4️⃣ 核酸序列特征分析(1):开放阅读框识别

2019-01-25 本文已影响99人 Y大宽

序列比对和序列特征分析总目录

阅读框Open Reading Frame，ORF

ORF指的是DNA上的序列，从5'端翻译起始密码子ATG到终止密码子(TAA,TAG,TGA)的蛋白质编码序列。
对于任意给定的一段DNA，有两个问题需要考虑，

一是DNA双链中的哪条是编码链

二是编码区究竟从第一个碱基开始进行编码
所以每条链都有潜在的3种ORF，而对于双链DNA来说就有6种可能的ORF。也就是说先从给定的DNA单链为模版，分别从5'-3'方向第123个碱基开始翻译，再以互补链为模版，分别从3'-5'方向的第123个碱基开始翻译，得到另外3种翻译结果。正链上的正向读码框forward，负链的为反向读码框reverse。6个潜在ORF中，一般选择中间没有被终止密码子隔开的最大的读码框为正确的结果。这篇文章对此进行了详细介绍

关于真核和原核的ORF
原核生物基因绝大多数是连续基因，不含内含子。而真核生物基因结构一般为断裂基因，编码区被内含子隔开，又有不同的拼接方式，所以真核生物的ORF长度变化范围比较大，预测就有比原核有难度。但是，真核的ORF中，外显子和内含子之间的连接有GU-AG规律。也就是内含子序列5'端起始的两个核苷酸总是GU,3'端最后两个核苷酸总是AG，即5'-GU......AG3,这可协助识别ORF

ORF预测的工具很多，一般基于以下两种算法，