我们为何关注模式？

R 中的 Bioconductor 入门

James Chapman

Curriculum Manager, DataCamp

序列模式

用模式能发现什么？

基因起始
蛋白终止
增强或沉默基因表达的区域
跨物种的保守区域
遗传变异

模式匹配

Biostrings 提供模式匹配函数
matchPattern(pattern, subject)
- 1 个字符串对 1 个字符串
vmatchPattern(pattern, subject)
- 1 组字符串对 1 个字符串
- 1 个字符串对 1 组字符串

回文

从不前后不一

findPalindromes() # find palindromic regions in a single sequence

并非新发现的生物学

遗传密码最早由 Nirenberg 于 1963 年提出 On the coding of genetic information Nirenberg, Marshall 等，Cold Spring Harb Symp Quant Biol 1963, 28
不同阅读框导致翻译差异最早由 Streisinger 于 1966 年提出 Frameshift Mutations and the Genetic Code Streisinger, George 等，Cold Spring Harb Symp Quant Biol 1966, 31: 77–84

# Original dna sequence
[1]    30 ACATGGGCCTACCATGGGAGCTACGAAGCC

# 6 possible reading frames, DNAStringSet
[1]    30 ACATGGGCCTACCATGGGAGCTACGAAGCC             + 1     
[2]    30 GGCTTCGTAGCTCCCATGGTAGGCCCATGT             - 1     
[3]    29  CATGGGCCTACCATGGGAGCTACGAAGCC             + 2     
[4]    29  GCTTCGTAGCTCCCATGGTAGGCCCATGT             - 2     
[5]    28   ATGGGCCTACCATGGGAGCTACGAAGCC             + 3     
[6]    28   CTTCGTAGCTCCCATGGTAGGCCCATGT             - 3

# 6 possible translations, AAStringSet
[1]    10 TWAYHGSYEA                                 + 1     
[2]    10 GFVAPMVGPC                                 - 1     
[3]     9 HGPTMGATK                                  + 2
[4]     9 AS*LPW*AH                                  - 2
[5]     9 MGLPWELRS                                  + 3
[6]     9 LRSSHGRPM                                  - 3

寨卡病毒的保守区域

寨卡分块改编自 From Mosquitos to Humans: Genetic Evolution of Zika Virus Wang, Lulan 等，Cell Host & Microbe 2016，19(5): 561–565

要点

寨卡病毒为正链基因组
它存在于人、猴和蚊子中
属于黄病毒科，且共享11个保守蛋白

让我们练习寻找模式！

R 中的 Bioconductor 入门