无害环境技术

生成EST的基本策略包括选择cDNA随机克隆，并从插入的一端或两端执行一次自动排序读取。这类序列的特点是短（通常约400-600个碱基）和相对不准确（误差约2%）。在大多数情况下，没有初步尝试识别或描述克隆。相反，它们只使用获得的少量序列数据进行鉴定，并将其与已知基因和其他EST的序列进行比较。完全可以预计，许多克隆将与其他已采样的克隆重复，而较少的克隆将代表各种污染物或克隆伪影。在这个过程的稍后阶段，当克隆可以被验证并且选择了一个非冗余集之前，产生高质量测序的费用是没有意义的。

尽管EST的性质不完整且不准确，但对于发现新基因，尤其是与人类疾病过程有关的基因，EST是一种宝贵的资源。在初步证明美国东部时间在这种方法下，启动了许多类似的项目，导致人类无害环境技术的数量不断增加。此外，还为其他几个具有实验意义的生物体启动了大规模的EST项目。1992年数据库被称为dbEST的系统被建立起来，作为EST的收集点，然后将其作为GenBank的EST部门分发给科学界。

UniGene群集浏览器

这个非重复序列集群页面总结了集群以及可用于推断基因的身份以及在某些情况下基因的功能的附加衍生信息。图1显示了人类SERPINF2基因的这种观点的示例。如果可用，将提供指向其他美国国立生物技术信息中心资源（如基因、，同源基因,奥米姆)或外部数据库（例如，杰克逊实验室的小鼠基因组信息学（MGI）和俄勒冈州大学的斑马鱼信息网络（ZFIN））。页面上的其他部分提供了蛋白质相似性，映射数据、表达式信息和聚集序列列表。

图1。

UniGene集群的Web视图。

通过提供来自集群以及带有注释基因组的选定模型生物的蛋白质序列。对于每个模型生物体，列出了与核苷酸序列具有最高序列相似性的蛋白质，以及其标题和GenBank登录。序列对齐使用对齐区域的标识百分比和长度进行汇总。还提供了指向其他蛋白质的链接（附在蛋白质登录上的弹出菜单）美国国立生物技术信息中心资源包括保护测试，总结了模式生物蛋白对中所有生物的翻译搜索非重复序列.

下一节总结了有关基因的对齐或推断地图位置的信息。对于人类和其他一些注释的基因组，地图位置和链接到map Viewer中表示的基因组邻域。如果没有这些对齐的地图位置，则使用序列标记站点构建辐射混合（RH）地图(STS公司)来源于EST的标记。在这些情况下非重复序列 集群可以与UniSTS中的标记关联数据库，可以从右侧地图。最近，地图位置由对齐的cDNA存在于美国国立生物技术信息中心 地图查看器例如，中的SERPINF2基因图1与人类有联系染色体地图查看器中的17。地图最初显示的是一些可能感兴趣的选定曲目，但用户可能会添加其他曲目。

虽然EST不是基因表达EST的总数及其来源的组织通常都很有用。在的“基因表达”部分集群浏览器，链接到中的基因表达摘要cDNA库可用，示例如所示图2报告EST中每个身体部位或发育阶段的表达（来自标准化或减法文库的除外，也不包括来自混合源材料文库的），表示为每千分位序列转录的EST计数。表达式数据也可通过文件传输协议.非重复序列具有相似表达式配置文件的簇被预先计算，并在标记为“show more like this”的链接下可用。当表达式与统一表达式明显不同时，这很可能是有信息的。主要在单个身体部位或发育阶段表达的簇可在中搜索Entrez公司更具体地说，这些簇中2/3或更多检测到的基因表达（以百万分之二的标准化转录单位表示）来自单一来源。链接到美国国立生物技术信息中心从UniGene集群中的GenBank数据计算出的GEO也显示在集群视图的这一部分。

图2。

UniGene群集的表达式配置文件视图。

的组件序列集群列出了，并对每一个进行了简要描述，以及指向它的链接非重复序列序列页面。Sequence页面提供了关于单个序列的更多详细信息，对于EST，还包括指向其相应UniGene Library页面的链接。在集群页面上美国东部时间哺乳动物基因收集（MGC）项目认为全长的克隆列在顶部，而其他克隆则按其报告的插入长度顺序排列。UniGene Cluster页面底部有一个按钮，供用户下载中的集群序列美国金融服务贸易协会格式。

一个文件传输协议代表非重复序列也可以使用。序列设置为美国金融服务贸易协会（根据集群)，的摘要映射UniGene簇的序列，以及EST的起源库和表达摘要。UniGene的一个常见用途是使用每个簇中的单个代表性序列进行引物设计或作为爆炸 数据库在这种情况下，建议研究人员保留这两个序列加入编号以及集群标识符，供以后参考。这是因为不能保证集群标识符是无限稳定的。虽然大多数UniGene构建仅通过对现有簇的增量更改或添加新表示的转录物、新序列或新的基因组映射可以提供信息，导致对先前确定的集群进行实质性重组。

蛋白质相似性浏览器

这个ProtEST公司第节，共节非重复序列允许用户探索所选蛋白质与cDNA在任何中找到的序列集群。特别是对于从多个生物体的转录物中查看同一蛋白质的比对的情况，此界面提供了一个简单的概述。在集群查看器的蛋白质相似性部分中，此概述位于“蛋白质/美国东部时间matches”链接，该链接出现在蛋白质添加的鼠标上方的弹出菜单中；此弹出窗口显示在图3.BLASTX公司已用于将UniGene中的每个序列与从模型生物中提取的选定蛋白质序列进行比较，并带有完整注释基因组默认情况下，只显示与原始有机体（灵长类、啮齿动物等）属于同一广泛分类群的有机体的比对，但可以从proteEST下拉菜单中选择与更广泛有机体的配对。这些比对包括基于测序和注释mRNA的RefSeq比对，以及基因预测的RefSeqs比对。

图3。

UniGene集群浏览器中的弹出菜单，提供与集群中转录序列相似的蛋白质信息的链接。

中的序列对齐保护测试以表格形式总结(图4). 第一列是核苷酸蛋白质的示意图对齐列的宽度表示蛋白质的整个长度，而未对齐的核苷酸序列表示为一条细的灰色线，对齐的区域表示为一个厚的洋红色条。路线表示是使用爆炸表中的其他信息包括对齐的框架和绞线非重复序列 集群ID、GenBank登录以及对齐区域和百分比标识的摘要。

图4。

蛋白质翻译比对摘要。

数字差分显示（DDD）

尽职调查是用于比较的工具美国东部时间-基于各种库或库池之间的表达式配置文件，以非重复序列通过这些比较，可以识别不同组织库中不同的基因，从而可以确定哪些基因可能导致细胞的独特特征，例如，使肌肉细胞与皮肤或肝细胞不同的基因。沿着类似的路线，DDD可以用来尝试识别正常、癌前和癌组织或胚胎发育不同阶段表达水平不同的基因。

按原样非重复序列，的尽职调查资源是特定于生物体的，可从UniGene网站获取该生物体的资源。对于UniGene中有序列的库，DDD列出了标题和组织来源，并提供了UniGene库页面的链接，该页面提供了有关库的其他信息。用户可以从列出的库中选择两个进行比较。然后，DDD显示两个库中转录频率显著不同的基因。输出包括每个基因在每个文库中的转录频率以及相应UniGene的名称集群结果按显著性排序，频率差异最大的基因显示在顶部。库可以按顺序添加到分析中，DDD将对每个可能的库基因对组合进行分析。类似地，库组可以合并在一起，并与其他池或单个库进行比较。下面是一个比较两个库池的示例，这两个库的序列计数与人类肌肉和人脑的相似图5.

图5。

比较肌肉和大脑文库的差异表达评估。

尽职调查使用Fisher精确检验将输出限制为具有统计显著性差异（P0.05）。分析也仅限于深度排序的库；只有那些有超过1000个序列非重复序列包含在DDD中。这些要求限制了分析的能力。除非每个库中有大量序列，否则基因频率通常不具有统计意义。此外，组织类型、细胞类型、组织学和生成库的方法多种多样，很难将显著差异归因于库的任何一个方面。这些问题强调了需要公开更多的库，以及需要使用适当的控件进行比较。

cDNA库浏览器和UniGene cDNA库显示

研究人员经常希望确定cDNA他们感兴趣的图书馆。除了上述以基因为导向的资源之外，非重复序列提供了库浏览器中感兴趣的有机体中所有库的概述。库按其源材料（由库的提交者描述的正文站点或开发阶段）分组，用于浏览的Web界面如所示图6。对于单个库，库摘要将提交者提供的信息与包含库序列的UniGene群集聚合在一起，单个库摘要的Web界面如所示图7研究人员可以从图书馆下载所有序列美国金融服务贸易协会格式化它们是否在任何UniGene中集群或者不是从这个页面。

图6。

UniGene库浏览器。

图7。

UniGene库摘要。