MATLAB7.X生物信息工具箱的应用——基因序列分析(一)

・ｌ１　８・　现代生物医学进展ｗ１】ｌ　．ｂｉｏｍｅｄ．ｎｅｔ．Ｏｉｌ　Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｍｏｄｅｒｎ　Ｂｉｏｍｅｄｉｃｉｎｅ　２ｏｏ８　Ｖ０１．８　Ｎｏ．１　・技术与方法・　ＭＡＴＬＡＢ　７．Ｘ生物信息工具箱的应用——基因序列分析（一）水　刘新星李红燕杨英杰△　（中南大学生物冶金教育部重点实验室湖南长沙４１００８３）　摘要：ＭＡＴＬＡＢ　７．Ｘ生物信息工具箱为广大用户提供了一个用于基因组和蛋白质组分析的综合环境，它利用数据库资源，使科学　研究事半功倍，在工具箱提供的开放环境里，用户甚至可以按照自己的目的来设计和利用分析工具。本文主要介绍了ＭＡＴＬＡＢ７．　ｘ生物信息工具箱在基因序列分析中的应用，包括确定核苷酸组成，密码子组成，氨基酸转化和组成等，所有操作简便高效，结果　可视化程度高。　关键词：生物信息工具箱；序列分析；开放阅读框；密码子　中图分类号：ＴＰ３９１文献标识码：Ｂ文章编号：１６７３—６２７３ｆ　２００８）０１一Ｏ１１８一Ｏ４　Ｔｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ＭＡＴＬＡＢ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　ＴｏｏｌｂＯｘ　——Ｓｅｑｕｅｎｃｅ　Ａｎａｌｙｓｉｓ　ｏｆ　Ｇｅｎｅ（１）术　ＬＩＵＸｉｎ－ｘｉｎｇ，ＬＩＨｏｎｇ－ｙａｎ，ＹＡＮＧ　Ｙｉｎｇ－ｊｉｅ￣　（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＢｉｏｍｅｔａｌｌｕｒｇｙｏｆＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ．Ｃｅｎｔｒａｌ　ｓｏｕｔｈ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ，４１００８３，Ｃｈｉｎａ）　ＡＢＳＴＲＡＣＴ：Ｔｈｅ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｔｏｏｌｂｏｘ　ｏｆ　ＭＡＴＬＡＢ　７．Ｘ　ｐｒｏｖｉｄｅｓ　ａｎ　ｉｎｔｅｇｒａｔｅｄ　ｓｏｆｔｗａｒｅ　ｅｎｖｉｒｏｎｍｅｎｔ　ｆｏｒ　ｇｅｎｏｍｅ　ａｎｄ　ｐｒｏｔｅｏｍｅ　ａｎａｌｙｓｉｓ，ｉｔ　ｍａｋｅｓ　ｙｏｕｒ　ｗｏｒｋ　ｍｏｒｅ　ｅｆｉｃｉｅｎｔｆ　ｗｉｔｈ　ｔｈｅ　ｕｓｉｎｇ　ｏｆ　ｄａｔａｂａｓｅｓ，ｉｎ　ｔｈｅ　ｏｐｅｎ　ｅｎｖｉｒｏｎｍｅｎｔ　ｐｒｏｖｉｄｅｄ　ｂｙ　ｔｈｅ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｔｏｏｌｂｏｘ　ｙｏｕ　ｃａｎ　ｃｕｓｔｏｍｉｚｅ　ｏｒｆ　ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　ｄｅｐｌｏｙｍｅｎｔ　ｏｆｔｈｅ　ａｎａｌｙｔｉｃａｌ　ｔｏｏｌｓ　ｙｏｕ　ｗｉｌｌ　ｎｅｅｄ、Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｔｈｅ　ｕｓｅ　ｏｆｔｈｅ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｔｏｏｌｂｏｘ　ｉｎ　ｓｅｑｕｅｎｃｅ　ａｎａｌｙｓｉＳ　ｏｆ　ｇｅｎｅ　ｗｉｌｌ　ｂｅ　ｉｎｔｒｏｄｕｃｅｄ，ｉｎｃｌｕｄｉｎｇ　ｄｅｔｅｒｍｉｎｉｎｇ　ｎｕｃｌｅｏｔｉｄｅ　ｃｏｎｔｅｎｔ，ｄｅｔｅｒｍｉｎｉｎｇ　ｃｏｄｏｎ　ｃｏｍｐｏｓｉｔｉｏｎ，　ａｍｉｎｏ　ａｃｉｄ　ｃｏｎｖｅｒｓｉｏｎ　ａｎｄ　ｃｏｍｐｏｓｉｔｉｏｎ，ｅｔ　ａ１．Ａｌｌ　ｏｐｅｒａｔｉｏｎｓ　ａｒｅ　ｓｉｍｐｌｅ　ａｎｄ　ｅｆｉｃｉｆｅｎｔ，ｗｉｔｈ　ｈｉｇｈ　ｄｅｇｒｅｅ　ｏｆ　ｖｉｓｕａｌｉｚａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｔｏｏｌｂｏｘ；ｓｅｑｕｅｎｃｅ　ａｎａｌｙｓｉｓ；ｏｐｅｎ　ｒｅａｄｉｎｇ　ｆｒａｍｅ；ｃｏｄｏｎ　Ｃｈｉｎｅｓｅ　Ｌｉｂｒａｒｙ　Ｃｌａｓｓｉｉｆｃａｔｉｏｎ（ＣＬＣ）：ＴＰ３９１　Ｄｏｃｕｍｅｎｔ　ｃｏｄｅ：Ｂ　Ａｒｔｉｃｌｅ　ＩＤ：１６７３．６２７３（２００８）０１　０ｌ１８．０４　功能性Ｔ具箱用于多种学科；而学科性工具箱的专业性比较　前言　强，都是南该领域内学术水平很高的专家编写的，生物信息工　。　近年来，生物信息学的发展对生物学的发展起了巨大的推　具箱就是学科性工具箱中的一种”］，２　ＭＡＴＬＡＢ生物信息工具箱　动作用。ＭａｔｈＷｏｒｋｓ公司推出的ＭＡＴＬＡＢ７，０及以上版本为广　１大科研工作者提供了一个可用于生物信息分析的生物信息Ｔ　ＭＡＴＬＡＢ生物信息工具箱（Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｔｏｏｌｂｏｘ）提供　其中绝大多数　具箱。它具有简单易学，操作方便而且功能强大等特点，即使不　了许多用于基因组学和蛋白质组学分析的函数，并有可供查看的源代　懂编程也能用它进行生物信息的分析研究。本系列文章依据该　是Ｍ代码的工具（ＭＡＴＬＡＢ程序语言），它扩展了ＭＡＴＬＡＢ在生物信息方面的应用，提供了一个用　软件的功能将分期介绍ＭＡＴＬＡＢ　７，Ｘ生物信息１－具箱在基因　码；序列分析、微阵列分析和系统发生分析等几个方面的应用，希　于基因组和蛋白质组分析的综合软件环境。科研人员可以利用　基因工程和生物信息方　望对从事基因组学、蛋白质组学和药物研究的科研人员和相关　生物信息工具箱解决药物研究和设计，专业的师生有一些帮助。　面的问题，并可利用这个工具箱提供的基本生物信息函数来创　建更复杂的算法和应用程序。　１．３　ＭＡＴＬＡＢ生物信息工具箱特点及功能　１　ＭＡＴＬＡＢ及生物信息工具箱简介　１．１　ＭＡＴＬＡＢ简介　生物信息工具箱可以进入许多网络数据库，它支持许多普　用户可以直接复制序列和基因表达信息　ＭＡＴＬＡＢ全称为“Ｍａｔｒｉｘ　Ｌａｂｏｒａｔｏｒｙ”，即矩阵实验室之　通的基因组文件格式，　意。ＭＡＴＬＡＢ被称为计算机语言，它的一大特色是含　到ＭＡＴＬＡＢ中。目前主要的序列数据库有国际基因库Ｇｅｎ—ｎＰｅｐｔ，欧洲分子生物数据库ＥＭＢＬ，蛋　有许多功能强大的工具箱。其＿Ｔ具箱分为两大类：功能性＿ｒ　具　Ｂａｎｋ，蛋白质序列库Ｇｅ箱和学科性工具箱。功能性　具箱主要用来扩充其符号计算功　白质数据库ＰＳＤ。用户也可以从同源蛋白家族数据库ＰＦＡＭ　ｋｏｖ模型图谱，系统发生树数　能，图示建模仿真功能，文字处理功能以及硬件实时交互功能，　中得到多重比对序列，隐藏Ｍａｒ据。此外，ＭＡＴＬＡＢ还可以从基因测序仪、质谱仪和Ａｇｉｌｅｎｔ微　本系列文章由《现代生物医学进展》编辑部特别约稿　基金项目：国家Ｆ｛然科学基金（５０７７４１０２）　△通讯作者：杨英杰，Ｅ—ｍａｉｌ：￣ｙａｎｇｃｓｕ＠１２６．ｃｏｍ　（收稿日期：２００７—１２—０２接收日期：２００７—１２一ｌ８）　维普资讯 http://www.cqvip.com

现代生物医学进展Ⅵｒｗｗ．ｂｉｏｍｅｄ．ｎｅｔ．Ｃｌｌ　Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｍｏｄｅｒｎ　Ｂｉｏｍｅｄｉｃｉｎｅ　２００８　Ｖｏ１．８　Ｎｏ．１　・ｌ１９・　阵列扫描仪ｊ　读取数据。　执行成对或多重序列比对，确定序列的一系列统计量，在一个　２．１．３显示信息点击链接标签ＮＣ００１８０７即显示人类线粒体　利川生物信息　Ｉ　具箱，用户可以选择一系列的分析方法来　基因组信息页面，图１　３是该页面的主要部分。　Ａｅｅ，￣ａｉｏｎ；　免　鳢鲢　Ｏ＇　Ｂ　档８ｅ甜ｅｎｃ树：ｌ§研　ｂ０　序列Ｌｆ１食找特定序列，或是查找开放阅读框。此外，还可以创建　随机序列，从一－一组多序列比财的氨基酸、核苷酸序列中找出共　同序列，对序列格式化或１【丰Ｉ频率数据图解显示一个序列比对结　果。ＭＡＴＬＡＢ的附加功能还可以用正则表达式有效地处理字　符串，以便在一个序列中查找特定序列，并查找串匹配的信息　库。通过查找　文序列在ＤＮＡ／ＲＮＡ序列中搜索可能的断点　。　用户可以使用一系列的蛋白质分析方法从数据中选取信　Ｃ口ｍ　＊ｌｅｄ；Ｍ　ｌ　２　《……，’　＊…　息。丁具箱提供了Ｈｊ于计算蛋白质序列性质的多个函数，比如　基本组成，分子量和等电点。用户可以预测氨基酸序列的统计　量并获得有关特征的编码信息；计算两生物序列间的距离和计　算替换率；利用距离数据构建系统发生树；在交互性的图形用　户界面　观察系统发生树和编辑数据；也可以在这个图形用户　界丽中修剪分支、重排、改名和测量距离。　总之，ＭＡＴＬＡＢ可用来执行成对序列或多重序列的比对，　进行序列转换，绘制序列冈谱，进行蛋白质分析和氨基酸序列　分析，创建并分析系统发生树，进行微阵列数据分析等。用户还　可以创建自　的算法和应州程序，并与其他用户分享。　２序列分析　序列分析是利用汁算机方法来寻找有关核苷酸或氨基酸　序列的信　。序列分析的一般　作是基　识别，确定两个基　的相似性，确定一个基　的赁一质编码以及研究另一有机体中　卡Ｉｊ似基　的功能　。　在分析完一段ＤＮＡ序列之后，首要任务就是研究序列中　的核苷酸含量　。本节使用序列统计函数来确定核苷酸含量，并　找ｆｌ｛　放阅读框。如无特别说明，均以人类线粒体基闪组为例，　逐个介绍序列分析的相　数。　２．１搜索网络数据库资源　苒‘先需要搜索网络数据库资源，查找有关人类线粒体的信　息，找ｍ基　组的核甘酸序列。　２．１．１连接网络可川ｗｅｂ函数连接到网络，下面的命令以一个　独　的浏览器窗口打开ＮＣＢＩ网站的主页。　ｗｅｂ（’ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／＇）；　２．１．２查找信息如任ＮＣＢＩ网站上查找人类线粒体基因组，可　在搜索列表【Ｓｅａｒｃｈ】选择基冈【Ｇｅｎｏｍｅ】，在目的栏【ｆｏｒ］输入　人科线粒体【ｍｉｔｏｃｈｏｎｄｒｉｏｎ　ｈｏｍｏ　ｓａｐｉｅｎｓ】后进行搜索（图１—１）。　图１—１查找相关信息　Ｆｉｇ．１—１　Ｓｅａｒｃｈｉｎｇ　ｆｏｒ　ｒｅｌｅｖａｎｔ　ｉｎｆｏｒｍａｔｉｏｎ　ＮＣＢＩ网站查找并返　一系列相关页的链接（图１—２）。　｛｛　莲　ｏｍｅ　ｒ３：∽～　ｉｌ暖　ｊ　婚｝？　　嚣　嚣　嚣　出　啪　¨㈣ｊ１７９８１　８张ｉ　ｅｆ｝Ｎ　一∞ｌｓ。？４ｌ　　图１－２查找结果　Ｌｔ＂　：　嚣：　：　：嚣：　Ｉ谴００ｂ０ｎｄ｝ｉ黼　Ｏｒｇａｎｉｓｍ；　融　图１－３线粒体基因信息　Ｆｉｇ．１—３　Ｉｎｆｏｒｍａｔｉｏｎ　ａｂｏｕｔ　ｍｉｔｏｃｈｏｎｄｒｉｏｎ　ｈｏｍｏ　ｓａｐｉｅｎｓ　２，２获取序列信息　ＭＡＴＬＡＢ提供了一个读取序列信息的ｇｅｔｇｅｎｂａｎｋ函数。　由于国际基因库ＧｅｎＢａｎｋ的条目数量非常巨大，而用户也许　只对特定的序列感兴趣，所以利用ｇｅｔｇｅｎｂａｎｋ函数可以通过登　陆号码查找特定序列的信息。比如，人类线粒体基因组共同序　列的ＧｅｎＢａｎｋ的登陆号码为ＮＣ００１　８０７，可用ｇｅｔｇｅｎｂａｎｋ函　数从ＧｅｎＢａｎｋ网络数据库中搜索人类线粒体基因组的序列信　息，并读人ＭＡＴＬＡＢ］一作区。　ｍｉｔｏｃｈｏｎｄｒｉａ＝ｇｅｔｇｅｎｂａｎｋ（’ＮＣ　Ｏ０　１　８０７’，’ＳｅｑｕｅｎｃｅＯｎｌｙ’，ｔｒｕｅ）　ｍｉｔｏｃｈｏｎｄｒｉａ　ｇａｔｃａｃａｇｇｃｃｔａｔｃａｃ……ｔａｃｇｔｔｃａａｔａ￣ａｃａｇｇｃｇａａｃａｔａｃ—　ｃｔａｃｔａａａｇｔ．．．　２．３确定核苷酸的组成　一个含Ａ＋Ｔ丰富的核苷酸ＤＮＡ片段通常是序列的一部　分，而含Ａ＋Ｔ低，含Ｇ＋Ｃ丰富的核苷酸则是潜在的基因。通　常，一个基闪的ＣＧ二核苷酸含量都是已经确定的　。在读取一　段序列到ＭＡＴＬＡＢ中以后，用户可以使用序列统计函数确定　这个序列是否含有蛋白质编码域的特征。　２．３．１绘制密度图可用ｎｔｄｅｎｓｉｔｙ函数绘制单体密度和联合体　密度图，图１—４显示这个基因组富含Ａ＋Ｔ。　ｎｔｄｅｎｓｉｔｙ（ｍｉｔｏｃｈｏｎｄｒｉａ）：　２．３．２计算核苷酸数目可用ｂａｓｅｃｏｕｎｔ函数计算５’．３’链中的　核苷酸数目。　ｂａｓｅｃｏｕｎｔ（ｍｉｔｏｃｈｏｎｄｒｉａ）　ａｎｓ＝Ａ：５１　１３　Ｃ：５ｌ９２　Ｇ：２１８０　Ｔ：４０８６　２．３．３计算互补核苷酸数目可用ｓｅｑｒｃｏｍｐｌｅｍｅｎｔ函数计算互　图１－４单体和联合体密度图　Ｆｉｇ．１．一４　　Ｄｅｎｓｉｔｙ　ｃｈａ￣ｓ　ｏｆｍｏｎｏｍｅｒ　ａｎｄ　ｃｏｍｐｌｅｘ补５，一３，链中的核苷酸数目。　维普资讯 http://www.cqvip.com

・１２０・　现代生物医学进展ｗ哪．ｂｉｏｍｅｄ．ｎｅｔ．ｃｎ　Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｍｏｄｅｒｎ　Ｂｉｏｍｅｄｉｃｉｎｅ　２００８　Ｖｏ１．８　Ｎｏ．１　ｃｏｄｏｎｃｏｕｎｔ（ｍｉｔｏｃｈｏｎｄｒｉａ，’ｒｅｖｅｒｓｅ　，ｔｒｕｅ，＇ｌａｍｅ　，ｆｆｌａｍｅ，＇ｉｆｇ—　ｕｒｅ’，ｂａｓｅｃｏｕｎｔ（ｓｅｑｒｃｏｍｐｌｅｍｅｎｔ（ｍｉｔｏｃｈｏｎｄｒｉａ）　ａｒｔｓ＝Ａ：４０８６　Ｃ：２１８０　Ｇ：５１９２　Ｔ：５１１３　ｔｕｅ）；ｒ　２．３．４显示核苷酸分布可用ｂａｓｅｃｏｕｎｔ函数显示核苷酸分布的　ｔｉｔｌｅ（ｓｐｒｉｎｔｆ（’Ｃｏｄｏｎｓ　ｆｏｒ　ｒｅｖｅｒｓｅ　ｆｒａｍｅ％ｄｔ，ｆｌａｍｅ））；　饼状图（图ｌ一５）。　ｂａｓｅｃｏｕｎｔ（ｍｉｔｏｃｈｏｎｄｒｉａ，’ｃｈａａ’，＇ｐｉｅ’）；　图１．５核苷酸分布饼状图　Ｆｉｇ．１・５　Ｐａｎｃａｋｅ　ｐｌｏｔ　ｏｆ　ｎｕｃｌｅｏｔｉｄｅ　ｄｉｓｔｒｉｂｕｔｉｏｎ　图１—６二聚体数目条形图　Ｆｉｇ．１—６　Ｂａｒ　ｃｈａｒｔ　ｏｆｔｈｅ　ｎｕｍｂｅｒ　ｏｆｄｉｍｅｒ　２．３．５计算二聚体个数可用ｄｉｍｅｒｃｏｕｎｔ函数计算一个序列中　的二聚体个数，并在一个条形罔中显示出来，见图１－６。　ｄｉｍｅｒｃｏｕｎｔ（ｍｉｔｏｃｈｏｎｄｒｉａ，’ｃｈａｒｔ’，’ｂａｒ’）；　２．４确定密码子组成　三核苷酸（密码子）编码一个氨基酸，在一个核苷酸序列中　有６４个可能的密码子。知道序列中密码子的百分比有助于用　户假设密码子的排列情况。　２．４．１计算密码子数目可用ｃｏｄｏｎｃｏｕｎｔ函数计算一个核苷酸　序列中的密码子数目。　ｃｏｄｏｎｃｏｕｎｔ（ｍｉｔｏｃｈｏｎｄｒｉａ）　ＡＡＡ．１　７２　ＡＡＣ．】５７　ＡＡＧ．６７　ＡＡＴ．１　２３　Ｉ”Ｉ’Ａ一¨５　Ｉ”Ｉ’Ｃ—ｌ　ｌ３　Ｉ　Ｉ　Ｇ一３　７　Ｉ”Ｉ。Ｉ　一９９　２．４．２绘制热红外分布图可用下列程序绘制热红外分布图显　示出６个阅读框中的所有的６４个密码子（图１—７（ａ—Ｃ））。　ｆ０ｒｆｒａｍｅ：ｌ：３　ｉｆｇｕｒｅ割ｃｏｌｏｒ’，［１　１１】）　ｓｕｂｐｌｏｔ（２，１，１）；　ｃｏｄｏｎｃｏｕｎｔ（ｍｉｍｃｈｏｎｄｒｉａ，’ｆｒａｍｅ　，ｆｒａｍｅ，’ｉｆｕｇｒｅ’，ｔｒｕｅ）；　ｔｉｔｌｅ（ｓｐｒｉｎｔｆ（’Ｃｏｄｏｎｓ　ｆｏｒ　ｆｒａｍｅ％　ｆｌａｍｅ））；　ｓｕｂｐｌｏｔ（２，１，２）；　ｅｎｄ　２．５开放阅读框　为一个真核基因确定蛋白质编码序列是一项困难的工作，　一　｝一　ｌ　黑　＿　！＿　』　，ａ）　（　［ｃ）　图１—７密码子分布图　Ｆｉｇ．１—７　Ｐｒｏｆｉｌｅ　ｏｆｃｏｄｏｎｓ　因为内含子和外显子是间杂的，ｍＲＮＡ序列的内含子是移动　的。但是，原核基因通常是没有内含子的嘲。通过识别翻译的起　始密码子和终止密码子，可以确定序列中蛋白质编码段，即开　放阅读框ＯＲＦ。一旦用户知道基因或者ｍＲＮＡ的ＯＲＦ，就可　以将一个核苷酸序列转化成相应的氨基酸序列网。　２．５．１显示核苷酸序列的ＯＲＦ可用ｓｅｑｓｈｏｗｏｒｆｓ函数显示核苷　酸序列的ＯＲＦ。　ｓｅｑｓｈｏｗｏｒｆｓ（ｍｉｔｏｃｈｏｎｄｒｉａ）　将命令的执行结果与ＮＡＢＩ网页上ＮＣ＿００１８０７的基因作　比较，会发现其比想象中的要少。这是由于脊椎动物线粒体的　遗传密码与标准遗传密码稍有不同。　２．５．２显示脊椎动物线粒体编码的ＯＲＦ　ｏｒｆｓ＝ｓｅｑｓｈｏｗｏｒｆｓ（ｍｉｔｏｃｈｏｎｄｒｉａ，’ＧｅｎｅｔｉｃＣｏｄｅ’，Ｗｅ￣ｅｂｒａｔｅ　Ｍｉｔｏｃｈｏｎｄｒｉａｌ＇，＇ａｌｔｅｍａｔｉｖｅｓｔａｒｔ’，ｔｒｕｅ）　执行结果中，第一个阅读框有两个比较大的ＯＲＦ。一个的　起始位置是４４７　１，另一个的起始位置是５９０５，它们分别对应于　基因ＮＤ２（人类ＮＡＤＨ脱氢酶亚基２）和ＣＯＸ１（细胞色素Ｃ　氧化酶亚基１）啊。　２．５．３查找终止密码子可用ｆｉｎｄ函数找出相应的终止密码子，　ＯＲＦ的起始和终止位置与起始和终止域的开始位置都有一样　的引物。　ＮＤ２Ｓｔａｒｔ：４４７ｌ；　Ｓｔａｒｔｌｎｄｅｘ：ｆｉｎｄ（ｏｒｆｓ（１）．Ｓｔａｒｔ—ＮＤ２Ｓｔａｒｔ）；　ＮＤ２Ｓｔｏｐ＝ｏｒｆｓ（１）．Ｓｔｏｐ（Ｓｔａｒｔｌｎｄｅｘ）　ＮＤ２Ｓｔｏｐ＝５５１２　２．５．４摘录子序列利用基因的起始和终止位置的序列引物，从　序列中摘录子序列。下面语句将子序列（蛋白质编码区域）摘录　到ＮＤ２Ｓｅｑ中，并显示在屏幕上。　ＮＤ２Ｓｅｑ＝ｍｉｔｏｃｈｏｎｄｒｉａ（ＮＤ２Ｓｔａｒｔ：ＮＤ２Ｓｔｏｐ）　ＮＤ２Ｓｅｑ＝ａ￣ａａｔｃｃｃｃｔｇｇｃ‘‘‘‘‘‘ｃａｔｃａａｇｔａｔｔｔｃｃｔｃａｃｇｃａａｇｃａａｃ—　ｃｇｃａｔｃｃａｔａａｔｃｃｔｔｃ‘‘‘　２．５．５确定密码子分布下面的密码子计算结果显示ＡＣＣ，Ａ—　ＴＡ，ＣＡＴ，ＡＴＣ的含量较丰富。　ｃｏｄｏｎｃｏｕｎｔ（ＮＤ２Ｓｅｑ）　ＡＡＡ．１０　ＡＡＣ．１４　ＡＡＧ．２　ＡＡＴ．６　ＴＴＡ．８　Ｔ１℃．７　ＴＴＧ．１　ＴＴＴ．８　２．５．６查找编码的氨基酸可用ａｍｉｎｏｌｏｏｋｕｐ函数查找给定密　码子编码的氨基酸，下面是查找密码子ＡＴＡ编码的氨基酸。　ａｍｉｎｏｌｏｏｋｕｐ（’ｃｏｄｅ’，ｎｔ２ａａ（’ＡＴＡ’）　Ｉｌｅ　ｉｓｏｌｅｕｃｉｎｅ　维普资讯 http://www.cqvip.com 现代生物医学进展Ⅵ删．ｂｉｏｍｅｄ．ｎｅｔ．ｃｎ　Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｍｏｄｅｒｎ　Ｂｉｏｍｅｄｉｃｉｎｅ　２００８　Ｖｏ１．８　Ｎｏ．１　・１２　ｌ・　２．６氢基酸转化和组成　２．６．４确定氨基酸组成和分子量可用ａｔｏｍｉｃｃｏｍｐ　数和ｍｏｌ—　ａｔｏｍｉｃｃｏｍｐ（ＮＤ２ＡＡＳｅｑ）　ａｎｓ＝Ｃ：ｌ８ｌ８　Ｈ：３５７４　Ｎ：４２０　０：８ｌ７　Ｓ：２５　确定蛋白质相关的氨基酸组成町以提供给ｔ【｛ｊ户蛋白质特　ｗｅｉｇｈｔ函数确定蛋白质的氨基酸组成和分子量。　征冈谱。通常，这个图谱含有足够的用来识别蛋白质的信息。利　用氨基酸组成、基本成分和分子量，用户可以在公共数据库中　查找类似的蛋白质。在用户定位基Ｌ大Ｊ的一个ＯＲＦ之后，就可以　将它转换成一个氨基酸序列，并确定它的氨基酸组成闻。　２．６．１核苷酸序列转氨基酸序列可用ｎｔ２ａａ函数将核苷酸序列　传密码将ＮＤ２Ｓｅｑ序列转换，仅起始密码子和终止密码子间的　蛋白质编码序列被转换。　ＮＤ２ＡＡＳｅｑ＝ｎｔ２ａａ（ＮＤ２Ｓｅｑ，’ｇｅｎｅｔｉｃｃｏｄｅ＇，＇Ｖｅｒｔｅｂｒａｔｅ　Ｍｉｔｏ—　ｃｈｏｎｄｒｉａｌ’）　ｍｏｌｗｅｉｇｈｔ（ＮＤ２ＡＡＳｅｑ）　ａｎｓ＝３．８９６０ｅ＋００４　如果此序列是未知的，用户还可以通过将其基本组成与数　转换为氨基酸序列。在下面的例子中，利用脊椎动物线粒体遗　据库中其他蛋白质作比较来识别蛋白质［９１。　ＭＮＰＬＡＱＰＶＩＹ……ＰＴＰＦＬＰＴＬＩＡＬＴＴＬＬＬＰＩＳＰＦＭＬＭＩＬ　２．６．２转化结果比较可用ｇｅｔｇｅｎｐｅｐｔ函数把转化结果与Ｇｅｎ—　Ｐｅｐｔ中已公布的转化结果作比较，下面的语句从ＮＣＢＩ数据库　中获取已公布的转化结果并读取入ＭＡＴＬＡＢ工作　。　ＮＤ２ｐｒｏｔｅｉｎ：ｇｅｔｇｅｎｐｅｐｔ　ＮＰ５３６８４４＇，＇ｓｅｑｕｅｎｃｅｏｎｌｙ＇，ｔｒｕｅ）；　２．６＿３计算氨基酸数目可用ａａｃｏｕｎｔ函数计算蛋白质序列中的　氨基酸数目，并绘制出条形图。图１—８显示亮氨酸，苏氨酸和异　亮氨酸的含量较高，而半胱氨酸和天冬氨酸的含量较低。　ａａｃｏｕｎｔ（ＮＤ２ＡＡＳｅｑ，’ｃｈａｒｔ＇，＇ｂａｒ’）；　图１－８氨基酸数目条形图　Ｆｉｇ．１—８　Ｂａｒ　ｃｈａｇ　ｏｆｔｈｅ　ｎｕｍｂｅｒ　ｏｆａｍｉｎｏ　表ｌ序列分析的生物信息学函数　Ｔａｂｌｅ　１　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｆｔｍｃｔｉｏｎｓ　Ｏｆ　Ｔｈｅ　Ｓｅｑｕｅｎｔｉａｌ　Ａｎａｌｙｓｉｓ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，２００４　３小结　本文简单介绍了生物信息工具箱的功能特点，初步介绍了　【４］Ｐｅｎｇ　Ｅｎ—ｌａｎ，Ｔｕ　Ｈｏｎｇ－ｙｉ，Ｃｈｅｎ　Ｗｅｉ—ｍｉｎ．Ｗａｔｃｈ　ｇｅｎｅｔｉｃｓ　ａｎｄ　ｏｎｃｏｍａ［Ｊ］．　【　ｊｆｅＳｃｉｅｎｃｅｓＲｅｓｅａｒｃｈ，２００６，ｌＯ（２）：１９１－１９５（ＩｎＣｈｉｅｓｅ）　序列分析的基本操作，关于序列比对等进一步的内容将在后续　文章中逐一阐述。为了便于读者查阅，表１给出了本文介绍过　的序列分析的生物信息学　数。　参考文献（Ｒｅｆｅｒｅｎｃｅｓ）　［１］罗军辉，冯平，哈力旦・Ａ，等．ＭＡＴＬＡＢ　７．０在图像处理中的应用［Ｍ］．　北京：机械工业出版社，２００５　Ｌｕｏ　Ｊｕｎｈｕｉ，Ｆｅｎｇ　Ｐｉｎｇ，Ｈａｒｉｄｅ・Ａ，ｅｔ　ａ１．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ＭＡＴＬＡＢ　７．０　［５］Ｃｈｅｎ　Ｓｈａｎ，Ｌｉｕ　Ｚｈｉ—ｈｏｎｇ．Ｒｅｓｅａｒｃｈ　ｔｅｃｈｎｉｑｕｅ　ｏｆＰｒｏｔｅｏｍｉｃｓ［Ｊ］．Ｐｒｅ　ｃｌｉｎｉｃａｌ　Ｍｅｄｉｃｉｎｅ，２００５，ｌ４（１）：５２・５８（Ｉｎ　Ｃｈｉｅｓｅ）　［６］Ｍｏｒｔｕａｉｒｅ　Ｇ，Ｍａｒｃｈｅｔｔｉ　Ｐ，Ｆｏｒｍｓｔｅｃｈｅｒ　Ｐ，ｅｔ　ａｌ　Ｍｉｃｒｏ—ａｒｒａｙ　ｂａｓｅｄ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ｔｏ　ｓｔｕｄｙ　ｔｈｅ　ｐｒｏｔｅｏｍｅ　ｐｒｏｔｃｏｍｅ：ｔｅｃｈｎｏｌｏｇｉｃａｌ　ｐｒｏｇｒｅｓｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］ｌ　Ａｎｎ　Ｂｉｏｌ　Ｃｌｉｎ（Ｐａｒｉｓ），２００４，６２（２）：１３９—４ｇ　［７］Ｃｈｅｎ　Ｍｉｎｇ．Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　ｉｎ　Ｐｏｓｔｇｅｎｏｍｅ　Ｅｒａ［Ｊ］．Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，　２００４，２：２９—３４（Ｉｎ　Ｃｈｉｅｓｅ）　［８］赵铁桥．系统生物学的概念和方法［Ｍ］．北京：科学出版社，１９９６　Ｚｈａｏ　Ｔｉｅ—ｑｉａｏ．Ｉｄｅａ　ａｎｄ　ｍｅｔｈｏｄ　ｏｆ　ｓｙｓｔｅｍｉｃ　ｂｉｏｌｏｇｙ［Ｍ］．Ｂｅ０ｉｎｇ：　Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ，ｌ　９９６　ａｔ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ［Ｍ］．Ｂｅ０ｉｎｇ：Ｃｈｉｎａ　Ｍａｃｈｉｎｅ　Ｐｒｅｓｓ．　【２１　Ｍｏｕｎｔ，Ｄａｖｉｄ　Ｗ．Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ　Ｓｅｑｕｅｎｃｅ　ａｎｄ　ｇｅｎｏｍｅ　ａｎａｌｙｓｉｓ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ：ｓｅｑｕｅｎｃｅ　ａｎｄ　ｇｅｎｏｍｅ　ａｎａｌｙｓｅｓ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ，２００６　［９］Ｗａｎｇ　Ｍｉ—ｑｕ，Ｚｈａｎｇ　Ｌｕｏｘｉｎ，Ｗｕ　Ｂｉｎ，ｅｔ　ａ１．Ｄｅｍｏｎｓｔｒａｔｉｏｎ　ｏｆ　ｍａｓｓ　ｄａｔａ　ｏｆ　Ｐｏｓｔｇｅｎｏｍｅ　Ｅｒａ［Ｊ］．Ｔｒａｄｉｔｉｏｎａｌ　Ｃｈｉｎｅｓｅ　Ｍｅｄｉｃｉｎｅ　Ｐｈａｒｍａｃｙ　Ｐｕｂ・　ｌｉｓｈ，２００５，２３（８］：ｌ　３５７—１３５９（ＩｎＣｈｉｅｓｅ）　［３１李巍．生物信息学导论［Ｍ］．郑州：郑州大学出版社，２００４　Ｌｉ　Ｗｅｉ．Ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ【Ｍ］．Ｚｈｅｎｇｚｈｏｕ：Ｚｈｅｎｇｚｈｏｕ