基もと因いん预测

基もと因いん預あずか測はか，是ぜ生物せいぶつ信しん息いき学がく的てき一个重要分支，使用しよう生物せいぶつ学がく实验或ある计算机つくえ等とう手段しゅだん识别DNA序列じょれつ上うえ的てき具有ぐゆう生物せいぶつ学がく特とく征せい的てき片かた段だん。基もと因いん识别的てき对象主要しゅよう是ぜ蛋白たんぱく质编码基もと因いん，也包括ほうかつ其他具有ぐゆう一定生物学功能的因子，如RNA基もと因いん和わ调控因子いんし。基もと因いん识别是ぜ基もと因いん组研究けんきゅう的てき基もと础。

在ざい早期そうき，基き因いん识别的てき主要しゅよう手段しゅだん是ぜ基もと于活的てき细胞或ある生物せいぶつ的てき实验。通つう过对若干じゃっかん种不同どう基もと因いん的てき同どう源みなもと重しげる组的まと速そく率りつ的てき统计分析ぶんせき，我わが们能够获知ち它们在ざい染色せんしょく体たい上うえ的てき顺序。若わか进行大量たいりょう类似的てき分析ぶんせき，我わが们可以确定てい各かく个基因いん的てき大だい致位置いち。现在，由ゆかり于人类已经获得とく了りょう巨きょ大だい数量すうりょう的てき基もと因いん组信息いき，依よ靠もたれ较慢的てき实验分析ぶんせき已やめ不能ふのう满足基もと因いん识别的てき需要じゅよう，而基于计算さん机つくえ算法さんぽう的てき基もと因いん识别得え到いた了りょう长足的てき发展，成なり为了基もと因いん识别的てき主要しゅよう手段しゅだん。

识别具有ぐゆう生物せいぶつ学がく功こう能のう的てき片かた段だん与あずか判定はんてい该片段だん（或ある其对应的产品）的てき功こう能のう是ぜ两个不同ふどう的てき概念がいねん，后きさき者しゃ通常つうじょう需要じゅよう通どおり过基もと因いん敲除等ひとし的てき实验手段しゅだん来らい决定。不ふ过，生物せいぶつ信しん息いき学がく的てき前ぜん沿研究けんきゅう正ただし在ざい使つかい得とく由よし基もと因いん序列じょれつ预测基もと因いん功こう能のう变得愈いよいよ发可能かのう。

间接识别法ほう

在ざい基もと因いん的てき间接识别法ほう（Extrinsic Approach）中ちゅう，人にん们利用りよう已やめ知的ちてきmRNA或ある蛋白たんぱく质序列じょれつ为线索さく在ざいDNA序列じょれつ中ちゅう搜さがせ寻所对应的てき片かた段だん。由よし给定的てきmRNA序列じょれつ确定唯ただ一的作为转录源的DNA序列じょれつ；而由给定的てき蛋白たんぱく质序列じょれつ，也可以由密みつ码子反はん转确定てい一族いちぞく可能かのう的てきDNA序列じょれつ。因よし此，在ざい线索的てき提示ていじ下か搜さがせ寻工作こうさく相しょう对较为容易ようい，搜さがせ寻算法的ほうてき关键在ざい于提高だか效率こうりつ，并能够容忍しのぶ由ゆかり于测序じょ不ふ完かん整せい或ある者もの不精ぶしょう确所带来的てき误差。BLAST是ぜ目前もくぜん以此为目的もくてき最さい广泛使用しよう的てき软件之の一いち。

若わかDNA序列じょれつ的てき某ぼう一片いっぺん段だん与あずかmRNA或ある蛋白たんぱく质序列じょれつ具有ぐゆう高度こうど相似そうじ性せい，这说明あかり该DNA片かた段だん极有可能かのう是ぜ蛋白たんぱく编码基もと因いん。但ただし是ぜ，测定mRNA或ある蛋白たんぱく质序列じょれつ的てき成本なりもと高こう昂のぼる，而且在ざい复杂的てき生物せいぶつ体たい中ちゅう，任意にんい确定的てき时刻往往おうおう只ただ有ゆう一部分基因得到了表达。这意味いみ着ぎ从任何なん单个细胞的てきmRNA和わ蛋白たんぱく质上都と只ただ能のう获得一小部分基因的信息；要よう想そう得え到いた更さら为完整せい的てき信しん息いき，不ふ得とく不ふ对成百上千个不同状态的细胞中的mRNA和わ蛋白たんぱく质测序じょ。这是相当そうとう困こま难的。比ひ如，某ぼう些人类基因いん只ただ在ざい胚胎はいたい或ある胎儿时期才ざい得え到いた表おもて达，对它们的研究けんきゅう就会受到道德どうとく因いん素的すてき制せい约。

尽つき管かん有ゆう以上いじょう困こま难，对人类自身じしん和わ一些常见的实验生物如老ろう鼠ねずみ和わ酵母こうぼ菌きん，人にん们已经建立こんりゅう了りょう大量たいりょう转录和わ蛋白たんぱく质序列じょれつ的てき数かず据すえ库。如RefSeq数かず据すえ库，Ensembl数かず据すえ库等等とう。但ただし这些数すう据すえ库既不ふ完かん整せい，也含有がんゆう相当そうとう数量すうりょう的てき错误。

从头计算法ほう

鉴于间接识别法的ほうてき种种缺陷けっかん，仅仅由よしDNA序列じょれつ信しん息いき预测蛋白たんぱく质编码基因いん的てき从头计算法ほう（Ab Initio Approach）就显得とく十じゅう分ふん重要じゅうよう了りょう。一般意义上基因具有两种类型的特征，一いち类特征せい是ぜ“信号しんごう”，由よし一些特殊的序列构成，通常つうじょう预示着ぎ其周围存在そんざい着ぎ一いち个基因いん；另一类特征せい是ぜ“内容ないよう”，即そく蛋白たんぱく质编码基因いん所しょ具有ぐゆう的てき某ぼう些统计学特とく征せい。使用しようAb Initio方法ほうほう识别基もと因いん又また称しょう为基もと因いん预测。通常つうじょう我わが们仍需借助じょ实验证实预测的てきDNA片へん段だん是ぜ否ひ具有ぐゆう生物せいぶつ学がく功こう能のう。

在ざい原核げんかく生物せいぶつ中なか，基もと因いん往往おうおう具有ぐゆう特定とくてい且容易ようい识别的てき启动子こ序列じょれつ（信号しんごう），如Pribnow盒和わ转录因子いんし。与あずか此同时，构成蛋白たんぱく质编码的序列じょれつ构成一いち个连续的开放阅读框かまち（内容ないよう），其长度ど约为数すう百个到数千个碱基对（依よ据すえ该长度ど区く间可以筛选合适的密みつ码子）。除じょ此之外がい，原核げんかく生物せいぶつ的てき蛋白たんぱく质编码还具有ぐゆう其他一些容易判别的统计学的特征。这使得とく对原核かく生物せいぶつ的てき基もと因いん预测能のう达到相しょう对较高だか的てき精度せいど。

对真ま核かく生物せいぶつ（尤ゆう其是复杂的てき生物せいぶつ如人类）的てき基もと因いん预测则相当とう有ゆう挑战性せい。一方いっぽう面めん，真ま核かく生物せいぶつ中ちゅう的てき启动子こ和わ其他控ひかえ制せい信号しんごう更さら为复杂，还未被ひ很好的てき了解りょうかい。两个被ひ真ま核かく生物せいぶつ基もと因いん搜さがせ寻器识别到的てき讯号例れい子こ有ゆうCpG islands及poly(A) tail的てき结合点がてん。

另一方面ほうめん，由ゆかり于真核かく生物せいぶつ所しょ具有ぐゆう的てきsplicing机つくえ制せい，基き因いん中ちゅう一个蛋白质编码序列被分为了若干段（外そと显子），中ちゅう间由非ひ编码序列じょれつ连接（基もと因いん内ない区く）。人ひと类的一个普通蛋白质编码基因可能被分为了十几个外显子，其中每ごと个外显子的てき长度少しょう于200个碱基もと对，而某些外显子更さら可能かのう只ただ有ゆう二に三さん十个碱基对长。因よし而蛋白しろ质编码的一些统计学特征变得难于判别。

高こう级的基もと因いん识别算法さんぽう常つね使用しよう更さら加か复杂的てき概がい率りつ论模型もけい，如隐马尔可夫おっと模型もけい。Glimmer是ぜ一个广泛应用的高级基因识别程序，它对原核げんかく生物せいぶつ基もと因いん的てき预测已やめ非常ひじょう精せい确，相そう比ひ之の下した，对真核かく生物せいぶつ的てき预测则效果こうか有限ゆうげん。GENSCAN计划是ぜ一个著名的例子。

比ひ较基因いん组学的てき方法ほうほう

由よし于多个物种的基もと因いん组序列じょれつ已やめ完全かんぜん测出，使つかい得とく比ひ较基因いん组学得とく以发展てん，并产生せい了りょう新しん的てき基もと因いん识别的てき方法ほうほう。该方法ほう基もと于如下か原理げんり：自然しぜん选择的てき力量りきりょう使し得とく基もと因いん和わDNA序列じょれつ上じょう具有ぐゆう生物せいぶつ学がく功こう能のう的てき其他片へん段だん较其他た部分ぶぶん有ゆう较慢的てき变异速そく率りつ，但ただし前者ぜんしゃ的てき变异更さら有ゆう可能かのう对生物体ぶったい的てき生存せいぞん产生负面影おもかげ响，因いん而难以得到いた保存ほぞん。因よし此，通つう过比较相关的物ぶつ种的DNA序列じょれつ，我わが们能够取得しゅとく预测基もと因いん的てき新しん线索。2003年ねん，通つう过对若干じゃっかん种酵母はは基もと因いん组的比ひ较，人にん类对原ばら先さき的てき基もと因いん识别结果作さく了りょう较大的てき修おさむ改あらため；类似的てき方法ほうほう也正在ざい应用于人类的基もと因いん组研究けんきゅう，并可能かのう在ざい将来しょうらい的てき若干じゃっかん年内ねんない取得しゅとく成果せいか。

偽にせ基もと因いん (pseudogene) 預あずか測はか

偽にせ基もと因いん與あずか基もと因いん非常ひじょう相近すけちか，有ゆう非常ひじょう高だか的てき序列じょれつ同どう源みなもと性せい，但ただし無法むほう產さん生せい相しょう同どう的てき蛋白質たんぱくしつ，雖然一旦いったん作為さくい基もと因いん定てい序じょ的てき副ふく產品さんぴん，隨ずい著ちょ越來ごえく越えつ多た調しらべ控ひかえ角かく色しょく被ひ發現はつげん，它們本身ほんみ就成為ため預あずか測はか目標もくひょう。偽にせ基もと因いん預あずか測はか使用しよう現有げんゆう的てき序列じょれつ相似そうじ性せい和わ從したがえ頭あたま算さん (ab initio) 方法ほうほう，同時どうじ增加ぞうか額がく外がい篩ふるい選せん條件じょうけん和わ識別しきべつ偽にせ基もと因いん特徵とくちょう的てき方法ほうほう。

偽にせ基もと因いん預あずか測はか可か以使用しよう定じょう製せい的てき序列じょれつ相似そうじ性せい方法ほうほう，其定製せい的てき方式ほうしき是ぜ增加ぞうか額がく外的がいてき篩ふるい選せん條件じょうけん。這可以使用しよう失しつ能のう檢けん測はか (disablement detection)，這個方法ほうほう是ぜ去さ找尋無意義むいぎ(nonsense)或ある是ぜ片へん段だん移動いどう變異へんい(frameshift mutations)，這些突變將しょう截斷せつだん或ある折おり疊たたみ其他功こう能のう性せい編へん碼序列じょれつ。另外，將はたDNA翻譯ほんやく成なり蛋白質たんぱくしつ序列じょれつ可能かのう比ひ直接ちょくせつDNA同どう源みなもと性せい更さら有效ゆうこう。

感知かんち器き的てき篩ふるい選せん條件じょうけん可か以根據こんきょ偽にせ基もと因いん和わ基もと因いん之の間あいだ的てき統計とうけい特性とくせい的てき差異さい來らい決定けってい，例れい如，偽にせ基もと因いん中ちゅうCpG島とう(CpG islands)的てき數量すうりょう減少げんしょう，或ある偽にせ基もと因いん與あずか它們的てき鄰居之の間あいだ的てきG-C含量的てき差異さい。信號しんごう傳でん感かん器き也可以用於偽基もと因いん，尋ひろ找沒有ゆう內含子こ (introns) 或ある多た腺せん嘌呤尾お巴ともえ (poltadenine tails)。

外部がいぶ链接

• http://www.genefinding.org （页面存そん档备份，存そん于互联网档案あん馆）
• https://web.archive.org/web/20050305091432/http://www.binf.ku.dk/users/krogh/genefinding.html
• http://www.swbic.org/links/1.4.3.2.php （页面存そん档备份，存そん于互联网档案あん馆）
• http://cbcb.umd.edu/software/glimmer （页面存そん档备份，存そん于互联网档案あん馆）
• http://cbcb.umd.edu/software/GlimmerHMM （页面存そん档备份，存そん于互联网档案あん馆）