Поиск генов

Итак, нам дана последовательность ДНК, а нужно узнать последовательность закодированного в ней белка. Если бы были известны стартовые позиции всех генов, то узнать последовательности белков было бы просто - еще в середине 60-х годов было установлено соответствие между тройками нуклеотидов (кодонами) и аминокислотами (см. рис.1). В процессе трансляции (см. рисунок на стр. 21) ген считывается по одному кодону (без перекрывания) и соответствующие аминокислоты присоединяются к синтезируемому белку.

Рис. 1. Таблица генетического кода: соответствие между тройками нуклеотидов - кодонами (левый столбцы) - и аминокислотами (правые столбцы). U в кодонах - то же самое, что Т.

Три кодона (TAG, TGA, TAA) не кодируют аминокислот, а являются сигналами окончания трансляции, поэтому определить конец гена было бы несложно. Однако тройка ATG не только указывает на начало гена, но и встречается в середине, где кодирует аминокислоту метионин; вдобавок, она может встретиться и в случайном месте вне гена. Поэтому даже задача распознавания генов не тривиальна.

Самым простым способом распознавания генов является поиск протяженных открытых рамок считывания. От каждого потенциального стоп-кодона последовательность просматривается по три нуклеотида справа налево до тех пор, пока не встретится предыдущий стоп-кодон. Ясно, что гены могут лежать только внутри таких открытых рамок, поскольку стоп-кодон не может встретиться внутри гена. Тем самым проблема сводится к тому, чтобы отличить стартовые ATG от внутренних и располагающихся в межгенных промежутках. Оказывается, что имеется сигнал, который участвует в процессе узнавание стартовых кодонов. На рис. 2 приведено окружение стартовых кодонов нескольких генов, и желающие могут поупражняться в выделении этого сигналая.

Рис. 2. Приведены последовательности перед некоторыми генами сенной палочки Bacillus subtilis, выравненные по стартовому кодону ATG (три нуклеотида в конце каждого фрагмента, таким образом, последовательности самих генов не даны). Упражнение: обнаружить сигнал старта трансляции (в данном случае - короткое слово, появляющееся с небольшими изменениями на приблизительно одном и том же расстоянии перед ATG). Ответ см. в конце статьи.

На рис. 2 были подобраны хорошие примеры. На самом деле обычно сигнал выражен слабее и абсолютно надежного правила для определения стартовых кодонов сформулировать не удается. Однако оказывается, что есть и другие соображения, которые можно использовать при распознавании. В частности, статистические свойства белок-кодирующих областей отличают их от некодирующих. Для этого есть две основные причины. Во-первых, аминокислоты встречаются в белках с различной частотой, что отражается на частотах кодонов. Более того, частоты синонимичных кодонов тоже различаются, причем эти различия являются свойством всего генома, а не отдельных генов.

Однако эти соображения, хорошо работающие при анализе бактериальных геномов, не срабатывают в случае с геномами многоклеточных организмов. Дело в том, что гены этих организмов содержат незначащие вставки (интроны), а белок-кодирующие участки (экзоны) относительно коротки (в геноме человека в среднем 120 нуклеотидов, т. е. 40 кодонов; интроны раз в десять длиннее, а их среднее количество - 8-10 на ген) - см. врезку.

Тем не менее, оказывается, что, используя всю доступную статистическую информацию, можно пытаться строить распознающее правило. Каждая потенциальная цепочка экзонов оценивается функционалом, зависящим от статистики употребления кодонов, длин экзонов и интронов и т. п. Количество цепочек экспоненциально велико, однако существуют эффективные (квадратичные по длине последовательности) алгоритмы построения оптимальной цепочки, т. е. экзон-интронной структуры, некоторый целевой функционал ². Хотя аннотация генов при помощи статистических распознающих правил является весьма приблизительной, она полезна для дальнейшей работы.

Более сильным подходом является сравнение последовательностей родственных генов из разных геномов. Дело в том, что осмысленные участки генома, в частности экзоны эволюционируют медленнее, чем бессмысленные ³, к которым относятся и интроны. Тем самым, сравнивая геномные последовательности и выделяя в них похожие участки можно наметить экзоны (это иллюстрирует врезка), а затем уточнить их границы статистическими методами.

Врезки

[i41323]

Страница 2>>

Бизнес-образование в сфере информационных технологий
Школа IT-менеджмента АНХ представляет уникальные программы подготовки для IT-директоров и специалистов – МВА CIO и “IT-менеджер”. Открыт набор в весенние группы!