如何把 DNA 序列转换为蛋白质序列?

在编码链中找到起始密码子 ATG,然后每次读取三个碱基,并按照遗传密码把每个密码子替换为其对应的氨基酸,直到遇到终止密码子(TAA、TAG 或 TGA)。ATG 变为甲硫氨酸,GCC 变为丙氨酸,依此类推。本翻译器会同时在六个阅读框中为您完成这一过程。

应该粘贴编码链还是模板链?

请粘贴编码(有义)链——其序列与 mRNA 相同,只是 U 换成了 T。序列数据库列出的就是这条链。如果您手上是模板(反义)链,请翻译阅读框 −1,它会读取该链的反向互补序列。

六个阅读框是什么?

从这条链的第 1、第 2 或第 3 个碱基开始,得到阅读框 +1、+2 和 +3;在反向互补链上做同样的操作,得到 −1、−2 和 −3。一个基因只会在其中一个阅读框中被读取,因此扫描全部六个阅读框,就能看出哪一个阅读框包含一段较长且不间断的 ORF。

输出中的 X、B、Z、J 和 * 是什么意思?

星号表示终止密码子。X 表示该密码子含糊不清,可能编码多种不同的氨基酸,或包含无法确定的编码(如 N)。B 代表天冬酰胺或天冬氨酸,Z 代表谷氨酰胺或谷氨酸,J 代表亮氨酸或异亮氨酸。

为什么我的蛋白质与已发表的不一致?

常见的原因包括阅读框错误、从错误的 ATG 开始、粘贴了含有内含子的基因组序列,或者基因使用了非标准密码,例如脊椎动物线粒体密码。请将前几个残基与数据库条目比较,并尝试其他阅读框以及“从第一个 ATG 开始”的选项。

我的序列会被上传到任何地方吗?

不会。翻译完全在您的浏览器中进行,不会向服务器发送任何内容,因此未发表的序列会留在您的电脑上。

DNA 转蛋白质翻译器

粘贴纯文本或 FASTA 格式的 DNA 或 RNA 序列,即可查看六个阅读框中任一个对应的 mRNA 及其编码的蛋白质——可选单字母或三字母代码,起始和终止密码子会被突出显示,并附逐个密码子的表格。切换到 ORF 模式,即可列出两条链上的全部开放阅读框。翻译采用标准密码(NCBI 表 1),在您的浏览器中运行,不会上传任何内容。

DNA 或 RNA 序列——纯文本或 FASTA

允许空格、换行、数字和小写字母。多条 FASTA 记录会逐条翻译。模糊编码(N、R、Y……)也会被处理。

您想做什么?

翻译一个阅读框查找开放阅读框

阅读框

氨基酸格式

遇到第一个终止密码子即停止从第一个 ATG 开始

结果

NM_000207.3

333 nt

序列长度

110 aa

蛋白质长度

终止密码子

蛋白质

MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN*

mRNA —— 所读的链,以 U 代替 T

AUGGCCCUGUGGAUGCGCCUCCUGCCCCUGCUGGCGCUGCUGGCCCUCUGGGGACCUGACCCAGCCGCAGCCUUUGUGAACCAACACCUGUGCGGCUCACACCUGGUGGAAGCUCUCUACCUAGUGUGCGGGGAACGAGGCUUCUUCUACACACCCAAGACCCGCCGGGAGGCAGAGGACCUGCAGGUGGGGCAGGUGGAGCUGGGCGGGGGCCCUGGUGCAGGCAGCCUGCAGCCCUUGGCCCUGGAGGGGUCCCUGCAGAAGCGUGGCAUUGUGGAACAAUGCUGUACCAGCAUCUGCUCCCUCUACCAGCUGGAGAACUACUGCAACUAG

绿色标记 ATG 密码子;红色标记终止密码子(TAA、TAG、TGA)。

ATG GCC CTG TGG ATG CGC CTC CTG CCC CTG CTG GCG CTG CTG GCC CTC TGG GGA CCT GAC CCA GCC GCA GCC TTT GTG AAC CAA CAC CTG TGC GGC TCA CAC CTG GTG GAA GCT CTC TAC CTA GTG TGC GGG GAA CGA GGC TTC TTC TAC ACA CCC AAG ACC CGC CGG GAG GCA GAG GAC CTG CAG GTG GGG CAG GTG GAG CTG GGC GGG GGC CCT GGT GCA GGC AGC CTG CAG CCC TTG GCC CTG GAG GGG TCC CTG CAG AAG CGT GGC ATT GTG GAA CAA TGC TGT ACC AGC ATC TGC TCC CTC TAC CAG CTG GAG AAC TAC TGC AAC TAG

逐个密码子的表格

#	密码子	三字母	单字母
1	AUG	Met	M
2	GCC	Ala	A
3	CUG	Leu	L
4	UGG	Trp	W
5	AUG	Met	M
6	CGC	Arg	R
7	CUC	Leu	L
8	CUG	Leu	L
9	CCC	Pro	P
10	CUG	Leu	L
11	CUG	Leu	L
12	GCG	Ala	A
13	CUG	Leu	L
14	CUG	Leu	L
15	GCC	Ala	A
16	CUC	Leu	L
17	UGG	Trp	W
18	GGA	Gly	G
19	CCU	Pro	P
20	GAC	Asp	D
21	CCA	Pro	P
22	GCC	Ala	A
23	GCA	Ala	A
24	GCC	Ala	A
25	UUU	Phe	F
26	GUG	Val	V
27	AAC	Asn	N
28	CAA	Gln	Q
29	CAC	His	H
30	CUG	Leu	L
31	UGC	Cys	C
32	GGC	Gly	G
33	UCA	Ser	S
34	CAC	His	H
35	CUG	Leu	L
36	GUG	Val	V
37	GAA	Glu	E
38	GCU	Ala	A
39	CUC	Leu	L
40	UAC	Tyr	Y
41	CUA	Leu	L
42	GUG	Val	V
43	UGC	Cys	C
44	GGG	Gly	G
45	GAA	Glu	E
46	CGA	Arg	R
47	GGC	Gly	G
48	UUC	Phe	F
49	UUC	Phe	F
50	UAC	Tyr	Y
51	ACA	Thr	T
52	CCC	Pro	P
53	AAG	Lys	K
54	ACC	Thr	T
55	CGC	Arg	R
56	CGG	Arg	R
57	GAG	Glu	E
58	GCA	Ala	A
59	GAG	Glu	E
60	GAC	Asp	D
61	CUG	Leu	L
62	CAG	Gln	Q
63	GUG	Val	V
64	GGG	Gly	G
65	CAG	Gln	Q
66	GUG	Val	V
67	GAG	Glu	E
68	CUG	Leu	L
69	GGC	Gly	G
70	GGG	Gly	G
71	GGC	Gly	G
72	CCU	Pro	P
73	GGU	Gly	G
74	GCA	Ala	A
75	GGC	Gly	G
76	AGC	Ser	S
77	CUG	Leu	L
78	CAG	Gln	Q
79	CCC	Pro	P
80	UUG	Leu	L
81	GCC	Ala	A
82	CUG	Leu	L
83	GAG	Glu	E
84	GGG	Gly	G
85	UCC	Ser	S
86	CUG	Leu	L
87	CAG	Gln	Q
88	AAG	Lys	K
89	CGU	Arg	R
90	GGC	Gly	G
91	AUU	Ile	I
92	GUG	Val	V
93	GAA	Glu	E
94	CAA	Gln	Q
95	UGC	Cys	C
96	UGU	Cys	C
97	ACC	Thr	T
98	AGC	Ser	S
99	AUC	Ile	I
100	UGC	Cys	C
101	UCC	Ser	S
102	CUC	Leu	L
103	UAC	Tyr	Y
104	CAG	Gln	Q
105	CUG	Leu	L
106	GAG	Glu	E
107	AAC	Asn	N
108	UAC	Tyr	Y
109	UGC	Cys	C
110	AAC	Asn	N
111	UAG	Ter	*

如何使用 DNA 转蛋白质翻译器

1. 粘贴序列。 纯字母或 FASTA 格式均可;空格、换行、位置编号和小写字母都会被忽略。请将序列视为编码(有义)链。U 按 T 读取。
2. 选择阅读框。 +1、+2 和 +3 分别从第 1、第 2 和第 3 个碱基开始;−1、−2 和 −3 则在反向互补链上做同样的事情。全部六个阅读框 会同时显示它们。如果您粘贴的是模板链,请使用 −1。
3. 设置选项。 遇到第一个终止密码子时停止,从第一个 ATG 开始,并选择单字母或三字母输出。
4. 或查找基因。 查找开放阅读框 会列出超过最短长度的每一段从 ATG 到终止密码子的区域(可选单条链或两条链),附带坐标以及可以复制为 FASTA 的蛋白质序列。

从 DNA 到蛋白质

转录会把基因的模板链复制成 mRNA,因此 mRNA 的序列与另一侧的编码链相同,只是把 T 换成了 U。随后翻译每次读取三个碱基。每个三联体,即密码子,对应一个氨基酸或一个终止信号。序列数据库通常列出的是编码链,这就是您可以直接粘贴 GenBank 或 RefSeq 编码序列的原因。

标准密码的特征	详情
密码子	共 64 个:61 个对应氨基酸,3 个为终止
终止密码子	UAA、UAG、UGA(DNA 中为 TAA、TAG、TGA)
甲硫氨酸与色氨酸	各只有一个密码子:AUG 和 UGG
亮氨酸、丝氨酸、精氨酸	各有六个密码子
起始密码子	AUG 是常见的起始密码子;表 1 还允许 UUG 和 CUG 作为起始子

本工具采用 NCBI 发布的翻译表 1。包含 IUPAC 模糊编码的密码子,只要所有可能的密码子都得出相同的氨基酸,便会给出该氨基酸:GCN 始终为丙氨酸,TAR 始终为终止。天冬酰胺与天冬氨酸的混合记为 B,谷氨酰胺与谷氨酸的混合记为 Z,亮氨酸与异亮氨酸的混合记为 J,其他任何混合则记为 X。对于 15 个核苷酸编码的每一种三字母组合,这些结果都与 Biopython 的翻译器一致。

阅读框与开放阅读框

序列可以在每条链上从三个起点读取,共得到六个阅读框;只有基因实际使用的那个阅读框才会产生有意义的蛋白质,其余五个通常在几十个密码子之内就会遇到终止密码子。这里的开放阅读框(ORF)是指从一个 ATG 开始、直到下一个同框终止密码子为止、中间没有终止密码子的一段。每段只报告最外层的 ATG,因此包含多个内部 ATG 的 ORF 只会出现一次。较短的 ORF 可能只是偶然出现——在随机序列中,大约每 21 个密码子就会出现一次终止密码子——因此最短长度很重要。默认的 25 个氨基酸(75 个核苷酸)与 NCBI ORFfinder 一致;对于细菌基因组,设置 100 个或更多可以减少噪声。ORF 只是候选,并不能证明存在某个基因。

示例:人前胰岛素原

试用示例 会载入 NCBI RefSeq NM_000207.3 中人胰岛素的 333 个核苷酸的编码序列。这相当于 111 个密码子:110 个氨基酸加一个末尾的终止子。阅读框 +1 给出前胰岛素原蛋白(UniProt P01308);末尾的星号即终止密码子:

阅读框 +1,单字母代码

MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN*

阅读框 +2 和 +3 几乎立即遇到终止密码子(阅读框 +2 读出 WPCGCASCPCWRCWPSGDLTQPQPL 之后即停止)。在 ORF 模式下使用默认的最短长度时,本工具会报告位于第 1–333 位的 110 个氨基酸的 ORF,以及位于第 147–296 位、反向链上的 49 个氨基酸的 ORF——这提醒我们,仅凭一个 ORF 并不能确定一个基因。得到蛋白质之后,可以用蛋白质分子量计算器估算其质量。

本翻译器不做的事情

其他遗传密码。 脊椎动物线粒体、纤毛虫和某些细菌会以不同方式读取少数密码子——例如在脊椎动物线粒体中,TGA 编码色氨酸。本工具只内置了标准密码。
剪接。 请粘贴 cDNA 或编码序列,而不要粘贴含内含子的基因组 DNA;本工具会直接连续读取。
重编码与移码。 硒代半胱氨酸和吡咯赖氨酸的掺入,以及程序性移码,均未建模。
输入大小。 每条记录最多使用前 2,000,000 个碱基,高亮视图只显示前 6,000 个。

常见问题

如何把 DNA 序列转换为蛋白质序列?: 在编码链中找到起始密码子 ATG,然后每次读取三个碱基,并按照遗传密码把每个密码子替换为其对应的氨基酸,直到遇到终止密码子(TAA、TAG 或 TGA)。ATG 变为甲硫氨酸,GCC 变为丙氨酸,依此类推。本翻译器会同时在六个阅读框中为您完成这一过程。
应该粘贴编码链还是模板链?: 请粘贴编码(有义)链——其序列与 mRNA 相同,只是 U 换成了 T。序列数据库列出的就是这条链。如果您手上是模板(反义)链,请翻译阅读框 −1,它会读取该链的反向互补序列。
六个阅读框是什么?: 从这条链的第 1、第 2 或第 3 个碱基开始,得到阅读框 +1、+2 和 +3;在反向互补链上做同样的操作,得到 −1、−2 和 −3。一个基因只会在其中一个阅读框中被读取,因此扫描全部六个阅读框,就能看出哪一个阅读框包含一段较长且不间断的 ORF。
输出中的 X、B、Z、J 和 * 是什么意思?: 星号表示终止密码子。X 表示该密码子含糊不清,可能编码多种不同的氨基酸,或包含无法确定的编码(如 N)。B 代表天冬酰胺或天冬氨酸,Z 代表谷氨酰胺或谷氨酸,J 代表亮氨酸或异亮氨酸。
为什么我的蛋白质与已发表的不一致?: 常见的原因包括阅读框错误、从错误的 ATG 开始、粘贴了含有内含子的基因组序列,或者基因使用了非标准密码,例如脊椎动物线粒体密码。请将前几个残基与数据库条目比较,并尝试其他阅读框以及“从第一个 ATG 开始”的选项。
我的序列会被上传到任何地方吗?: 不会。翻译完全在您的浏览器中进行,不会向服务器发送任何内容,因此未发表的序列会留在您的电脑上。