DNA 與蛋白質序列分析

分析 DNA、RNA 與蛋白質序列 — 反向互補、轉錄、6 閱讀框翻譯、GC 含量、解鏈溫度、分子量與密碼子使用頻率。另請參見:引物設計器 | 限制性內切酶。

輸入 DNA 序列,得到其反向互補鏈 (5'→3')。支援 IUPAC 簡併碼。

序列格式:使用標準 IUPAC 核苷酸程式碼:A、C、G、T(DNA)或 U(RNA)。簡併碼:R=AG、Y=CT、M=AC、K=GT、S=CG、W=AT、H=ACT、B=CGT、V=ACG、D=AGT、N=任意。序列不區分大小寫;空格和數字會被忽略。
DNA 序列分析到底在算什麼?

DNA 是由四個字母組成的鏈,卻有兩個令人頭疼的性質:兩條鏈方向相反,且資訊只能按三個字母一組讀出。本頁幾乎每個面板都是為了處理這兩個事實之一而存在的 — 鏈的方向(反向互補、轉錄)或三聯體密碼(翻譯、閱讀框)。其餘面板測量的是由字母本身決定的物理性質(GC 含量、解鏈溫度、分子量)。

記住這個數:遺傳密碼有 64 個密碼子(4×4×4),卻只編碼 20 種胺基酸加終止訊號 — 密碼是簡併的,多個不同密碼子(如 CTT、CTC、CTA、CTG 都讀作白胺酸)拼出同一種殘基。正是這種冗餘,讓同義突變可以改變序列卻不改變蛋白質。
反向互補:讀取另一條鏈

DNA 的兩條鏈反向平行,且 A 與 T 配對、C 與 G 配對。如果你的序列在上鍊,那麼一切發生在下鏈的東西(基因、引物結合位點、限制位點)都以反向互補的形式出現:把字串首尾翻轉,再把每個鹼基換成它的搭檔。例如:5′→3′ 序列 ATGCGT 的反向互補是 ACGCAT — 而對該操作執行兩次總會回到原序列。

轉錄與翻譯

轉錄把基因複製成 RNA,把胸腺嘧啶換成尿嘧啶。翻譯隨後以三個鹼基組成的密碼子讀取 RNA(或 DNA 編碼鏈):ATG 啟動蛋白質(甲硫胺酸),TAA/TAG/TGA 終止它。由於閱讀框可以在任一條鏈的位置 1、2 或 3 開始,任何雙鏈 DNA 都有六種可能的閱讀框 — 通常只有一個編碼真正長長的 ORF(開放閱讀框)。翻譯面板把六個全都顯示出來,真正的基因會以一個從起始密碼子到終止密碼子乾淨延展的閱讀框顯現自己。由於聚合酶讀取的是模板鏈,mRNA 最終與編碼鏈一致,只是 U 代替了 T。

GC 含量、Tm 與分子量

GC 鹼基對共享三條氫鍵,而 AT 只有兩條,所以富含 GC 的 DNA 更穩定:解鏈溫度更高(Tm 越大)、摺疊更緊,而在整個基因組中,其佔比是物種特徵 — 細菌中大致介於 25% 到 75% 之間。分子量把每個核苷酸的質量求和(單鏈 DNA 平均約 330 Da,雙鏈則加倍)。密碼子使用面板統計一個基因偏好哪些同義密碼子 — 強烈偏好的使用模式可以暴露高表達基因。

常見誤解
  • “反向互補就是互補。”只做互補得到的是 3′→5′ 鏈;只有隨後再反轉,才能恢復聚合酶和教科書使用的常規 5′→3′ 方向。
  • “出現終止密碼子就等於基因結束。”在隨機閱讀框中,終止密碼子平均每約 21 個密碼子就碰巧出現一次;判斷真正的 ORF 要看長度和合適的起始,而不是任何單個終止子。
  • “GC 含量只是一個百分比。”它還預測退火行為:PCR 引物設計、探針設計與雜交嚴謹性都依賴它(參見引物設計器)。

相關工具:引物設計器(Tm、二聚體、引物對檢查)、限制性內切酶(同一條序列上的切點位置)、生化計算器(由這些分子量結果計算質量、摩爾濃度與複製數)。