数据挖掘—NCBI中获取某基因序列和转录起始位点

数据挖掘—NCBI中获取某基因序列和转录起始位点

记录下从NCBI数据库中获取某基因序列和转录起始位点，以MYC基因为例

1 基因序列

• NCBI中搜到MYC基因，选择物种为人类。检索结果中包含MYC在基因组上的位置信息，知道位置其实就已经可以获取该基因的具体序列了

• 点击选项，下拉页面到Genomic regions,transcripts,and product，点击Tools --> Sequence Text View可以看到具体的序列信息。橙色区域为CDS区域，可以点击Prev Page或Next Page找到第一个起始密码子区域“ATG”。MYC基因较为特殊，这里看到的第一个起始密码子是“CTG”。还需要注意目标基因是在正向链还是反向脸中。如果是反向链，则起始密码子是反向互补的“ATG”，即为"CAT"，这样的基因需要逆向找转录起始位点
• 找转录起始位点，若染色体上目标基因和前一个基因相聚太近，如只有几百bp，则需要这些序列都应该关注；若目标基因和前一个基因相聚很远，则只需要专注起始密码子前2000bp的区域（正向链基因）

• 因为我这次分析只关注该基因的转录起始位点TSS和TSS前2000bp的区域，因此我选择了127,735,500～127,743,291这段区域。点击关闭“Sequence View”，点击“FASTA”，这里会显示目标基因所在染色体的部分序列。输入127,735,500～127,743,291，获取这段区域的序列
• 下载的fasta格式文件，可通过snapgene打开进行更细致的序列探索

#序列涵盖
约2500bp ---- MYC TSS ---- MYC CDS----

2 转录起始位点确认

• TSS和CDS的概念易混淆
  • Transcription Start Site，RNA聚合酶开始合成 mRNA 的第一个碱基在基因组上的位置，即TSS 是 mRNA 序列的第一个碱基
  • Coding DNA Sequence，编码蛋白质的起始（通常从 ATG 开始）到终止密码子的区域。在 mRNA 中，CDS 是从 真正翻译成蛋白质的地方开始的
• 一个基因可以包含多个转录起始位点。在真核生物中，很多基因的启动子区域比较复杂，可以使用 不同的启动子（Promoters） 来启动转录，导致：不同的转录起始位点（TSS）；不同的转录本（Transcript variants）产生不同的 mRNA 变体；
• MYC基因包含多个转录本，如NM_002467 是 MYC 的主转录本，最广泛研究的版本；NM_001354870 是次要转录本，可能在某些细胞或组织中表达较高。NCBI中直接检索NM_002467，其第一个碱基的位置极为MYC的主要TSS，可在上述得到的MYC基因序列中检索部分序列，确定转录起始位点

参考教程：

https://www.bilibili.com/video/BV1fM411q7tV/?spm_id_from=333.1387.homepage.video_card.click&vd_source=7e83cb2510516bdff59ccf808d022aa0

https://zhuanlan.zhihu.com/p/605854452