u :(EC:S422RO2633 DhogphOQlvwoTawce EC2.4 22)hxOOOlO ftagax and nucleotide dugx retalolis Xt.b=2udisease C1MKll.IO PA7HXAY llclasa- 42: I.XTrXfl七专C忖K 11MetaJoolix; Carfcohydrat Wetaboliw.; Glyoolysi / OloconeooeDeia IPArHtbsaOOOlOl少叫nJc-j2Lt

42、2!2L) cm 丿iCt ;i Kmgm :13 ：tJ、zoW 丿f*ii Gi： 2136121JII.: P36871ChtsmcaX = uv,cu f30 佩WOKE Ul oes noXEGG ORTHZCCCY L| 32-na OnlGene (1)At .yyy 小WUnf ztCx-CtLj*3DM rv：rs a: : st心.oe6 ntegrateo aatao珈 retnevai systemHomo sapiens (human): 5236a： . .jr .-； .y;l -M.l -!*；. :-lr !-oe6 ntegrateo aatao珈 retn

43、evai systemHomo sapiens (human): 5236I s ft I LI.!； |Iu.-； .1.!-: r iVI* ； I ,i i. t |*,k i I p . i，,!.-, -1 I*!* * .S- 1 “ 缸E “$ *1 0 !.* i. Tl * .* “ . -; H . -., tiq. 1 Vlr !utill. 11 wcpm；%.；. !.；! I?U|.xIq；.-a.-.-*1； -；”.oe6 ntegrateo aatao珈 retnevai systemHomo sapiens (human): 5236通过点击相应的链接，我们

44、可以 进入该基因相应信息的页面。在 pathway这一栏中列出了该基因所 在的生物学通路，点击编号为 hsaOOOlO （糖酵解/糖异生通路） 的通路，进入到该通路的相应页 面。该编号为hsaOOOlO的通路页 面以简单的几何图形显示出了糖 酵解/糖异生相关生物过程。图中 红色的方框即为基因“PGM1所 编码的酶，以此就可以通过该酶 所在位置以及通路的拓扑结构来 综合分析基因。此外：可以通过页面顶部的下拉 列表框来选择该通路在其他物种 中的信息，也可以通过该列表框 的选择来查看相关的基因、酶、 反应、化合物等相关通路信息。oe6 ntegrateo aatao珈 retnevai system

45、Glycotysis / Gluconeogenesis Homo sapiens (human) Pathway menu I Pathway entry | show dwscriDtioc I Homo sapiens (human)vh：05t-6PI 53.】91J pP-EtFnrbie-fi?pk郎h徜 pathwayP-D.Frocta3e-l.6P214.3 2.331GXvttAB?k5e-3P|I21 12II1.2B953.1.1 Gl)eroae-FG咖r1“3Pz112 9 II 27.231I 5 42 J42.】.】）-to4.1.1321OxakarMai?d

46、.】.】.4?1旷 Pytmte 1.1 1 |2?1 12.7.1 FFlo eph:如 RTXVa*HPP23.】.】2airofe-E生Enp2.13l丄丄刀| O L-Lac2-Huiroxy- ethxvThPr )41411100010 2fisno(c Kiaekra LiwabEDihlip. lipo&yro-EFropafi a* rre tdtchnYi2丄3l丄丄丄1.1121 l处EutG40 Elhiwl041213KEGG数据库的改进与更新 KEGG PATHWAY还存储了一些人类疾病通路数据，这些 疾病通路被分为六个子类：癌症、免疫系统疾病、神经退行 性疾病、循

47、环系统疾病、代谢障碍、传染病循环系统疾病。 KEGG DRUG数据库也在不断地完善，其中的药物数据几乎 涵盖了日本的所有非处方药和美国的大部分处方药品。DRUG是一个以存储结构为基础的数据库，每条记录都包含 唯一的化学结构以及该药物的标准名称，以及药物的药效、 靶点信息、类别信息等。药物的靶点通过KEGG PATHWAY 查询，药物的分类信息是KEGG BRITE数据库的一部分，通 过药物的标准名称可以找到该药物的商品名，还可以找到药 物销售的标签信息。此外，DRUG还包括一些天然的药物和 中药的信息，有些药物被日本药典所收录。KEGG数据库的改进与更新为了满足日益增长的科学研究需求，KEGG

48、数据库在最近 几年里不断扩充，新增加的50多个通路使KEGG PATHWAY数据库更加完善。这50多个新增加的通路包括 信号传导通路、细胞生物过程通路和人类疾病通路等。 KEGG对通路数据新增了两个补充内容：第一个补充是一 张全局通路图，这张全局通路图是通过手工拼接KEGG的 120多个现存通路图生成的，存储为SVG文件。另一个补 充内容是KEGG MODULE数据库，这是一个收集了通路 模块以及其他一些功能单元的新型数据库，功能模块是在 KEGG子通路中被定义为一些小的片段，通常包括几个连 续的反应步骤、操纵子、调控单元，以及通过基因组比对 得到的系统发生单元和分子的复合物等。第三节基因集功能富集分析Gene Set Enrichment Analysis进行基因集功能富集分析的原因_组基因直接注释的结果是得到大量的功能结总 功能具有概念上的交叠现象，导致分析结果冗余:匕C十： -步的精细分析，所以研究人员希望对更到的功冃s、1 过滤和筛选，以便获得更有意义的功能信息。、富集分析算法富集分析方法通常是分析一组基因在某个功能结点上是否 过出现(over-presentation)o这个原理可以由单个基因的注 释分析发展到大