Промотор: различия между версиями
[непроверенная версия] | [непроверенная версия] |
Нет описания правки |
|||
Строка 102: | Строка 102: | ||
==== Эукариотические вирусы ==== |
==== Эукариотические вирусы ==== |
||
* Конститутивные промоторы SV40 (вирус полимоы), RSV, CMV (цитомегаловирус) |
* Конститутивные промоторы SV40 (вирус полимоы), RSV, CMV (цитомегаловирус) |
||
== Предсказание промоторного региона == |
|||
Зачастую алгоритмы предсказания промоторов выдают большое количество ложноположительных результатов (предсказывают последовательности промоторов, которые таковыми не являются). Например, в среднем, различные алгоритмы предсказывают один промотор на 1000 п.о., в то время как человеческий геном содержит примерно один ген на 30000-40000 п.о. <ref name="EPP">{{cite journal |author=Pedersen A Gorm, Brunak S, Baldi P, Chauvin Y |date=1999 |title=The biology of eukaryotic promoter prediction - a review |journal=Comput Chem |volume=23 |issue=3-4 |pages=191-207 |doi=10.1016/S0097-8485(99)00015-7}}</ref> Такой результат связан с тем, что при предсказании промоторов необходимо учитывать множество факторов <ref name="EPP"></ref>: |
|||
* Разнообразное устройство промоторов |
|||
* Связывание промоторов с регуляторными элементами (проксимальные элементы, энхансеры, сайленсеры) генома |
|||
* Влияние CpG островов у эукариот (неметилированные CpG острова зачастую располагаются немного выше сайта старта транскрипции у эукариот) |
|||
* Влияние инсуляторов и граничных условий (границы доменов хромосом) |
|||
* Укладка ДНК и расположение [[Нуклеосома|нуклеосом]] в пространстве |
|||
Несмотря на сложности описанные выше, существует множество алгоритмов предсказания промоторных регионов в различных организмах. В таблице ниже приведены некоторые из них. |
|||
{| class="wikitable" |
|||
|- |
|||
! Название алгоритма !! Принцип работы алгоритма !! Что предсказывает алгоритм |
|||
|- |
|||
|| TSSW <ref name="solvyev_prom">{{cite journal |author=Solovyev VV, Shahmuradov IA, Salamov AA |year=2010 |title=Identification of promoter regions and regulatory sites |journal=Methods Mol Biol |volume=674 |pages=57-83 |doi=10.1007/978-1-60761-854-6_5}}</ref> || Алгоритм предсказывает потенциальные сайты начала транскрипции с помощью линейной дискриминантной функции, объединяющей характеристики, описывающие функциональные [[Мотив (молекулярная биология)|мотивы]] и олигонуклеотидный состав этих сайтов. TSSW использует базу данных функциональных сайтов TRANSFAC (автор базы данных – E. Wingender <ref name="transfac">{{cite journal |author=Wingender E, Dietze P, Karas H, Knuppel R |date=1996 |title=TRANSFAC: a database on transcription factors and their DNA binding sites |journal=Nucleic Acids Res |volume=24 |issue=1 |pages=238-241 |doi=10.1093/nar/24.1.238}}</ref>, отсюда последняя буква в названии метода TSSW). || PolII промоторный регион человека. |
|||
|- |
|||
|| TSSG <ref name="solvyev_prom"></ref>/Fprom <ref name="solvyev_prom"></ref> || Алгоритм TSSG работает так же, как и TSSW, однако использует другую базу данных, TFD <ref name="tfd">{{cite journal |author=Ghosh D |date=1990 |title=A relational database of transcription factors |journal=Nucleic Acids Res |volume=18 |issue=7 |pages=1749-1756 |doi= 10.1093/nar/18.7.1749}}</ref>. Fprom – тот же TSSG, натренированный на другом наборе последовательностей промоторов. || TSSG – PolII промоторный регион человека, Fprom – промоторный регион человека. |
|||
|- |
|||
|| TSSP <ref name="solvyev_prom"></ref> || Алгоритм работает так же, как и TSSW, использует базу данных регуляторных элементов растений RegSite <ref name="regsite">{{cite web |url=http://linux1.softberry.com/berry.phtml?topic=regsite |title=RegSite Database |website=SoftBerry |accessdate=2019-04-07}}</ref>. При этом алгоритм натренирован на последовательностях промоторных регионов растений. || Промоторный регион растений. |
|||
|- |
|||
|| PePPER <ref name="pepper">{{cite journal |author=de Jong A, Pietersma H, Cordes M, Kuipers OP, Kok J |date=2012 |title=PePPER: a webserver for prediction of prokaryote promoter elements and regulons |journal=BMC Genomics |volume=13 |issue=1 |pages=299 |doi=10.1186/1471-2164-13-299}}</ref> || Алгоритм предсказывает промоторный регион основываясь на курируемых [[Позиционная весовая матрица|позиционной весовой матрице]] и [[Скрытая марковская модель|скрытой марковской модели]] для -35 и -10 консенсусных последовательностей, а также различных сайтов связывания [[Сенная палочка|''Bacillus subtilis'']] и [[Кишечная палочка|''Escherichia coli'']] (взяты как представители [[Грамположительные бактерии|грамположительных]] и [[Грамотрицательные бактерии|грамотрицательных]] бактерий соответственно). || Промоторный регион прокариот (подходит в основном для бактериальных геномов). |
|||
|- |
|||
|| PromoterInspector <ref name="prom_insp">{{cite journal |author=Scherf M, Klingenhoff A, Werner T |date=2000 |title=Highly specific localization of promoter regions in large genomic sequences by PromoterInspector: a novel context analysis approach |journal=J Mol Biol |volume=297 |issue=3 |pages=599-606 |doi=10.1006/jmbi.2000.3589}}</ref> || [[Эвристический алгоритм]] основывается на геномном окружении промоторной области выборки последовательностей млекопитающих. || PolII промоторный регион мелкопитающих. |
|||
|- |
|||
|| BPROM <ref name="solvyev_prom"></ref> || Алгоритм работает так же, как и TSSW, использует базу данных функциональных сайтов DPInteract <ref name="dpinteract">{{cite journal |author=Robinson K, McGuire AM, Church GM |date=1998 |title=A comprehensive library of DNA-binding site matrices for 55 proteins applied to the complete Escherichia coli K-12 genome |journal=J Mol Biol |volume=284 |issue=2 |pages=241-254 |doi=10.1006/jmbi.1998.2160}}</ref>. || σ{{sub|70}} промоторный регион ''E.coli''. |
|||
|- |
|||
|| NNPP 2.2 <ref name="nnpp">{{cite journal |author=Burden S, LinYX, Zhang R |date=2005 |title=Improving promoter prediction for the NNPP2.2 algorithm: a case study using Escherichia coli DNA sequences |journal=Bioinformatics |volume=21 |issue=5 |pages=601-607 |doi=10.1093/bioinformatics/bti047}}</ref> || Программа представляет собой [[Искусственная нейронная сеть|нейронную сеть]] с запаздыванием, которая состоит из двух функциональных слоев, один – для распознавания TATA-бокса и один – для распознавания Inr-элемента. || Промоторный регион эукариот и прокариот. |
|||
|- |
|||
|| G4PromFinder <ref name="g4promfinder">{{cite journal |author=di Salvo M, Pinatel E, Tala A, Fondi M, Peano C, Alifano P |date=2018 |title=G4PromFinder: an algorithm for predicting transcription promoters in GC-rich bacterial genomes based on AT-rich elements and G-quadruplex motifs |journal=BMC Bioinformatics |volume=19 |issue=1 |pages=36 |doi=10.1186/s12859-018-2049-x}}</ref> || Алгоритм идентифицирует предполагаемые промоторы на основе AT-богатых элементов и [[G-квадруплексы|G-квадруплексных]] ДНК-мотивов в GC-богатом регионе. || Промоторный регион бактерий. |
|||
|} |
|||
С ростом количества предсказанных, экспериментально показанных промоторных регионов различных организмов возникла необходимость создания базы данных промоторных последовательностей. Крупнейшей базой данных эукариотических последовательностей промоторов (в основном позвоночные организмы) является Eukaryotic Promoter Database <ref name="epd_old">{{cite journal |author=Cavin Perier R, Junier T, Bucher P |date=1998 |title=The eukaryotic promoter database EPD |journal=Nucleic Acids Res |volume=26 |issue=1 |pages=353-357 |doi=10.1093/nar/26.1.353}}</ref>. База данных подразделяется на две части. Первая (EPD) – это курируемая коллекция последовательностей промоторов, полученная при помощи обработки экспериментальных данных, вторая (EPDnew) – результат слияния информации о промоторах из базы данных EPD с анализом данных методов высокопроизводительного секвенирования. При помощи высокопроизводительных методов получения транскриптомов, удалось получить набор промоторов для некоторых представителей растений и грибов <ref name="epd_new">{{cite journal |author=Dreos R, Ambrosini G, Groux R, Cavin Perier R, Bucher P |date=2017 |title=The eukaryotic promoter database in its 30th year: focus on non-vertebrate organisms |journal=Nucleic Acids Res |volume=45 |issue=D1 |pages=D51-D55 |doi=10.1093/nar/gkw1069}}</ref>: |
|||
* [[Резуховидка Таля|''Arabidopsis thaliana'']] |
|||
* [[Кукуруза|''Zea mays'']] |
|||
* ''[[Saccharomyces cerevisiae]]'' |
|||
* ''[[Schizosaccharomyces pombe]]'' |
|||
== См. также == |
== См. также == |
Версия от 17:19, 7 апреля 2019
Промотор в генетике — последовательность нуклеотидов ДНК, узнаваемая РНК-полимеразой как стартовая площадка для начала транскрипции. Промотор играет одну из ключевых ролей в процессе инициации транскрипции.
Обычно промотор расположен вокруг (±50 нуклеотидов) точки старта транскрипции – первого нуклеотида, с которого получается транскрипт, который имеет координату +1 (предыдущий нуклеотид -1). Промотор обычно включает ряд мотивов, важных для узнавания его РНК-полимеразой. В частности, -10 и -35 элементы у бактерий, ТАТА-бокс у эукариот.
Промотор асимметричен, что позволяет РНК-полимеразе начать транскрипцию в правильном направлении и указывает на то, какая из двух цепей ДНК будет служить матрицей для синтеза РНК. Матричная цепь ДНК называется некодирующей, при этом другая, кодирующая цепь совпадает с полученной РНК по последовательности (исключая замену тимина на урацил).
То, под каким промотором находится кодирующий РНК участок ДНК, играет решающую роль в интенсивности экспрессии этого гена в каждом конкретном типе клеток. По активности промоторы делят на конститутивные (постоянная экспрессия генов) и индуцибельные (транскрипция зависит от условий в клетке, например от присутствии определенных веществ или наличия теплового шока). Активация промотора определяется присутствием в разных клетках зависит от множества причин – присутствия набора транскрипционных факторов, репрессоров, различных взаимодействий.
Устройство промоторов
У бактерий
Коровая РНК-полимераза бактерий (состоящая из субъединиц α2ββ'ω) может инициировать транскрипцию в любом месте генома. Однако, в клетке инициации происходит только в участках промоторов. Такая специфичность обеспечивается σ-субъединицей, которая в комплексе с коровым ферментом образует голоэнзим. Основным σ-фактором клеток Escherichia coli является σ70-субъединица [1].
Классический (σ70) промотор [1]
Характерной чертой промоторов, распознаваемых полимеразой с σ70-субъединицей, являются две консервативные последовательности длиной по 6 нуклеотидов, расположенные выше сайта начала транскрипции на 10 и 35 п.о., разделенные 17 нуклеотидами. Эти элементы называются соответственно -10 и -35 регионы (элементы). Эти регионы не идентичны во всех промоторах, но для них можно получить консенсусные последовательности.
Некоторые сильные промоторы также имеют UP-регион, расположенный выше -35-региона, который повышает связывание РНК-полимеразы. Некоторые σ70 промоторы не имеют -35-региона, зато имеют -10-регион, расширенный вверх на несколько нуклеотидов. Таков промотор галактозного оперона E.coli. Иногда ниже -10-элемента располагается ещё один связывающий элемент – дискриминатор.
Альтернативные промоторы [1]
Альтернативные σ-субъединицы РНК-полимеразы меняют специфичность узнавания промоторов. Например, σ32-субъединица вызывает узнавание промоторов генов ответа на тепловой шок, σ54 связана с генами метаболизма азота.
У эукариот
Клетки эукариот содержат несколько типов РНК-полимераз. Транскрипцией мРНК занимается РНК-полимераза II вместе с набором белковых факторов транскрипции.
Промотор РНК-полимеразы II [1]
Коровый промотор эукариот – это минимальный набор элементов последовательности, необходимый для связывания РНК-полимеразы II и транскрипционных факторов, необходимых для старта инициации транскрипции. Обычно длина корового промотора составляет 40-60 п.о., а располагаться он может или выше, или ниже точки старта транскрипции. Полный набор элементов корового промотора включает в себя BRE-элемент, ТАТА-бокс, Inr (инициатор) и/или нижележащие элементы (DPE, DCE и MTE). Обычно, в промоторе находится комбинация из этих элементов. Например, в одном промоторе обычно не встречаются DPE и TATA-бокс одновременно. Часто встречается комбинация TATA-бокса, DPE и Inr.
Элемент промотора | Связываемый белок | Координаты | Консенсусная последовательность |
---|---|---|---|
BRE-элемент | TFIIB | -37 -32 | [GC][GC][GA]CGCCC |
ТАТА-бокс | TBP | -31 -26 | TATA[AT]A[AT] |
Inr | TFIID | -2 +4 | [CT][CT]AN[TA][CT][CT] |
DCEI | TFIID | +6 +11 | CTTC |
DCEII | TFIID | +16 +21 | CTGT |
MTE | +21 +28 | ||
DPE | TFIID | +28 +32 | [AG]G[AT]CGTG |
DCEIII | TFIID | +30 +34 | AGC |
Также для протекания транскрипции эукариот необходимо взаимодействие с регуляторными последовательностями, расположенными дальше от промотора – проксимальными последовательностями, энхансерами, сайленсерами, инсуляторами, пограничными элементами.
Промотор РНК-полимеразы I [1]
РНК-полимераза I в клетках эукариот транскрибирует единственный ген-предшественник рРНК, присутствующий в геноме во многих копиях.
Промотор гена рРНК содержит коровые элементы (координаты около -45 +20) и UCE (upstream control element, координаты около -150 -100). Инициация транскрипции этого гена также требует несколько факторов транскрипции – TBP, SL1 (состоит из белков TBP и трех TAF) и UBF. UBF связывает UCE-элемент, SF1 – коровый промотор. Связанный UBF стимулирует связывание полимеразы с участком корового промотора.
Промотор РНК-полимеразы III [1]
РНК-полимераза III задействована в транскрипции генов некоторых некодирующих РНК клетки (тРНК, 5sРНК).
Промоторы РНК-полимеразы III очень разнообразны и обычно лежат ниже точки старта транскрипции. Промоторы генов тРНК, в частности, содержат A- и B-боксы, для инициации требуются факторы транскрипции TFIIIB и TFIIIC. Другие промоторы могут содержать A- и C-боксы (например 5sРНК), для инициации требуются факторы транскрипции TFIIIA, TFIIIB, TFIIIC. Группа промоторов РНК-полимеразы III содержит ТАТА-боксы.
Регуляция промоторов
Регуляция уровня транскрипции часто происходит на стадии инициации, то есть от связывания РНК-полимеразы с промотором до начала элонгации.
- Связывание РНК-полимеразы с промотором может блокироваться белком-репрессором, физически закрывающим промотор или его участок.
- Полимераза может нуждаться в дополнительном белке-активаторе для успешного связывания.
- Участок хроматина с промотором может быть недоступен для белков, в том числе полимеразы, при компактной упаковке, например, гетерохроматин у эукариот.
Промоторный участок в пределах оперона у бактерий может частично перекрываться или вовсе не перекрываться с операторным участком цистрона (гена). У бактерий связывание с промотором определяется структурной частью полимеразы – σ-субъединицей. Также часто в регуляции участвуют белки-регуляторы, которые могут ускорять процесс и повышать его эффективность (активаторы), либо замедлять (репрессоры).
Транскрипция эукариот регулируется схожим с бактериями образом (за счет различных белков-регуляторов), но также имеет отличия. Гены эукариот не образуют оперонов, каждый ген обладает своим промотором. Эукариоты обладают хроматином, состоящим из ДНК и нуклеосом. И ДНК, и нуклеосомы могут подвергаться химической модификации, которая влияет на уровень транскрипции. Также, в регуляции промоторов у эукариот участвуют другие участки ДНК, такие как энхансеры, сайленсеры, инсуляторы, граничные элементы.
Примеры промоторов
Последовательности и особенности регуляции многих промоторов из разных живых организмов сейчас хороши изучены.
Эти знания широко применяются при создании биоинженерных генетических конструкций (плазмид, векторов). Для экспрессии продукта в клетках бактерий или эукариот может быть использован как промотор, характерный для этой группы организмов, найденный в геноме, так и промотор, например, из вирусов, которые заражают данный организм.
Бактерии
Классическими примерами бактериальных оперонов с известной регуляцией промоторов прокариот являются:
Фаги
- Промотор фага T5
- Промотор фага T7
Эукариоты
- GAL1 промотор (дрожжи)
- Индуцибельный тетрациклиновый промотор TRE
- Индуцибельный экдизоновый промотор
Эукариотические вирусы
- Конститутивные промоторы SV40 (вирус полимоы), RSV, CMV (цитомегаловирус)
Предсказание промоторного региона
Зачастую алгоритмы предсказания промоторов выдают большое количество ложноположительных результатов (предсказывают последовательности промоторов, которые таковыми не являются). Например, в среднем, различные алгоритмы предсказывают один промотор на 1000 п.о., в то время как человеческий геном содержит примерно один ген на 30000-40000 п.о. [2] Такой результат связан с тем, что при предсказании промоторов необходимо учитывать множество факторов [2]:
- Разнообразное устройство промоторов
- Связывание промоторов с регуляторными элементами (проксимальные элементы, энхансеры, сайленсеры) генома
- Влияние CpG островов у эукариот (неметилированные CpG острова зачастую располагаются немного выше сайта старта транскрипции у эукариот)
- Влияние инсуляторов и граничных условий (границы доменов хромосом)
- Укладка ДНК и расположение нуклеосом в пространстве
Несмотря на сложности описанные выше, существует множество алгоритмов предсказания промоторных регионов в различных организмах. В таблице ниже приведены некоторые из них.
Название алгоритма | Принцип работы алгоритма | Что предсказывает алгоритм |
---|---|---|
TSSW [3] | Алгоритм предсказывает потенциальные сайты начала транскрипции с помощью линейной дискриминантной функции, объединяющей характеристики, описывающие функциональные мотивы и олигонуклеотидный состав этих сайтов. TSSW использует базу данных функциональных сайтов TRANSFAC (автор базы данных – E. Wingender [4], отсюда последняя буква в названии метода TSSW). | PolII промоторный регион человека. |
TSSG [3]/Fprom [3] | Алгоритм TSSG работает так же, как и TSSW, однако использует другую базу данных, TFD [5]. Fprom – тот же TSSG, натренированный на другом наборе последовательностей промоторов. | TSSG – PolII промоторный регион человека, Fprom – промоторный регион человека. |
TSSP [3] | Алгоритм работает так же, как и TSSW, использует базу данных регуляторных элементов растений RegSite [6]. При этом алгоритм натренирован на последовательностях промоторных регионов растений. | Промоторный регион растений. |
PePPER [7] | Алгоритм предсказывает промоторный регион основываясь на курируемых позиционной весовой матрице и скрытой марковской модели для -35 и -10 консенсусных последовательностей, а также различных сайтов связывания Bacillus subtilis и Escherichia coli (взяты как представители грамположительных и грамотрицательных бактерий соответственно). | Промоторный регион прокариот (подходит в основном для бактериальных геномов). |
PromoterInspector [8] | Эвристический алгоритм основывается на геномном окружении промоторной области выборки последовательностей млекопитающих. | PolII промоторный регион мелкопитающих. |
BPROM [3] | Алгоритм работает так же, как и TSSW, использует базу данных функциональных сайтов DPInteract [9]. | σ70 промоторный регион E.coli. |
NNPP 2.2 [10] | Программа представляет собой нейронную сеть с запаздыванием, которая состоит из двух функциональных слоев, один – для распознавания TATA-бокса и один – для распознавания Inr-элемента. | Промоторный регион эукариот и прокариот. |
G4PromFinder [11] | Алгоритм идентифицирует предполагаемые промоторы на основе AT-богатых элементов и G-квадруплексных ДНК-мотивов в GC-богатом регионе. | Промоторный регион бактерий. |
С ростом количества предсказанных, экспериментально показанных промоторных регионов различных организмов возникла необходимость создания базы данных промоторных последовательностей. Крупнейшей базой данных эукариотических последовательностей промоторов (в основном позвоночные организмы) является Eukaryotic Promoter Database [12]. База данных подразделяется на две части. Первая (EPD) – это курируемая коллекция последовательностей промоторов, полученная при помощи обработки экспериментальных данных, вторая (EPDnew) – результат слияния информации о промоторах из базы данных EPD с анализом данных методов высокопроизводительного секвенирования. При помощи высокопроизводительных методов получения транскриптомов, удалось получить набор промоторов для некоторых представителей растений и грибов [13]:
См. также
Примечания
- ↑ 1 2 3 4 5 6 Watson JD, Baker TA, Bell SP, Gann AA, Levine M, Losick RM. Molecular Biology of the Gene. — 7th. — Pearson, 2014.
- ↑ 1 2 Pedersen A Gorm, Brunak S, Baldi P, Chauvin Y (1999). "The biology of eukaryotic promoter prediction - a review". Comput Chem. 23 (3–4): 191–207. doi:10.1016/S0097-8485(99)00015-7.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ 1 2 3 4 5 Solovyev VV, Shahmuradov IA, Salamov AA (2010). "Identification of promoter regions and regulatory sites". Methods Mol Biol. 674: 57–83. doi:10.1007/978-1-60761-854-6_5.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ Wingender E, Dietze P, Karas H, Knuppel R (1996). "TRANSFAC: a database on transcription factors and their DNA binding sites". Nucleic Acids Res. 24 (1): 238–241. doi:10.1093/nar/24.1.238.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ Ghosh D (1990). "A relational database of transcription factors". Nucleic Acids Res. 18 (7): 1749–1756. doi:10.1093/nar/18.7.1749.
- ↑ RegSite Database . SoftBerry. Дата обращения: 7 апреля 2019.
- ↑ de Jong A, Pietersma H, Cordes M, Kuipers OP, Kok J (2012). "PePPER: a webserver for prediction of prokaryote promoter elements and regulons". BMC Genomics. 13 (1): 299. doi:10.1186/1471-2164-13-299.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) Википедия:Обслуживание CS1 (не помеченный открытым DOI) (ссылка) - ↑ Scherf M, Klingenhoff A, Werner T (2000). "Highly specific localization of promoter regions in large genomic sequences by PromoterInspector: a novel context analysis approach". J Mol Biol. 297 (3): 599–606. doi:10.1006/jmbi.2000.3589.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ Robinson K, McGuire AM, Church GM (1998). "A comprehensive library of DNA-binding site matrices for 55 proteins applied to the complete Escherichia coli K-12 genome". J Mol Biol. 284 (2): 241–254. doi:10.1006/jmbi.1998.2160.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ Burden S, LinYX, Zhang R (2005). "Improving promoter prediction for the NNPP2.2 algorithm: a case study using Escherichia coli DNA sequences". Bioinformatics. 21 (5): 601–607. doi:10.1093/bioinformatics/bti047.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ di Salvo M, Pinatel E, Tala A, Fondi M, Peano C, Alifano P (2018). "G4PromFinder: an algorithm for predicting transcription promoters in GC-rich bacterial genomes based on AT-rich elements and G-quadruplex motifs". BMC Bioinformatics. 19 (1): 36. doi:10.1186/s12859-018-2049-x.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) Википедия:Обслуживание CS1 (не помеченный открытым DOI) (ссылка) - ↑ Cavin Perier R, Junier T, Bucher P (1998). "The eukaryotic promoter database EPD". Nucleic Acids Res. 26 (1): 353–357. doi:10.1093/nar/26.1.353.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) - ↑ Dreos R, Ambrosini G, Groux R, Cavin Perier R, Bucher P (2017). "The eukaryotic promoter database in its 30th year: focus on non-vertebrate organisms". Nucleic Acids Res. 45 (D1): D51–D55. doi:10.1093/nar/gkw1069.
{{cite journal}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка)
Литература
- Leighton Core, André Martins, Charles Danko, Colin Waters, Adam Siepel, and John Lis. Analysis of transcription start sites from nascent RNA identifies a unified architecture of initiation regions at mammalian promoters and enhancers. Nature Genetics, November 2014 doi:10.1038/ng.3142
Это заготовка статьи по молекулярной биологии. Помогите Википедии, дополнив её. |
В статье не хватает ссылок на источники (см. рекомендации по поиску). |