生物信息學(李霞)

生物信息學（bioinformatics）

在生命科學研究中發(fā)展起來的一門由分子生物學與計算機信息處理技術相結合，以計算機為研究工具對生物信息進行獲取、處理、儲存、傳播、分析、模擬和解釋的交叉學科。本文檔共65頁；當前第1頁；編輯于星期二\3點6分生物信息學研究內(nèi)容它利用數(shù)據(jù)庫技術和軟件技術對大量積累的生物大分子序列數(shù)據(jù)進行比較和分析，揭示出生物大分子的分子結構、功能和進化關系以及基因組構成與基因表達等生物學事件對生命活動的影響。

本文檔共65頁；當前第2頁；編輯于星期二\3點6分生物信息學研究重點主要體現(xiàn)在基因組學（genomics）和蛋白質(zhì)組學（proteomics）兩方面。它從核酸和蛋白質(zhì)序列出發(fā)，分析序列中與結構、功能相關的生物信息的表達。本文檔共65頁；當前第3頁；編輯于星期二\3點6分生物信息學數(shù)據(jù)庫生物信息學中的各類數(shù)據(jù)庫幾乎覆蓋了生命科學的各個領域，如核酸序列數(shù)據(jù)庫，蛋白質(zhì)序列數(shù)據(jù)庫，蛋白質(zhì)、核酸、多糖的三維結構數(shù)據(jù)庫，基因組數(shù)據(jù)庫，文獻數(shù)據(jù)庫和其他種類數(shù)據(jù)庫。本文檔共65頁；當前第4頁；編輯于星期二\3點6分生物信息學數(shù)據(jù)庫分類

生物信息數(shù)據(jù)庫種類繁多，就目前來看，大體可以分為四個大類：

1.基因組數(shù)據(jù)庫；

2.核酸和蛋白質(zhì)一級結構序列數(shù)據(jù)庫；

3.生物大分子（主要是蛋白質(zhì)）三維空間結構數(shù)據(jù)庫；

4.根據(jù)以上三類數(shù)據(jù)庫和文獻資料為基礎構建的二次數(shù)據(jù)庫。也稱專門數(shù)據(jù)庫、專業(yè)數(shù)據(jù)庫或?qū)Ｓ脭?shù)據(jù)庫。一次數(shù)據(jù)庫本文檔共65頁；當前第5頁；編輯于星期二\3點6分第二節(jié)核酸序列數(shù)據(jù)庫

Section2NucleicAcidsequenceDatabases自20世紀80年代第一個核酸數(shù)據(jù)庫建立以來，核酸數(shù)據(jù)庫迅速發(fā)展。在互聯(lián)網(wǎng)上不僅有核酸序列數(shù)據(jù)庫，還出現(xiàn)了基因組相關數(shù)據(jù)庫、核酸三維結構數(shù)據(jù)庫、基因表達數(shù)據(jù)庫、人類基因突變及疾病相關數(shù)據(jù)庫、進化相關數(shù)據(jù)庫及其他與核酸有關的數(shù)據(jù)庫。本文檔共65頁；當前第6頁；編輯于星期二\3點6分三大核酸序列數(shù)據(jù)庫GenBankEMBLDDBJ

本文檔共65頁；當前第7頁；編輯于星期二\3點6分特殊類型核酸序列數(shù)據(jù)庫：非編碼RNA數(shù)據(jù)庫（ncRNA）；表達序列標簽數(shù)據(jù)庫（dbEST）；序列標簽位點數(shù)據(jù)庫（dbSTS）；miRBase；tRNAdb等。本文檔共65頁；當前第8頁；編輯于星期二\3點6分基因組相關數(shù)據(jù)庫：人類基因組數(shù)據(jù)庫（HGD）；基因組序列數(shù)據(jù)庫（GSDB）；基因組在線數(shù)據(jù)庫（GOLD）等。本文檔共65頁；當前第9頁；編輯于星期二\3點6分核酸三維結構數(shù)據(jù)庫：核苷酸三維結構數(shù)據(jù)庫（NDB）；普納大學核酸結構數(shù)據(jù)庫（BNASDB）等。本文檔共65頁；當前第10頁；編輯于星期二\3點6分基因表達數(shù)據(jù)庫：基因表達庫（GEO）；斯坦福微陣列數(shù)據(jù)庫（SMD）；ArrayExpress；CGED；GXD；BodyMap等。本文檔共65頁；當前第11頁；編輯于星期二\3點6分人類基因突變及疾病相關數(shù)據(jù)庫：人類基因變異數(shù)據(jù)庫（HMGD）、人類遺傳雙等位基因序列數(shù)據(jù)庫（HGBASE）、人類孟德爾遺傳在線（OMIM）、國際單體型計劃（HapMap）、人類單核苷酸多態(tài)性數(shù)據(jù)庫（dbSNP）、腫瘤基因數(shù)據(jù)庫（TGDB）、疾病關聯(lián)數(shù)據(jù)庫（GAD）、癌癥基因數(shù)據(jù)庫（CGAP）、人類表觀遺傳數(shù)據(jù)庫（HEP）、人類DNA甲基化與癌癥數(shù)據(jù)庫（MethylCancer）等。本文檔共65頁；當前第12頁；編輯于星期二\3點6分一、GenBank數(shù)據(jù)庫GenBank（）是一個綜合數(shù)據(jù)庫，該數(shù)據(jù)庫中包含了已經(jīng)公開的30萬余種不同物種生物的核酸序列，這些數(shù)據(jù)主要來源于全世界不同實驗室和大規(guī)模測序計劃項目。

本文檔共65頁；當前第13頁；編輯于星期二\3點6分GenBank是具有目錄和生物學注釋的核酸序列綜合數(shù)據(jù)庫，由美國國家醫(yī)學圖書館的國家生物技術信息中心構建、維護和管理。該中心位于美國馬里蘭國家健康研究所（NIH）。GenBank數(shù)據(jù)庫的序列數(shù)據(jù)來源于序列發(fā)現(xiàn)者提交的序列、批量提交的表達序列標簽（expressedsequencetag,EST）、基因組測序序列（genomesurveysequence,GSS）和其他測序中心提供的高通量數(shù)據(jù)，還包括美國專利商標局提供的已發(fā)表專利的序列數(shù)據(jù)。本文檔共65頁；當前第14頁；編輯于星期二\3點6分GenBank數(shù)據(jù)庫每天與歐洲分子生物學實驗室的核酸序列數(shù)據(jù)庫（EuropeanMolecularBiologyLaboratoryNucleotideSequenceDatabase，EMBL）和日本的DNA數(shù)據(jù)庫（DNADataBankofJapanDDBJ）進行數(shù)據(jù)交換，以保證數(shù)據(jù)庫內(nèi)容在全世界范圍的同步性。本文檔共65頁；當前第15頁；編輯于星期二\3點6分在NCBI（）的主頁上提供了進入GenBank的路徑、相關檢索和分析服務。通過NCBI的檢索系統(tǒng)（Entrez）可以進入GenBank。Entrez檢索程序整合了主要的DNA和蛋白序列數(shù)據(jù)的分類學、基因組、圖譜、蛋白結構和結構（功能）域信息，還包括相關的PubMed的生物醫(yī)學文獻信息。BLAST程序提供GenBank和其他序列數(shù)據(jù)庫中序列相似性搜索服務。

本文檔共65頁；當前第16頁；編輯于星期二\3點6分（一）GenBank數(shù)據(jù)庫結構1.依據(jù)序列的物種來源分類2.Genbank記錄和分類2.1表達序列標簽(EST)2.2序列標簽位點(STS)、基因組勘測序列(GSS)和環(huán)境樣品序列(ENV)2.3高通量基因組(HTG)和高通量cDNA(HTC)序列2.4全基因組鳥槍測序序列(WGS)2.5轉(zhuǎn)錄組鳥槍組合序列本文檔共65頁；當前第17頁；編輯于星期二\3點6分（一）GenBank數(shù)據(jù)庫結構3.特殊記錄類型3.1第三方注釋（TPA）3.2GenBankCON記錄較小記錄組合記錄本文檔共65頁；當前第18頁；編輯于星期二\3點6分（二）構建數(shù)據(jù)庫1．直接電子提交1.1使用BankIt提交1.2使用Sequin和tbl2asn提交1.3條形碼序列提交2.序列標識符和記錄號本文檔共65頁；當前第19頁；編輯于星期二\3點6分（三）檢索GenBank數(shù)據(jù)1.Entrez系統(tǒng)（）2.與測序計劃檢索相關的序列記錄（）3.BLAST序列相似性搜索（）4.用FTP獲取GenBank（）本文檔共65頁；當前第20頁；編輯于星期二\3點6分二、EMBL數(shù)據(jù)庫EMBL建立于1980年，EMBL核苷序列數(shù)據(jù)庫（）是歐洲主要的核苷序列收集單位，歐洲生物信息中心EBI（即EMBL在德國海德堡的站點）維護這個數(shù)據(jù)庫。核苷數(shù)據(jù)來自基因組測序中心、世界各地的科學家、歐洲專利局、以及與合作伙伴DDBJ(Japan)和GenBank(USA)交換的數(shù)據(jù)。本文檔共65頁；當前第21頁；編輯于星期二\3點6分三、DDBJ數(shù)據(jù)庫日本DNA數(shù)據(jù)庫（DDBJ）是在亞洲唯一的核酸序列數(shù)據(jù)庫，是搜集研究者公認的測定核酸序列的數(shù)據(jù)庫，并且發(fā)放給數(shù)據(jù)提交者國際認證的核酸序列編號。由于DDBJ每天將搜集的數(shù)據(jù)與EMBL-Bank/EBI和GenBank/NCBI進行交換，使得三個核酸數(shù)據(jù)庫幾乎在任何時候都享有相同數(shù)據(jù)。DDBJ主要收集來自日本研究者獲得的序列數(shù)據(jù)，但也收集數(shù)據(jù)和發(fā)放編號給任何其他國家的研究者。本文檔共65頁；當前第22頁；編輯于星期二\3點6分四、其他重要的核酸序列數(shù)據(jù)庫dbEST：dbEST是GenBank中的一個子數(shù)據(jù)庫，包含來源于不同物種的表達序列數(shù)據(jù)和表達序列標簽序列的其他信息。ncRNAdb：非編碼RNA（non-codingRNAncRNA）數(shù)據(jù)庫旨在提供非編碼RNA的序列和功能信息。miRBase：miRBase序列數(shù)據(jù)庫主要存放已發(fā)表的微小RNA（microRNAmiRNA)序列和注釋的數(shù)據(jù)庫。本文檔共65頁；當前第23頁；編輯于星期二\3點6分第三節(jié)蛋白質(zhì)序列數(shù)據(jù)庫

Section3ProteinSequenceDatabase

隨著分子生物學的發(fā)展，人們獲得了越來越多關于蛋白質(zhì)序列、結構和功能的信息。世界各國的生物學家和計算機科學家合作利用這些信息構建了蛋白質(zhì)序列數(shù)據(jù)庫、蛋白質(zhì)三維結構數(shù)據(jù)庫、蛋白質(zhì)組數(shù)據(jù)庫（二維凝膠電泳數(shù)據(jù)庫）、信號傳導及蛋白質(zhì)-蛋白質(zhì)相互作用相關數(shù)據(jù)庫、DNA和蛋白質(zhì)相互作用數(shù)據(jù)庫等蛋白質(zhì)相關數(shù)據(jù)庫。

本文檔共65頁；當前第24頁；編輯于星期二\3點6分常用的蛋白質(zhì)序列數(shù)據(jù)庫：PIRMIPSSwiss-Prot本文檔共65頁；當前第25頁；編輯于星期二\3點6分蛋白質(zhì)功能、結構域和蛋白質(zhì)家族有關的數(shù)據(jù)庫：PROSITEInterProPfamProDomSMART等本文檔共65頁；當前第26頁；編輯于星期二\3點6分蛋白質(zhì)三維結構相關數(shù)據(jù)庫：PDBBioMagResBankSWISS-MODELRepositoryModBaseCATHSCOPReLiBaseTOPSSWISS-3DIMAGEBioImage等本文檔共65頁；當前第27頁；編輯于星期二\3點6分蛋白質(zhì)二維凝膠電泳數(shù)據(jù)庫：WORLD-2DPAGEPhoretixlinks本文檔共65頁；當前第28頁；編輯于星期二\3點6分信號傳導及蛋白質(zhì)-蛋白質(zhì)相互作用相關數(shù)據(jù)庫：DIPINTERACTProNetKEGGCANSITESPADCSNDB等本文檔共65頁；當前第29頁；編輯于星期二\3點6分DNA和蛋白質(zhì)相互作用數(shù)據(jù)庫：DPInteract蛋白質(zhì)翻譯后修飾相關數(shù)據(jù)庫：O-GlycBase、PhosphoBase、RES蛋白質(zhì)等蛋白質(zhì)本文檔共65頁；當前第30頁；編輯于星期二\3點6分一、PIR數(shù)據(jù)庫蛋白質(zhì)信息庫（PIR）（）是一個支持基因組學、蛋白質(zhì)組學和系統(tǒng)生物學檢索和科學研究的綜合公共生物信息學資源。PIR是由美國國家生物醫(yī)學基金會（NBRF）于1984年建立，幫助研究者確認和解釋蛋白序列信息的數(shù)據(jù)庫。PIR免費為科學界提供包括蛋白序列數(shù)據(jù)庫（PSD）在內(nèi)的蛋白數(shù)據(jù)庫和分析工具。本文檔共65頁；當前第31頁；編輯于星期二\3點6分PIR信息庫資源本文檔共65頁；當前第32頁；編輯于星期二\3點6分PIR主要數(shù)據(jù)庫：1.UniProt-通用蛋白質(zhì)資源庫2.iProClass-蛋白質(zhì)知識整合數(shù)據(jù)庫3.PIRSF-蛋白質(zhì)家族分類系統(tǒng)4.iProLINK-蛋白質(zhì)文獻、信息和知識整合數(shù)據(jù)庫本文檔共65頁；當前第33頁；編輯于星期二\3點6分1.UniProt-通用蛋白質(zhì)資源庫UniProt（）是存儲和鏈接其他蛋白質(zhì)數(shù)據(jù)庫的資源庫，并且是蛋白質(zhì)序列和具有綜合功能注釋目錄的中心資源庫。使用UniprotKB可以檢索準確、可靠的蛋白綜合信息。使用UniRef可以減少冗余，加速序列相似性搜索。使用UniParc可以檢索存檔序列和它們來源的數(shù)據(jù)庫。本文檔共65頁；當前第34頁；編輯于星期二\3點6分2.iProClass-蛋白質(zhì)知識整合數(shù)據(jù)庫iProClass（）提供來自90多個生物學數(shù)據(jù)庫的大量整合數(shù)據(jù)，包括蛋白ID圖譜服務、UniProtKB編注蛋白質(zhì)摘要描述和篩選UnParc數(shù)據(jù)庫的蛋白質(zhì)序列。使用iProClass可以檢索最新的蛋白質(zhì)綜合信息，包括：功能、轉(zhuǎn)導通路、相互作用、家族分類、基因和基因組、功能注釋標準體系（ontology）、文獻和分類學信息。使用iProClass還可以檢索ID圖譜、蛋白質(zhì)詞典和相關序列。本文檔共65頁；當前第35頁；編輯于星期二\3點6分3.PIRSF-蛋白質(zhì)家族分類系統(tǒng)PIRSF（）分類系統(tǒng)概要論述家族的特征，如家族名稱、分類分布、分級和功能域結構，以及家族成員，包括功能、結構、傳導通路、功能注釋標準體系（ontology）和家族分類。利用這些信息可以獲得蛋白質(zhì)的準確功能或預測的功能和該蛋白質(zhì)所屬家族成員共有的其他特征。本文檔共65頁；當前第36頁；編輯于星期二\3點6分4.iProLINK-蛋白質(zhì)文獻、信息和知識整合數(shù)據(jù)庫iProLINK（）提供有關注釋內(nèi)容的文獻、蛋白質(zhì)名稱詞典和其他有助于文獻挖掘的人文語言處理技術開發(fā)的信息、數(shù)據(jù)庫校正、蛋白質(zhì)名稱標記和功能注釋標準體系（ontology）。使用iProLINK可以獲得描述蛋白質(zhì)記錄的文本文獻資源，在UniProtKB記錄（生物詞典）中加入蛋白質(zhì)或基因命名的圖譜，獲得用于開發(fā)文本挖掘算法的注釋數(shù)據(jù)集、挖掘蛋白質(zhì)磷酸化（RLIMS-P）文獻和獲得蛋白質(zhì)功能注釋標準體系（ontology）（PRO）信息。本文檔共65頁；當前第37頁；編輯于星期二\3點6分二、MIPS數(shù)據(jù)庫慕尼黑蛋白質(zhì)序列信息中心（MIPS）（），它的重點工作是基因組生物信息學，特別注重基因組信息系統(tǒng)分析，包括應用生物信息學方法注釋基因組、表達分析和蛋白質(zhì)組學方面研究。MIPS支持和維護一系列基因組數(shù)據(jù)庫以及系統(tǒng)，可以提供細菌、真菌和植物基因組比較分析服務。在該站點提供基因組分析工具、數(shù)據(jù)庫檢索系統(tǒng)、表達分析、蛋白相互作用等網(wǎng)絡服務。

本文檔共65頁；當前第38頁；編輯于星期二\3點6分三、其他重要的蛋白質(zhì)序列數(shù)據(jù)庫：PRINTSPfam本文檔共65頁；當前第39頁；編輯于星期二\3點6分（一）PRINTSPRINTS（）是蛋白基序指紋圖綜合數(shù)據(jù)庫，每個指紋圖都是使用數(shù)據(jù)掃描程序ADSP或VISTAS序列分析軟件包反復優(yōu)化后定義的。數(shù)據(jù)庫中有兩種類型指紋圖，根據(jù)指紋圖的復雜性分為簡單和復合指紋圖：簡單指紋圖基本上是單一的基序，而復合指紋圖包含多個基序。

本文檔共65頁；當前第40頁；編輯于星期二\3點6分（二）Pfam蛋白質(zhì)一般是由一個或多個功能區(qū)域組成，這些功能區(qū)域通常稱作域（domain）。在不同的蛋白質(zhì)中不同的域以不同的組合出現(xiàn)，導致在自然界發(fā)現(xiàn)多種多樣組成成分的蛋白質(zhì)。識別出現(xiàn)在蛋白質(zhì)中的域可以了解蛋白質(zhì)的功能。Pfam數(shù)據(jù)庫（）是一個大的蛋白質(zhì)域家族集合，每個家族是用多序列比對和隱馬模型（HMMs）分析結果的代表。本文檔共65頁；當前第41頁；編輯于星期二\3點6分第四節(jié)NCBI與EBI

Section4NCBIandEBI一、NCBI的簡介二、EBI簡介本文檔共65頁；當前第42頁；編輯于星期二\3點6分一、NCBI的簡介作為一個國家分子生物學信息資源，NCBI的使命是開發(fā)新的信息技術，幫助理解控制健康和疾病的基本分子和遺傳過程。特別是，NCBI肩負建立存儲和分析分子生物學、生物化學和遺傳學知識的自動系統(tǒng)；提供研究和醫(yī)學界使用方便的數(shù)據(jù)庫和軟件；努力協(xié)調(diào)搜集國內(nèi)外生物技術信息；執(zhí)行分析生物學重要分子結構和功能的先進研究方法。本文檔共65頁；當前第43頁；編輯于星期二\3點6分二、EBI簡介歐洲生物信息學研究所（EMBL-EBI），是歐洲分子生物學實驗室（EMBL）的一部分，EMBL-EBI維護世界上最廣泛的分子數(shù)據(jù)庫。EMBL-EBI是在全球范圍內(nèi)，努力協(xié)調(diào)搜集和傳播生物學數(shù)據(jù)的歐洲節(jié)點，EMBL-EBI的許多數(shù)據(jù)庫是生物學家們熟知的，包括：EMBL-Bank（DNA和RNA序列）、Ensemble（基因組）、ArrayExpress（基于微陣列的基因表達數(shù)據(jù)）、UniProt（蛋白質(zhì)序列）、InterPro（蛋白家族、域和基序）、Reactome（傳導通路）和ChEBI（小分子），新的資源幫助研究者不僅了解構成生物體的分子部件，還了解這些部件是如何組合構成系統(tǒng)的。

本文檔共65頁；當前第44頁；編輯于星期二\3點6分三、通過EntrezGene從NCBI獲取序列信息Entrez主要是用于NCBI數(shù)據(jù)庫綜合的、基于文本的搜索和檢索系統(tǒng)。Entrez綜合了科學文獻、DNA和蛋白序列數(shù)據(jù)、3D蛋白質(zhì)結構和蛋白質(zhì)域數(shù)據(jù)、種群研究數(shù)據(jù)集、表達數(shù)據(jù)、完整基因組組裝和分類學信息，形成一個緊密鏈接的系統(tǒng)。它用于搜索NCBI鏈接數(shù)據(jù)庫的檢索系統(tǒng)。本文檔共65頁；當前第45頁；編輯于星期二\3點6分Entrez檢索系統(tǒng)子數(shù)據(jù)庫本文檔共65頁；當前第46頁；編輯于星期二\3點6分（一）EntrezGene檢索EntrezGene檢索到的記錄提供關鍵鏈接，將圖譜、序列、表達、結構、功能、索引文獻和同源數(shù)據(jù)鏈接在一起構成關鍵鏈接。用定義序列、已知的圖譜定位和從表型信息推測的基因，為基因分配特有標識符。這些標識符在NCBI的數(shù)據(jù)庫中通用，可以用于注釋更新跟蹤和相關信息跟蹤。EntrezGene用NCBI參考序列（RefSeqs）覆蓋了基因組，還被整合到NCBI的Entrez和E-Utilities系統(tǒng)的索引、查詢和檢索中。

本文檔共65頁；當前第47頁；編輯于星期二\3點6分NCBI檢索首頁檢索窗口的數(shù)據(jù)庫

選項下拉菜單本文檔共65頁；當前第48頁；編輯于星期二\3點6分檢索欄（for）輸入“IL-2human”

本文檔共65頁；當前第49頁；編輯于星期二\3點6分（二）EntrezGene記錄顯示格式當進行檢索時，檢索結果以摘要（summary）格式顯示，每頁可顯示多條記錄，摘要顯示的每條記錄前有一個選擇框，可以選擇哪些記錄需要顯示。顯示內(nèi)容還包括首選名稱標志、完整全名、雙單詞的物種名稱（在方括號中）、基因組定位和基因編號。如果基因在已命名的質(zhì)粒上，那么作為基因定位將給出質(zhì)粒名稱。右側的Links可以關聯(lián)到顯示相關的Entrez記錄，核對希望顯示的記錄，選擇灰色查詢條目中的顯示選項，可以顯示希望顯示的相關記錄。本文檔共65頁；當前第50頁；編輯于星期二\3點6分EntrezGene檢索結果摘要格式顯示頁面

本文檔共65頁；當前第51頁；編輯于星期二\3點6分EntrezGene全文報告頁面（前部分）本文檔共65頁；當前第52頁；編輯于星期二\3點6分EntrezGene全文報告頁面（后部分）本文檔共65頁；當前第53頁；編輯于星期二\3點6分

IL2mRNA的Nucleotide數(shù)據(jù)庫記錄檢索結果顯示界面

本文檔共65頁；當前第54頁；編輯于星期二\3點6分（三）Nucleotide數(shù)據(jù)庫記錄顯示格式

Nucleotide數(shù)據(jù)庫記錄的顯示結果，可以GenBank、FASTA、Graphics和ASN.1格式顯示，序列信息通常用FASTA和GenBank兩種格式顯示，F(xiàn)ASTA格式僅包括該序列的簡要特征，并以G、A、T、C四種堿基列出核苷酸序列，簡單明了。而GenBank格式可顯示較完整的基因序列記錄，反映核苷酸序列的詳細信息。本