应用UCSCEnsembl查找基因启动子(promoter)内含子外显子序列

应用UCSC/Ensembl查找基因启动子(promoter)、内含子、外显子序列启动子的甲基化，转录因子与启动子的结合调控基因的表达等研究领域一直较为热门。本文图文形式讲解了启动子的概念，利用UCSC如何查找一个基因的启动子序列，以及外显子和内含子序列的显示。有很多关于此方面的文章由于写作在早期，近年来查询数据库网站的改版使得这些文章有些落伍，使用起来也不方便。本文是最新的关于查询启动子方法的文章，创作于2009/10/14，大家可以完全按此操作。在讲述某个基因的启动子查询之间，我们有必要对基础知识进行一下复习和总结。先看一下中心法则：启动子是在DNA转录为RNA这一步过程中发挥作用的，在此要与DNA自身复制起始点（称作复制子）和由mRNA翻译为蛋白质时的翻译起始点（以起始密码子ATG为标志）区别开来。定义：启动子是参与特定基因转录及其调控的DNA序列。包含核心启动子区域和调控区域。核心启动子区域产生基础水平的转录，调控区域能够对不同的环境条件作出应答，对基因的表达水平做出相应的调节。启动子是RNA聚合酶特异性识别和结合的部位。启动子方向性，位于转录起始点上游，本身并不被转录。DNA链上与RNA链的第一个核苷酸对应的碱基标记为+1（如下图），由此碱基向上游（5’端）数的碱基顺序数为负（-1，-2，……），向下游（3’端）数的碱基为正（+2，+3，……）区域：启动子的范围非常大，可以包含转录起始位点上游2000bp，有些特定基因的转录区内部也存在着转录因子的结合位点，因此也属于启动子范围。总结起来，也就是说启动子约在与mRNA所对应的DNA序列之前约2000个左右的碱基。明白了启动子的含义之后，我们以大鼠（rattusnorvegicus）的结缔组织生长因子（CTGF）为例，应用UCSC基因组浏览器开始查找该基因的启动子序列。网址为。进入UCSC的主页后，在其左侧（如上图）点击第一项GenomeBrowser,进入基因组浏览器入口，如下图在Organism的下拉菜单中选择Rat，在assembly的下拉菜单中选择最新日期Nov.2004，在position框中键入CTGF，imagewidth选择默认即可，如下图所示：然后点击Submit，返回的页面如下：结果显示该基因的已知序列和相关mRNA序列，点击KnownGene中的第一个序列，出现包含这序列的图解概要。为了获得这个区域更清晰的图像，可以点击紧靠zoomout的1.5X按钮，如下图：对于KnownGenes（已知基因）和预测的基因路径来说，一般的惯例是以一个高的垂直线或块状表示每个编码外显子，以短的垂直线或块状表示5′端和3′端非翻译区。起连接作用的内含子以非常细的线条表示。翻译的方向由沿着细线的箭头指示。本例的搜寻目的来说，默认设置不是理想的设置。按照视图利用页面底部的TrackControls按钮，将一些路径设置为hide模式（即不显示），其他设置为dense模式（所有资料密集在一条直线上）；另一些路径设置为full模式（每个特征有一个分开的线条，最多达300）。在考虑这些路径内究竟存在那些资料之前，对这些路径的内容和表现做一个简要的讨论是必要的，许多这些讨论是由外界提供给UCSC的。EnsemblGenePredictions路径由Ensembl提供。Ensembl基因通过许多方法来预测，包括与已知mRNA和蛋白质进行同源性比较。若查询启动子区域，我们需要将EnsemblGenes选择为dense或full模式，点击Refresh，即刷新，出现下图：图中多出了EnsemblGenes的预测路径，我们在红框中圈出。点击用于表达该序列的任何方块出现以下页面：点击红框中的条形深色方块（不是EnsemblGenes文字）在此，我们选择并点击Linktosequence中的GenomicSequence，即显示基因组序列，出现以下窗口：在该窗口中，终于出现了promoter的字样了，哈哈，快要大功告成了啊。在此我们当然要选择它了，并将其改为2000bp(具体多少bp合适，可根据文献资料和实验目的获取，有的基因可能在其上游戏几百bp就可以了),其他的几个选项分别为5’端非编码区，编码区外显子，3’端非编码区，内含子（我把内含子用绿框圈了起来，突出说明一下用同样的方法可以显示该基因的内含子与外显子，显示出来的结果一目了然，看以下的结果便知道了）等。同时另外一个非常重要的就是序列显示方式了，这里我们在SequenceFormattingOptions选项里进行选择。我们选择上图红框里的内容，即外显子大写，其余的小写，也就是说mRNA的外显子大写，其余上下游非编码区以及内含子均为小写。选择完后提交，返回如下序列页面：第一个大写字母以后就是mRNA序列，之前的小写字母序列即为启动子区域了。大家在做后序的甲基化分析、转录因子结合位点分析等便可以复制下来了。刚才我们提到第一个大写字母以后就是mRNA序列，但该序列包含外显子和内含子，是未经剪切修饰的mRNA,我们在上面也提到了用此同样方法也可显示出外显子和内含子，我们接着看该页面的序列就可以了，与上幅图紧挨着截个图看一下，图中两段大写字母中间的小写字母便为内含了序列。结语：关于启动子区域和外显子、内含子的查找方法有很多，如利用NCBI，其实都使用的是基本相同的工具，大家可以根据具体的情况和个人偏好来决定使用哪种方法。个人觉得，利用上述方法还是比较简便的。