生物信息學(xué)數(shù)據(jù)庫(kù)

數(shù)據(jù)庫(kù)是生物信息學(xué)的主要內(nèi)容，各種數(shù)據(jù)庫(kù)幾乎覆蓋了生命科學(xué)的各個(gè)領(lǐng)域。核酸序列數(shù)據(jù)庫(kù)有GenBank,EMBL,DDBJ等，蛋白質(zhì)序列數(shù)據(jù)庫(kù)有SWISS-PROT,PIR,OWL,NRL3D,TrEMBL等，蛋白質(zhì)片段數(shù)據(jù)庫(kù)有PROSITE,BLOCKS,PRINTS等，三維結(jié)構(gòu)數(shù)據(jù)庫(kù)有PDB,NDB,BioMagResBank,CCSD等，與蛋白質(zhì)結(jié)構(gòu)有關(guān)的數(shù)據(jù)庫(kù)還有SCOP,CATH,FSSP,3D-ALI,DSSP等，與基因組有關(guān)的數(shù)據(jù)庫(kù)還有ESTdb,OMIM,GDB,GSDB等，文獻(xiàn)數(shù)據(jù)庫(kù)有Medline,Uncover等。另外一些公司還開(kāi)發(fā)了商業(yè)數(shù)據(jù)庫(kù)，如MDL等。生物信息學(xué)數(shù)據(jù)庫(kù)覆蓋面廣，分布分散且格式不統(tǒng)一，因此一些生物計(jì)算中心將多個(gè)數(shù)據(jù)庫(kù)整合在一起提供綜合服務(wù)，如EBI的SRS(SequenceRetrievalSystem)包含了核酸序列庫(kù)、蛋白質(zhì)序列庫(kù)，三維結(jié)構(gòu)庫(kù)等30多個(gè)數(shù)據(jù)庫(kù)及CLUSTALW、PROSITESEARCH等強(qiáng)有力的搜索工具，用戶可以進(jìn)行多個(gè)數(shù)據(jù)庫(kù)的多種查詢?；蚝突蚪M數(shù)據(jù)庫(kù)GenbankGenbank庫(kù)包含了所有已知的核酸序列和蛋白質(zhì)序列，以及與它們相關(guān)的文獻(xiàn)著作和生物學(xué)注釋。它是由美國(guó)國(guó)立生物技術(shù)信息中心(NCBI)建立和維護(hù)的。它的數(shù)據(jù)直接來(lái)源于測(cè)序工作者提交的序列；由測(cè)序中心提交的大量EST序列和其它測(cè)序數(shù)據(jù)；以及與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換數(shù)據(jù)而來(lái)。Genbank每天都會(huì)與歐洲分子生物學(xué)實(shí)驗(yàn)室(EMBL)的數(shù)據(jù)庫(kù)，和日本的DNA數(shù)據(jù)庫(kù)(DDBJ)交換數(shù)據(jù)，使這三個(gè)數(shù)據(jù)庫(kù)的數(shù)據(jù)同步。Genbank的數(shù)據(jù)可以從NCBI的FTP服務(wù)器上免費(fèi)下載完整的庫(kù)，或下載積累的新數(shù)據(jù)。NCBI還提供廣泛的數(shù)據(jù)查詢、序列相似性搜索以及其它分析服務(wù)，用戶可以從NCBI的主頁(yè)上找到這些服務(wù)。Genbank庫(kù)里的數(shù)據(jù)按來(lái)源于約55,000個(gè)物種，其中56%是人類的基因組序列(所有序列中的34%是人類的EST序列)。每條Genbank數(shù)據(jù)記錄包含了對(duì)序列的簡(jiǎn)要描述，它的科學(xué)命名，物種分類名稱，參考文獻(xiàn)，序列特征表，以及序列本身。序列特征表里包含對(duì)序列生物學(xué)特征注釋如：編碼區(qū)、轉(zhuǎn)錄單元、重復(fù)區(qū)域、突變位點(diǎn)或修飾位點(diǎn)等。所有數(shù)據(jù)記錄被劃分在若干個(gè)文件里，如細(xì)菌類、病毒類、靈長(zhǎng)類、嚙齒類，以及EST數(shù)據(jù)、基因組測(cè)序數(shù)據(jù)、大規(guī)?；蚪M序列數(shù)據(jù)等16類，其中EST數(shù)據(jù)等又被各自分成若干個(gè)文件。⑴Genbank數(shù)據(jù)檢索NCBI的數(shù)據(jù)庫(kù)檢索查詢系統(tǒng)是EntrezoEntrez是基于Web界面的綜合生物信息數(shù)據(jù)庫(kù)檢索系統(tǒng)。利用Entrez系統(tǒng)，用戶不僅可以方便地檢索Genbank的核酸數(shù)據(jù)，還可以檢索來(lái)自Genbank和其它數(shù)據(jù)庫(kù)的蛋白質(zhì)序列數(shù)據(jù)、基因組圖譜數(shù)據(jù)、來(lái)自分子模型數(shù)據(jù)庫(kù):MMDB)的蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)、種群序列數(shù)據(jù)集、以及由PubMed獲得Medline的文獻(xiàn)數(shù)據(jù)。Entrez提供了方便實(shí)用的檢索服務(wù)，所有操作都可以在網(wǎng)絡(luò)瀏覽器上完成。用戶可以利用Entrez界面上提供的限制條件(Limits)、索引(Index)、檢索歷史(History)和剪貼板(Clipboard)等功能來(lái)實(shí)現(xiàn)復(fù)雜的檢索查詢工作。對(duì)于檢索獲得的記錄，用戶可以選擇需要顯示的數(shù)據(jù)，保存查詢結(jié)果，甚至以圖形方式觀看檢索獲得的序列。更詳細(xì)的Entrez使用說(shuō)明可以在該主頁(yè)上獲得。(2)向Genbank提交序列數(shù)據(jù)測(cè)序工作者可以把自己工作中獲得的新序列提交給NCBI，添加到Genbank數(shù)據(jù)庫(kù)。這個(gè)任務(wù)可以由基于Web界面的BankIt或獨(dú)立程序Sequin來(lái)完成。BankIt是一系列表單，包括聯(lián)絡(luò)信息、發(fā)布要求、引用參考信息、序列來(lái)源信息、以及序列本身的信息等。用戶提交序列后，會(huì)從電子郵件收到自動(dòng)生成的數(shù)據(jù)條目，Genbank的新序列編號(hào)，以及完成注釋后的完整的數(shù)據(jù)記錄。用戶還可以在BankIt頁(yè)面下修改已經(jīng)發(fā)布序列的信息。BankIt適合于獨(dú)立測(cè)序工作者提交少量序列，而不適合大量序列的提交，也不適合提交很長(zhǎng)的序列，EST序列和GSS序列也不應(yīng)用BankIt提交。BankIt使用說(shuō)明和對(duì)序列的要求可詳見(jiàn)其主頁(yè)面。大量的序列提交可以由Sequin程序完成。Sequin程序能方便的編輯和處理復(fù)雜注釋，并包含一系列內(nèi)建的檢查函數(shù)來(lái)提高序列的質(zhì)量保證。它還被設(shè)計(jì)用于提交來(lái)自系統(tǒng)進(jìn)化、種群和突變研究的序列，可以加入比對(duì)的數(shù)據(jù)。Sequin除了用于編輯和修改序列數(shù)據(jù)記錄，還可以用于序列的分析，任何以FASTA或ASN.1格式序列為輸入數(shù)據(jù)的序列分析程序都可以整合到Sequin程序下。在不同操作系統(tǒng)下運(yùn)行的Sequin程序都可以在/sequin/T找到，Sequin的使用說(shuō)明可詳見(jiàn)其網(wǎng)頁(yè)。NCBI的網(wǎng)址是：。Entrez的網(wǎng)址是：/entrez/。BankIt的網(wǎng)址是：/BankIt。Sequin的相關(guān)網(wǎng)址是：/Sequin/。EMBL核酸序列數(shù)據(jù)庫(kù)EMBL核酸序列數(shù)據(jù)庫(kù)由歐洲生物信息學(xué)研究所(EBI)維護(hù)的核酸序列數(shù)據(jù)構(gòu)成，由于與Genbank和DDBJ的數(shù)據(jù)合作交換，它也是一個(gè)全面的核酸序列數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)由Oracal數(shù)據(jù)庫(kù)系統(tǒng)管理維護(hù)，查詢檢索可以通過(guò)通過(guò)因特網(wǎng)上的序列提取系統(tǒng)(SRS)服務(wù)完成。向EMBL核酸序列數(shù)據(jù)庫(kù)提交序列可以通過(guò)基于Web的WEBIN工具，也可以用Sequin軟件來(lái)完成。數(shù)據(jù)庫(kù)網(wǎng)址是：http://www.ebi.ac.uk/embl/SRS的網(wǎng)址是：http://srs.ebi.ac.uk/WEBIN的網(wǎng)址是：http://www.ebi.ac.uk/embl/Submission/webin.htmlDDBJ數(shù)據(jù)庫(kù)日本DNA數(shù)據(jù)倉(cāng)庫(kù)(DDBJ)也是一個(gè)全面的核酸序列數(shù)據(jù)庫(kù)，與Genbank和EMBL核酸庫(kù)合作交換數(shù)據(jù)?？梢允褂闷渲黜?yè)上提供的SRS工具進(jìn)行數(shù)據(jù)檢索和序列分析?？梢杂肧equin軟件向該數(shù)據(jù)庫(kù)提交序列。GDB基因組數(shù)據(jù)庫(kù)（GDB）為人類基因組計(jì)劃（HGP）保存和處理基因組圖譜數(shù)據(jù)。GDB的日標(biāo)是構(gòu)建關(guān)于人類基因組的百科全書，除了構(gòu)建基因組圖譜之外，還開(kāi)發(fā)了描述序列水平的基因組內(nèi)容的方法，包括序列變異和其它對(duì)功能和表型的描述。日前GDB中有：人類基因組區(qū)域（包括基因、克隆、amplimersPCR標(biāo)記、斷點(diǎn)breakpoints>細(xì)胞遺傳標(biāo)記cytogeneticmarkers>易碎位點(diǎn)fragilesites、EST序列、綜合區(qū)域syndromicregions>contigs和重復(fù)序列）；人類基因組圖譜（包括細(xì)胞遺傳圖譜、連接圖譜、放射性雜交圖譜、contentcontig圖譜和綜合圖譜等）；人類基因組內(nèi)的變異（包括突變和多態(tài)性，加上等位基因頻率數(shù)據(jù)）。GDB數(shù)據(jù)庫(kù)以對(duì)象模型來(lái)保存數(shù)據(jù)，提供基于Web的數(shù)據(jù)對(duì)象檢索服務(wù)，用戶可以搜索各種類型的對(duì)象，并以圖形方式觀看基因組圖譜。GDB的網(wǎng)址是：。GDB的國(guó)內(nèi)鏡像是：/gdb/oPIR和PSDPIR國(guó)際蛋白質(zhì)序列數(shù)據(jù)庫(kù)(PSD)是由蛋白質(zhì)信息資源(PIR)、慕尼黑蛋白質(zhì)序列信息中心(MIPS)和日本國(guó)際蛋白質(zhì)序列數(shù)據(jù)庫(kù)(JIPID)共同維護(hù)的國(guó)際上最大的公共蛋白質(zhì)序列數(shù)據(jù)庫(kù)。這是一個(gè)全面的、經(jīng)過(guò)注釋的、非冗余的蛋白質(zhì)序列數(shù)據(jù)庫(kù)，其中包括來(lái)自幾十個(gè)完整基因組的蛋白質(zhì)序列。所有序列數(shù)據(jù)都經(jīng)過(guò)整理，超過(guò)99%的序列已按蛋白質(zhì)家族分類，一半以上還按蛋白質(zhì)超家族進(jìn)行了分類。PSD的注釋中還包括對(duì)許多序列、結(jié)構(gòu)、基因組和文獻(xiàn)數(shù)據(jù)庫(kù)的交叉索引，以及數(shù)據(jù)庫(kù)內(nèi)部條目之間的索引，這些內(nèi)部索引幫助用戶在包括復(fù)合物、酶一底物相互作用、活化和調(diào)控級(jí)聯(lián)和具有共同特征的條目之間方便的檢索。每季度都發(fā)行一次完整的數(shù)據(jù)庫(kù)，每周可以得到更新部分。PSD數(shù)據(jù)庫(kù)有幾個(gè)輔助數(shù)據(jù)庫(kù)，如基于超家族的非冗余庫(kù)等。PIR提供三類序列搜索服務(wù)：基于文本的交互式檢索；標(biāo)準(zhǔn)的序列相似性搜索，包括BLAST、FASTA等；結(jié)合序列相似性、注釋信息和蛋白質(zhì)家族信息的高級(jí)搜索，包括按注釋分類的相似性搜索、結(jié)構(gòu)域搜索GeneFIND等。PIR和PSD的網(wǎng)址是：/。數(shù)據(jù)庫(kù)下載地址是：/pir/。SWISS-PROTSWISS-PROT是經(jīng)過(guò)注釋的蛋白質(zhì)序列數(shù)據(jù)庫(kù)，由歐洲生物信息學(xué)研究所(EBI)維護(hù)。數(shù)據(jù)庫(kù)由蛋白質(zhì)序列條日構(gòu)成，每個(gè)條日包含蛋白質(zhì)序列、引用文獻(xiàn)信息、分類學(xué)信息、注釋等，注釋中包括蛋白質(zhì)的功能、轉(zhuǎn)錄后修飾、特殊位點(diǎn)和區(qū)域、二級(jí)結(jié)構(gòu)、四級(jí)結(jié)構(gòu)、與其它序列的相似性、序列殘缺與疾病的關(guān)系、序列變異體和沖突等信息。SWISS-PROT中盡可能減少了冗余序列，并與其它30多個(gè)數(shù)據(jù)建立了交叉引用，其中包括核酸序列庫(kù)、蛋白質(zhì)序列庫(kù)和蛋白質(zhì)結(jié)構(gòu)庫(kù)等。利用序列提取系統(tǒng)(SRS)可以方便地檢索SWISS-PROT和其它EBI的數(shù)據(jù)庫(kù)。SWISS-PROT只接受直接測(cè)序獲得的蛋白質(zhì)序列，序列提交可以在其Web頁(yè)面上完成。SWISS-PROT的網(wǎng)址是：http://www.ebi.ac.uk/swissprot/。PROSITEPROSITE數(shù)據(jù)庫(kù)收集了生物學(xué)有顯著意義的蛋白質(zhì)位點(diǎn)和序列模式，并能根據(jù)這些位點(diǎn)和模式快速和可靠地鑒別一個(gè)未知功能的蛋白質(zhì)序列應(yīng)該屬于哪一個(gè)蛋白質(zhì)家族。有的情況下，某個(gè)蛋白質(zhì)與已知功能蛋白質(zhì)的整體序列相似性很低，但由于功能的需要保留了與功能密切相關(guān)的序列模式，這樣就可能通過(guò)PROSITE的搜索找到隱含的功能motif，因此是序列分析的有效工具。PROSITE中涉及的序列模式包括酶的催化位點(diǎn)、配體結(jié)合位點(diǎn)、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；除了序列模式之外，PROSITE還包括由多序列比對(duì)構(gòu)建的profile，能更敏感地發(fā)現(xiàn)序列與profile的相似性。PROSITE的主頁(yè)上提供各種相關(guān)檢索服務(wù)。PROSITE的網(wǎng)址是：http://www.expasy.ch/prositeZoPDB蛋白質(zhì)數(shù)據(jù)倉(cāng)庫(kù)(PDB)是國(guó)際上唯一的生物大分子結(jié)構(gòu)數(shù)據(jù)檔案庫(kù)，由美國(guó)Brookhaven國(guó)家實(shí)驗(yàn)室建立。PDB收集的數(shù)據(jù)來(lái)源于X光品體衍射和核磁共振(NMR)的數(shù)據(jù)，經(jīng)過(guò)整理和確認(rèn)后存檔而成。日前PDB數(shù)據(jù)庫(kù)的維護(hù)由結(jié)構(gòu)生物信息學(xué)研究合作組織(RCSB)負(fù)責(zé)。RCSB的主服務(wù)器和世界各地的鏡像服務(wù)器提供數(shù)據(jù)庫(kù)的檢索和下載服務(wù)，以及關(guān)于PDB數(shù)據(jù)文件格式和其它文檔的說(shuō)明，PDB數(shù)據(jù)還可以從發(fā)行的光盤獲得。使用Rasmol等軟件可以在計(jì)算機(jī)上按PDB文件顯示生物大分子的三維結(jié)構(gòu)。RCSB的PDB數(shù)據(jù)庫(kù)網(wǎng)址是：/pdb/。SCOP蛋白質(zhì)結(jié)構(gòu)分類(SCOP)數(shù)據(jù)庫(kù)詳細(xì)描述了已知的蛋白質(zhì)結(jié)構(gòu)之間的關(guān)系。分類基于若干層次：家族，描述相近的進(jìn)化關(guān)系；超家族，描述遠(yuǎn)源的進(jìn)化關(guān)系；折疊子(fold)，描述空間幾何結(jié)構(gòu)的關(guān)系；折疊類，所有折疊子被歸于全口、全。、a/p.a+p和多結(jié)構(gòu)域等幾個(gè)大類。SCOP還提供一個(gè)非冗余的ASTRAIL序列庫(kù)，這個(gè)庫(kù)通常被用來(lái)評(píng)估各種序列比對(duì)算法。此外，SCOP還提供一個(gè)PDB-ISL中介序列庫(kù)，通過(guò)與這個(gè)庫(kù)中序列的兩兩比對(duì)，可以找到與未知結(jié)構(gòu)序列遠(yuǎn)緣的已知結(jié)構(gòu)序列。SCOP的網(wǎng)址是：http://scop.mrc-lmb.cam.ac.uk/scop/。COG蛋白質(zhì)直系同源簇(COGs)數(shù)據(jù)庫(kù)是對(duì)細(xì)菌、藻類和真核生物的21個(gè)完整基因組的編碼蛋白，根據(jù)系統(tǒng)進(jìn)化關(guān)系分類構(gòu)建而成。COG庫(kù)對(duì)于預(yù)測(cè)單個(gè)蛋白質(zhì)的功能和整個(gè)新基因組中蛋白質(zhì)的功能都很有用。利用COGNITOR程序，可以把某個(gè)蛋白質(zhì)與所有COGs中的蛋白質(zhì)進(jìn)行比對(duì)，并把它歸入適當(dāng)?shù)腃OG簇。COG庫(kù)提供了對(duì)COG分類數(shù)據(jù)的檢索和查詢，基于Web的COGNITOR服務(wù)，系統(tǒng)進(jìn)化模式的查詢服務(wù)等。COG庫(kù)的網(wǎng)址是：/COG。下載COG庫(kù)和COGNITOR程序在：/pub/COG。功能數(shù)據(jù)庫(kù)1.KEGG京都基因和基因組百科全書(KEGG)是系統(tǒng)分析基因功能，聯(lián)系基因組信息和功能信息的知識(shí)庫(kù)?；蚪M信息存儲(chǔ)在GENES數(shù)據(jù)庫(kù)里，包括完整和部分測(cè)序的基因組序列；更高級(jí)的功能信息存儲(chǔ)在PATHWAY數(shù)據(jù)庫(kù)里，包括圖解的細(xì)胞生化過(guò)程如代謝、膜轉(zhuǎn)運(yùn)、信號(hào)傳遞、細(xì)胞周期，還包括同系保守的子通路等信息；KEGG的另一個(gè)數(shù)據(jù)庫(kù)是LIGAND，包含關(guān)于化學(xué)物質(zhì)、酶分子、酶反應(yīng)等信息。KEGG提供了Java的圖形工具來(lái)訪問(wèn)基因組圖譜，比較基因組圖譜和操作表達(dá)圖譜，以及其它序列比較、圖形比較和通路計(jì)算的工具，可以免費(fèi)獲取。KEGG的網(wǎng)址是：http://www.genome.ad.jp/kegg/。2.DIP相互作用的蛋白質(zhì)數(shù)據(jù)庫(kù)(DIP)收集了由實(shí)驗(yàn)驗(yàn)證的蛋白質(zhì)一蛋白質(zhì)相互作用。數(shù)據(jù)庫(kù)包括蛋白質(zhì)的信息、相互作用的信息和檢測(cè)相互作用的實(shí)驗(yàn)技術(shù)三個(gè)部分。用戶可以根據(jù)蛋白質(zhì)、生物物種、蛋白質(zhì)超家族、關(guān)鍵詞、實(shí)驗(yàn)技術(shù)或引用文獻(xiàn)來(lái)查詢DIP數(shù)據(jù)庫(kù)。DIP的網(wǎng)址是：/?？勺兗艚訑?shù)據(jù)庫(kù)（ASDB）包括蛋白質(zhì)庫(kù)和核酸庫(kù)兩部分。ASDB（蛋白質(zhì)）部分來(lái)源于SWISS-PROT蛋白質(zhì)序列庫(kù)，通過(guò)選取有可變剪接注釋的序列，搜索相關(guān)可變剪接的序列，經(jīng)過(guò)序列比對(duì)、篩選和分類構(gòu)建而成。ASDB（核酸）部分來(lái)自Genbank中提及和注釋的可變剪接的完整基因構(gòu)成。數(shù)據(jù)庫(kù)提供了方便的搜索服務(wù)。ASDB的網(wǎng)址是：/asdb。4.TRRD轉(zhuǎn)錄調(diào)控區(qū)數(shù)據(jù)庫(kù)（TRRD）是在不斷積累的真核生物基因調(diào)控區(qū)結(jié)構(gòu)一功能特性信息基礎(chǔ)上構(gòu)建的。每一個(gè)TRRD的條日里包含特定基因各種結(jié)構(gòu)一功能特性：轉(zhuǎn)錄因子結(jié)合位點(diǎn)、啟動(dòng)子、增強(qiáng)子、靜默子、以及基因表達(dá)調(diào)控模式等。TRRD包括五個(gè)相關(guān)的數(shù)據(jù)表：TRRDGENES（包含所有TRRD庫(kù)基因的基本信息和調(diào)控單元信息）；TRRDSITES（包括調(diào)控因子結(jié)合位點(diǎn)的具體信息）；TRRDFACTORS（包括TRRD中與各個(gè)位點(diǎn)結(jié)合的調(diào)控因子的具體信息）；TRRDEXP（包括對(duì)基因表達(dá)模式的具體描述）；TRRDBIB（包括所有注釋涉及的參考文獻(xiàn)）。TRRD主頁(yè)提供了對(duì)這幾個(gè)數(shù)據(jù)表的檢索服務(wù)。TRRD的網(wǎng)址是：http://wwwmgs.bionet.nsc.ru/mgs/dbases/trrd4/。TRANSFACTRANSFAC數(shù)據(jù)庫(kù)是關(guān)于轉(zhuǎn)錄因子、它們?cè)诨蚪M上的結(jié)合位點(diǎn)和與DNA結(jié)合的profiles的數(shù)據(jù)庫(kù)。由SITE、GENE、FACTOR、CLASS、MATRIX>CELLS、METHOD和REFERENCE等數(shù)據(jù)表構(gòu)成。此外，還有幾個(gè)與TRANSFAC密切相關(guān)的擴(kuò)展庫(kù)：PATHODB庫(kù)收集了可能導(dǎo)致病態(tài)的突變的轉(zhuǎn)錄因子和結(jié)合位點(diǎn)；S/MARTDB收集了與染色體結(jié)構(gòu)變化相關(guān)的蛋白因子和位點(diǎn)的信息;TRANSPATH庫(kù)用于描述與轉(zhuǎn)錄因子調(diào)控相關(guān)的信號(hào)傳遞的網(wǎng)絡(luò)；CYTOMER庫(kù)表現(xiàn)了人類轉(zhuǎn)錄因子在各個(gè)器官、細(xì)胞類型、生理系統(tǒng)和發(fā)育時(shí)期的表達(dá)狀況。TRANSFAC及其相關(guān)數(shù)據(jù)庫(kù)可以免費(fèi)下載，也可以通過(guò)Web進(jìn)行檢索和查詢。TRANSFAC的網(wǎng)址是：HYPERLINK"http://transfac.gbf.de/TRANSFAC/%e3