【正文】 cid biosynthesis : Threonine) ATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGCTTCTGAACTGGTTACCTGCCGTGAGTAA [30~98] noncoding ORF 167。為基因組實(shí)驗(yàn)研究提供理論指導(dǎo)。 原核基因結(jié)構(gòu)的統(tǒng)計(jì)模型 及基因預(yù)測(cè)新方法 (20222022) 基因預(yù)測(cè)研究的總體思路 Model Predict Understand 對(duì)基因復(fù)雜結(jié)構(gòu)信息進(jìn)行統(tǒng)計(jì)分析，并建立合理的數(shù)學(xué)物理模型進(jìn)行刻畫 (包括對(duì)模型的檢驗(yàn) )。 GenBank數(shù)據(jù)庫(kù)的注釋信息存在系統(tǒng)性的錯(cuò)誤，處于不斷的修正之中。 當(dāng)前著名的原核基因預(yù)測(cè)軟件 GeneMark系列軟件（包括最新版本 GeneMarkS） Borodovsky等， 1993~2022 ——Besemer, J., Lomsadze, A. and Borodovsky, M. (2022) GeneMarkS: a selftraining method for prediction of gene starts in microbial genomes. Implications for finding sequence motifs in regulatory regions. Nucleic Acids Res., 29: 26072618. Glimmer （ Salzberg等， 1999） ——Delcher, A. L., Harmon, D., Kasif, S., White, O., and Salzberg, S. L. (1999) Improved microbial gene identification with GLIMMER. Nucleic Acids Res., 27, 46364641 原核基因預(yù)測(cè)算法的研究現(xiàn)狀 ZCURVE 張春霆等 , 19912022 其它：如 EasyGene (Larsen and Krogh, 2022) ORPHUS (Frishman et al., 1998) 基本方法 Markov模型方法 : 用非均勻 Markov模型刻畫 DNA序列 give an estimate of the probability for a local segment (such as a ktuples) to belong to the class of protein coding sequences 如： GeneMark、 Glimmer 其它方法，如 Zcurve方法 如： ZCURVE 結(jié)合 HMM方法與蛋白質(zhì)相似比較的方法 如： EasyGene (Larsen and Krogh, 2022) 原核基因預(yù)測(cè)軟件被廣泛應(yīng)用于原核基因組研究，提供了許多物種的基因組 GenBank注釋 ——基因位點(diǎn)的計(jì)算預(yù)測(cè)。 原核基因組的序列解讀 通過結(jié)合計(jì)算機(jī)分析、試驗(yàn)驗(yàn)證等手段，初步定位基因及其調(diào)控區(qū)并闡明基因的功能。 一次測(cè)序反映只能測(cè)幾百個(gè)堿基對(duì)。 原核生物基因組的操縱子與基因群結(jié)構(gòu) 原核生物的基因結(jié)構(gòu) STOP ATG ATG …CCC TCGAAGC… ATG Transcription Initiation Motif Coding ORF Translation Initiation Motif Upstream region Texts from coding/noncoding regions in DNA sequence GTGAGGGATCGTGGGCATATTTCACAAACTTACTTTTAAAACCATACAACGAAGAAGCGGCCATAATGAACGACTCTTTACAGAATACGGATCTCATTTCACACTTCTCACATCCATTTTAG TTGGAAACACATGAAAGTGAGACCATCAGTTAAACCAATCTGCGAAAAATGTAAAGTTATTTCGCAGAAAAGGAAAAGTAATGGTGATCTGTGAAAATCCAAAGCATAAACAAAAACAAGGATAA GGTTATATAAATGAAAAGATTTCTGATTGGCGCAGGCGTCGCAGCGGTGATTTTATCAGGTTTGGTTTATTGCGGACCATCAAACCCACTCACAGGAAATGAAAGTCGCTGAGAAAATGATTGGATAA GAGATTATTGATGAAAATCAGCCGGATTCTATTGGCAGCAGTGATTTTAAGTAGTGTATTTTTCAATAACTTATTTGCAAAGTGATCATAATACTGAAATTAAAGTTGCTGCAGATCGGGTAGGGGCATAG GTGAGTTTGTATGAAATTGAAGTCTAAACTATTACTCTCTTGTCTGGCTCTAAGCACTGTGGTTCGTGGCAACAACTATTGCAAATGCACCTACACACCAAATTGAAGTTGCACAACGAGGAATGATTTAA AGCCCTCTCGATGGAAAAGATCCCTTGCTTCGCGGAGGAATTGATTATAGGCCTCTCTATCCTGGGGCCGCAAATATTCAAAGTCGAAATGAATGTCACGGAAGCCATATCTTCTGGCATTCTCGACTAG CACGGGACATATGATGGCTTGCAGGTCTTTTAAAGAGACAGCGGCGGTTTGTGACAAGTCAATCAGAAATCCTTCACCCGAGCGCTGCCGGCTGTTCATTTTCCGAAATGCTTCTATGTCTTTTTCATTCTGA CGCCTGAAATATGGTCCGCGTGAAGATGTGTATCAAATACGTGAGTAATCGTTGCACCCTTCCCCTTCGCAAAATCTATAAAGAAATTCACCATACGTGTCGCATCAATAATTGCTGCTTCACCATTTGA AAAGCCAAAAATGATCGACACAGCTATGAAATCGGAGAAGAAATCATGCTTCCGAGTGAAACACGCATGGGCAGAAGGGCCAGCTTTTTTGATTTTTTTAAACTGCGCCCTTTCAAAATGGGGATTTTGA TATATGTAATATGTATGAATTCTTGATTGATGATCGTATCATCAGTTATTTCAATTGCCTCAACGTCAAACTCTTGTTGCAGCGCTTTGACAAACCTTTTTACATTTCCTGTTTTACTCTCATATGTAATTAA CAATGTCCCTATGAAAATACTGCCCTCTGTCCCGATCACCTCCGCCCGGATGTCATGTCCGTATGGAGAGGTTCTGCTTGCCTCGACGTCCCCCGCTGCGCCCGAGTCAAATTCAATATACGTCAGCTGA Start codon Stop codon ATG GTG TTG TAA TAG TGA Protein coding genes Noncoding sequences 原核生物基因組的研究意義 揭示生命活動(dòng)的基本規(guī)律 ——導(dǎo)致現(xiàn)代分子遺傳學(xué)的許多重大發(fā)現(xiàn) 染色體、 DNA雙螺旋、遺傳密碼、 DNA復(fù)制、中心法則 … 原核生物基因組的研究意義 揭示生命起源與進(jìn)化的奧秘 進(jìn)行分子遺傳學(xué)的良好材料 在農(nóng)業(yè)、工業(yè)和生物制藥工程上的應(yīng)用十分廣泛 作為微生物基因工程的反應(yīng)器，直接運(yùn)用于干擾素、人胰島素、生長(zhǎng)激素、乙型肝炎疫苗等現(xiàn)代基因工程產(chǎn)品的生產(chǎn)。 167。 常用真核基因預(yù)測(cè)軟件 （ 1） 、 FGENEH 作者： Solovyev等 ， 1995 所用算法： LDA（ Linear Discriminant Analysis） 方法 （ 2） 、 GeneID 作者： Guigo等 ， 1992 所用算法：法則系統(tǒng) （ Rulebased System） 算法 （ 3） 、 GeneParser 作者： Snyder和 Stormo， 1993 所用算法：動(dòng)態(tài)規(guī)劃算法 （ Dynamic Programming） （ 4） 、 Genie 作者： Henderson等 ， 1997 所用算法：廣義隱 Markov模型 （ Generalized Hidden Markov Model） 方法 、 動(dòng)態(tài)規(guī)劃算法 （ 5） 、 GenLang 作者： Dong和 Searls， 1994 所用算法：語(yǔ)言學(xué)方法 （ Linguistic） （ 6） 、 GENESCAN 作者： Burge和 Karlin， 1997 所用算法：隱 Markov模型 （ Hidden Markov Model） 方法 、 動(dòng)態(tài)規(guī)劃算法 （ 7） 、 HEXON 作者： Solovyev等 ， 1994 所用算法： LDA（ Linear Discriminant Analysis） 方法 、 動(dòng)態(tài)規(guī)劃算法 （ 8） 、 VEIL 作者： Krogh等 ， 1994 所用算法：隱 Markov模型 （ Hidden Markov Model） 方法 、 動(dòng)態(tài)規(guī)劃算法 目前常用軟件的基因預(yù)測(cè)結(jié)果評(píng)估（ Claverie， 1997） 目前常用軟件的基因預(yù)測(cè)結(jié)果評(píng)估（ Rogic等， 2022） 目前的各種算法還存在許多缺陷需進(jìn)一步改進(jìn) ， 主要表現(xiàn)在以下兩點(diǎn)： （ 1） 、 這些算法對(duì)基因中的非編碼區(qū) （ 即內(nèi)含子 ） 和基因間的序列不加任何區(qū)別 ， 所以預(yù)測(cè)出的基因是不完全的 ， 而對(duì) 5?和 3?非翻譯區(qū) （ UTR） 的預(yù)測(cè)基本上還是空白； （ 2） 、 這些算法的學(xué)習(xí)依賴性較強(qiáng) 。 Searls， 1994） ； （ 8） 人工神經(jīng)網(wǎng)絡(luò)方法 （ ANN） （ 9） LDA方法 （ Linear Discriminate Analysis） （ Fickett amp。 并對(duì)各種可能的拼接進(jìn)行計(jì)分 ， 從而得出最可能的基因結(jié)構(gòu)； （ Gelfang amp。 典型的基于 HMM的基因預(yù)測(cè)系統(tǒng) ?VEIL (John Hopkins University) ?HMMgene (Technical University of Denmark) ? (Geia Institute of Tech) ?Genie (UC Santa Cruz amp。由于這些 Markov模型的統(tǒng)計(jì)規(guī)律是未知的 ， 而 HMM能夠自動(dòng)尋找出它們隱藏的統(tǒng)計(jì)規(guī)律 。 Bougueleret， 1986；Bechmann， 1986 （ 3） 同源比較算法 將未知序列通過對(duì)已知 EST （ Expressed Sequence Tag， 表達(dá)序列標(biāo)簽 ） 數(shù)據(jù)庫(kù)的相似性比較 ， 也可以比較有效地找到基因 。 只對(duì)基因結(jié)構(gòu)比較簡(jiǎn)單的生物基因組有效； （ Claverie， 1997） （ 2） 詞匯統(tǒng)計(jì)算法 對(duì)核苷酸序列 （ Nucleotide Words） 中詞匯選用頻率的統(tǒng)計(jì)研究 。 常用算法 （ 1） 長(zhǎng) ORF方法 在低等生物 （ 細(xì)菌 ） 基因組中 ， 蛋白質(zhì)編碼的基因是從起始密碼 ATG