Нуклеотидные банки данных
SRS (Sequence Retrieval System) – это поисковая система, спомощью которой можно искать данные в различных банках данных.
NCIB’s Reference Sequence (RefSeq) - это база данных, которая содержит последовательности белков и нуклеиновых кислот. Здесь можно найти аннотацию к геному, его характеристики, а также информацию об изменении последовательности и данные исследований экспрессии (см. статью о RefSeq)
Например, найдем в RefSeq посредством поисковой системы SRS хромосомы дрожжей Saccharomyces cerevisiae.
Для этого зададим следующие параметры:
- Organism Name: Saccharomyces cerevisiae;
- Molecule: DNA.
При таком поиске был получен список всех хромосом (Таблица 1).
Таблица 1
В таблице были перечислены 16 записей, соответствующих хромосомам, 1 запись, соответствующая двухмикронной плазмиде, и 1 запись, соответствующая полному гемону митохондрии.
Выберем 13ую хромосому в списке. Это хромосома XIII (NC_001145). Перейдя по ссылке RefSeq Genome (Release):NC_001145, можно найти всю интересующую информацию о выбранной хромосоме:
- длина (Sequence Length): 924431
- количество генов (gene): 496
- тРНК (tRNA): 21
В записи выбранной хромосомы были найдены примеры генов в разных положениях (Таблица 2)
Таблица 2
| Название гена | Координаты CDS в записи | Продукт гена | |
| Ген, который находится на прямой цепи и не имеет интронов | "CSI1" | CDS 323300..324187 | product="Csi1p" |
| Ген, который находится на обратной цепи и не имеет интронов | "PEX12" | CDS complement(324236..325435) | product="ubiquitin-protein ligase peroxin 12" |
| Ген, который находится на прямой цепи и имеет хотя бы один интрон | HAC1 | CDS join(75179..75839,76092..76147) | product="Hac1p" |
| Ген, который находится на обратной цепи и имеет хотя бы один интрон | ERV41 | CDS complement(join(139063..140090,140184..140214)) | product="Erv41p" |
Если ген находится на обратной цепи, то в записи присутствует «complement». При наличии нескольких экзонов в гене их координаты перечисляются в скобках после слова «join».
Получение последовательности, кодирующей заданный белок
Поиском по нуклеотидным базам данных получим последовательность белка TENI_BACSU с идентификатором в UniProt: P25053.
Для поиска будем использовать пакет программ EMBOSS. Выполнив команду entret sw:TENI_BACSU, можно получить всю необходимую информацию об исследуемом белке, которая содержит и идентификатор записи EMBL (M73546), в которой описан ген этого белка.
Полученный идентификатор позволяет нам получить запись из базы EMBL с помощью команды entret embl:M73546. Запись содержит информацию о гене, кодирующем изучаемый белок. Из этой записи получаем необходимую информацию:
- границы кодирующего участка (CDS): 1092..1709
- направление: расположен на прямой цепи
Для получения участка гена, кодирующего исследуемый белок, используем команду seqret –sask. Полученный фрагмент сохранен в fasta-формате в файле TENI_BACSU.fasta.
Поиск в нуклеотидном банке NCBI по имени гена
Для поиска в банке NCBI был выбран ген PEX12 (см. Таблицу 2).
На запрос было выведено 1263 результата. Кроме того, данный ген был найден в других организмах таких, как Homo sapiens, Mus musculus, Bos taurus и др. Результат поиска содержит разнообразную информацию об исследуемом гене: можно найти полногеномную запись, просто отдельный ген, всю хромосому и т.д.