chapter3生物分子數(shù)據(jù)庫ppt課件

1、生物分子數(shù)據(jù)生物分子數(shù)據(jù)高速增長高速增長 分子生物學(xué)分子生物學(xué)及相關(guān)領(lǐng)域研討人員及相關(guān)領(lǐng)域研討人員迅速獲得最新實驗數(shù)據(jù)迅速獲得最新實驗數(shù)據(jù) 建立生物分子數(shù)據(jù)庫建立生物分子數(shù)據(jù)庫 v生物分子數(shù)據(jù)庫應(yīng)滿足5個方面的主要需求v1時間性v2注釋 v3支撐數(shù)據(jù) v4數(shù)據(jù)質(zhì)量 v5集成性 v生物分子數(shù)據(jù)庫v 一級數(shù)據(jù)庫v數(shù)據(jù)庫中的數(shù)據(jù)直接來源于實驗獲得的原始數(shù)據(jù)，只經(jīng)過簡單的歸類整理和注釋 v 二級數(shù)據(jù)庫v對原始生物分子數(shù)據(jù)進(jìn)展整理、分類的結(jié)果，是在一級數(shù)據(jù)庫、實驗數(shù)據(jù)和實際分析的根底上針對特定的運(yùn)用目的而建立的 。1數(shù)據(jù)庫的更新速度不斷加快 數(shù)據(jù)量呈指數(shù)增長趨勢 2數(shù)據(jù)庫運(yùn)用頻率增長更快 3數(shù)據(jù)庫的復(fù)雜

2、程度不斷添加 4數(shù)據(jù)庫網(wǎng)絡(luò)化 5面向運(yùn)用6先進(jìn)的軟硬件配置w 國際上權(quán)威的核酸序列數(shù)據(jù)庫國際上權(quán)威的核酸序列數(shù)據(jù)庫w 1歐洲分子生物學(xué)實驗室的歐洲分子生物學(xué)實驗室的EMBL w embl-heidelberg.de w 2美國生物技術(shù)信息中心的美國生物技術(shù)信息中心的GenBank /Web/Genbank/index.html w 3日本遺傳研討所的日本遺傳研討所的DDBJ w ddbj.nig.ac.jp/ 三個數(shù)據(jù)庫中的數(shù)據(jù)根本一致，僅在數(shù)據(jù)格式上有所差別，對于特定的查詢，三個數(shù)據(jù)庫的呼應(yīng)結(jié)果一樣。 這三個數(shù)據(jù)庫是綜合性的DNA和RNA序列數(shù)據(jù)庫，每條記錄代

3、表一個單獨(dú)、延續(xù)、附有注釋的DNA或RNA片段。 以下著重引見EBMLMBL中的數(shù)據(jù)分類情況（單位：Gigabases）（EST-Expressed sequence tags; STS-sequence tagged sites）（取自www3.ebi.ac.uk/Services/DBStats/）21 Mar 2019 37,943,364,438 bases in 24,353,128 records. “ID為序列的標(biāo)識符行，包括登錄號、類型，分子的長度 “AC為登錄號行；“XX為分隔符號行； “DT為創(chuàng)建和更新日期行 “DE為序列描畫行；“KW為關(guān)鍵字行；“OG行描畫細(xì)胞組織；“O

4、S行描畫生物體種屬；“OC行描畫生物體分類信息；“RN描畫參考文獻(xiàn)的編號；“RP描畫參考文獻(xiàn)的頁碼；“RA描畫參考文獻(xiàn)的作者；“RT描畫參考文獻(xiàn)的標(biāo)題；“RL描畫參考文獻(xiàn)的出處；“RC描畫參考文獻(xiàn)的注解；“RX、“DR行描畫交叉援用信息；“FH 為特征開場符號；“FT為特征表行 1Feature Key，它是描畫域生物功能的關(guān)鍵字； 2Location，指明特征在序列中的特定位置； 3Qualifiers，描畫關(guān)于一個特征的輔助信息；文件體由序列本身所組成，由“SQ標(biāo)志的行開場。序列終了的標(biāo)志是“/。EMBL核酸數(shù)據(jù)庫中的每一個序列數(shù)據(jù)被賦予一個登錄號，它是一個永久性的獨(dú)一標(biāo)識 EMBL的序列

5、數(shù)據(jù)用外在的ASCII文本文件來表示，而每一個文件分為文件頭和文件體兩大部分 文件頭由一系列的信息描畫行所組成，文件頭實踐上對應(yīng)于一個序列的注釋annotation提交數(shù)據(jù)提交數(shù)據(jù)1編輯電子表格2利用Authorin程序3利用基于WWW網(wǎng)絡(luò)環(huán)境的序列提交系統(tǒng)運(yùn)用運(yùn)用EMBLEMBL1CD-ROM方式2ftp效力器3Gopher效力器4WWW效力器這是目前最常用的一種方式 EMBLEMBL提供一些與序列相關(guān)的檢索操作基于提供一些與序列相關(guān)的檢索操作基于3W3W效力器效力器1序列查詢最簡單的查詢就是經(jīng)過序列的登錄號如X58929或序列稱號如SCARGC直接查詢。假設(shè)找到所查詢的序列，那么效力器將查

6、詢結(jié)果以HTML文件前往給用戶假設(shè)數(shù)據(jù)庫中該序列有到MEDLINE的交叉索引，那么系統(tǒng)同時前往與包含參考文獻(xiàn)摘要等信息的MEDLINE鏈接假設(shè)該序列有到其它數(shù)據(jù)庫的交叉索引，也前往相應(yīng)的鏈接例如: 登錄號為J00231的核酸序列具有這樣一個交叉索引行：DRSWISS-PROT：P01860；GC3_HUMAN2核酸同源性搜索 3W效力器支持用戶運(yùn)用FastA程序進(jìn)展核酸同源搜索。FastA根據(jù)給定的目的序列在數(shù)據(jù)庫中搜索其同源序列。人類基因組方案所得到的圖譜數(shù)據(jù)人類基因組方案所得到的圖譜數(shù)據(jù) 目前GDB包含對下述三種對象的描畫：1人類基因組區(qū)域 包括基因、克隆、PCR標(biāo)志物、斷點、細(xì)胞遺傳學(xué)標(biāo)

7、志、易碎位點、 EST、綜合區(qū)域、contigs、反復(fù)等； 2人類基因組圖譜， 包含細(xì)胞遺傳學(xué)圖譜、銜接圖譜、輻射混合圖譜、contig 圖譜、集成圖譜，一切這些圖譜都可以被直觀地顯示出來；3人類基因組中的變化， 包括基因突變和基因多態(tài)性，加上等位基因頻率數(shù)據(jù)。與染色體相關(guān)的信息其它方式生物基因組數(shù)據(jù)庫如：鼠基因組數(shù)據(jù)庫 MGD/酵母基因組數(shù)據(jù)庫 SGD/Saccharomyces/Ensembl (/Ensembl (/EnsemblEnsembl包括一切公開的人類基因組包

8、括一切公開的人類基因組DNADNA序列，經(jīng)過注序列，經(jīng)過注釋構(gòu)成的關(guān)于序列的特征。釋構(gòu)成的關(guān)于序列的特征。 如今包括其他基因組，如如今包括其他基因組，如大鼠、小鼠、線蟲、果蠅等。大鼠、小鼠、線蟲、果蠅等。例如：基因例如：基因經(jīng)過實驗發(fā)現(xiàn)的經(jīng)過實驗發(fā)現(xiàn)的或者是經(jīng)過或者是經(jīng)過GenScanGenScan程序預(yù)測的程序預(yù)測的其他的特征：其他的特征：單核苷酸多態(tài)性單核苷酸多態(tài)性SNPSNP、反復(fù)序列等、反復(fù)序列等Ensembl 數(shù)據(jù)庫構(gòu)造圖 Ensembl提供多種查詢方式 經(jīng)過關(guān)鍵字查詢用BLAST進(jìn)展類似序列的搜索 另一種更直觀的方式是顯示各染色體用戶可以在染色體程度上選擇感興趣的位點，逐層放大閱讀

9、整個基因組人的第人的第9號號染色體及大染色體及大鼠對應(yīng)的染鼠對應(yīng)的染色體片段色體片段ESTExpressed Sequence Tags方法已被證明是識別轉(zhuǎn)錄序列的最有效方法 ，EST序列大約覆蓋了人類基因的90%。 DbEST (/dbEST/是GenBank的一個部分，該數(shù)據(jù)庫包括不同生物的EST序列數(shù)據(jù)及其它相關(guān)信息，主要是從大量不同組織和器官得到的短mRNA片段。 WEB頁面或emailFTP有關(guān)EST的數(shù)據(jù)dbEST數(shù)據(jù)庫STSSequence Tagged Sites是序列標(biāo)志位點dbSTS/dbSTS/是NCBI的一

10、個數(shù)據(jù)源，包含基因組短標(biāo)志序列STS的組成和定位信息。可以經(jīng)過BLAST搜索STS序列。UniGene( /UniGene/)數(shù)據(jù)庫將GenBank中的序列進(jìn)展自動分類，構(gòu)成面向基因群的非冗余集合。 每個UniGene群包含:代表一個獨(dú)一基因的多個序列，附有該基因相關(guān)的信息， 如基因表達(dá)的組織類型、定位圖譜除了基因的序列之外，還包括大量的EST序列。 目前，UniGene中包括人類、大鼠、小鼠、牛的相關(guān)數(shù)據(jù)，由于這些生物有大量的EST數(shù)據(jù)。w 目的：目的：w協(xié)助研討者鑒別和解釋蛋白質(zhì)序列信息，協(xié)助研討者鑒別和解釋蛋白質(zhì)序列信息，w研討分子進(jìn)化、功能基因組。研討分

11、子進(jìn)化、功能基因組。w 它是一個全面的、經(jīng)過注釋的、非冗余的蛋白它是一個全面的、經(jīng)過注釋的、非冗余的蛋白質(zhì)序列數(shù)據(jù)庫。質(zhì)序列數(shù)據(jù)庫。 w 一切序列數(shù)據(jù)都經(jīng)過整理，超越一切序列數(shù)據(jù)都經(jīng)過整理，超越99%的序列已的序列已按蛋白質(zhì)家族分類，一半以上還按蛋白質(zhì)超家按蛋白質(zhì)家族分類，一半以上還按蛋白質(zhì)超家族進(jìn)展了分類。族進(jìn)展了分類。1 1、PIRPIRProtein Information ResourceProtein Information Resource除了蛋白質(zhì)序列數(shù)據(jù)之外，除了蛋白質(zhì)序列數(shù)據(jù)之外，PIR還包含以下還包含以下信息：信息： (1)蛋白質(zhì)稱號、蛋白質(zhì)的分類、蛋白質(zhì)蛋白質(zhì)稱號、蛋白質(zhì)

12、的分類、蛋白質(zhì)的來源；的來源； (2)關(guān)于原始數(shù)據(jù)的參考文獻(xiàn)；關(guān)于原始數(shù)據(jù)的參考文獻(xiàn)； (3)蛋白質(zhì)功能和蛋白質(zhì)的普通特征，包蛋白質(zhì)功能和蛋白質(zhì)的普通特征，包括基因表達(dá)、翻譯后處置、活化等；括基因表達(dá)、翻譯后處置、活化等； (4)序列中相關(guān)的位點、功能區(qū)域。序列中相關(guān)的位點、功能區(qū)域。PIR提供三種類型的檢索效力:一是基于文本的交互式查詢，用戶經(jīng)過關(guān)鍵字進(jìn)展數(shù)據(jù)查詢。二是規(guī)范的序列類似性搜索，包括BLAST、FastA等。三是結(jié)合序列類似性、注釋信息和蛋白質(zhì)家族信息的高級搜索，包括按注釋分類的類似性搜索、構(gòu)造域搜索等。NoImage三個子數(shù)據(jù)庫SWISS-PROT (expasy.ch/spr

13、ot/sprot-top.html是目前國際上比較權(quán)威的蛋白質(zhì)序列數(shù)據(jù)庫,其中的蛋白質(zhì)序列是經(jīng)過注釋的 SWISS-PROT中的數(shù)據(jù)來源于不同源地：1從核酸數(shù)據(jù)庫經(jīng)過翻譯推導(dǎo)而來；2從蛋白質(zhì)數(shù)據(jù)庫PIR挑選出適宜的數(shù)據(jù)；3從科學(xué)文獻(xiàn)中摘錄；4研討人員直接提交的蛋白質(zhì)序列數(shù)據(jù) SWISS-PROT有三個明顯的特點 ： 1 1注釋注釋在在SWISS-PROTSWISS-PROT中，數(shù)據(jù)分為中心數(shù)據(jù)和注釋兩大類。中，數(shù)據(jù)分為中心數(shù)據(jù)和注釋兩大類。中心數(shù)據(jù)包括：中心數(shù)據(jù)包括：序列數(shù)據(jù)、參考文獻(xiàn)、分類信息蛋白質(zhì)生物來源的描畫序列數(shù)據(jù)、參考文獻(xiàn)、分類信息蛋白質(zhì)生物來源的描畫注釋包括：注釋包括： A)A)蛋

14、白質(zhì)的功能描畫；蛋白質(zhì)的功能描畫； (B)(B)翻譯后修飾；翻譯后修飾； (C)(C)域和功能位點，如鈣結(jié)合區(qū)域、域和功能位點，如鈣結(jié)合區(qū)域、ATPATP結(jié)合位點等；結(jié)合位點等； (D)(D)蛋白質(zhì)的二級構(gòu)造；蛋白質(zhì)的二級構(gòu)造； (E)(E)蛋白質(zhì)的四級構(gòu)造，好像構(gòu)二聚體、異構(gòu)三聚體等；蛋白質(zhì)的四級構(gòu)造，好像構(gòu)二聚體、異構(gòu)三聚體等； (F)(F)與其它蛋白質(zhì)的類似性；與其它蛋白質(zhì)的類似性； (G)(G)由于缺乏該蛋白質(zhì)而引起的疾??；由于缺乏該蛋白質(zhì)而引起的疾??； (H)(H)序列的矛盾、變化等。序列的矛盾、變化等。 盡量將相關(guān)的數(shù)據(jù)歸并，降低數(shù)據(jù)庫的冗余程度。 假設(shè)不同來源的原始數(shù)據(jù)有矛盾，那

15、么在相應(yīng)序列特征表中加以注釋。 對于每一個登錄項，有許多指向其它數(shù)據(jù)庫相關(guān)數(shù)據(jù)的指針，這便于用戶迅速得到相關(guān)的信息。 現(xiàn)有的交叉索引有： 到EMBL核酸序列數(shù)據(jù)庫的索引， 到PROSITE方式數(shù)據(jù)庫的索引， 到生物大分子構(gòu)造數(shù)據(jù)庫PDB的索引等 。 提交序列數(shù)據(jù)提交序列數(shù)據(jù)a a編輯電子表格編輯電子表格b) b) 利用利用AuthorinAuthorin程序程序c cWWWWWW效力器效力器 運(yùn)用運(yùn)用SWISS-PROTSWISS-PROTa aCD-ROMCD-ROM方式方式b bftpftp效力器效力器c cGopherGopher效力器效力器d dWWWWWW效力器效力器SRSSRS 與

16、序列相關(guān)的操作與序列相關(guān)的操作a a序列查詢序列查詢 b b搜索同源蛋白質(zhì)序列搜索同源蛋白質(zhì)序列TrEMBL (ebi.ac.uk/trembl/index.html) 是與SWISS-PROT相關(guān)的一個數(shù)據(jù)庫。包含從EMBL核酸數(shù)據(jù)庫中根據(jù)編碼序列(CDS)翻譯而得到的蛋白質(zhì)序列，并且這些序列尚未集成到SWISS-PROT數(shù)據(jù)庫中。TrEMBL有兩個部分：1SP-TrEMBL(SWISS-PROT TrEMBL)包含最終將要集成到SWISS-PROT的數(shù)據(jù)，一切的SP-TrEMBL 序列都已被賦予SWISS-PROT的 登錄號。2REM-TrEMBL(REMaining TrEMBL)包括一

17、切不預(yù)備放入SWISS-PROT的數(shù)據(jù)，因此這部分?jǐn)?shù)據(jù)都沒有登錄號。包括： Swiss-Prot TrEMBL PIR 用戶可以經(jīng)過文本查詢數(shù)據(jù)庫，可以利用BLAST程序搜索數(shù)據(jù)庫，也可以直接經(jīng)過FTP 下載數(shù)據(jù)。UniProt包含3個部分：1UniProt KnowledgebaseUniProt 蛋白質(zhì)序列、功能、分類、交叉援用等信息存取中心2UniProt Non-redundant ReferenceUniRef數(shù)據(jù)庫 將親密相關(guān)的蛋白質(zhì)序列組合到一條記錄中 以便提高搜索速度；3UniProt ArchiveUniParc 資源庫，記錄一切蛋白質(zhì)序列的歷史。第第4節(jié)節(jié) 生物大分子構(gòu)造數(shù)

18、據(jù)庫生物大分子構(gòu)造數(shù)據(jù)庫1、PDBProtein Data BankPDB中含有經(jīng)過實驗中含有經(jīng)過實驗X射線晶射線晶體衍射，核磁共振體衍射，核磁共振NMR測測定的生物大分子的三維構(gòu)造定的生物大分子的三維構(gòu)造蛋白質(zhì)蛋白質(zhì)核酸核酸糖類糖類其它復(fù)合物其它復(fù)合物 w 一種是顯式序列信息explicit sequencew在PDB文件中，以關(guān)鍵字SEQRES作為顯式序列標(biāo)志，以該關(guān)鍵字打頭的每一行都是關(guān)于序列的信息。 w 一種是隱式序列信息(implicit sequence) wPDB的隱式序列即為立體化學(xué)數(shù)據(jù)，包括每個原子的稱號和原子的三維坐標(biāo)。 HEADER HYDROLASE 19-FEB-97

19、 1ADZ TITLE THE SOLUTION STRUCTURE OF THE SECOND KUNITZ DOMAIN OF TITLE 2 TISSUE FACTOR PATHWAY INHIBITOR, NMR, 30 STRUCTURES COMPND MOL_ID: 1; COMPND 2 MOLECULE: TISSUE FACTOR PATHWAY INHIBITOR; 。COMPND 8 BIOLOGICAL_UNIT: MONOMER SOURCE MOL_ID: 1; 。SOURCE 7 EXPRESSION_SYSTEM_PLASMID: PFLAG KEYWDS H

20、YDROLASE, INHIBITOR, COAGULATION EXPDTA NMR, 30 STRUCTURES AUTHOR M.J.M.BURGERING,L.P.M.ORBONS REVDAT 1 25-FEB-98 1ADZ 0 JRNL AUTH M.J.BURGERING,L.P.ORBONS,A.VAN DER DOELEN, 。REMARK 1 REFERENCE 1 REMARK 1 AUTH M.T.STUBBS II REMARK 1 TITL STRUCTURAL ASPECTS OF FACTOR XA INHIBITION 。REMARK 999 SEQUENC

21、E REMARK 999 1ADZ SWS P10646 1 - 111 NOT IN ATOMS LIST REMARK 999 1ADZ SWS P10646 183 - 304 NOT IN ATOMS LIST REMARK 999 THE FIRST NINE RESIDUES ARE NOT PART OF THE TFPI DOMAIN II REMARK 999 SEQUENCE BUT ARE FROM THE PFLAG PEPTIDE CLONING VECTOR. DBREF 1ADZ 1 71 SWS P10646 TFPI_HUMAN 112 182 SEQADV

22、1ADZ ASP 1 SWS P10646 ILE 112 ENGINEERED SEQADV 1ADZ TYR 2 SWS P10646 ILE 113 ENGINEERED SEQRES 1 71 ASP TYR LYS ASP ASP ASP ASP LYS LEU LYS PRO ASP PHE SEQRES 2 71 CYS PHE LEU GLU GLU ASP PRO GLY ILE CYS ARG GLY TYR SEQRES 3 71 ILE THR ARG TYR PHE TYR ASN ASN GLN THR LYS GLN CYS SEQRES 4 71 GLU ARG

23、 PHE LYS TYR GLY GLY CYS LEU GLY ASN MET ASN SEQRES 5 71 ASN PHE GLU THR LEU GLU GLU CYS LYS ASN ILE CYS GLU SEQRES 6 71 ASP GLY PRO ASN GLY PHE HELIX 1 1 ASP 12 PHE 15 5 4 HELIX 2 2 ASN 34 THR 36 5 3 HELIX 3 3 LEU 57 ILE 63 1 7 SHEET 1 A 2 ARG 29 ASN 33 0 SHEET 2 A 2 GLN 38 PHE 42 -1 N PHE 42 O ARG

24、 29 CRYST1 1.000 1.000 1.000 90.00 90.00 90.00 P 1 1 ORIGX1 1.000000 0.000000 0.000000 0.00000 ORIGX2 0.000000 1.000000 0.000000 0.00000 ORIGX3 0.000000 0.000000 1.000000 0.00000 SCALE1 1.000000 0.000000 0.000000 0.00000 SCALE2 0.000000 1.000000 0.000000 0.00000 SCALE3 0.000000 0.000000 1.000000 0.0

25、0000 圖4.5 PDB文件 PDB文件 表示顯示分子構(gòu)造顯示分子構(gòu)造RasMol RasMol ， ChemView ChemView 2、MMDB(Molecular Modeling Database)w 分子模型分子模型MMDB 是是NCBI所開發(fā)的生物所開發(fā)的生物信息數(shù)據(jù)庫集成系統(tǒng)信息數(shù)據(jù)庫集成系統(tǒng)Entrez的一個部分，數(shù)的一個部分，數(shù)據(jù)庫的內(nèi)容包括來自于實驗的生物大分子構(gòu)據(jù)庫的內(nèi)容包括來自于實驗的生物大分子構(gòu)造數(shù)據(jù)。造數(shù)據(jù)。 w 與與PDB相比，對于數(shù)據(jù)庫中的每一個生物大相比，對于數(shù)據(jù)庫中的每一個生物大分子構(gòu)造，分子構(gòu)造，MMDB具有許多附加的信息，如具有許多附加的信息，如分子

26、的生物學(xué)功能、產(chǎn)生功能的機(jī)制、分子分子的生物學(xué)功能、產(chǎn)生功能的機(jī)制、分子的進(jìn)化歷史等的進(jìn)化歷史等 。w 還提供生物大分子三維構(gòu)造模型顯示、構(gòu)造還提供生物大分子三維構(gòu)造模型顯示、構(gòu)造分析和構(gòu)造比較工具。分析和構(gòu)造比較工具。MMDB 適用工具第第5節(jié)節(jié) 其它生物分子數(shù)據(jù)庫其它生物分子數(shù)據(jù)庫w 核酸序列變化w 單堿基多態(tài)性SNPsSingle nucleotide polymorphismsw SNPs對人類遺傳學(xué)研討和醫(yī)學(xué)應(yīng)器具有重要的意義w 無論對于人類種群遺傳學(xué)的研討，還是對疾病性狀分析或個體化醫(yī)療，都需求深化地研討SNPs。 1、單堿基多態(tài)性數(shù)據(jù)庫dbSNPwww3.ncbi.nlm.nih

27、.gov/SNP/)， 實例：GTTTGTGATT ACTTTGTAAA AACAGTGTAA TAAGTACTCA CTAAAGGAAA TTTAGAAAAT GATAAGCTTA Aggccgggca tggtgcctca tgcctgtaat cctagcactt tgggaggctg aggtgggtgg atcacctgag ctcaggagtt ccagatcatc ctggacaata tggtgaaacc ctgtctacgc ttaaaatacg R aaattagccg ggcgtggtgg ggcatgcctg tggtctcagc tactttggag actaaggt

28、ag aaggatcact tgaatcctgg aggtggaggt tgcagagtga gccaatatcg tgccactgca ctccagccta ggtgacagag gaagactctg tctcaaaaaa aagaaaaTAA GGCCAGACAC GGGGGCTCAT GCTTGTAATC R=A/G NoImage單倍型數(shù)據(jù)2、蛋白質(zhì)構(gòu)造分類數(shù)據(jù)庫、蛋白質(zhì)構(gòu)造分類數(shù)據(jù)庫SCOPwSCOP數(shù)據(jù)庫 ( scop.mrc-lmb.cam.ac.uk/scop/的目的是提供關(guān)于知構(gòu)造的蛋白質(zhì)之間構(gòu)造和進(jìn)化關(guān)系的詳細(xì)描畫，包括蛋白質(zhì)構(gòu)造數(shù)據(jù)庫PDB中的一切條目。wSCOP數(shù)據(jù)庫除

29、了提供蛋白質(zhì)構(gòu)造和進(jìn)化關(guān)系信息外，對于每一個蛋白質(zhì)還包括下述信息：到PDB的銜接，序列，參考文獻(xiàn)，構(gòu)造的圖像等。w可以按構(gòu)造和進(jìn)化關(guān)系對蛋白質(zhì)分類，分類結(jié)果是一個具有層次構(gòu)造的樹，其主要的層次是家族、超家族和折疊:w (1)家族：具有明顯的進(jìn)化關(guān)系w (2)超家族：具有遠(yuǎn)源進(jìn)化關(guān)系，具有共同的進(jìn)化源w (3)折疊類：主要構(gòu)造類似3 3、蛋白質(zhì)二級構(gòu)造數(shù)據(jù)庫、蛋白質(zhì)二級構(gòu)造數(shù)據(jù)庫DSSPDSSPw DSSPsander.embl-heidelberg.de/dssp/ 是一個二級構(gòu)造推導(dǎo)數(shù)據(jù)庫。w 對生物大分子數(shù)據(jù)庫PDB中的任何一個蛋白質(zhì)，根據(jù)其三維構(gòu)造推導(dǎo)出對應(yīng)的二級構(gòu)造。w 對研討蛋白質(zhì)序

30、列與蛋白質(zhì)二級構(gòu)造及空間構(gòu)造的關(guān)系非常有用w 除了二級構(gòu)造以外，DSSP還包括蛋白質(zhì)的幾何特征及溶劑可及外表。The DSSP codeH = alpha helix B = residue in isolated beta-bridge E = extended strand, participates in beta ladder G = 3-helix (3/10 helix) I = 5 helix (pi helix) T = hydrogen bonded turn S = bend 例：例：4、蛋白質(zhì)同源序列比對數(shù)據(jù)庫、蛋白質(zhì)同源序列比對數(shù)據(jù)庫HSSPw HSSP(sander.

31、embl-heidelberg.de/hssp/w 二級數(shù)據(jù)庫。w 數(shù)據(jù)來源于PDB，或來源于SWISS-PROT w 對于PDB中的每一個蛋白質(zhì)，HSSP將與其同源的一切蛋白質(zhì)序列對比陳列起來，從而將類似序列的蛋白質(zhì)聚集成構(gòu)造同源的家族。w HSSP有助于分析蛋白質(zhì)的保守區(qū)域，研討蛋白質(zhì)的進(jìn)化關(guān)系，有助于蛋白質(zhì)的分子設(shè)計。From PDBFrom Swiss-prot多重序列比對多重序列比對知構(gòu)造 未知構(gòu)造5、OMIMw OMIM (Online Mendelian Inheritance in Man),是關(guān)于人類基因和遺傳疾病的分類數(shù)據(jù)庫 。w 該數(shù)據(jù)庫搜集了知的人類基因及由于這些基因突

32、變或者缺失而導(dǎo)致的遺傳疾病。 w OMIM的運(yùn)用非常方便w 查詢程序根據(jù)輸入到檢索窗口的一個或幾個詞執(zhí)行簡單的查詢，前往含有該詞的文檔的列表，用戶可以在列表中選擇一個或更多的異常查看其OMIM記錄的全文 :80/entrez/query.fcgi?db=OMIM 閱讀染色體閱讀染色體6、EPDw EPD( epd.isb-sib.ch/ )w 是真核基因啟動子數(shù)據(jù)庫w提供從EMBL中得到的真核基因的啟動子序列，目的是協(xié)助實驗研討人員、生物信息學(xué)研討人員分析真核基因的轉(zhuǎn)錄信號。7、TRRDw TRRD是一個關(guān)于基因調(diào)控信息的集成數(shù)據(jù)庫，該數(shù)據(jù)庫搜集真核生物基因轉(zhuǎn)錄

33、調(diào)控區(qū)域構(gòu)造和功能的信息。w 每一個TRRD的條目對應(yīng)于一個基因，包含特定基因各種構(gòu)造功能特性 w TRRD6.0包括七個相關(guān)的數(shù)據(jù)表：w 1基因描畫表TRRDGENES w 2控制區(qū)域表TRRDLCR w 3調(diào)控區(qū)域表TRRDUNITS w 4轉(zhuǎn)錄因子結(jié)合位點表TRRDSITES w 5轉(zhuǎn)錄因子表TRRDFACTORS w 6表達(dá)方式表TRRDEXP w 7實驗來源表TRRDBIB 8、TRANSFACw TRANSFAC transfac.gbf.de/是真核基因順式調(diào)控元件和反式作用因子數(shù)據(jù)庫，數(shù)據(jù)搜集的對象從酵母到人類 w TRANSFAC包括6類數(shù)據(jù) ：w 1SITE類數(shù)據(jù) w 2G

34、ENE類數(shù)據(jù) w 3FACTOR類數(shù)據(jù) w 4CELL類數(shù)據(jù) w 5CLASS類數(shù)據(jù)w 6MATRIX數(shù)據(jù) 9、BODYMAPw BODYMAP (bodymap.ims.u-tokyo.ac.jp/w 是關(guān)于人和老鼠基因表達(dá)信息的數(shù)據(jù)庫，基因表達(dá)數(shù)據(jù)來自于不同組織、不同細(xì)胞以及不同時辰。這里的基因表達(dá)數(shù)據(jù)實踐上是3端的EST。w 經(jīng)過分析這些數(shù)據(jù)，用戶可以初步掌握基因活性，了解組織中mRNA的組成，研討基因表達(dá)規(guī)律,發(fā)現(xiàn)新的基因 。10、PROSITEw PROSITE ( expasy.ch/prosite/)是蛋白質(zhì)家族和構(gòu)造域數(shù)據(jù)庫，包含具有生物學(xué)意義的位點、方式、可協(xié)助識別蛋白質(zhì)家族

35、的統(tǒng)計特征。 w PROSITE中涉及的序列方式包括酶的催化位點、配體結(jié)合位點、與金屬離子結(jié)合的殘基、二硫鍵的半胱氨酸、與小分子或其它蛋白質(zhì)結(jié)合的區(qū)域等。w PROSITE還包括根據(jù)多序列比對而構(gòu)建的序列統(tǒng)計特征，能更敏感地發(fā)現(xiàn)一個序列能否具有相應(yīng)的特征。 11、DBCatw DBCat是生物信息數(shù)據(jù)庫的目錄數(shù)據(jù)庫，它搜集了500多個生物信息學(xué)數(shù)據(jù)庫的信息，并根據(jù)它們的運(yùn)用領(lǐng)域進(jìn)展了分類w DNAw RNAw 蛋白質(zhì)w 基因組w 圖譜w 蛋白質(zhì)構(gòu)造w 文獻(xiàn)著作等根本類型， infobiogen.fr/services/dbcat/DBCat中分類數(shù)據(jù)庫個數(shù)中分類數(shù)據(jù)庫個數(shù) 數(shù)據(jù)對象數(shù)據(jù)庫個數(shù)D

36、NA87RNA29Protein94Genomic58Mapping29Protein structure18Literature43Miscellaneous15312、PubMedw PubM/是NCBI維護(hù)的生物學(xué)、醫(yī)學(xué)文獻(xiàn)援用數(shù)據(jù)庫，提供對MEDLINE、Pre-MEDLINE等文獻(xiàn)數(shù)據(jù)庫的援用查詢和對大量網(wǎng)絡(luò)科學(xué)類電子期刊的鏈接。利用Entrez系統(tǒng)可以對PubMed進(jìn)展方便的查詢檢索。第第6節(jié)節(jié) 數(shù)據(jù)庫搜索數(shù)據(jù)庫搜索w 數(shù)據(jù)庫運(yùn)用數(shù)據(jù)庫運(yùn)用w 關(guān)鍵字查詢關(guān)鍵字查詢w 目的搜索目的搜索w 序列搜索問題序列搜索問題w搜索效率搜索效率 w規(guī)范算法規(guī)范算

37、法 O(n2) w 最流行的序列數(shù)據(jù)庫快速搜索程序最流行的序列數(shù)據(jù)庫快速搜索程序 w FastAw BLASTFASTA的根本思想：的根本思想：序列s:序列 t: 找出兩個序列具有最大匹配的相對位移1、FASTA算法位移 = 6 6 8 10s： -A-A-T-t: -A-A-T- 3 5 7位移 = 3w FASTP的根本算法是順序?qū)?shù)據(jù)庫中的每一個序列與查詢序列比較，前往與查詢序列非常類似的數(shù)據(jù)庫序列w 首先確定兩個序列的共同k元組即延續(xù)的k個字符，k-tup，對于蛋白質(zhì)序列，k=1或2。w k決議了字串的大小。增大k參數(shù)就會減少字串命中的數(shù)目，也就會減少所需求的最正確搜索的數(shù)目，提高搜索

38、速度。w 算法設(shè)置兩個數(shù)據(jù)構(gòu)造：w 1查找表w存放第一條序列各k元組的位置w 2位移向量w位移決議一個序列相對于另一個發(fā)生字符交換的位置。w假設(shè)共同的k元組起始于si和tj，那么位移等于i-j。 1 2 3 4 5 6 7 8 9 10 11 s = H A R F Y A A Q I V L 查找表 A 2,6,7 F 4 H 1 I 9 L 11 Q 8 R 3 V 10 Y 5 1 2 3 4 5 6 7 8 t = V D M A A Q I A 位移 +9 -2 -3 +2 +2 -6 +2 +1 -2 +3 +2 -1位移向量-7 -6 -5 -4 -3 -2 -1 0 +1 +2

39、 +3 +4 +5 +6 +7 +8 +9 +10 1 1 2 1 1 4 1 1最大匹配位移位移累計最大值意義：1該位移下匹配最多2計算相應(yīng)動態(tài)規(guī)劃矩陣對角線附近區(qū)域?qū)嵺`處置：將在同一位移下間隔較近的多個k元組結(jié)合起來，構(gòu)成區(qū)域。一個區(qū)域可被看成是一個片段對，或無空白的部分對比陳列，根據(jù)匹配或失配對區(qū)域進(jìn)展打分。對產(chǎn)生的5個最好區(qū)域按PAM矩陣進(jìn)展重新打分，最高的得分就是序列s和序列t類似性的初始得分。對于數(shù)據(jù)庫中的每一個序列，按上述方法計算與查詢序列比較的初始得分。根據(jù)初始得分將一切數(shù)據(jù)庫序列按非遞增順序排序，對于排在前面的幾個具有最高初始得分的序列，利用動態(tài)規(guī)劃算法計算它們與查詢序列最優(yōu)

40、對比陳列的得分，但計算過程僅限于初始對比陳列對應(yīng)于初始得分的對比陳列附近區(qū)域。FastA的最新版本是FastA3軟件包，下表2列出FastA3家族一切成員：FastA家族程程 序序查詢序查詢序列類型列類型數(shù)據(jù)數(shù)據(jù)庫類庫類型型FastADNADNA蛋白質(zhì)蛋白質(zhì)FASTXFASTYDNA蛋白質(zhì) TFastA蛋白質(zhì)DNATFASTXTFASTY蛋白質(zhì)DNAFastA運(yùn)用界面2、BLASTw BLAST 是根本的部分對比陳列搜索工具的簡稱。研制BLAST的最初目的是為了改善FastA的算法的性能，經(jīng)過尋覓更小、更好的熱點，提高計算速度 。w 為了進(jìn)一步提高數(shù)據(jù)庫的搜索速度，BLAST添加了限制，即在序

41、列的部分比對中不包括空缺字符。BLAST的根本思想：的根本思想：序列S:序列t: 找出兩個序列共同的短片段經(jīng)過擴(kuò)展后構(gòu)成更長的類似片斷擴(kuò)展擴(kuò)展w 給定一個查詢序列，BLAST前往一切查詢序列與數(shù)據(jù)庫序列得分超越某個閾值S的片段對。w 閾值S可以由用戶設(shè)定，但程序有一個缺省的引薦值。選擇S的根本原那么是：w 一條隨機(jī)序列與查詢序列比較的得分不會超越S w 在進(jìn)展序列兩兩比較之前，BLAST首先尋覓一顆“種子，它是兩個序列之間的一個非常短的片段對。w 種子可以向兩個方向擴(kuò)展，直至到達(dá)擴(kuò)展的最大能夠的得分。 w BLAST的計算過程分為三個階段：w 1搜集一系列高得分的串，構(gòu)成高得分單詞表w 2搜索種子w 3擴(kuò)展種子 對于蛋白序列的搜索：單詞表一切w個字符構(gòu)成的單詞 與查詢序列單詞比較得分超越T這里，w和T是兩個參數(shù)對于蛋白質(zhì)序列搜索引薦的w值即種子的長度為4這一步所得到的高得分單詞表實踐上是一些候選的種子掃描數(shù)據(jù)庫，搜索那些處于單詞表中的種子Hash table有限自動機(jī) 最后一步擴(kuò)展過程比較直觀。當(dāng)擴(kuò)展時的得分低于該擴(kuò)展前面的最正確得分的某個下限時，擴(kuò)展停頓。 對于DNA序列搜索，單詞表包含查詢序列長度為w的一切單詞緊縮