概述

启动子分析可识别指导转录起始的基因上游的 DNA 序列。启动子包含核心元件 - 真核生物中的 TATA 盒、启动子 (Inr) 和下游启动子元件 (DPE)，以及原核生物中的 -10 和 -35 盒 - 招募 RNA 聚合酶和一般转录因子。除了核心启动子之外，近端和远端调节区还包含转录因子的结合位点，这些转录因子可响应发育和环境信号调节表达水平。计算启动子分析整合了序列组成、染色质可及性和进化保守性，以预测启动子位置和强度。

方法

启动子预测算法分为几类。 基于信号的方法搜索已知的共有基序，例如 TATA 盒或 CpG 岛。 基于内容的方法使用判别式分类器（支持向量机或神经网络），并根据 GC 含量、k-mer 频率和 DNA 结构特性等特征进行训练。 比较基因组学可识别相关物种中的保守非编码序列 (CNS)，这些序列通常标记功能调节区域。染色质特征，包括 DNase I 超敏性和组蛋白修饰标记（H3K4me3、H3K27ac），为 ChIP-seq 和 ATAC-seq 数据预测的启动子提供了实验验证。 EPD（真核启动子数据库）和Promoter 2.0 等数据库聚集了经过实验验证的启动子。

应用程序

启动子分析是理解转录和 RNA 处理 的基础。它使得能够为生物技术设计具有可调表达水平的合成启动子。在[基因调控和表观遗传学](/guides/gene-regulation-and-epigenics.html)中，启动子分析揭示了 DNA 甲基化和组蛋白修饰如何沉默或激活基因。 DNA 微阵列和基因表达 研究使用启动子预测将差异表达的基因与上游调节因子联系起来。启动子 DNA 的物理特性与 DNA 结构和拓扑 相关，影响核小体定位和转录因子可及性。

实用协议

对于原核基因组中的启动子预测，请使用“BPROM”（Softberry 套件的一部分）：输入上游区域的 FASTA 文件（例如，每个起始密码子之前的 200 bp）。 BPROM 通过使用线性判别函数检测 -10 和 -35 六聚体框来预测 sigma-70 启动子。在真核生物中，“启动子 2.0”使用经过真核启动子序列训练的神经网络来预测 RNA 聚合酶 II 启动子区域。通过网络界面上传序列并下载显示预测启动子得分的结果（0-1，得分 >0.5 视为阳性预测）。对于全基因组启动子注释，请使用“EPD”（真核启动子数据库）获取经过实验验证的转录起始位点。对于从基因组序列进行从头启动子预测，请使用“FIMO”和 JASPAR 数据库来扫描转录因子结合基序。具体来说，准备感兴趣区域的 FASTA 文件并运行：“fimo –oc fimo_output –thresh 1e-4 JASPAR2022.memepromote_region.fasta”。 FIMO 返回所有 TFBS 与 p 值和 q 值匹配。要识别一组启动子与背景中富集的转录因子结合位点，请使用“AME”：“ame –oc ame_output –control background.fasta test_promoters.fasta JASPAR.meme”。将预测的结合位点与 ENCODE 中的已知 ChIP-seq 峰重叠以验证预测。要分析 CpG 岛（常见于哺乳动物启动子），请使用 EMBOSS 套件中的“cpgplot”：“cpgplotgenome.fasta -outfile cpg_output”。 CpG 岛被定义为 >200 bp、GC 含量 >50% 且观察/预期 CpG 比率 >0.6 的区域。对于植物启动子分析，请使用“PlantCARE”或“PlantPAN”数据库。最后，使用 R 包“gggenes”或“pyGenomeTracks”可视化启动子架构，以显示核心元件、TFBS 簇和 CpG 岛相对于转录起始位点的相对位置。