GENE IDENTIFICATION - Find the open reading frame

Make sure your DNA sequence is open in a text editor window (eg. Notepad or Wordpad).
Create a new document an another text editor window, to hold the results of your sequence translation.
Select your DNA sequence by dragging over the entire sequence with the mouse. Choose Edit --> Copy to copy to the clipboard.
Click on the link below to go to the translation tool at the EXPASY.
Choose Edit --> Paste to paste the sequence into the translation input window.
Choose Output format: Compact (M"","-",no spaces).
Press the 'submit' button to translate the sequence. The program will translate in all three reading frames, on both strands, for a total of six translations. Copy the results into the new text edit window.
Save your file by choosing File --> Save Page as. Save the file in TEXT format (.txt), NOT HTML (.html). Call the file 'translations.txt'. (see sample.translation).

TRANSLATE at EXPASY http://www.expasy.org/tools/dna.html

Other translation programs:

TRANSLATE at the NIH http://bimas.dcrt.nih.gov:80/molbio/translate/
TRANSLATE at EBI http://www2.ebi.ac.uk/translate/

What the results mean

Usually amino acids in a protein are represented using an internationally recognized 1-letter code.(Click here for more information on the different ways to represent amino acids.)
Remember, each amino acid is encoded by a group of three nucleotides called a codon. Therefore the protein you get is determined by the starting position in the DNA. The example below shows both strands of the sample sequence, along with the amino acids resulting from beginning at position 1, position 2, or position 3. In frame 1, "GCT TCT CAA" translates into "ASQ"; in frame 2, "CTT CTC AAA" translates into "LLK", and in frame 3 "TTC TCA AAC" translates into "FSN". (Note: asterisks (*) stand for stop codons.)

For readability, the results have been rewritten with numbering. Each reading frame is in a different color.

Sample output, original orientation
             15             30             45             60
GCTTCTCAAACGAGAAGTTATGGTGGCAGCAAGTCGTTTGGCTCTTCTGGTGATAGACGA
CGAAGAGTTTGCTCTTCAATACCACCGTCGTTCAGCAAACCGAGAAGACCACTATCTGCT
A  S  Q  T  R  S  Y  G  G  S  K  S  F  G  S  S  G  D  R  R  
 L  L  K  R  E  V  M  V  A  A  S  R  L  A  L  L  V  I  D  E  
  F  S  N  E  K  L  W  W  Q  Q  V  V  W  L  F  W  *  *  T  R  

             75             90            105            120
GGCTCCTCATCTTCTGGTACAGAGAACAAAAGTTCGGGTCCTTCTAGTTCTTCAAACCAG
CCGAGGAGTAGAAGACCATGTCTCTTGTTTTCAAGCCCAGGAAGATCAAGAAGTTTGGTC
G  S  S  S  S  G  T  E  N  K  S  S  G  P  S  S  S  S  N  Q  
 A  P  H  L  L  V  Q  R  T  K  V  R  V  L  L  V  L  Q  T  R  
  L  L  I  F  W  Y  R  E  Q  K  F  G  S  F  *  F  F  K  P  D  

            135            150            165            180
ACTGCCAAAGTTGAGCCAATCCAGAGATGCAAAGCTAGATCTGAGAGACACCAGAGAACA
TGACGGTTTCAACTCGGTTAGGTCTCTACGTTTCGATCTAGACTCTCTGTGGTCTCTTGT
T  A  K  V  E  P  I  Q  R  C  K  A  R  S  E  R  H  Q  R  T  
 L  P  K  L  S  Q  S  R  D  A  K  L  D  L  R  D  T  R  E  H  
  C  Q  S  *  A  N  P  E  M  Q  S  *  I  *  E  T  P  E  N  I  

            195            210            225            240
TCTGAGCGTGCGGCAGAAGCTCTTGCAGAGAAGAAACTTCGTGATCTCAAAGTCCAGAAA
AGACTCGCACGCCGTCTTCGAGAACGTCTCTTCTTTGAAGCACTAGAGTTTCAGGTCTTT
S  E  R  A  A  E  A  L  A  E  K  K  L  R  D  L  K  V  Q  K  
 L  S  V  R  Q  K  L  L  Q  R  R  N  F  V  I  S  K  S  R  K  
  *  A  C  G  R  S  S  C  R  E  E  T  S  *  S  Q  S  P  E  R  

            255            270            285            300
GAGGAGGCAGAGAGAAATAGGCTCTCGGAAGCTCTTGATGCTGATGTCAAGCGGTGGTCG
CTCCTCCGTCTCTCTTTATCCGAGAGCCTTCGAGAACTACGACTACAGTTCGCCACCAGC
E  E  A  E  R  N  R  L  S  E  A  L  D  A  D  V  K  R  W  S  
 R  R  Q  R  E  I  G  S  R  K  L  L  M  L  M  S  S  G  G  R  
  G  G  R  E  K  *  A  L  G  S  S  *  C  *  C  Q  A  V  V  E  

            315            330            345            360
AACGGAAAGGAAAACAACCTGCGGGCATTGCTCTAACACTCCAATATATCTTGGAGCAGA
TTGCCTTTCCTTTTGTTGGACGCCCGTAACGAGATTGTGAGGTTATATAGAACCTCGTCT
N  G  K  E  N  N  L  R  A  L  L  *  H  S  N  I  S  W  S  R  
 T  E  R  K  T  T  C  G  H  C  S  N  T  P  I  Y  L  G  A  E  
  R  K  G  K  Q  P  A  G  I  A  L  T  L  Q  Y  I  L  E  Q  R  

            375            390
GAGTGATGGAACCATCCCTCTACTGATCTTG
CTCACTACCTTGGTAGGGAGATGACTAGAAC
E  *  W  N  H  P  S  T  D  L  
 S  D  G  T  I  P  L  L  I  L  
  V  M  E  P  S  L  Y  *  S

However, we often don't know the orientation of the DNA that we're sequencing, with respect to the RNA. So we have to do the translation using the complementary strand in opposite orientation, as illustrated below:

Sample output, opposite orientation
            377            362            347            332
CAAGATCAGTAGAGGGATGGTTCCATCACTCTCTGCTCCAAGATATATTGGAGTGTTAGA
GTTCTAGTCATCTCCCTACCAAGGTAGTGAGAGACGAGGTTCTATATAACCTCACAATCT
Q  D  Q  *  R  D  G  S  I  T  L  C  S  K  I  Y  W  S  V  R  
 K  I  S  R  G  M  V  P  S  L  S  A  P  R  Y  I  G  V  L  E  
  R  S  V  E  G  W  F  H  H  S  L  L  Q  D  I  L  E  C  *  S  

            317            302            287            272
GCAATGCCCGCAGGTTGTTTTCCTTTCCGTTCGACCACCGCTTGACATCAGCATCAAGAG
CGTTACGGGCGTCCAACAAAAGGAAAGGCAAGCTGGTGGCGAACTGTAGTCGTAGTTCTC
A  M  P  A  G  C  F  P  F  R  S  T  T  A  *  H  Q  H  Q  E  
 Q  C  P  Q  V  V  F  L  S  V  R  P  P  L  D  I  S  I  K  S  
  N  A  R  R  L  F  S  F  P  F  D  H  R  L  T  S  A  S  R  A  

            257            242            227            212
CTTCCGAGAGCCTATTTCTCTCTGCCTCCTCTTTCTGGACTTTGAGATCACGAAGTTTCT
GAAGGCTCTCGGATAAAGAGAGACGGAGGAGAAAGACCTGAAACTCTAGTGCTTCAAAGA
L  P  R  A  Y  F  S  L  P  P  L  S  G  L  *  D  H  E  V  S  
 F  R  E  P  I  S  L  C  L  L  F  L  D  F  E  I  T  K  F  L  
  S  E  S  L  F  L  S  A  S  S  F  W  T  L  R  S  R  S  F  F  

            197            182            167            152
TCTCTGCAAGAGCTTCTGCCGCACGCTCAGATGTTCTCTGGTGTCTCTCAGATCTAGCTT
AGAGACGTTCTCGAAGACGGCGTGCGAGTCTACAAGAGACCACAGAGAGTCTAGATCGAA
S  L  Q  E  L  L  P  H  A  Q  M  F  S  G  V  S  Q  I  *  L  
 L  C  K  S  F  C  R  T  L  R  C  S  L  V  S  L  R  S  S  F  
  S  A  R  A  S  A  A  R  S  D  V  L  W  C  L  S  D  L  A  L  

            137            122            107             92
TGCATCTCTGGATTGGCTCAACTTTGGCAGTCTGGTTTGAAGAACTAGAAGGACCCGAAC
ACGTAGAGACCTAACCGAGTTGAAACCGTCAGACCAAACTTCTTGATCTTCCTGGGCTTG
C  I  S  G  L  A  Q  L  W  Q  S  G  L  K  N  *  K  D  P  N  
 A  S  L  D  W  L  N  F  G  S  L  V  *  R  T  R  R  T  R  T  
  H  L  W  I  G  S  T  L  A  V  W  F  E  E  L  E  G  P  E  L  

             77             62             47             32
TTTTGTTCTCTGTACCAGAAGATGAGGAGCCTCGTCTATCACCAGAAGAGCCAAACGACT
AAAACAAGAGACATGGTCTTCTACTCCTCGGAGCAGATAGTGGTCTTCTCGGTTTGCTGA
F  C  S  L  Y  Q  K  M  R  S  L  V  Y  H  Q  K  S  Q  T  T  
 F  V  L  C  T  R  R  *  G  A  S  S  I  T  R  R  A  K  R  L  
  L  F  S  V  P  E  D  E  E  P  R  L  S  P  E  E  P  N  D  L  

             17              2
TGCTGCCACCATAACTTCTCGTTTGAGAAGC
ACGACGGTGGTATTGAAGAGCAAACTCTTCG
C  C  H  H  N  F  S  F  E  K  
 A  A  T  I  T  S  R  L  R  S  
  L  P  P  *  L  L  V  *  E

Most protein coding sequences begin with ATG, the codon for Methionine. However, the sample sequences given here are usually only gene fragments, rather than complete genes. Therefore, most of the genes will be missing the beginning parts of the protein coding sequence.

We now have six different amino acid sequences, but only one can be right. Which one? An "open reading frame" (ORF) is any stretch of DNA with no STOP codons. The correct ORF, the one used in nature, is almost always the longest ORF. In the example, frames 1 and 2 are both fairly long. Also, we need to take into account that sequencing errors could introduce frameshifts. Therefore, it would probably be best to do the database search (next page) with both amino sequences, to see which is the correct reading frame.

RETURN TO "Bioinformatics: Gene Identification"