简单易懂,事半功倍。
提高接受率,人人国自然!

手把手学习TCGA数据库:SNP突变分析第一期

SNP(single nucleotide polymorphism),单核苷酸多态性,在基因组上由单个核苷酸变异形成的遗传标记,一般指变异频率大于1%的单核苷酸变异。

用英文的描述方法是这样的“If more than 1% of a population does not carry the same nucleotide at a specific position in the DNA sequence, then this variation can be classified as a SNP.”

值得注意的一个词是“population”同英文文章中对样本表述的“array”,指的是在一大群个体中出现大于1%个体中基因组DNA上某个特定位点碱基较参考基因组发生变化,则认为是一个SNP。在人类基因组中大概每1000个碱基就有一个SNP, 人类基因组上的SNP 总量大概是3 ×10^6 个。因此,SNP成为第三代遗传标志,人体许多表型差异、对药物或疾病的易感性等等都可能与SNP有关。

SNP发生的类型

SNP发生包括转换、颠换、插入和缺失,理论上每个位点都可以有4种形式的变异,但是实际上发生的只有转换和颠换两种,据说发生转换和颠换频率是2:1。如果你注意到了,你会发现在发生的转换中总是A突变成G,C突变成T,而且即使是转换,C>T的概率也要大于A>G的概率,这就是为什么研究的SNP为啥会经常是C>T或者A>G了。

补充一下:AT结合与CG结合中结合键是不同的:CG之间是三键结合,AT之间是双键结合,因此CG的结合力要比AT强,也就是说需要更高的温度,才能使得CG解链,这个温度相对应的关键参数就是Tm值,也就是解链一半时候的温度。

转换

[一种能量形式变成另外一种能量形式],即嘌呤变嘌呤或者嘧啶变嘧啶,主要发生在CG序列,由于CG(可以联想一下研究DNA甲基化常谈到的CpG岛)中的C碱基常发生甲基化(mC),可自发脱氨形成胸腺嘧啶(T),即常常发生的转化是C to T。

 

颠换

异型碱基的置换,一个嘌呤被另外一个嘧啶替换或一个嘧啶被另外一个嘌呤置换,即嘌呤变嘧啶,或者嘧啶变嘌呤。(主要为AT/CGTC

SNP发生的位置

SNP可以发生基因组的任何位置,基因编码区/基因非编码区/基因间区等,具体机制其实说也说不清,因为大多数SNP不是在外显子上的。基本上都是进化过程中的一些基因的突变,所以一般都不会是特别关键的位置。当然也不能说完全没有功能,有的会导致可变剪接,或者有的会导致表观上的变化。所以SNP的研究面会比较广,所以会有GWAS这样的项目。关系如下:

    发生在编码区

先补充一个概念:密码子简并性(氨基酸对应三联密码子),所以发生SNP不一定会引起编码氨基酸的改变,这就引入了Synonymous SNP(同义突变,不引起任何变化) 和Non-Synonymous SNP(非同义突变,大家关注的焦点)概念。对于不引起编码氨基酸变化的即为同义突变,引起氨基酸变化的则为非同义突变。

非同义突变又可分为错义突变和无义突变

01

错义突变

编码的某种氨基酸的密码子变成另一种氨基酸密码子,从而多肽链的氨基酸种类和序列发生改变,错义突变通常会使多肽链丧失原有功能。

02

无义突变

编码某一氨基酸的密码子变成UAA、UGA或UAG(终止密码子),导致多肽链翻译的中止,从而形成一条不完整的多肽链。

发生在基因非编码区或基因间区

可能会影响转录因子与DNA结合、影响非编码RNA序列、影响基因的剪接、mRNA的降解等。

 

SNP的命名

SNP的命名是很混乱的,你会看到RS1800947或者NG_000004.3以及CYP3A5*3,看到这大家是不是慌了?这都是什么鬼?

其实不同的组织机构命名不一样,并且坚持自己的命名方法。关于snp位点的命名其实并不统一,大家在文献中一般用的都是习惯或者说惯用名称。具体表现在以下几种形式:

01

RS命名法

RS命名法也被称为GenBank官方的refSNP ID单核苷酸多态性命名法,其是相对比较完善的命名体系,命名方法是rs+6/7位阿拉伯数字,包括前后序列,位置信息,分布频率等。如果已知一个SNP的refSNP ID,那么就可以在GenBank的SNP数据库中搜索到相关的信息和在基因组中的位置了。

网址:http://www.ncbi.nlm.nih.gov/snp/

譬如我搜索rs776746,你会发现CYP3A5 、ZSCAN25和RS776746是一个东西。 

02

突变信息之间加上位置信息

主要有三种方式

突变信息之间+cDNA的位置,如C188T;
突变信息之间加上DNA的位置,如A2546G;
突变氨基酸信息之间加上氨基酸位置,如Glu145Lys.

 

03

按发现顺序或频率顺序拟定的惯用名称:

用*表示的,如CYP2D6*10,CYP2C9*3等。

前面加个m,表示突变的,如cyp2c19m2等,

还有一些也可以在文献中见到,如 CYP2E1的c1>c2的突变等等。其实这就是一种非常不正规的用HGVS Names标注SNP位置的方法,很明显,由于缺少引用核酸序列的接受号,因此读者无法从这样的表示在GenBank中查到对应的信息。

04

HGVS命名法

HGVS是Human Genome Variation Society (人类基因组变异协会) 的简称,是一个非政府的民间学术组织,其官方网站的网址:http://www.hgvs.org/

HGVS命名SNP法的规则是标出引用的核酸序列号(Reference Sequence,RefSeq)和SNP在该核酸序列中的位置,例如:NG_000004.3:g.247167G>A,其中红色的部分是核酸序列接受号,绿色的部分是该单核苷酸多态性位点在该核酸序列中的位置,G>A表示原始碱基是G,突变碱基是A。这样的命名方法有利于找出所在基因序列中的位置。

OK,今天就先和大家分享到这,下期我们继续分享两个数据库的使用。

除特别注明外,本站所有文章均为SCI666原创,转载请注明出处,谢谢。sci666 » 手把手学习TCGA数据库:SNP突变分析第一期

评论 抢沙发

  • QQ号
  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

SCI666 学习、交流、分享

meta、生信交流群综合科研交流群
切换注册

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

切换登录

注册

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活