【佳學(xué)基因檢測】基因檢測及基因解碼技術(shù)標(biāo)準(zhǔn)：用于 HLA 的參照基因序列及等位基因序列的描述方式

序列比對

佳學(xué)基因解碼基因檢測經(jīng)過不同的基因測序方式生成的比對文件采用規(guī)定范的方式進(jìn)行命名和編號。命名和編號遵循《人類基因突變描述規(guī)范建議》，《人類基因突變描述規(guī)范建議》由國際人類基因組突變命名工作提出，該工作組專業(yè)從事研究如何命名和存儲人類等位基因突變的序列方式。具體規(guī)范請參見在Human Mutation 11:1-3, 1998。

人類HLA基因檢測位點(diǎn)中在什么時候下可以列入HLA等位基因突變數(shù)據(jù)庫？

• 只有被 WHO HLA 命名委員會正式承認(rèn)的 HLA 系統(tǒng)因子的等位基因才被列入序列比對標(biāo)準(zhǔn)文件中。

• 正如對所有人類基因突變描述規(guī)范建議的那樣，所有比對都應(yīng)使用標(biāo)準(zhǔn)參考序列。每個等位基因的完整參考序列列表參見人類基因突變描述規(guī)范。

• 參考序列將始終與相同的（原始）登錄號相關(guān)聯(lián)，除非該序列被證明是錯誤的。

• 所有等位基因都與人類基因突變描述規(guī)范參考序列對齊。

• 序列的命名基于人類基因突變描述規(guī)范的命名約定。

人類HLA基因突變位點(diǎn)的描述規(guī)范

• 每個等位基因的條目相對于參考序列顯示。

• 在存在與參考序列相同的情況下，相應(yīng)位置的堿基以 (-)描述。

• 通過在該位置顯示對應(yīng)的堿基來表示該位置的DNA序列與與參考序列不同。

• 如果在該位置發(fā)生插入或缺失，該位點(diǎn)用 (.) 表示。

• 如果在該位置的序列是未知的，在該位置處用星號 (*) 表示。

• 大編碼的蛋白質(zhì)序列的比對結(jié)果展示時，如果相應(yīng)位置是由”終止“密碼子編碼，則在對應(yīng)位置用”X“表示。

• 在蛋白質(zhì)序列比對中，終止密碼子之后的序列將不會被標(biāo)記并顯示為空白。

• 這些規(guī)范適用于核苷酸和蛋白質(zhì)比對。

為了實現(xiàn)對任何基因坐標(biāo)位點(diǎn)參照及突變序列的標(biāo)準(zhǔn)化展示，佳學(xué)基因解碼建立并采用了與國際標(biāo)準(zhǔn)相兼容的編號系統(tǒng)，以正確表示核苷酸和蛋白質(zhì)水平的序列比較。這些標(biāo)準(zhǔn)參照了 HUGO 基因命名委員會 (1) 為基因組序列編號提出的建議，并對 IMGT/HLA 數(shù)據(jù)庫中保存的 HLA 序列使用了類似的編號方式。HUGO的許多提議在基因解碼命名策略中已經(jīng)得到體現(xiàn)。HUGO建議在所有的命名系統(tǒng)，每個基因座都應(yīng)使用標(biāo)準(zhǔn)參考序列。在 HLA 等位基因的序列比對及命名時，基因解碼已經(jīng)為每個基因建立了標(biāo)準(zhǔn)參考序列。核苷酸序列描述及序列表達(dá)規(guī)范建議如下；

• 參考序列中的核苷酸編號應(yīng)保持不變。

• 對于 gDNA 和 cDNA，ATG 起始蛋氨酸密碼子的 A 被表示為核苷酸 +1。在一些未表達(dá)的基因中，該密碼子不存在，在這些情況下，參考序列的先進(jìn)個堿基被表示為核苷酸 +1。

• 緊接在 ATG 起始甲硫氨酸密碼子 A 之前的核苷酸被表示為核苷酸-1。注意：沒有核苷酸 0。

• cDNA 序列從 ATG 起始蛋氨酸密碼子的 A 開始連續(xù)編號。

• 核苷酸序列可以以密碼子顯示，在這種情況下，編號遵循蛋白質(zhì)序列的編號。

基因解碼技術(shù)體系中的核苷酸參照序列及突變序列的描述規(guī)范：

• 使用核苷酸編號及被取代的核苷酸表示發(fā)策突變的位置，隨后發(fā)生取代后的核苷酸字母。例如; 997G>T 表示在 DNA 序列的 997 位 上G 被 T 取代。

• 缺失用核苷酸編號加上“del”表示。例如; 997delT 表示 DNA 第 997 位 T 缺失。對于多個連續(xù)堿基的缺失，突變應(yīng)用缺失的起始位置及卻是的序列來表示。如997-998delTG，表示 DNA 997 和 998 位的 TG 缺失。

• 插入用用插入前及插入后的核苷酸編號加上“ins”及所插入的序列來表示。例如：997-998insT，表示在 DNA 的 997 和 998 堿基之間插入T。在序列比對時，插入和缺失用句點(diǎn) (.) 表示，但參考序列的編號不會更改以包含插入的堿基。多個堿基的插入使用相同的形式表示，997-998insTG 表示在 DNA 的 997 和 998 位之間插入 TG 。

基因解碼技術(shù)體系中的蛋白質(zhì)的序列編號規(guī)范：

對于蛋白質(zhì)中的氨基酸序列，以成熟蛋白質(zhì)的序列為基準(zhǔn)，起始密碼子的編號為密碼子 1。

5' 的密碼子編號為 -1。

所有編號均以參照序列為基礎(chǔ)。

在蛋白質(zhì)序列比對描述時，采用單字母氨基酸代碼描述蛋白質(zhì)序列比對結(jié)果。

為避免與核苷酸編號相混淆。在命名時，需要添加p.以表示蛋白質(zhì)序列。

基因解碼技術(shù)體系中蛋白質(zhì)序列突變描述所應(yīng)遵循的方式：

在基因解碼中描述蛋白質(zhì)特定序列的氨基酸突變時，首先列出參考氨基酸，然后是密碼子，然后是突變。例如; Y97S 表示將密碼子 97 處的酪氨酸替換為絲氨酸。

終止密碼子總是由 X 來表示。例如；T97X 代表97位的蘇氨酸被終止密碼子取代。

同樣用del表示缺失。例如; T97del 表示97的蘇氨酸密碼子缺失。

同樣，用“ins”表示插入。例如; T97-98ins 代表在密碼子 97 和 98 之間插入蘇氨酸。

基因解碼技術(shù)體中的法斯塔（FASTA）格式規(guī)范

FASTA/Pearson 格式的數(shù)據(jù)描述方式采用兩行來表示。先進(jìn)行始終用“大于”(>) 符號開頭并包含序列信息。在本例中文件中，序列信息包含 HLA 等位基因的名稱。其余行包含表示編碼核苷酸序列的純文本?？梢杂腥我鈹?shù)量、任意長度的這些序列行來表示核苷酸序列。

FASTA 格式的示例DRB1*01:01:01 ：

>DRB1*01:01:01

GGGGACACCCGACCACGTTTCTTGTGGCAGCTTAAGTTTGAATGTCATTT

CTTCAATGGGACGGAGCGGGTGCGGTTGCTGGAAAGATGCATCTATAACC

AAGAGGAGTCCGTGCGCTTCGACAGCGACGTGGGGGAGTACCGGGCGGTG

ACGGAGCTGGGGCGGCCTGATGCCGAGTACTGGAACAGCCAGAAGGACCT

CCTGGAGCAGAGGCGGGCCGCGGTGGACACCTACTGCAGACACAACTACG

GGGTTGGTGAGAGCTTCACAGTGCAGCGGCGAGTTGAGCCTAAGGTGACT

GTGTATCCTTCAAAGACCCAGCCCCTGCAGCACCACAACCTCCTGGTCTG

CTCTGTGAGTGGTTTCTATCCAGGCAGCATTGAAGTCAGGTGGTTCCGGA

ACGGCCAGGAAGAGAAGGCTGGGGTGGTGTCCACAGGCCTGATCCAGAAT

GGAGATTGGACCTTCCAGACCCTGGTGATGCTGGAAACAGTTCCTCGGAG

TGGAGAGGTTTACACCTGCCAAGTGGAGCACCCAAGTGTGACGAGCCCTC

TCACAGTGGAATGGAGAGCACGGTCTGAATCTGCACAGAGCAAGATGCTG

AGTGGAGTCGGGGGCTTCGTGCTGGGCCTGCTCTTCCTTGGGGCCGGGCT

GTTCATCTACTTCAGGAATCAGAAAGGACACTCTGGACTTCAGCCAACAG

GATTCCTGAGCTGA

基因解碼技術(shù)體中PIR格式規(guī)范

The format of sequences in PIR/NBRF format is more complex. The first line of each sequence entry begins with a "greater than" (>) sign. This is immediately followed by a two character sequence type specifier: for the HLA alleles this is "DL", meaning DNA linear. Space four must contain a semi-colon. Beginning in space five is the sequence name or identification code: for HLA alleles this is the official allele name. The second line of each sequence entry contains a brief description, including the sequence length, and an internal checksum for PIR files. The coding nucleic acid sequence begins on the third line. The sequence is free format, but to aid in reading the sequences, the nucleotides have been arranged in blocks of 10 nucleotides. The last character is an asterisk (*), and acts as a termination character.

PIR/NBRF 格式更復(fù)雜。每個序列條目的先進(jìn)行以“大于”(>) 符號開頭。緊隨其后的是兩個字符的序列類型說明符：對于 HLA 等位基因，這是“DL”，表示DNA序列是線性形式。第四個位置必須包含分號。從第5位開始是序列名稱或識別碼：對于 HLA 等位基因，這是正式的等位基因名稱。每個序列條目的第二行包含簡短描述，包括序列長度和 PIR 文件的內(nèi)部校驗碼。編碼核酸序列從第三行開始。該序列是自由格式的，但為了便于序列閱讀，核苷酸序列以 10 個核苷酸為單位。賊后用星號 (*)表示序列結(jié)束。

 PIR 文件都是使用“ ReadSeq ”生成的，這是一個由 D. Gilbert 編寫的免費(fèi)的序列格式轉(zhuǎn)換程序。

 DRB1*01:01:01 PIR格式文件.

>DL;DRB1*01:01:01

DRB1*01:01:01, 714 bases, A686B796 checksum.

GGGGACACCC GACCACGTTT CTTGTGGCAG CTTAAGTTTG AATGTCATTT

CTTCAATGGG ACGGAGCGGG TGCGGTTGCT GGAAAGATGC ATCTATAACC

AAGAGGAGTC CGTGCGCTTC GACAGCGACG TGGGGGAGTA CCGGGCGGTG

ACGGAGCTGG GGCGGCCTGA TGCCGAGTAC TGGAACAGCC AGAAGGACCT

CCTGGAGCAG AGGCGGGCCG CGGTGGACAC CTACTGCAGA CACAACTACG

GGGTTGGTGA GAGCTTCACA GTGCAGCGGC GAGTTGAGCC TAAGGTGACT

GTGTATCCTT CAAAGACCCA GCCCCTGCAG CACCACAACC TCCTGGTCTG

CTCTGTGAGT GGTTTCTATC CAGGCAGCAT TGAAGTCAGG TGGTTCCGGA

ACGGCCAGGA AGAGAAGGCT GGGGTGGTGT CCACAGGCCT GATCCAGAAT

GGAGATTGGA CCTTCCAGAC CCTGGTGATG CTGGAAACAG TTCCTCGGAG

TGGAGAGGTT TACACCTGCC AAGTGGAGCA CCCAAGTGTG ACGAGCCCTC

TCACAGTGGA ATGGAGAGCA CGGTCTGAAT CTGCACAGAG CAAGATGCTG

AGTGGAGTCG GGGGCTTCGT GCTGGGCCTG CTCTTCCTTG GGGCCGGGCT

GTTCATCTAC TTCAGGAATC AGAAAGGACA CTCTGGACTT CAGCCAACAG

GATTCCTGAG CTGA*