第七章 基因注释与功能分类
功能基因注释
功能基因注释一、高中生物教材相关内容（人教版）1. 基因表达的概念- 例如，基因中的碱基序列决定了mRNA中的碱基序列（转录过程），mRNA 中的密码子决定了氨基酸的种类和排列顺序（翻译过程），最终形成具有特定功能的蛋白质。
2. 基因与性状的关系- 人的身高就是由多个基因共同作用的结果，同时环境因素也会影响身高的表现。
在对与身高相关的基因进行功能注释时，要综合考虑基因之间的相互作用以及环境因素的影响。
3. 中心法则- 例如，通过对基因转录产物mRNA的分析，可以推测基因的功能。
如果一个基因的mRNA在特定细胞或组织中大量存在，可能意味着这个基因在该细胞或组织的特定功能中发挥重要作用。
二、大学相关教材（以分子生物学相关教材为例）1. 基因结构与功能的深入研究- 例如，通过生物信息学方法分析启动子区域的顺式作用元件，如是否存在特定转录因子的结合位点，从而推测基因在不同环境或发育阶段的表达模式，进一步注释基因的功能。
2. 蛋白质结构与功能- 例如，通过分析蛋白质的结构域，可以预测其可能具有的功能。
一些具有特定结构域的蛋白质可能参与信号转导、酶催化或物质运输等功能，这有助于对编码该蛋白质的基因进行功能注释。
3. 基因功能研究的实验技术- 教材会介绍一系列用于研究基因功能的实验技术，如基因敲除技术、基因过表达技术、RNA干扰技术等。
- 基因敲除技术可以通过破坏特定基因来观察生物体表型的变化，从而推断基因的功能。
例如，在小鼠模型中敲除某个基因后，如果小鼠出现生长发育迟缓的现象，那么这个基因可能与生长发育相关的生物学过程有关，这为基因的功能注释提供了重要的实验依据。
1. 生物信息学方法- 序列比对- 例如，使用BLAST（Basic Local Alignment Search Tool）工具，可以快速地在数据库中搜索与待注释基因序列相似的基因。
如果一个新发现的基因序列与编码某种酶的已知基因序列有很高的相似性，那么这个新基因可能也编码类似功能的酶。
基因组功能注释
基因组功能注释
基因组功能注释是指对基因组序列进行分析和解释，以确定其中的基因、调控元件、重复序列等功能元件的位置、结构和功能。
这种注释可以通过多种方法进行，包括基于比对的注释、基于预测的注释、基于实验的注释等。
其中，基于比对的注释是最常用的方法，它利用已知的基因组序列或蛋白质序列作为参考，将待注释的基因组序列与参考序列进行比对，从而确定其中的基因、调控元件等功能元件的位置和结构。
基于预测的注释则是利用计算机算法对基因组序列进行预测，以确定其中的基因、调控元件等功能元件的位置和结构。
基于实验的注释则是利用实验技术对基因组序列进行验证，以确定其中的基因、调控元件等功能元件的位置和结构。
基因组功能注释对于理解基因组结构和功能、研究基因调控和进化等方面具有重要意义。
基因注释与功能分类
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。
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，分子功能和细胞组分。
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。
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数据库也在不断的完善，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。
此图显示了该基因产物 的术语关联（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 “nervous system development”。
此图上部先对神经源 性分化因子6的相关 信息做简单描述，中 间术语系谱（Term Lineage）成阶梯状 分布，记录了GO数 据库中全部分子功能 所处的位置和关系。 下方“External Reference”提供了与 外部相关数据的链接。
基因组分析和基因功能注释方法
基因组分析和基因功能注释方法基因组分析和基因功能注释方法在现代生物学研究中起着至关重要的作用。
随着基因组学技术的不断进步和发展，科学家对基因组的理解越来越深入。
在这篇文章中，我将介绍基因组分析和基因功能注释方法的基本概念、技术以及应用。
基因组分析方法基因组分析是指通过对生物体基因组的研究来了解其遗传信息、结构、功能和进化。
基因组分析技术主要包括：基因组测序：通过对生物体基因组DNA的测序，可以获得其完整DNA序列。
比较基因组学：通过比较不同物种基因组之间的异同，来了解不同物种之间的亲缘关系、进化历史和基因功能的演化。
转录组分析：通过对细胞中的mRNA进行测序，来了解基因的转录过程和表达情况。
Epigenomics：研究基因表达和重编程机制，是基因组学和表观遗传学相结合的产物。
基因功能注释方法基因功能注释是指通过对基因组序列的分析和解释来了解基因的功能和作用。
基因功能注释技术主要包括：基因结构预测：通过对基因组序列进行分析，预测基因的结构、编码序列、启动子、5'和3'端以及剪接变异等基本特征。
功能注释：通过对基因组序列进行进一步分析和比较，注释基因的功能和作用，包括基因的信号序列、跨膜结构、功能域、亚细胞定位以及代谢通路等等。
基因调控网络建立：通过对基因组序列的分析和挖掘，建立基因调控网络，了解基因之间的关系与相互作用。
应用和前景基因组分析和基因功能注释方法广泛应用于医学、农业、生物技术等领域。
在医学方面，基因组分析可以用于诊断和治疗一些遗传性疾病，包括癌症、遗传性心血管病等。
在农业方面，基因组分析可以提高农作物的产量和抗病性。
在生物技术方面，基因组分析可以加速新药的开发和生物工程技术的发展。
未来，随着科学技术的不断进步和发展，基因组分析和基因功能注释方法将发挥越来越重要的作用。
预测新的基因、注释新功能域、研究新的代谢通路将成为重要的工作方向。
同时，随着大数据和人工智能技术的发展，基因组数据的处理、分析和预测将变得更加精确和快速。
生物信息学中的基因注释技术
生物信息学中的基因注释技术随着基因组学技术的日益发展，人类已经成功的测序了许多细胞和生物体的基因组，并且生成了大量的序列数据。
如何解读这些基因序列是生命科学的一个重要问题。
在基因注释中，科学家们将探索这些基因的功能，缺陷，同源性等，以及它们在健康和疾病等方面的重要性。
基因注释是基因组学中的关键技术之一。
基因注释技术可用于发现新的基因，并研究原有基因在不同条件下的表达情况和生物学功能。
因此，它是解析未知基因序列的关键步骤。
基因注释技术的发展在过去的几十年中，随着基因组学技术的发展，基因注释技术已得到了极大的发展，从最初的手工注释逐渐发展成自动化注释系统。
早期基因注释使用手工方法，科学家们将认真地研究 DNA 序列，并尝试研究他们所代表的基因。
但是，由于大量的基因数据和不同的 DNA 序列变异，常常需要大量的时间和人力才能完成注释工作。
自动化注释系统的引入，是基因注释技术发展的巨大飞跃。
自动注释系统可以通过计算机程序快速注释基因的准确位置，功能，等信息。
当前生成的大量的基因序列数据可以通过自动注释系统高效地进行注释。
这种方法不仅速度快，而且可以更加准确地注释基因，从而为研究人员提供了更全面的信息。
基因注释技术的类型基因注释技术包括结构注释和功能注释。
结构注释主要是指在基因组中判定基因起始和结束位置及其内含子和外显子边界。
通过基因结构注释，可以最大化地确定同源基因的有效性，并且可以更准确地识别基因序列。
它有许多方法来进行。
一些常见的方法包括：基于比对的方法，基于隐马尔可夫模型的方法和基于系统比较的方法等。
功能注释主要是指确定基因功能的方法。
因为许多新测序出来的基因并没有对应于已知基因，所以我们需要一种方法，根据不同条件和环境下的表达来预测及确定基因的功能。
近些年来，许多新的功能注释方法已经出现。
包括生物统计学，机器学习，神经网络等方法的引入，帮助科学家们更快，更准确的解析基因的功能。
基因注释技术的应用基因注释技术在生命科学的研究中有广泛的应用。
基因组数据注释和功能分析
例：for对m蛋at白db质-i数d据b 库-p“Tdb”进行格式化
程序运行
blastall命令用于运行五个blast子程序: blastall [option1] [option2] [option3] *可在dos下输入blastall查看各个参数的意义及使用
6个读码框翻译
5’端到3’端 第一位起始： ATG AGT ACC GCT AAA TTA GTT AAA TCA AAA GCG ACC AAT CTG CTT TAT ACC CGC 第二位起始： TGA GTA CCG CTA AAT TAG TTA AAT CAA AAG CGA CCA ATC TGC TTT ATA CCC GC 第三位起始：
Translated
Translated
Protein Nucleotide Database Database
程序名 搜索序列
数据库 内容
备注
blastp blastn blastx tblastn tblastx
Protein
Protein
比较氨基酸序列与蛋白 使用取代矩阵寻找较
质数据库
远的关系，进行SEG
s/release/ • 安装（安装到C:\blast） • 数据库的格式化（formatdb） • 程序运行（blastall）
•bin含可执行程序(将数据库及需要比 对操作的数据放入该文件)； •data文件夹含打分矩阵及演示例子的 序列数据信息；
•doc文件夹含关于各子程序的说明文 档。
双击安装到C盘 产生三个文件夹
生物信息学中的基因功能注释技术
生物信息学中的基因功能注释技术生物信息学是一门快速发展的交叉科学，它综合了计算机科学、统计学、电子工程学、生物学等多个学科的知识，被广泛应用于生物组学、基因组学研究等领域。
基因功能注释是生物信息学中一个重要的领域，它可以帮助科学家破解基因的功能以及影响机制，对于解决生命科学中的一系列问题起到了至关重要的作用。
一、基因功能注释技术概述基因功能注释是对基因和蛋白质的功能进行解读和注释的过程。
通过解读和注释基因和蛋白质的功能，人们可以研究它们在生物发育、疾病发生和进化等方面的作用，进而促进生命科学的相关研究。
基因注释通常包括DNA序列注释、RNA序列注释和蛋白质注释三类内容。
DNA序列注释指的是对DNA序列进行注释，包括基因的组成结构、转录因子结合位点、启动子等信息的鉴定；RNA序列注释是通过解读RNA序列，分析RNA的结构和功能，推断RNA在细胞内的功能和调控机制；蛋白质注释是通过预测、比对、结构和功能预测等手段对蛋白质进行注释，以揭示其功能、特征和调控机制。
基因注释技术的发展使得人们能够更好地理解生物分子和生物系统的复杂性。
二、基因注释技术的主要方法1. 基于比对的注释方法比对是最常见的基因功能注释方法之一。
比对方法主要是将待注释的序列与已知注释的序列进行比对，比对的基础中包括蛋白质序列、ncRNA序列、基因组序列等，通过比对可以快速、准确地找到相似的序列及其相应的注释信息。
常用的基于比对的注释方法包括BLAST、BLAT、BWA、Bowtie等。
这些方法都是自动化的，具有高效、快速、准确等特点，但也存在一定的局限性，如无法对全长RNA序列进行注释等。
2. 基于预测的注释方法基于预测的注释方法依赖于生物信息学的算法和技术，主要是通过预测和推理来预测生物分子的功能和特征。
常用的基于预测的注释方法有GeneMark、GENSCAN、Glimmer等。
这些方法通常需要训练大量数据，然后通过特定的算法和计算模型精确地预测基因和转录本的位置和结构。
基因注释与功能分类
miRanda算法的基本步骤
➢ 对miRNA和mRNA的3′UTR序列进行碱基互补分析； ➢ miRanda采用一种类似于Smith-Waterman的算法来构建
打分矩阵； ➢ miRNA与靶基因形成二聚体的热力学稳定性, miRanda
利 用 Vienna 软 件 包 中 的 RNAlib 计 算 miRNA 与 mRNA 3′UTR结合的自由能； ➢ miRanda要求靶点在多物种间保守，即靶点在多物种 3′UTR序列比对中相同位置具有相同的碱基。
microRNA数据库
➢ MicroRNA（miRNA）是一类内生的、长度约2024个核苷酸的小RNA,是发夹结构的约70-90个碱 基大小的单链RNA前体经过Dicer酶加工后生成。 其在细胞内具有多种重要的调节作用。
microRNA 特点
• 序列特点
– miRNA本身不具有开放阅读框ORF，不编码蛋白质 – 成熟的miRNA 5′ 端为单一磷酸基团，3′端为羟基
涵盖了基因的细胞组分（cellular component）、分子功能 （molecular function）、生物学过程（biological process）。
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的数据，其中包 括国际上主要的植物、动物和微生物基因组数据库。
• 保守型特点
– 在物种间高度
miRNA的作用机制
• 抑制或降解 – 取决于miRNA与靶mRNA种子区域的互补程度 • 种子区域 – 通常指miRNA 5′端第二位到第八位的核苷酸序列 – 两者完全互补 • 降解 – 两者不完全互补 • 抑制翻译
miRNA靶基因预测遵循的原则和基本步骤
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
GO中生物学过程的DNA代谢部分功能类示意图
二、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 2.0的首页。在
GO数据库中，每条记录都有一个数据标识号 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；“exact match”表示是否完全匹配， 可供选择。
AmiGO 2查询 结果图形视图
2. 用序列检索GO数据库 ➢ 在AmiGO 1.8 版本中，对于未知基因名的序列，
还可以用序列直接检索GO 数据库。点击AmiGO 1.8首页上方的“BLAST”。 ➢ 界面风格类似于其他数据库BLAST搜索的网页， 在检索框中输入氨基酸或核酸序列，网页能自动 识别并相应地做BLASTP或BLASTX和数据库中的 序列比对。
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
➢ 一组基因直接注释的结果是得到大量的功能结点。 这些功能具有概念上的交叠现象，导致分析结果冗 余，不利于进一步的精细分析，所以研究人员希望 对得到的功能结点加以过滤和筛选，以便获得更有 意义的功能信息。
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。
一、基因本体（gene ontology,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（cellular component）、分子功能（molecular function）、生 物学过程（biological process）。
➢ 这里以检索RPIA基因的序列为例，如图所示。
AmiGO 1.8 BLAST序列检索网页
三、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。
AmiGO 2基因描述示例1
➢ 检索下方还显示了该基因产物的关联（gene product associations）图，要查看该基因的分子功能，可点击 “direct annotation”中的记录查看，如点击“protein dimerization activity”的结果如图所示。
➢ 此外，还列举了该功能的详细注释，包括 “Associations”、“Graph Views”、“Inferred Tree View”、“Ancestors and Children”和 “Mappings”等。如点击可视化视图“Graph Views”就可清晰地显示该分子功能构成的复杂功能 网状结构，既有上下隶属关系，也存在平行关系。
KEGG 数据库存储的RDM模式
KEGG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 中输入人类葡萄糖磷酸变位酶基因名称“PGM1”
KEGG查询首页
➢ 点击搜索按钮“GO”进入查询结果页面，该页面会 列出针对基因“PGM1”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。
详细信息页面
➢ 通过点击相应的链接，我们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hsa00010（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hsa00010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。
生物信息学
生物信息学
第七章 基因注释与功能分类
哈尔滨医科大学 李亦学、宁尚伟
第一节 引言
背景 ➢ 随着后基因组（post-genomics）时代研究的不断深
入，基因组学的研究任务已由最开始的基因组序列 识别，渐渐转移到在整体分子水平对功能进行研究。 一个重要标志是功能基因组学（functional genomics） 的不断发展。
➢ 为了满足日益增长的科学研究需求，KEGG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。
一、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）。这个原理 可以由单个基因的注释分析发展到大基因集合的 成组分析。
➢ 由于分析的结论是基于一组相关的基因，而不是 根据单个基因，所以富集分析方法增加了研究的 可靠性，同时也能够识别出与生物现象最相关的 生物过程。
查询结果
➢ 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、NCBI、GenBank等。
➢ KEGG通常被看作是生物系统的计算机表示，它囊 括了生物系统中的各个对象与对象之间的关系。在 分子层面、细胞层面、组织层面都可以对数据库进 行检索。每个数据库中的检索条目按照一定规律被 赋予一个检索号，也就是ID。表中列出了KEGG的 13个核心数据库的检索号。
KEGG的13个核心数据库的检索号
AmiGO 2检索网页
举例
➢ 这里以检索神经细胞分化因子6（NEUROD6）为例， 选择“Advanced Search”下的“Genes and gene products”选项，在检索框中输入“NEUROD6”，运 行后所得基因产物检索结果如图所示。
AmiGO 2检索结果示例
➢ 检索得到的六个记录分别是不同物种中的神经源性分 化因子6，点击物种为人类“Homo sapiens”的 “NEUROD6”记录，得到结果如图所示，显示了该基 因的基本信息，包括类型、物种、名称来源等信息。
任务 ➢ 功能基因组学的主要任务之一是进行基因组功能注
释（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。
意义 ➢ 快速有效的基因注释对进一步识别基因，研究基因
的表达调控机制，研究基因在生物体代谢途径中的 地位，分析基因、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 具有重要的意义。
GO数据库主页
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。
GO数据库收录的基因组数据列表
➢ 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。
通路图
➢ 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。
KEGG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 神经退行性疾病、循环系统疾病、代谢障碍、传染病 循环系统疾病。
➢ KEGG提供的整合代谢途径查询十分出色，包括碳 水化合物、核苷酸、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。