మాలిక్యులర్ బయాలజీ సెంట్రల్ డాగ్మా మరియు సీక్వెన్స్ మార్పిడి
మాలిక్యులర్ బయాలజీ యొక్క ప్రాథమిక సూత్రం (Central Dogma) ప్రకారం, జీవులలో జన్యు సమాచారం ఒక క్రమ పద్ధతిలో ప్రవహిస్తుంది. సాధారణంగా DNA నుండి సమాచారం RNA కి చేరడాన్ని ట్రాన్స్క్రిప్షన్ (అనులేఖనం) అంటారు, మరియు RNA నుండి ప్రోటీన్ తయారవడాన్ని ట్రాన్స్లేషన్ (అనువాదం) అంటారు. ప్రయోగశాల పరిశోధనలలో మరియు బయోఇన్ఫర్మేటిక్స్ విశ్లేషణలలో, పరిశోధకులు తరచుగా DNA సీక్వెన్స్లను RNA కి లేదా RNA సీక్వెన్స్లను తిరిగి DNA కి మార్చవలసి ఉంటుంది.
ఈ మార్పిడి ప్రక్రియను సులభతరం చేయడానికి "DNA RNA సీక్వెన్స్ కన్వర్టర్" ఉపయోగపడుతుంది. ఈ ఆన్లైన్ సాధనం ద్వారా DNA నుండి RNA కి లేదా RNA నుండి DNA కి సీక్వెన్స్లను సులభంగా మార్చవచ్చు. ఈ మార్పిడి ప్రక్రియ పూర్తిగా మీ వెబ్ బ్రౌజర్లోనే జరుగుతుంది. మీ సీక్వెన్స్ మీ బ్రౌజర్లోనే మార్చబడుతుంది. BroBroGo కి ఏదీ అప్లోడ్ చేయబడదు.
కోడింగ్ మరియు టెంప్లేట్ స్ట్రాండ్ల మధ్య వ్యత్యాసం
DNA డబుల్ హెలిక్స్ నిర్మాణంలో రెండు విభిన్న పోగులు (strands) ఉంటాయి. వీటిని అర్థం చేసుకోవడం సరైన సీక్వెన్స్ మార్పిడికి చాలా ముఖ్యం:
- కోడింగ్ (సెన్స్) స్ట్రాండ్ (Coding sense): ఈ పోగు నేరుగా మెసెంజర్ RNA (mRNA) సీక్వెన్స్ను పోలి ఉంటుంది, అయితే DNA లో ఉండే థైమిన్ (T) స్థానంలో RNA లో యురాసిల్ (U) ఉంటుంది.
- టెంప్లేట్ (యాంటీసెన్స్) స్ట్రాండ్ (Template antisense): కణంలోని ఎంజైమ్లు mRNA ని తయారు చేయడానికి ఈ పోగును టెంప్లేట్గా చదువుతాయి. కాబట్టి, దీని నుండి వచ్చే RNA సీక్వెన్స్ ప్రతి బేస్కు కాంప్లిమెంట్గా (వ్యతిరేక జతగా) మారుతుంది.
ఈ టూల్లో మీ అవసరానికి అనుగుణంగా కోడింగ్ (సెన్స్) లేదా టెంప్లేట్ (యాంటీసెన్స్) స్ట్రాండ్ను ఎంచుకుని మార్పిడి చేయవచ్చు.
మార్పిడి నియమాలు మరియు అస్పష్టత కోడ్లు (IUPAC Codes)
మార్పిడి దిశ మరియు ఎంచుకున్న స్ట్రాండ్ ఆధారంగా ఈ క్రింది నియమాలు వర్తిస్తాయి:
1. కోడింగ్ (సెన్స్) స్ట్రాండ్ మార్పిడి (Coding sense)
- DNA → RNA: ప్రతి
Tఅక్షరంUగా మారుతుంది. - RNA → DNA: ప్రతి
Uఅక్షరంTగా మారుతుంది. - మిగిలిన అన్ని బేస్లు ఎటువంటి మార్పు లేకుండా అలాగే ఉంటాయి.
2. టెంప్లేట్ (యాంటీసెన్స్) స్ట్రాండ్ మార్పిడి (Template antisense)
ఈ పద్ధతిలో ప్రతి బేస్ దాని కాంప్లిమెంట్గా మార్చబడుతుంది:
- DNA → RNA:
A→U,T→A,C→G,G→Cగా మారుతాయి.
IUPAC డీజనరేట్ బేస్ నియమాలు
పరిశోధనలలో అస్పష్టమైన బేస్లను సూచించడానికి IUPAC-IUB ప్రామాణిక కోడ్లను ఉపయోగిస్తారు. Cornish-Bowden (1985) సిఫార్సుల ప్రకారం ఈ కోడ్ల కాంప్లిమెంటేషన్ క్రింది విధంగా జరుగుతుంది:
RమరియుYపరస్పరం మార్చబడతాయి (R↔Y).KమరియుMపరస్పరం మార్చబడతాయి (K↔M).BమరియుVపరస్పరం మార్చబడతాయి (B↔V).DమరియుHపరస్పరం మార్చబడతాయి (D↔H).S,W, మరియుNకోడ్లు స్వయం-కాంప్లిమెంటరీ కాబట్టి వాటిలో ఎటువంటి మార్పు ఉండదు.
చిన్న అక్షరాలు (lowercase) మార్పిడి తర్వాత కూడా వాటి కేస్ను అలాగే ఉంచుకుంటాయి. అలైన్మెంట్ గ్యాప్ మార్కర్లు (-) కూడా అలాగే ఉంచబడతాయి.
GC కంటెంట్ లెక్కింపు విధానం
సీక్వెన్స్ యొక్క స్థిరత్వాన్ని అంచనా వేయడానికి GC కంటెంట్ చాలా కీలకం. ఈ టూల్ క్రింది సూత్రం ఆధారంగా GC కంటెంట్ను లెక్కిస్తుంది:
GC కంటెంట్ = (G + C + S) / (A + C + G + T + U + W + S) × 100%
ఈ లెక్కింపులో:
- అస్పష్టత కోడ్
S(G లేదా C) ను GC లెక్కింపులో చేర్చుతాము. - అస్పష్టత కోడ్
W(A లేదా T) ను AT లెక్కింపులో చేర్చుతాము. - మిగిలిన డీజనరేట్ కోడ్లు (
R,Y,K,M,B,V,D,H,N) వాటి GC సహకారం ఖచ్చితంగా తెలియదు కాబట్టి, వాటిని లెక్కింపు నుండి మినహాయించడం జరుగుతుంది. - సీక్వెన్స్లో లెక్కించదగిన బేస్లు ఏవీ లేకపోతే, ఎటువంటి శాతం చూపబడదు. మార్పిడి ప్రక్రియలో GC కంటెంట్ విలువ మారదు.
FASTA ఫార్మాట్ మరియు ఇన్పుట్ పరిమితులు
ఈ టూల్ FASTA ఫార్మాట్కు అనుకూలంగా డిజైన్ చేయబడింది.
>లేదా;తో ప్రారంభమయ్యే సింగిల్ పేరు లైన్ (header) ఉన్నప్పుడు, ఆ లైన్ అలాగే ఉంచబడి ఫలితం పైన చూపబడుతుంది. అప్పుడుపేరు లైన్ ఉంచబడింది.అనే నోట్ కనిపిస్తుంది.- ఒకవేళ బహుళ పేరు లైన్లు ఉంటే, సీక్వెన్స్ లైన్లు అన్నింటినీ ఒకటిగా కలిపి,
‹n› పేరు లైన్లు కనుగొనబడ్డాయి — సీక్వెన్స్ లైన్లు ఒకటిగా చేర్చబడ్డాయి.అనే నోట్ చూపిస్తుంది. - ఇన్పుట్ పరిమితి గరిష్టంగా 2,000,000 రా అక్షరాలు (raw characters). అంతకంటే ఎక్కువ ఉంటే
ఈ టూల్ కోసం ఆ సీక్వెన్స్ చాలా పెద్దది. దీనిని ‹max› అక్షరాల లోపు ఉంచండి.అనే లోపం కనిపిస్తుంది. - సీక్వెన్స్లో అనుమతించబడని అక్షరాలు ఉంటే
మద్దతు లేని అక్షరాలు: ‹chars›. కేవలం DNA/RNA బేస్ అక్షరాలు మాత్రమే అనుమతించబడతాయి.అనే ఎర్రర్ వస్తుంది. స్పేస్లు, అంకెలు, విరామ చిహ్నాలు విస్మరించబడతాయి మరియు వాటి సంఖ్యను‹n› స్పేస్లు, అంకెలు మరియు విరామ చిహ్నాలు విస్మరించబడ్డాయి.అని చూపిస్తుంది.
తరచుగా అడిగే ప్రశ్నలు (FAQ)
FASTA హెడర్లు, సంఖ్యలు మరియు స్పేస్లకు ఏమవుతుంది?
> తో ప్రారంభమయ్యే పేరు లైన్ అలాగే ఉంచబడుతుంది మరియు ఫలితం పైన చూపబడుతుంది. స్పేస్లు, లైన్ బ్రేక్లు, అంకెలు మరియు విరామ చిహ్నాలు విస్మరించబడతాయి, అలాగే ఎంత తొలగించబడిందో ఇన్పుట్ కింద ఉన్న నోట్ మీకు తెలియజేస్తుంది — ఏదీ నిశ్శబ్దంగా తొలగించబడదు.
నేను N, R లేదా Y వంటి అస్పష్టత కోడ్లను పేస్ట్ చేయవచ్చా?
అవును. డీజనరేట్ IUPAC అక్షరాలు అలాగే ఉంచబడతాయి: సాధారణ మార్పిడి కేవలం T మరియు U లను మాత్రమే మారుస్తుంది, మరియు టెంప్లేట్-స్ట్రాండ్ మార్పిడి ప్రతి కోడ్ను దాని సరైన కాంప్లిమెంట్కు (R↔Y, K↔M; S, W మరియు N అలాగే ఉంటాయి) మ్యాప్ చేస్తుంది. అలైన్మెంట్ గ్యాప్ మార్కర్లు (-) ఉంచబడతాయి, మరియు చిన్న అక్షరాలు (lowercase) వాటి కేస్ను అలాగే ఉంచుకుంటాయి.
కోడింగ్ మరియు టెంప్లేట్ స్ట్రాండ్ మధ్య తేడా ఏమిటి?
కోడింగ్ (సెన్స్) స్ట్రాండ్ మెసెంజర్ RNA తో సరిపోలుతుంది, అయితే T కి బదులుగా U వస్తుంది. టెంప్లేట్ (యాంటీసెన్స్) స్ట్రాండ్ను కణం నిజంగా చదువుతుంది, కాబట్టి ప్రతి బేస్ కాంప్లిమెంట్ చేయబడుతుంది: A→U, T→A, C→G, G→C. మీ సీక్వెన్స్ ఎలా వ్రాయబడిందో దానికి సరిపోయే స్ట్రాండ్ను ఎంచుకోండి.
RNA → DNA నాకు ఏమి ఇస్తుంది?
మీ RNA యొక్క DNA కాపీ: ప్రతి U కి బదులుగా T వస్తుంది మరియు మిగిలినవన్నీ అలాగే ఉంటాయి. ఇది రివర్స్ ట్రాన్స్క్రిప్టేజ్ ఉత్పత్తి చేసే cDNA సీక్వెన్స్, తదుపరి టూల్ కేవలం DNA ను మాత్రమే అనుమతించేటప్పుడు ఇది ఉపయోగపడుతుంది.