ژن یابی

اصولاً ژن یابی یا پیش بینی ژن به زمینهٔ محاسبات بیولوژیکی اشاره دارد که با تعیین الگوریتمیکِ قطعات توالی ها، غالباً ژنوم دی ان ای، که کارکرد بیولوژیکی دارند در ارتباط است. این امر به طور خاص شامل ژن های کدکنندهٔ پروتئین است، اما ممکن است شامل سایر عناصر کارکردی از قبیل ژن های آران ای و نواحی تنظیم کننده نیز بشود. ژن یابی یکی از اولین و مهم ترین مراحل شناخت ژنوم یک گونه ای که به صورت توالی درآورده شده است. در اوایل، «ژن یابی» بر اساس آزمایش های پرزحمت و دشوار بر روی سلول های زنده و ارگانیسم ها استوار شده بود. تحلیل های آماری نرخ نوترکیب های هومولوگ چندین ژن مختلف می تواند ترتیب قرار گرفتن آن ها را روی یک کروموزوم خاص تعیین کند و اطلاعات بدست آمده از چنین آزمایش هایی می تواند برای ساختن یک نقشۀ ژنتیکی که موقعیت نسبی ژن های مرتبط به هم را به طور تقریبی مشخص کند، استفاده شود. امروزه با در اختیار داشتن توالی های ژنی وسیع و منابع محاسباتی قدرتمند، تعریف ژن یابی به عنوان مسئلهٔ محاسباتی عظیمی تغییر پیدا کرده است.تعیین اینکه آیا یک توالی کارکردی است مستلزم تعیین کارکرد یا محصول آن ژن است.
http://www.geneprediction.org
FGENESH
Bibliography on computational gene recognition by Wentian Li
geneid
SGP2
http://cbcb.umd.edu/software/glimmer
http://cbcb.umd.edu/software/GlimmerHMM
http://bio.math.berkeley.edu/genemapper/
http://www.genomethreader.org
GENSCAN
Twinscan/N-SCAN
CHEMGENOME
GeneMark
Gismo
mGene
StarORF — A multi-platform and web tool for predicting ORFs and obtaining reverse complement sequence
در سیستم های ژن یابی خارجی (بر پایهٔ شواهد) ژنوم هدف را در توالی هایی که شبیه به شواهد خارجی هستند را از روی یک توالی شناخته شدهٔ آران ای پیام رسان یا محصول یک پروتئین جستجو می کنند. برای یک توالی آران ای پیام رسان داده شده، بدست آوردن یک توالی دی ان ای منحصر بفرد واضح است. برای یک توالی پروتئینی، خانواده ای از توالی های ممکن از دی ان ای کد شده را می توان از روی ترجمهٔ معکوس کد ژنتیکی بدست آورد. وقتی توالی های دی ان ای مشخص شدند جستجوی کارآمد یک ژنوم هدف برای یافتن تطابق های کامل یا جزئی، مسئلهٔ الگوریتمیک سرراستی است. یک سیستم بسیار پرکاربرد برای این منظور بلاست است.
به دلیل دشواری و هزینهٔ زیاد در بدست آوردن شواهد خارجی برای اکثر ژن ها، که در زمرهٔ ژن یابی های از آغاز قرار می گیرند، که در آن توالی های ژنوم دی ان ای به تنهایی به طور سیستماتیک به منظور یافتن نشانه هایی از حضور ژن های کد کنندهٔ پروتئین جستجو می کند. این نشانه ها یا می توانند به عنوان سیگنال، توالی های خاصی که حضور ژن در اطراف را تشخیص می دهند، یا محتوا، ویژگی های آماری کد کردن توالی های پروتئینی، دسته بندی شوند. به طور دقیق تر ژن یابیِ از آغاز در ردهٔ پیش بینی ژن قرار می گیرد، زیرا که شواهد خارجی کلاً مستلزم این است که کارکرد یک ژن معروف را استنتاج کرده باشد.
در ژنوم پروکاریوت ها، ژن ها توالی های پروموتوری (سیگنال) خاص و نسبتاً شناخته شده ای دارند، از قبیل Pinbow box و نواحی اتصال فاکتورهای رونویسی که به راحتی قابل شناسایی هستند. همچنین کد کردن توالی برای پروتئین به صورت یک قالب خواندن باز (ORF) به هم پیوسته اتفاق می افتد که به اندازهٔ صدها یا هزاران جفت بازی درازا دارد. آماری که از کدون های خاتمه بدست می آید به گونه ای است که حتی یافتن یک قالب خواندن باز با این طول نیز حاوی اطلاعات بسیاری است. علاوه براین، دی ان ای کد کردن پروتئین دارای فراوانی مشخص و سایر ویژگی های آماری که به سادگی قابل پیدا کردن در توالی ای با این طول هستند، دارد. این ویژگی ها سبب می شوند که ژن یابی که پروکاریوت ها نسبتاً آسان و سرراست انجام شود و سیستم های با طراحی مناسب قادر هستند که به سطح بالایی از دقت نیز برسند.