⼿把⼿学习TCGA数据库：SNP突变分析第⼀期
本⽂⾸发于“百味科研芝⼠”，转载请注明：百味科研芝⼠，Focus科研⼈的百味需求。
SNP（single nucleotide polymorphism），单核苷酸多态性，在基因组上由单个核苷酸变异形成的遗传标记，⼀般指变异频率⼤于1％的单核苷酸变异。
⽤英⽂的描述⽅法是这样的“If more than 1% of a population does not carry the same nucleotide at a specific position in the DNA sequence, then this variation can be classified as a SNP.”，值得注意的⼀个词是“population”同英⽂⽂章中对样本表述的“array”，指的是在⼀⼤个体中出现⼤于1%个体中基因组DNA上某个特定位点碱基较参考基因组发⽣变化，则认为是⼀个SNP。在⼈类基因组中⼤概每1000个碱基就有⼀个SNP, ⼈类基因组上的SNP 总量⼤概是3 ×10^6个。因此，SNP成为第三代遗传标志，⼈体许多表型差异、对药物或疾病的易感性等等都可能与SNP有关。
SNP发⽣的类型
SNP发⽣包括转换、颠换、插⼊和缺失，理论上每个位点都可以有4种形式的变异，但是实际上发⽣的只有转换和颠换两种，据说发⽣转换和颠换频率是2:1。如果你注意到了，你会发现在发⽣的转换中总是A突变成G，C突变成T，⽽且即使是转换，C>T的概率也要⼤于A>G的概率，这就是为什么研究的SNP为
啥会经常是C>T或者A>G了。补充⼀下：AT 结合与CG结合中结合键是不同的：CG之间是三键结合，AT之间是双键结合，因此CG的结合⼒要⽐AT强，也就是说需要更⾼的温度，才能使得CG解链，这个温度相对应的关键参数就是Tm值，也就是解链⼀半时候的温度。
转换
［⼀种能量形式变成另外⼀种能量形式］，即嘌呤变嘌呤或者嘧啶变嘧啶，主要发⽣在CG序列，由于CG（可以联想⼀下研究DNA甲基化常谈到的CpG岛）中的C碱基常发⽣甲基化（mC），可⾃发脱氨形成胸腺嘧啶（T），即常常发⽣的转化是C to T。
颠换
异型碱基的置换，⼀个嘌呤被另外⼀个嘧啶替换或⼀个嘧啶被另外⼀个嘌呤置换，即嘌呤变嘧啶，或者嘧啶变嘌呤。（主要为A变T/C，G变T或C）
SNP发⽣的位置
SNP可以发⽣基因组的任何位置，基因编码区/基因⾮编码区/基因间区等，具体机制其实说也说不清，因为⼤多数SNP 不是在外显⼦上的。基本上都是进化过程中的⼀些基因的突变，所以⼀般都不会是特别关键的位置。当然也不能说完全没有功能，有的会导致可变剪接，或者有的会导致表观上的变化。
所以SNP的研究⾯会⽐较⼴，所以会有GWAS这样的项⽬。关系如下：
发⽣在编码区
先补充⼀个概念：密码⼦简并性（氨基酸对应三联密码⼦），所以发⽣SNP不⼀定会引起编码氨基酸的改变，这就引⼊了Synonymous SNP（同义突变，不引起任何变化）和Non-Synonymous SNP（⾮同义突变，⼤家关注的焦点）概念。对于不引起编码氨基酸变化的即为同义突变，引起氨基酸变化的则为⾮同义突变。
⾮同义突变⼜可分为错义突变和⽆义突变
错义突变：编码的某种氨基酸的密码⼦变成另⼀种氨基酸密码⼦，从⽽多肽链的氨基酸种类和序列发⽣改变，错义突变通常会使多肽链丧失原有功能。
⽆义突变：编码某⼀氨基酸的密码⼦变成UAA、UGA或UAG（终⽌密码⼦），导致多肽链翻译的中⽌，从⽽形成⼀条不完整的多肽链。
不完整的多肽链。
发⽣在基因⾮编码区或基因间区
可能会影响转录因⼦与DNA结合、影响⾮编码RNA序列、影响基因的剪接、mRNA的降解等。
SNP的命名
SNP的命名是很混乱的，你会看到RS1800947或者NG_000004.3以及CYP3A5*3，看到这⼤家是不是慌了？这都是什么⿁？
其实不同的组织机构命名不⼀样，并且坚持⾃⼰的命名⽅法。关于snp位点的命名其实并不统⼀，⼤家在⽂献中⼀般⽤的都是习惯或者说惯⽤名称。具体表现在以下⼏种形式：
1、RS命名法
RS命名法也被称为GenBank官⽅的refSNP ID单核苷酸多态性命名法，其是相对⽐较完善的命名体系，命名⽅法是
rs+6/7位阿拉伯数字，包括前后序列，位置信息，分布频率等。如果已知⼀个SNP的refSNP ID，那么就可以在GenBank的SNP数据库中搜索到相关的信息和在基因组中的位置了。
譬如我搜索rs776746，你会发现CYP3A5、ZSCAN25和RS776746是⼀个东西。
2、突变信息之间加上位置信息：
主要有三种⽅式：
突变信息之间+cDNA的位置，如C188T；
突变信息之间加上DNA的位置，如A2546G；
突变氨基酸信息之间加上氨基酸位置，如Glu145Lys.
3、按发现顺序或频率顺序拟定的惯⽤名称：
⽤*表⽰的，如CYP2D6*10,CYP2C9*3等。
前⾯加个m，表⽰突变的，如cyp2c19m2等，
还有⼀些也可以在⽂献中见到，如CYP2E1的c1>c2的突变等等。其实这就是⼀种⾮常不正规的⽤HGVS Names标注SNP位置的⽅法，很明显，由于缺少引⽤核酸序列的接受号，因此读者⽆法从这样的表⽰在GenBank中查到对应的信息。
4、HGVS命名法：
HGVS命名SNP法的规则是标出引⽤的核酸序列号（Reference Sequence，RefSeq）和SNP在该核
数据库学什么酸序列中的位置，例如：NG_000004.3:g.247167G>A，其中红⾊的部分是核酸序列接受号，绿⾊的部分是该单核苷酸多态性位点在该核酸序列中的位置，G>A表⽰原始碱基是G，突变碱基是A。这样的命名⽅法有利于出所在基因序列中的位置。
OK，今天就先和⼤家分享到这，下期我们继续分享两个数据库的使⽤。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。