snp 手把手学习TCGA数据库：SNP突变分析第一期

本文最早发表在“百威研究奶酪”微信微信官方账号。请注明:百威研究奶酪，Focus研究人员的需求。

SNP(单核苷酸多态性)是基因组中单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。

英文描述方法是“如果超过1%的群体在DNA序列的特定位置没有携带相同的核酸，那么这种变异可以被归类为SNP。”，一个值得注意的词是“群体”，它与英文文章中表达的“阵列”相同，这意味着在基因组DNA中特定位点的碱基与参考基因组相比发生变化的一大群个体中，超过1%的个体被认为是SNP。人类基因组每1000个碱基约有一个SNP，人类基因组SNP总数约为3× 10 6。因此，SNP已成为第三代遗传标记，人体内许多表型差异和对药物或疾病的易感性可能与SNP有关。

SNP发生的类型

SNP的发生包括转化、颠换、插入和缺失。理论上每个基因座可以有四种变异形式，但实际上只有转化和颠换两种。据说转换和颠换的频率是2:1。如果你注意，你会发现在发生的转化中，A总是突变成G，C突变成T，而且即使是转化，c >: T的概率也大于a >: G，这就是为什么研究的SNP往往是C >:T或者a >: G .补充:at结合中的结合键与CG结合中的不同:CG是三键，at是双键， 所以CG的结合力比AT强，也就是说需要更高的温度才能使CG熔化，与这个温度对应的关键参数是Tm值，也就是熔化时间一半时的温度。

变化

【一种能量形式变为另一种】，即嘌呤变为嘌呤或嘧啶变为嘧啶，主要发生在CG序列中。由于CG (CpG岛，DNA甲基化研究中经常谈到的)中的C碱基经常被甲基化(mC)，所以可以自发脱氨形成胸腺嘧啶(T)，即频繁的转化是C到T。

其实不同的组织有不同的名称，坚持自己的命名方式。事实上，snp位点的命名并不统一，人们通常在文献中使用习惯或惯用的名称。它体现在以下几个方面:

1、RS命名法

RS命名法，又称GenBank对refSNP ID单核苷酸多态性的官方命名法，是一个比较完整的命名体系，其命名方式为rs+6/7阿拉伯数字，包括前后序列、位置信息、分布频率等。如果一个SNP的refSNP ID已知，可以在GenBank的SNP数据库中搜索相关信息及其在基因组中的位置。

网站:http://www.ncbi.nlm.nih.gov/snp/

比如我搜索RS776746，你会发现CYP3A5、ZSCAN25、rs776746是一回事。

2、突变信息之间加上位置信息：

主要有三种方式:

+突变信息之间的cDNA位置，如C188T；

在突变信息之间加上DNA的位置，如A2546G；

在突变氨基酸信息之间添加氨基酸位置，如Glu145Lys。

3、按发现顺序或频率顺序拟定的惯用名称：

用*表示，如CYP2D6*10，CYP2C9*3等。

在前面加一个m表示突变，如cyp2c19m2，

其他的也可以在文献中看到，比如C1 >: C2突变等等。其实这是一种非常非正式的用HGVS名称标注SNP位置的方法。显然，读者在GenBank中找不到相应的信息，因为缺少引用核酸序列的接受号。

4、HGVS命名法：

人类基因组变异学会是一个民间非政府学术组织，其官方网站位于http://www.hgvs.org/.

HGVS命名SNP的规则是标记参考序列和SNP在核酸序列中的位置，例如:ng _ 000004.3:g . 247167g >；A，其中红色部分为核酸序列接受号，绿色部分为核酸序列中单核苷酸多态性位点的位置，g >: A表示原碱基为g，突变碱基为A，这种命名方法有利于找出基因序列中的位置。

好了，今天就和大家分享一下，下一期我们会继续分享这两个数据库的使用。