基因组学数据分析
基因组学数据分析的流程与技术要点
基因组学数据分析的流程与技术要点随着高通量测序技术的发展，基因组学数据分析成为了生物学研究中至关重要的一环。
基因组学数据分析的流程和技术要点涉及到多个阶段，包括数据预处理、质量控制、比对、变异检测和功能注释等。
下面将详细介绍基因组学数据分析的流程和技术要点。
1. 数据预处理基因组学数据分析的首要步骤是数据预处理。
该步骤旨在清洗和修正原始序列数据，以移除低质量序列和技术性诱导的错误。
在这一阶段，首先需要进行过滤，去除包含低质量碱基（例如低于质量阈值）的序列。
然后，还需要进行去除接头序列和重复序列，以减少数据中的噪音。
2. 质量控制质量控制是基因组学数据分析中的重要一环，旨在评估和调整数据集的质量。
质量控制通常包括以下方面：评估序列质量，识别和过滤读长过短或过长的序列，评估碱基分布的均匀性，检测并去除低质量序列和重复序列。
3. 比对基因组组装的一个重要步骤是将测序读段与参考基因组进行比对。
比对的目标是将测序数据准确地映射到参考序列上，以便进一步的变异检测和功能注释。
比对方法包括局部比对和全局比对。
对于较短的测序读段，可以使用局部比对算法（如Bowtie、BWA等）；对于较长的读段，可以使用全局比对算法（如BLAST、BLAT等）。
比对时需要考虑参考基因组的质量，过滤掉与参考基因组不匹配的序列。
4. 变异检测变异检测是分析基因组学数据中存在的突变和多态性的关键步骤。
该步骤通常包括单核苷酸多态性（SNP）检测、插入/缺失（Indel）检测和结构变异（CNV）检测。
在变异检测中，需要将比对结果与参考基因组进行比较，鉴定与参考基因组有差异的位点或区域。
经过统计学分析和筛选后，可以得出基因组中存在的突变和多态性。
5. 功能注释对于已经鉴定出的变异，对其进行功能注释非常重要。
功能注释可以帮助研究者理解变异的生物学意义，并从大量的无关变异中筛选出相关的变异。
功能注释通常包括基因功能、通路分析和突变对蛋白质结构和功能的影响等方面。
基因组学数据分析中常见问题与解决方案
基因组学数据分析中常见问题与解决方案在基因组学领域中，数据分析是非常重要的一部分，它能帮助我们理解基因组的组成、功能和相互关系。
然而，在进行基因组学数据分析过程中，常常会遇到一些问题。
本文将介绍一些常见的问题，并提供解决方案。
1. 数据质量问题在基因组学数据分析中，数据的质量是至关重要的。
数据质量差可能会导致分析结果不准确或无法得出有意义的结论。
常见的数据质量问题包括测序错误、测序片段不完整等。
解决方案：- 通过使用高质量的测序平台，如Illumina或PacBio，可提高数据质量。
- 利用常见的测序质量检查工具，如FastQC，对测序数据进行质量评估。
- 基于质量评估结果，可以选择性地过滤掉质量较差的数据。
2. 数据预处理问题在进行基因组学数据分析之前，通常需要进行数据预处理，包括去除低质量的测序片段、去除适配序列、对序列进行修剪等。
然而，预处理过程可能会引入新的问题。
解决方案：- 使用专门的预处理工具，如Trimmomatic或Cutadapt，可以高效地去除低质量的测序片段和适配序列。
- 在进行数据预处理之前，建议先对数据进行可视化和检查，以确保预处理过程不会引入新的问题。
3. 数据比对问题基因组学数据分析中的一个关键步骤是将测序片段与参考基因组进行比对。
然而，由于基因组的复杂性，比对过程可能会遇到一些困难。
解决方案：- 选择适当的比对工具，如Bowtie2、BWA或STAR，根据具体的研究需求和数据类型来选择。
- 在比对过程中，需要考虑片段长度、缺失和插入等问题，您可以通过调整比对工具的参数来解决这些问题。
- 使用多个参考基因组进行比对，以克服特定基因组的局限性。
4. 寻找基因变异问题在基因组学数据分析中，寻找基因变异（如单核苷酸多态性SNP或结构变异SV）是重要的研究方向之一。
然而，这个过程可能会面临一些挑战。
解决方案：- 使用专门的变异检测工具，如GATK、FreeBayes或VarScan，来识别基因变异。
基因组学数据分析的流程与方法探索
基因组学数据分析的流程与方法探索基因组学数据分析是研究基因组的组织、功能、调控以及与遗传疾病相关性的一门学科。
在基因组学数据分析过程中，我们需要经历一系列的流程与方法，以从庞大的基因组数据中提取有价值的信息。
本文将探索基因组学数据分析的流程与方法，以帮助研究者更好地理解和应用相关技术。
第一步：数据生成与预处理基因组学数据分析的第一步是根据研究目的生成或获取原始数据。
常见的数据类型包括基因表达数据、DNA测序数据、蛋白质组学数据等。
而后，我们需要对这些原始数据进行预处理，包括去除低质量序列、去除污染物质、质量校正、序列比对等。
这些操作能够提高后续分析的准确性和可靠性。
第二步：基因功能注释与富集分析在基因组学数据分析的过程中，我们经常需要理解基因或基因集的功能和富集信息。
基因功能注释用于将基因与特定的功能信息（如基因本体论注释、路径注释、亚细胞定位注释等）关联起来，以便更好地理解基因的功能特性。
而基因富集分析通常用于识别在特定条件下富集的功能。
例如，对于基因表达数据的分析，可以使用富集分析工具（如DAVID、GOstats、GSEA等）鉴定在特定通路或功能上具有显著富集的基因集。
第三步：差异表达分析差异表达分析是基因组学数据分析的关键步骤之一，用于鉴定在不同条件下表达水平发生显著变化的基因。
差异表达分析的方法包括有监督和无监督的方法。
常用的差异表达分析工具包括DESeq2、edgeR、limma等。
这些工具可以帮助我们鉴定差异表达的基因，并为后续的功能分析和验证提供基础。
第四步：基因网络分析基因网络分析是一种用于研究基因间相互作用和调控关系的方法。
基因网络可以帮助我们理解基因之间的关联关系，揭示潜在的调控机制。
在基因网络分析中，常用的方法包括共表达网络分析、蛋白质-蛋白质相互作用网络分析等。
例如，WGCNA是一种常用的共表达网络分析方法，它可以帮助我们构建基因共表达网络，并识别在特定条件下高度相关的基因模块。
基因组学数据分析的使用教程
基因组学数据分析的使用教程基因组学数据分析是一项重要的研究领域，它涉及到对基因组数据的处理、解读和分析。
随着高通量测序技术的发展，我们现在能够更加准确地获得个体的基因组数据。
在本教程中，我将向您介绍基因组学数据分析的基本步骤和常用工具，以及如何解读和分析这些数据。
第一步：数据的获取和预处理基因组学数据通常以FASTQ格式的测序文件的形式提供。
首先，您需要将这些原始测序数据进行质量控制和过滤，以去除低质量数据。
这可以通过使用一些工具，如Trimmomatic或FASTQC来实现。
第二步：比对与装配接下来，您需要将测序数据比对到参考基因组上，从而确定测序数据在基因组上的位置。
这可以通过使用工具，例如Bowtie2或BWA来实现。
对于无参基因组，您可以通过使用工具，如SPAdes或Velvet，进行基因组装配。
第三步：变异检测一旦您完成了比对和装配，您就可以进一步分析基因组数据中的变异。
这包括单核苷酸变异（SNV）和插入/删除（INDEL）的检测。
常用的工具包括GATK、SAMtools和bcftools。
通过比较样本和参考基因组上的变异，您可以识别出潜在的致病性变异。
第四步：功能注释在检测到变异之后，您需要对这些变异进行功能注释，以了解它们的潜在生物学功能。
这可以通过使用一些工具，如ANNOVAR或SnpEff来实现。
这些工具可以根据变异的位置和类型，将其注释为编码区域、非编码区域、剪接位点等。
第五步：通路分析一旦您了解了样本中的变异及其功能，您可以将这些变异映射到特定的生物学通路中，并进行通路分析。
这可以通过使用一些在线工具，如DAVID或KOBAS来实现。
通路分析可以帮助您理解这些变异如何影响特定生物学过程或信号传导网络。
第六步：结构和功能预测除了通路分析，您可以进一步预测变异对蛋白质结构和功能的影响。
工具如PolyPhen-2和SIFT可以预测变异在蛋白质水平上的可能影响。
这些工具可以识别可能影响蛋白质折叠、酶活性或结合能力的变异。
基因组学数据的分析与解读方法
基因组学数据的分析与解读方法基因组学是研究生物体完整基因组信息的学科，通过分析基因组数据可以洞察生物体的基因组结构、功能和变异情况，对于研究遗传学、进化学、疾病相关基因等具有重要意义。
然而，基因组学数据的分析和解读是一个复杂且庞大的任务，需要借助各种方法和工具进行。
在基因组学数据的分析上，主要有以下几个重要的方法和步骤：1. DNA测序：首先需要对待测样本进行DNA测序，以获取基因组序列信息。
目前主要有两种测序技术：第一代测序技术和第二代测序技术。
第一代测序技术如Sanger测序，虽然准确度高，但成本昂贵，效率低下；而第二代测序技术如Illumina测序、Ion Torrent测序等，具有高通量、高效率和低成本的特点。
2. 数据预处理：在基因组数据获得后，需要对原始数据进行预处理，包括去除低质量序列、去除接头序列、去除重复序列等。
这一步的目的是优化数据质量，提高后续分析和解读的准确性。
3. 数据比对：接下来的步骤是将测序数据与参考基因组序列进行比对，以确定测序数据中的每个碱基所对应的位置。
这一步使用的算法有Bowtie、BWA等，通过比对可以得到某个基因或区域的序列变异和差异。
4. 变异检测：变异检测是基因组学研究的关键步骤之一。
可以通过比对序列数据检测到样本与参考基因组之间的差异，例如单核苷酸多态性（SNP）和插入/缺失（InDel）等。
变异检测可以帮助我们研究个体间的差异，发现与疾病相关的突变。
5. 功能注释：为了了解变异对基因功能的影响，需要对变异进行功能注释。
功能注释包括结构注释、功能域注释、基因本体注释等，可以帮助研究者理解变异的生物学意义。
6. 基因表达分析：基因组数据还可以用于基因表达分析，包括转录组学、表观遗传学和蛋白质组学等。
这些分析可以帮助我们研究基因的表达模式、基因调控、启动子和增强子等。
常用的基因表达分析方法有RNA-seq、ChIP-seq等。
7. 基因组重组和进化分析：基因组数据还可以用于研究基因组的重组模式和进化过程。
基因组学技术的实验操作和数据分析教程
基因组学技术的实验操作和数据分析教程引言基因组学技术是研究生物体基因组组成、结构、功能和调控的重要手段。
它包括了一系列的实验操作和数据分析流程，帮助研究人员深入了解生物体的基因组特征。
本文将为您提供基因组学技术的实验操作和数据分析教程，帮助您深入理解和掌握这一领域的知识。
一、基因组测序技术的实验操作1. DNA提取：首先，从生物样本中提取DNA。
这可以通过常规的提取方法（如酚-氯仿提取法）或商业化的DNA提取试剂盒来实现。
提取的DNA质量和纯度对后续实验非常重要，因此要注意操作的规范性和质检标准。
2. DNA文库构建：将提取的DNA样本进行文库构建，用于后续的测序。
文库构建的方法有多种选择，如Illumina、PacBio或ONT等。
这些方法主要包括DNA片段化、连接测序接头、PCR扩增和纯化步骤。
3. 基因组测序：根据研究需要选择适合的测序平台进行测序，可以是Illumina的短读测序、PacBio的长读测序或ONT的超长读测序。
测序完成后，会生成大量的序列数据用于后续的数据分析。
4. 数据质控：对测序数据进行质量控制，包括去除接头序列、低质量序列和重复序列等。
这一步骤可以使用一系列的软件工具，如Trimmomatic、FastQC和Seqtk等。
二、基因组数据分析教程1. 基因组组装：将测序得到的reads根据其序列信息重新组装成较长的连续序列，即contig或scaffold。
经过组装后可以得到一个整体化的基因组序列，用于后续的基因组注释和功能预测。
在组装过程中，可以选择线性组装方法（如SPAdes、Velvet）或图模组装方法（如SOAPdenovo和ABySS）。
2. 基因组注释：通过对基因组序列进行注释，揭示其中的基因和功能元件。
基因组注释包括基因预测、基因功能注释、转录本组装等步骤，可以使用一系列的软件工具，如GeneMark、BLAST和Cufflinks 等。
3. 基因组比较：将不同物种的基因组序列进行比较，寻找其相似性和差异性。
基因组学研究中的表达谱数据分析方法解析
基因组学研究中的表达谱数据分析方法解析概述：基因组学研究是研究生物体基因组的编码和非编码序列的科学。
在基因组学研究中，表达谱数据是一种重要的数据类型，由于其高维度和复杂性，需要采用一系列的分析方法和技术来解析。
本文将介绍基因组表达谱数据的分析方法，包括数据预处理、差异表达分析、聚类分析、富集分析以及网络分析。
一、数据预处理：数据预处理是基因组表达谱数据分析的第一步，目的是清除原始数据中的噪声、去除非生物学的变异以及纠正技术上的偏见。
常用的数据预处理步骤包括数据质量控制、归一化和基因过滤。
1. 数据质量控制：首先需要对原始数据进行质量控制，该步骤可通过查看测序质量分数和测序错误率来评估。
常用的工具有FastQC和Trimmomatic等。
该步骤的目的是排除测序引入的噪声。
2. 归一化：由于不同样本之间的表达量存在显著的差异，我们需要对数据进行归一化处理，以消除样本间的偏差。
常用的归一化方法有TPM、FPKM和RPKM等。
归一化后的数据便于后续的比较和统计分析。
3. 基因过滤：在分析表达谱数据时，一些基因的表达量非常低，对分析结果产生较小的影响并增加运算复杂性。
因此，我们通常会对表达量低于一定阈值的基因进行过滤处理，从而提高分析效率。
常用的过滤标准包括表达量百分位数和表达量阈值。
二、差异表达分析：差异表达分析是基因表达谱数据分析的核心内容之一，旨在发现不同条件下存在差异表达的基因。
通常，差异表达分析包括基于假设检验的方法和机器学习方法。
1. 基于假设检验的方法：这类方法通常基于统计学原理，将样本分组，通过计算差异表达的显著性水平来判断基因是否差异表达。
常用的方法包括Student's t-test、Wilcoxon秩和检验和Fisher's确切检验等。
这些方法基于不同的假设，在数据有明确的分布前提下，可以得到比较可靠的差异表达结果。
2. 机器学习方法：机器学习方法对差异表达分析具有较高的灵活性和预测能力。
基因组学研究中的数据分析方法
基因组学研究中的数据分析方法基因组学是生物学的一个分支，它研究的是基因、DNA、RNA、其他基因产物以及它们在细胞、组织和个体中的功能、调节和相互作用。
随着高通量测序技术和其他高通量技术的发展，这个领域的实验数据量不断增加，需要更加复杂和高效的数据分析方法。
本文将介绍一些基因组学研究中常用的数据分析方法。
1. 基因表达分析基因表达分析是研究基因表达变化的一种方法。
在这个方法中，通过对不同组织或同一组织在不同条件下的RNA测序数据进行比较，可以寻找到不同基因的表达水平的差异。
最常用的方法是DESeq2和edgeR。
这些方法使用模型来估算基因表达量，并进行归一化、过滤和差异表达分析。
此外，基于基因表达数据可以进行聚类分析和差异表达基因富集分析。
这个方法对于生物医学研究中疾病发生机制和药物作用机理的解析非常重要。
2. 基因组突变分析基因组突变分析是研究基因组中突变的一种方法。
其中最常用的是比对测序数据到参考基因组，识别单核苷酸变异（SNVs）和插入/缺失（INDELs）的变异。
这些方法最早由GATK中的UnifiedGenotyper和HaplotypeCaller开发而来，后来还出现了一些更加高效的方法，如FreeBayes和Mutect2。
除了识别常见的突变类型，突变频率和靶向基因的相关性分析也是非常重要的。
3. ChIP-seq分析ChIP-seq是研究DNA结合蛋白和DNA相互作用的一种方法。
通过对特定蛋白在非常具体的实验条件下对基因组的绑定进行测序，可以找到与该蛋白在基因调控中相关的基因/区域。
这个方法已被广泛应用于人类和其他生物的研究中。
ChIP-seq数据分析包括与参考基因组的比对，peak calling、enrichment analysis, motif discovery等等。
Peak calling可以确定与特定蛋白结合的区域，而enrichment analysis可以确定与其他基因表达分析或基因组突变分析中的结果相关的基因或通路。
- 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)。
与核酸相关的数据库
与蛋白质相关的数据库
BlastN
序列或目标序列的GI号 以文件格式上传
选择数据库
配对与错配
空位罚分
BlastP
打分矩阵： •PAM30 •PAM70 •BLOSUM80 •BLOSUM62 •BLOSUM45
PAM模型可用于寻找蛋白质的进化起 源，而BLOSUM模型则用于发现蛋 白质的保守域。
选择物种
选择blast程序
QuerySequence
AminoacidSequence
DNASequence
BLASTp
tBLASTn
Translated
BLASTn
BLASTx
Translated
tBLASTx
Tr
Nucleotide Database
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： GAG TAC CGC TAA ATT AGT TAA ATC AAA AGC GAC CAA TCT GCT TTA TAC CCG C
例：formatdb -i db -p T 对蛋白质数据库“db”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 • blastall常用参数 四个必需参数 -p program_name,程序名，根据数据库及搜索文件序列性质进行选择； -d database_name,数据库名称,比对完成格式化的数据库； -i input_file,搜索文件名称； -o output_file,BLAST结果文件名称； 两个常用参数 -e expectation，期待值,默认值为10.0，可采用科学计数法来表示，如2e-5； -m alignment view options:比对显示选项，其具体的说明可以用以下的比对实例 说明 例：blastall -p blastx -d db -i in -o out -e 2e-5 -m 9 (表格显示比对结果) 采用blastx程序，将in中的序列到数据库bd中进行比对， 结果以表格形式输入到out文件
实
习
一
基因组数据注释和功能分析
课程内容
实习一 实习二 基因组数据注释和功能分析 核苷酸序列分析
基因组学 系 统 生 物 学
实习三
实习四 实习五 实习六
芯片的基本数据处理和分析
蛋白质结构与功能分析 蛋白质组学数据分析
转录物组学
蛋白质组学
系统生物学软件实习
课程提纲
1. 通过序列比对工具BLAST学习，了解 蛋白编码基因的功能注释原理 2. 介绍多序列联配工具ClustalX 3. 分子进化分析软件MEGA4的基本知 识，掌握系统发生树绘制的基本方法
– “blastall -p blastx -i in -d db -o out -e 2e-5 -m 9 ”
选择打分矩阵（scoring matrix）
• • •
The PAM family Based on global alignments The PAM1 is the matrix calculated from comparisons of sequences with no more than 1% divergence. Other PAM matrices are extrapolated from PAM1.
1. 对contig34进行网上blastn（演示）， 2. blastx（自行操作）比对
本地运行BLAST
• • • • • 下载NCBI上blast程序： ftp:///blast/executables/release/ 安装（安装到C:\） 数据库的格式化（formatdb） 程序运行（blastall）
登陆NCBI的FTP下载blast程序
•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 •bin •data •doc
将数据库文件(db)及目标序 列文件(in)保存在Blast/bin 文件夹下
• •
•
进行比对的数据库
图形化结果
E值（E-value）表示仅仅因为随机性造成获得这一 比对结果的可能性。这一数值 越接近零，发生这一事件的可能性越小。
上机实习1：网上运行blastx和blastn
(NCBIblast网址：/BLAST/）
blastn
Nucleotide
Nucleotide
blastx
Nucleotide
Protein
tblastn
Protein
Nucleotide
tblastx
Nucleotide
Nucleotide
以Blastx为例：
目标序列为ATG AGT ACC GCT AAA TTA GTT AAA TCA AAA GCG ACC AAT CTG CTT TAT ACC CGC 6个读码框翻译
3’端到5’端 第一位起始： GCG GGT ATA AAG CAG ATT GGT CGC TTT TGA TTT AAC TAA TTT AGC GGT ACT CAT 第二位起始： CGG GTA TAA AGC AGA TTG GTC GCT TTT GAT TTA ACT AAT TTA GCG GTA CTC AT 第三位起始： GGG TAT AAA GCA GAT TGG TCG CTT TTG ATT TAA CTA ATT TAG CGG TAC TCA T
本地数据库的构建
• 查看db文件 由fasta格式的序列组成
数据库的格式化
formatdb命令用于数据库的格式化： formatdb [option1] [option2] [option3]„
formatdb常用参数 -i database_name 需要格式化的数据库名称 -p T\F 待格式化数据库的序列类型 （核苷酸选F；蛋白质选T；默认值为T)
The BLOSUM family Based on local alignments. BLOSUM62 is a matrix calculated from comparison s of sequences with no less than 62% divergence. All BLOSUM matrices are based on observed alignments ;they are not extrapolated from comparisons of closely related proteins.
上机实习2:本地运行blastx
• • • • 进入DOS命令行提示符状态（“运行”cmd） 进入C盘“cd\” 进入包含序列数据的bin目录下“cd blast\bin” 察看目录下内容“dir”
• 格式化数据库db“formatdb -i db -p T”
• 运行blastx
输入 数据库类型：F/T
>lesson.seq.screen.Contig34 TTTTTTTTTTTTTTTTTAGTGCCAGTTTTTTTTTTTATTTGTAAAGCTCTGCCATAAACTTCTAGCGTGTGCCAATGGTCACCTGC CACACTCGCACCAGGTTGTCCGTGTAGCCAGCAAACAGAGTCTGGCCATCAGCAGACCAGGCCAGGGAGGTGCACTGGGGTGGTTC TGCCTTGCTGCTGGTACTGATAACTTCTTGCTTCAGTTCATCTACAATGATCTTTCCCTCTAAATCCCAGATCTTGATGCTGGGGC CTGTGGAGCACACAGCCAGTAGCGGTTAGGGCTGAAGCACAGGGCGTTGATGATGTCCCCACCATCTAGCGTGTAAAGGTGTTTGC CTTCGTTGAGATCCCATAACATGGCCTGGCCATCCTTGCCTCCAGAAGCACAGAGGGATCCATCTGGAGAGACAGTCACCGTGTTC AGATAGCCTGTGTGGCCAATGTGGTTGGTCTTCAGCTTGCAGTTAGCCAGGTTCCATACCTTGACCAGCTTGTCCCAGCCACAGGA GACGATGATAGGGTTGCTGCTGTTGGGCGAGAAGCGGACACAAGACACCCACTCTGAGTGGCTCTCATCCTGGACAGTGTATTTGC ACACACCCAGGGTATTCCATAGCTTGATGGTTTTATCTCGAGATCCAGAGACAATCTGCCGGTTGTCAGAGGAGAAGGCCACACTC AGCACATCCTTGGTATGGCCCACAAATCGCCTCGTGGTGGTGCCCGTTGTGAGATCCCAGAAGGCGCAGGGTTCCATCCCAGGAGC CTGAGAGGGCAAACTGGCCATCTGAGGAGATAACCACATCACTAACAAAGTGGGAGTGACCCCGCAGAGCACGCTGTGGAATTCCA TAGTTGGTCTCATCCCTGGTCAGTTTCCACATGATGATGGTCTTATCTCGAGAGGCGGAGAGGATCATGTCCGGGAACTGCGGGGT AGTAGCGATCTGGGTTACCCAGCCGTTGTGGCCCTTGAGGGTGCCACGAAGGGTCATCTGCTCAGTCATGGCGGCGGCGAGAGCGT GTTCGCTGCAGCGACGAGGATGGCACTGGATGGCTTAGAGAAACTAGCACCACAGTCGACC