You need to enable JavaScript to run this app. 关于构建人类基因全可能外显子虚拟文库的技术求助
优惠活动
大模型
产品
解决方案
定价
更多

关于构建人类基因全可能外显子虚拟文库的技术求助

人类目标基因全覆盖可变剪接文库构建落地路径

第一步:构建目标基因的全部潜在外显子元件全集

这一步正好解决提到的“仅靠Ensembl公开GTF覆盖不足”的核心问题——Ensembl收录的外显子仅为已被实验验证的、存在于已知转录本中的位点,不包含所有理论上可发生剪接的潜在外显子:

  • 先锁定目标基因的完整基因组区间:选取与参考序列版本完全匹配的坐标范围,通常为基因转录起始位点上游2kb到转录终止位点下游2kb,覆盖所有可能参与剪接调控的序列区域,避免漏掉边缘外显子
  • 多源证据合并:将GENCODE、RefSeq数据库中同基因的已注释外显子位点全部提取,与Ensembl的注释去重合并
  • 全候选外显子扫描:基于剪接位点的核心序列motif(典型的GT-AG规则),用位点打分模型(如MaxEntScan)对区间内所有潜在的剪接供体、受体位点打分,筛选出符合打分阈值的成对剪接位点,定义中间的序列为候选潜在外显子,最终形成覆盖全部可能外显子的元件全集,而非仅现有注释的外显子集
  • 操作层面可使用gffread完成多源GTF的格式整合,避免手动整理坐标带来的误差

第二步:生成所有外显子随机组合的成熟转录本文库

  • 首先将第一步筛选出的所有外显子按照在基因组上的5'到3'方向排序(负链基因需反向校正坐标顺序),保证所有生成的组合符合剪接的方向性规则,排除“3'端外显子拼接在5'端上游”的理论无效组合
  • 组合生成需匹配真实剪接的连接可行性:仅生成“前一个外显子的剪接受体位点、与后一个外显子的剪接供体位点”匹配打分达标的外显子连接对,在此基础上遍历所有满足顺序规则的外显子组合,不局限于现有注释中存在的可变剪接连接
  • 规模控制提示:若目标基因的候选外显子数量≥15,全遍历的组合规模会呈指数级增长,可通过动态规划迭代的方式批量生成组合,避免嵌套循环带来的算力浪费,同时可根据实际建库容量添加长度约束(如转录本总长度不超过2kb),平衡覆盖度与文库可实现性

第三步:生成含外显子-内含子组合的转录本文库

这类组合本质对应真实生物中部分内含子保留的可变剪接形式,并非无规则打乱外显子与内含子序列:

  • 在前一步外显子组合的基础上,为每一个相邻外显子的连接位点设置二元剪接选项:
    • 执行正常剪接:删除两个相邻外显子之间的内含子序列,仅拼接两端的外显子序列
    • 保留内含子:不执行剪接,直接将“上游外显子-中间内含子-下游外显子”的连续基因组序列拼接为转录本序列
  • 可选过滤规则:若需要排除易被无义介导降解(NMD)的转录本,可筛查组合序列中是否存在提前终止密码子,按需保留或删除这类序列

常见实操避坑点

  • 严格统一使用的参考基因组、注释文件的版本,避免不同来源文件的染色体命名、坐标位置不匹配,导致拼接序列出现偏移
  • 负链定位的基因需在拼接前将所有外显子、内含子序列转换为反向互补序列,否则会生成完全无意义的错义序列
  • 不要将无方向的随机全排列作为组合逻辑,这类组合中超过90%的形式是真实剪接过程不可能发生的,会大幅提升无效文库的占比

内容的提问来源于stack exchange,提问作者aman

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.04 20:36:04