實(shí)驗(yàn)一　老年癡呆癥的生物學(xué)發(fā)現(xiàn)——生物學(xué)網(wǎng)絡(luò)資源檢索

毫無疑問，最基本的生物學(xué)數(shù)據(jù)就是序列，序列是非常直觀的數(shù)據(jù)，如DNA包括基因組序列和基因序列，它是由A，T，C，G四種脫氧核糖核苷酸構(gòu)成的有序的集合，而RNA則由A，U，C，G四種核糖核苷酸組成，蛋白質(zhì)的組成較為復(fù)雜，主要有20種較為常見的氨基酸。因此，生物信息學(xué)的一個(gè)重要任務(wù)就是收集、組織和存儲(chǔ)生物序列數(shù)據(jù)。

作為入門級(jí)的教程，為了讓同學(xué)們對(duì)生物序列有一個(gè)更加直觀的認(rèn)識(shí)，在這里我們從一種常見的疾病入手，并找到與該疾病相關(guān)的基因、蛋白以及序列的相關(guān)功能注釋信息和代謝通路。

OMIM數(shù)據(jù)庫是在線人類孟德爾遺傳數(shù)據(jù)庫（Online Mendelian Inheritance in Man）的縮寫。數(shù)據(jù)庫涵蓋了關(guān)于人類遺傳疾病和基因座位（locus）相關(guān)信息和文獻(xiàn)的中心數(shù)據(jù)庫。OMIM可以為研究人員提供迅速、簡練的對(duì)于某一基因或遺傳疾病研究的關(guān)鍵信息和綜述，并且提供對(duì)于其表型和基因型的相關(guān)分析，讓科研人員迅速獲取疾病遺傳研究的進(jìn)展情況以及活躍于該領(lǐng)域的學(xué)者的資料。

OMIM的每一條記錄都有唯一對(duì)應(yīng)的MIM記錄號(hào)（表5-1），對(duì)應(yīng)于某種基因或者是疾病，如果是序列，則必然包含對(duì)應(yīng)的基因功能注釋。一般而言，每一個(gè)基因座位和記錄存在一一映射的關(guān)系。另外，許多疾病雖然在基因和生物化學(xué)水平上沒有詳細(xì)的描述，但仍然包含在記錄中。OMIM的另一個(gè)主要目標(biāo)是實(shí)現(xiàn)已定位表型和對(duì)應(yīng)基因序列的關(guān)聯(lián)（圖5-10）。

表5-1　MIM記錄號(hào)的含義

續(xù)　表

圖5-10　OMIM數(shù)據(jù)庫頁面截圖

（http://www.ncbi.nlm.nih.gov/omim）

OMIM的查詢方式有簡單查詢、高級(jí)查詢和復(fù)雜布爾（Boolean）查詢（圖5-11）。

（1）簡單查詢　OMIM默認(rèn)的查詢方式，不指明搜索范圍、限制（limits）或布爾算子（如AND/OR/NOT等）。假如我們要查詢“與心肌病相關(guān)的定位于11號(hào)染色體的常染色體隱性遺傳疾病基因”，只需要在輸入欄填入“cardiomyopathy 11autosomal recessive”，就可以得到相關(guān)記錄。

（2）高級(jí)查詢　可通過歷史（history）、索引（index）和限制（limit）三個(gè)菜單的組合實(shí)現(xiàn)比較多樣的查詢。歷史菜單可以提供之前的查詢歷史結(jié)果，并支持布爾算子的組合，可以對(duì)之前的查詢進(jìn)行修改。布爾算子必須為大寫，支持“＊”等通配符和“（）”的限制。限制菜單可指定關(guān)鍵詞的搜索范圍，如標(biāo)題（title）、MIM記錄號(hào)（entry）、參考文獻(xiàn)（reference）、染色體位置（chromosome）、記錄號(hào)前綴（prefix）、記錄建立和修改的時(shí)間等。索引包括有關(guān)術(shù)語（terms）的字母列表及其對(duì)應(yīng)術(shù)語的記錄數(shù)。

圖5-11　OMIM查詢限制

（3）復(fù)雜布爾查詢　是高級(jí)查詢的命令行方式，其優(yōu)點(diǎn)是可以一步即可完成高級(jí)查詢的任務(wù)，但前提是必須熟悉布爾算子的語法。

1.OMIM數(shù)據(jù)庫檢索

（1）打開瀏覽器，進(jìn)入NCBI主頁（http://www.ncbi.nlm.nih.gov）。

（2）從頁面的下拉菜單中選擇OMIM并按下GO，進(jìn)入如圖5-12所示的OMIM數(shù)據(jù)庫主頁。

（3）輸入你希望查詢的疾病的名稱進(jìn)行簡單查詢，例如老年癡呆癥（Alzheimer），近年來，上海的老齡化趨勢(shì)非常明顯，老年癡呆癥已經(jīng)成為非常明顯的威脅之一，因此需要我們對(duì)老年癡呆癥有更加清楚的認(rèn)識(shí)。

（4）在搜索欄輸入“Alzheimer”，我們可以看到返回許多記錄，如圖5-13所示，從這里你可以得到多少條記錄？

（5）如果需要對(duì)結(jié)果進(jìn)行限制，可以相應(yīng)地在Limits欄加入限制，例如該關(guān)鍵詞出現(xiàn)的位置，基因座位所在的染色體，提交和最后修改的日期，還有對(duì)前綴（Prefix）的限制等，這樣可以大大縮小搜索范圍，確定我們真正想要獲取的信息。如果我們要將范圍限制在具有明確分子機(jī)制的形狀描述，則頁面記錄減少到多少條？

圖5-12　老年癡呆癥在OMIM數(shù)據(jù)庫中的查詢結(jié)果

圖5-13　老年癡呆癥MIM＃104300記錄

（6）打開其中一個(gè)記錄“＃104300”，可以看到如圖5-13所示的結(jié)果。TEXT（文本）部分簡單陳述了家族性阿爾茨海默癥-1（familial Alzheimer disease-1，AD1）及其位于21號(hào)染色體短臂上的相關(guān)的基因——淀粉樣蛋白前體（amyloid precursor protein，APP），該基因突變的遺傳方式，還提到了與APP基因相關(guān)的腦淀粉樣血管病。DESCRIPTION（描述）部分則對(duì)該疾病的特征和定義進(jìn)行了簡單的描述，并對(duì)可能相關(guān)的遺傳因素和多態(tài)性位點(diǎn)、其他AD類型等進(jìn)行了綜述說明。CLINICAL FEATURES（臨床特征）則重點(diǎn)介紹了臨床研究的歷史及臨床特征。BIOCHEMICAL FEATURES（生化特征）則介紹了AD1的生物化學(xué)特征。PATHOGENESIS（病因）部分是對(duì)可能病因的分析的研究進(jìn)展進(jìn)行了綜述介紹。INHERITANCE（遺傳）從遺傳方式的角度對(duì)AD1進(jìn)行了分析。DIAGNOSIS（診斷）說明的是AD1各種臨床診斷方式的研究進(jìn)展情況。采用連鎖分析（linkage analysis）的相關(guān)基因定位結(jié)果出現(xiàn)在MAPPING（定位）部分。分子遺傳學(xué)、群體遺傳學(xué)和動(dòng)物模型研究的結(jié)果則分別在MOLECULAR GENETICS（分子遺傳學(xué)）、POPULATION GENETICS（群體遺傳學(xué)）、ANIMAL MODEL（動(dòng)物模型）這幾個(gè)部分逐一進(jìn)行了詳細(xì)介紹。其他如歷史和參考文獻(xiàn)就不在這里贅述了。

（7）圖5-13中左下欄“Entrez Gene”列出了Nomenclature（命名）、RefSeq（參考序列）、GenBank（GenBank核酸序列）、Protein（蛋白）、UniGene（單基因簇）等其他數(shù)據(jù)庫鏈接。下面我們以Protein庫為例說明，Protein鏈接列出了目前已知與老年癡呆有關(guān)的一些蛋白質(zhì)（圖5-14）。

圖5-14　與老年癡呆相關(guān)的蛋白列表

（8）打開Alpha 2macroglubulin variant［Homo sapiens］（人α-Ⅱ巨球蛋白），輸出如圖5-15所示。

默認(rèn)的顯示格式是GenPept，其他可選的格式還包括FASTA、Graphics（圖形）、GenePept（Full）、ASN.1等。右邊還有其他一些功能鍵如Download（下載）可以把各種不同格式的文件保存到本地，Save（保存）到Clipboard（剪貼板）等，而Links則列出了相關(guān)的鏈接如Blink、Related sequences（相關(guān)序列）、BioSystems（生物系統(tǒng)）、Conserved domain（保守結(jié)構(gòu)域）、Domain relatives（結(jié)構(gòu)域相關(guān)）、Gene（基因）、Gene genotype（基因型）、GeneView in dbSNP（單核苷酸多態(tài)性庫中的GeneView）、Nucleotide（核苷酸）、PubMed（相關(guān)文獻(xiàn)）、Related Structure（相關(guān)結(jié)構(gòu)）、Taxonomy（物種分類庫）等。

圖5-15　人Alpha-2巨球蛋白突變體的GenPept格式

（9）讓我們來仔細(xì)看看GenPept格式文件的條目，如圖5-15所示，所包含的條目的詳細(xì)信息主要包括以下內(nèi)容。

①Locus（位點(diǎn)信息）主要列出了蛋白序列在數(shù)據(jù)庫中的身份證號(hào)碼——Accession number（登錄號(hào):BAD92851），序列長度（1482aa，aa為氨基酸殘基），序列為linear（線性），來源于哺乳動(dòng)物（PRI，Primate的縮寫），序列的提交日期是2009年9月12日。

②Definition（描述）是對(duì)序列的簡單描述，事實(shí)上常常就是給出序列的完整名稱。

③Accession和Version分別給出序列的登錄號(hào)（Accession number）、版本號(hào)（Version）及其Gene Identifier（GI）。

④Source給出了序列的物種來源及其相應(yīng)的分類信息，如本例中為人（Homo sapiens），分類信息都是用拉丁語描述的，我們不必深究。

⑤Reference（參考文獻(xiàn)）則給出了與序列相關(guān)的參考文獻(xiàn)的信息，或者期刊文章或者是其他格式的文獻(xiàn)，對(duì)應(yīng)每一篇參考文獻(xiàn)有對(duì)應(yīng)的Author（作者）、Title（文獻(xiàn)標(biāo)題）、Journal（期刊）等。

⑥Comment給出的是序列的一些注釋信息，例如本例給出的是支持本工作的項(xiàng)目（Project）的一些信息。

⑦緊接著的是Feature，其給出了一些序列特征信息，例如Source（來源與其他數(shù)據(jù)庫鏈接）、Region（對(duì)應(yīng)于不同結(jié)構(gòu)或者功能域的片段以及功能等相關(guān)信息）。

⑧最后是從Origin（起始）開始后面的真正的蛋白序列，每60個(gè)氨基酸殘基為一行，結(jié)束后有一行結(jié)束符“//”。

（10）接著我們?cè)賮砜纯聪嚓P(guān)的基因信息，從Links（鏈接）彈出菜單中選擇Gene（基因），就可以得到如圖5-16所示的信息。Summary（小結(jié)）部分給出包括official symbol（學(xué)名）、Official Full Name（完整的學(xué)名）、Primary Source（主要來源）、Gene type（基因類型）、Organism（物種）和Summary（概括了該基因編碼蛋白的功能以及與老年癡呆癥的相關(guān)性）等信息。第二部分Genomic regions（基因組區(qū)域）、transcripts（轉(zhuǎn)錄本）和Products（產(chǎn)物）給出了基因組序列、以及轉(zhuǎn)錄RNA產(chǎn)物、蛋白翻譯產(chǎn)物的詳細(xì)信息及鏈接。后面部分則給出了更加詳細(xì)的一些關(guān)于genomic context（基因組上下游）、Bibliography（參考文獻(xiàn)）、Interaction（與其他基因相互作用列表）、marker（遺傳標(biāo)記）、Homology（同源基因）、Pathway（代謝通路）等一系列的信息，這里略過，同學(xué)們有興趣的自己去閱讀。

圖5-16　人Alpha-2巨球蛋白突變體的GenPept詳細(xì)信息

（11）圖5-16給出的是有關(guān)A2M基因的Full Report（完整報(bào)告），但有時(shí)候我們只想要獲取其基因的結(jié)構(gòu)信息，也就是想要了解基因哪些片段是編碼蛋白質(zhì)的（也就是所謂的Coding Exon，編碼外顯子），哪些是可以轉(zhuǎn)錄為成熟RNA的（Exon，外顯子），而哪些不包含在成熟的轉(zhuǎn)錄產(chǎn)物中（intron，內(nèi)含子），這時(shí)可以用一種比較簡潔的方式來呈現(xiàn)相關(guān)的信息，這就是Gene Table（基因表）格式，選擇Display（顯示格式）后面的下拉菜單，選擇Gene Table就可以得到圖5-17的格式，繼而可以得到圖5-18的結(jié)果。

思考題

①該基因包含多少個(gè)內(nèi)含子（intron），外顯子（exon）呢？

②是否外顯子都是編碼蛋白質(zhì)的？如果不是，哪幾個(gè)外顯子具有不編碼的部分？這些外顯子中，不編碼蛋白質(zhì)的長度分別是多少？

圖5-17　人Alpha-2巨球蛋白突變體基因（A2M）信息

圖5-18　人Alpha-2巨球蛋白突變體（A2M）的基因結(jié)構(gòu)信息

③我們都知道三聯(lián)密碼子（triplet codons），也就是說每3位核苷酸編碼一個(gè)氨基酸。那么，根據(jù)你的觀察，每個(gè)編碼蛋白質(zhì)的外顯子（coding exon）長度都是3的倍數(shù)嗎？

2.實(shí)驗(yàn)小結(jié)

本實(shí)驗(yàn)從廣受關(guān)注的一種常見疾病——老年癡呆癥出發(fā)，介紹了諸如OMIM、GenBank等一系列位于NCBI的網(wǎng)絡(luò)數(shù)據(jù)庫資源，幫助同學(xué)們熟悉網(wǎng)絡(luò)數(shù)據(jù)庫的常用檢索方法。