4️⃣ 核酸序列特征分析(8):重复序列的查找

序列比对和序列特征分析总目录(https://cloud.tencent.com/developer/article/1388434

基因组序列主要构成成分是基因序列，重复序列和基因间序列。

基因组注释包括基因组结构注释和基因组功能注释

结构注释的核心是基因识别，为了提高基因识别效率需要首先寻找并标记去除

重复的和低复杂性的序列。

什么是重复序列？

重复序列（repetitive sequence）是在基因组中不同位置出现的相同或对称性序列片段，一般不编码多肽。组织形式有两种：串联重复序列和分散重复序列。前者成蔟存在于染色体的特定区域，后者分散于染色体各位点。

存在哪里？

一般在顺式调控元件如启动子，增强子，终止子等出大量发行，真核生物中广泛分布。

分类

大致分三类：

• 低度重复序列
• 中度重复序列
• 高度重复序列

特点

GC含量低，AT含量高，3'和5'端有直接重复序列存在，有利形成环形结构。

常用数据库

• GIRI的RepBase：常用的真核生物DNA重复序列数据库
• RepeatMasker:常用的重复序列分析工具
• ALU数据库：人和灵长类Alu重复片段
• LINE-1数据库：
• STR数据库：短的串联重复序列数据库，不再提供服务

1 RepeatMasker工具

这个工具有webserver版本和命令行版本

Using and Understanding RepeatMasker

RepeatMasker Web Server

RepeatMasker linux

RepeatMasker Web Server

image.png