【原创】寻找基因的CDS, 5'UTR,3'UTR及Promoter区等

最后的大肠杆菌 2019-07-10

展开全文

由于实验需要，最近看了很多这方面的资料，这里做个汇总。首先看下摘自WIKI的这张图有个大概的了解。

一、CDS,5'UTR 和 3'UTR的寻找

由上图可知，5'UTR 和 3'UTR虽然是基因上不被翻译的区域，但他们本身属于Exon,因此找出他们的序列很简单。如我现在要寻找human LDLR（人源低密度脂蛋白受体）这个基因的5’UTR及3'UTR，我直接在NCBI的GENE里面输入LDLR，然后找human的这个GENE，显示如下：

看到这个页面后，下拉寻找LDLR的mRNA序列信息点击下图的NM_000527.4，便可得到LDLR的mRNA全序列。

看到Homo sapiens low density lipoprotein receptor (LDLR), transcript variant 1, mRNA后，往下拉菜单，会发现CDS的信息，直接点击CDS，下方的CDS序列则被深红标出，而CDS前面180多bp则为LDLR的5’UTR，而CDS后面2000多bp的则为LDLR的3‘UTR:

二、promoter区域

promoter怎么找？这个比较复杂，目前没找到一个软件或者网站可以精准的找到一个基因的promoter区。但是promoter本身其实就是转录起始点前的一段序列，也可以说是5’UTR上游的可以几百bp，也可以上千bp，但一般不会超过上游2000bp，有几个网站可以帮助寻找。

1.http://www./ 这个网站极简单，但搜索范围也很大，可以找到5’上游10KB，甚至100KB。只有填入基因的缩写名称和来源就行，比如LDLR human,然后search就列出一堆来,可以看到Promoter Genomic Refseq (5' up-stream 10 kb) 甚至Promoter Genomic Refseq (5' up-stream 100 kb)。下载下来的格式就是FASTA了，极快无比。

2.http://rulai./cgi-bin/TRED/tred.cgi?process=home 这个是冷泉港的一个数据库，专门用来查找基因的转录调节元素（Transcriptional Regulatory Element Database ）。左边有个Retrieve Promoters，点击进入，输入基因缩写如 LDLR, 染色体号，如19，便可得到Promoter的信息。这里面显示了5'上游700的数据，和转录起始点开始300bp的数据，总共1000bp。但也可以自己调节位置，如我想知道-1000bp到0的就在右下角更改，再refresh就可以了。如图红色圈圈显示：

【原创】寻找基因的CDS, <wbr>5'UTR,3'UTR及Promoter区等--DR.J

对这个结果我在软件DNA MAN NCBI上 RUN BLAST来确认，结果显示是Accession number 为 FJ525879.1 的一段序列。但FJ525879.1 竟然显示的是LDLR complete CDS区，我就直接晕倒了，promoter怎么会在CDS区？而且这个LDLR CDS区怎么会有40000多bp那么长？难道NCBI也有错误的数据？！所以，基于这个不能解释的问题，我暂时不推荐用这个数据库。。。可能是我没研究彻底，欢迎来指正。

3.介绍个更靠铺的吧，UCSD的。http://genome./

UCSD这个有一个帖子专门介绍如何使用，点击页面左上角的Genome brower,然后进入基因信息输入页面。还是以LDLR为例。

点击submit就可以得到一系列LDLR的信息：

Ensembl Gene Predictions路径由Ensembl提供。若初次尝试得不到Ensembl，则可下拉菜单将Ensembl Genes选择为dense 或full模式，点击Refresh。如果可以得到以上的图，我们便可以直接点击Ensembl Genes里面第一个红色条带，便得到下面的信息：

点击 Genome Sequence from assembly,便得到以下重要信息：