Что считает калькулятор GC-состава
Этот инструмент рассчитывает GC-состав любой последовательности ДНК — то есть процент нуклеотидов, представленных гуанином (G) или цитозином (C). GC-состав — это базовый показатель молекулярной биологии, который используют для сравнения геномов, подбора праймеров для ПЦР и прогнозирования температуры плавления и стабильности двухцепочечной ДНК. Поскольку пары G–C связаны тремя водородными связями (против двух у пар A–T), участки с более высоким содержанием G и C, как правило, термически устойчивее.
Как пользоваться
- Последовательность ДНК: вставьте или введите последовательность буквами A, T, G и C.
- Регистр не имеет значения — «atgc» и «ATGC» дадут одинаковый результат.
- Любые символы, кроме A, T, G и C (пробелы, цифры, N, переносы строк), автоматически удаляются перед расчётом, а калькулятор сообщает, сколько недопустимых символов было убрано.
Например, при вводе ATGCATGCATGC вы сразу получите процент.
Формула
Калькулятор подсчитывает количество оснований G и C в очищенной последовательности и делит его на общее число допустимых оснований:
$$\text{GC\%} = \frac{N_G + N_C}{N_G + N_A + N_T + N_C} \times 100$$
По той же логике, но уже для A и T, рассчитывается и комплементарный AT-состав. Если допустимых оснований нет, результат равен 0.
Разбор примера
Возьмём последовательность ATGCATGCATGC:
- Всего оснований = 12
- Число G = 3, число C = 3, значит GC-счёт = 6
- GC-состав = $$(6 \div 12) \times 100 = \textbf{50\%}$$
- AT-счёт = 6, значит AT-состав = 50%
В такой сбалансированной последовательности GC- и AT-состав равны.
Типичное содержание GC у обычных организмов
Геномное содержание GC сильно варьируется во всем древе жизни, от примерно одной пятой до почти трех четвертей всех оснований, являющихся G или C. В приведенной ниже таблице перечислены часто цитируемые средние значения полного генома для хорошо изученных эталонных организмов. Все цифры являются приблизительными средними значениями по всему геному, округленными на основе опубликованных эталонных сборок; точное значение зависит от штамма, изолята, версии сборки и от того, включена ли органельная (митохондриальная, пластидная) и повторяющаяся/неустановленная последовательность. Отдельные гены, промоторы, интроны и изохоры в пределах одного генома могут отклоняться от среднего значения на 20 процентных пункта или более, поэтому используйте эти числа как ориентир, а не как целевой показатель для какой-либо конкретной последовательности.
| Организм | Тип генома | Прибл. %GC | Почему оно находится там |
|---|---|---|---|
| Plasmodium falciparum (малярийный паразит) | Ядерный геном, апикомплексный простейший | ~19% | Один из наиболее богатых AT геномов; экстремальное смещение AT распространяется на кодирующие области и делает ПЦР и клонирование его последовательностей печально известно сложным. |
| Dictyostelium discoideum (социальная амеба) | Ядерный геном, амебозой | ~22% | Богат AT с длинными гомополимерными полосами A и T, которые усложнили его первоначальную сборку. |
| Arabidopsis thaliana (резуховидка Таля) | Ядерный геном, цветущее растение | ~36% | Типично для многих растительных ядерных геномов; кодирующие экзоны более богаты GC, чем межгенное среднее значение. |
| Saccharomyces cerevisiae (пекарские дрожжи) | Ядерный геном, почкующиеся дрожжи | ~38% | Компактный, плотный по генам эукариотический геном с умеренно богатым AT фоном. |
| Homo sapiens (человек) | Ядерный геном, млекопитающее | ~41% | Мозаика бедных GC и богатых GC изохор; богатые генами регионы и CpG острова намного выше среднего геномного значения. |
| Drosophila melanogaster (плодовая муха) | Ядерный геном, насекомое | ~42% | Почти сбалансированный состав; гетерохроматические и повторяющиеся области более богаты AT, чем эухроматин. |
| Escherichia coli K-12 | Круговая бактериальная хромосома | ~50.8% | Классический справочный геном со сбалансированным составом, что частично объясняет, почему это столь удобный хозяин для клонирования и экспрессии. |
| Mycobacterium tuberculosis H37Rv | Круговая бактериальная хромосома (актинобактерия) | ~65.6% | Богата GC, как большинство актинобактерий; использование кодонов сильно смещено в сторону G/C в третьей позиции. |
| Streptomyces coelicolor A3(2) | Линейная бактериальная хромосома (актинобактерия) | ~72% | Среди наиболее богатых GC геномов, с которыми регулярно работают; амплификация обычно требует буферов, благоприятных для GC, ДМСО или бетаина. |
Общая закономерность реальна и воспроизводима: облигатные внутриклеточные паразиты и некоторые свободноживущие амебы и дрожжи имеют тенденцию к богатству AT, в то время как актинобактерии и многие почвенные бактерии имеют тенденцию к богатству GC. Основные причины обсуждаются и включают мутационное смещение, различия в механизмах репарации ДНК и отбор, связанный с образом жизни и окружающей средой.
Ключевые термины и переменные
Переменные, используемые в формуле
| Символ | Значение |
|---|---|
| \(N_G\) | Количество оснований гуанина (G), подсчитанных в последовательности. |
| \(N_C\) | Количество оснований цитозина (C), подсчитанных в последовательности. |
| \(N_A\) | Количество оснований аденина (A), подсчитанных в последовательности. |
| \(N_T\) | Количество оснований тимина (T), подсчитанных в последовательности. |
| \(N_G + N_A + N_T + N_C\) | Всего действительных оснований — знаменатель. Подсчитываются только однозначные символы A, T, G и C; пробелы, промежутки, цифры, разрывы строк и строки заголовка FASTA исключаются, поэтому последовательность, содержащая коды неоднозначности, может иметь общее значение меньше, чем длина ее необработанного символа. |
Термины
- Аденин (A) — пуриновое основание; образует пары с тимином в ДНК посредством двух водородных связей.
- Тимин (T) — пиримидиновое основание, встречающееся в ДНК; образует пары с аденином.
- Гуанин (G) — пуриновое основание; образует пары с цитозином посредством трех водородных связей.
- Цитозин (C) — пиримидиновое основание; образует пары с гуанином.
- Пара оснований (bp) — одно спаривание A–T или G–C между двумя цепями дуплекса; также стандартная единица длины ДНК.
- Комплементарная цепь — противоположная цепь, полученная путем замены каждого основания его партнером (A↔T, G↔C) и обращения порядка. Поскольку G всегда образует пары с C, последовательность и ее дополнение имеют идентичное содержание GC — вы можете вычислить %GC из любой цепи и получить тот же результат.
- Содержание GC (%GC) — процент всех действительных оснований, которые являются G или C, как показано в формуле выше.
- Содержание AT — дополняющая величина для последовательностей, содержащих только A, T, G и C: \(\text{AT\%} = 100 - \text{GC\%}\).
- Температура плавления (Tm) — температура, при которой половина популяции ДНК дуплекса разделяется на одиночные цепи. Она повышается с увеличением содержания GC, но также зависит от длины, концентрации соли, концентрации и контекста последовательности.
- Праймер ПЦР — короткий синтетический олигонуклеотид (обычно около 18–25 нт), который отжимается на матрице и обеспечивает 3′-конец, из которого распространяется полимераза. Его содержание GC и Tm — два свойства состава, которые дизайнеры проверяют в первую очередь.
- Изохора — длинный участок геномной ДНК (сотни килобаз) с относительно равномерным содержанием GC, который отличается от соседних участков. Генномы млекопитающих классически описываются как мозаика таких бедных GC и богатых GC регионов.
- Код неоднозначности N — символ МКЖБ для "любого основания" (A, C, G или T), используемый там, где чтение секвенирования неопределено или пробел сборки заполнен. Другие коды МКЖБ, такие как R (A или G), Y (C или T) и W (A или T), работают одинаково. Поскольку N может быть G, C, A или T, его нельзя оценить и обычно он исключается как из числителя, так и из знаменателя — последовательность, заполненная множеством Ns, будет сообщать %GC только для разрешенных оснований.
- Урацил (U) — пиримидин, который заменяет тимин в РНК; он образует пары с аденином так же, как и T. Поэтому последовательности РНК должны быть преобразованы в их форму ДНК (заменить каждый U на T) перед вычислением содержания GC, в противном случае символы U не распознаются как действительные основания и знаменатель неправилен. Обратите внимание, что само значение GC не затронуто подстановкой, поскольку U способствует содержанию AT, а не GC.
Часто задаваемые вопросы
Почему GC-состав важен? Он влияет на стабильность ДНК и температуру плавления, помогает выявлять богатые генами участки и учитывается при подборе праймеров, чтобы они надёжно связывались во время ПЦР.
Что происходит с недопустимыми символами? Буквы вроде N, U, пропуски и пробелы удаляются автоматически. Сохраняются и учитываются только A, T, G и C, поэтому пробелы во вставленной последовательности не исказят результат.
Подходит ли он для РНК? Калькулятор распознаёт только основания ДНК (A, T, G, C). Урацил (U) из РНК будет отфильтрован, поэтому для точного результата сначала замените U на T.