几个生物学概念
与基因转录有关的重要位点：
（1）启动子：可与RNA聚合酶特异性结合而使转录开始的一段DNA序列。但启动子本身并不被转录,属于基因上游对转录起调控作用的5′ 端非编码区。一般可分为两类，一类是RNA聚合酶可以直接识别的启动子；另一类是与聚合酶结合时需要有蛋白质辅助因子。
（2）终止子：在转录过程中，提供转录终止信号的DNA序列，在RNA水平上通过转录出来的终止子序列形成茎—环结构而起作用。
（3）起始密码子：信使核糖核酸分子中规定编码多肽链第一个氨基酸的密码子。细菌的起始密码为AUG,转译为n-甲酰基甲硫氨酸;或较罕见的GUG(缬氨酸)。真核生物的起始密码子总是AUG,转译为甲硫氨酸。起始密码子在相应的DNA中为ATG。
（4）终止密码子：信使核糖核酸分子中作为转译多肽链终止信号的三联体密码子。可终止蛋白质合成。此密码子通常用矿石或宝石命名，有3种，包括琥珀密码子(UAG)、赭石密码子(UAA)、欧珀密码子(UGA)等。
常用的从头预测软件有：Glimmer, Prodigal, GeneMark, FGENESB, Prokka
原理:通过扫描基因组，找到从ATG (少数GTG, TTG)开始的位置，直到TGA, TAG, TAA。扫描所有的orf，得到所有基因的位置信息，原核基因组是多顺反子，也就是说基因之间是可以有overlap。
除此之外，检验基因预测准确度的一个重要标准是基因的平均长度为1kb，预测的基因平均长度偏离太大，需要检查是否存在问题。
5' UTR，3' UTR 叫作 untranslated region ,而 introns 叫作non-coding RNA。一段基因序列上包含外显子和内含子，转录的时候，pre-RNA就是前体RAN上会有内含子和外显子，成为成熟RNA时，内含子已经被剪切了，只保留外显子，所以内含子叫作非编码RNA（non-coding RNA）。但成熟的RNA上也是有一部分序列并不翻译成蛋白质，就是非翻译区域（untranslated region），包括上游的 5' UTR，下游的3' UTR。
reference
https://www.jianshu.com/p/8dcc9a0d9a23
