中國科技大學(xué)系列：《生物信息學(xué)》02課件

生物信息學(xué)

第二章：序列的采集和存儲中國科技大學(xué)系列：《生物信息學(xué)》02中心法則DNA：Deoxyribonucleicacid，脫氧核糖核酸；RNA：RiboNucleicAcid，核糖核酸；中國科技大學(xué)系列：《生物信息學(xué)》02堿基中國科技大學(xué)系列：《生物信息學(xué)》02核苷酸，Ribonucleotide中國科技大學(xué)系列：《生物信息學(xué)》02脫氧核苷酸

Deoxyribonucleotide中國科技大學(xué)系列：《生物信息學(xué)》02雙脫氧核糖核苷酸

Dideoxyribonucleotide

中國科技大學(xué)系列：《生物信息學(xué)》02DNA的結(jié)構(gòu)中國科技大學(xué)系列：《生物信息學(xué)》02RNA的結(jié)構(gòu)中國科技大學(xué)系列：《生物信息學(xué)》02氨基酸的結(jié)構(gòu)中國科技大學(xué)系列：《生物信息學(xué)》02氨基酸的性質(zhì)及分類中國科技大學(xué)系列：《生物信息學(xué)》02氨基酸周期表中國科技大學(xué)系列：《生物信息學(xué)》02標(biāo)準(zhǔn)密碼子中國科技大學(xué)系列：《生物信息學(xué)》02本章內(nèi)容提要1.DNA測序2.序列數(shù)據(jù)的存儲核酸序列數(shù)據(jù)庫蛋白質(zhì)序列數(shù)據(jù)庫基因組數(shù)據(jù)庫3.序列數(shù)據(jù)的文件格式中國科技大學(xué)系列：《生物信息學(xué)》021.DNA測序DNA一次連續(xù)測序的長度約為500bp;EST(Expressedsequencetag)測序：細(xì)胞中mRNA反轉(zhuǎn)錄成cDNA，方向不定測序;GSS(GenomeSurveySequences，基因組勘測序列)：類似于ESTs，來源基因組;HTG(High-throughputgenomesequences，高通量基因組序列)：高通量、尚未完工的DNA序列;中國科技大學(xué)系列：《生物信息學(xué)》02DNA測序的實驗方法

(末端終止法）CATddGTPddTTPddATP(D)使用寡核苷酸引物連續(xù)測序基因組測序：兩種方案策略1.基因圖譜法：DNA片段在染色體上的位置、方向已知。首先染色體被打斷成150~200kbp左右的大片段，然后克隆到BACs(BacterialArtificialChromosome)中，再進(jìn)一步隨機(jī)打斷，克隆，測序，依靠計算機(jī)組裝成長的序列(contig)。2.“鳥槍法”（shotgun）：DNA片段在染色體上的位置和方向未知。全基因組隨機(jī)打斷成小片段，克隆，雙向測序，計算機(jī)組裝成長的序列。中國科技大學(xué)系列：《生物信息學(xué)》02人類基因組計劃基因組圖譜：遺傳圖譜，物理圖譜遺傳圖譜(geneticmap)：連鎖圖譜，顯示所知的基因和/或遺傳標(biāo)記的相對距離位置與次序。物理圖譜(physicalmap):表示某些基因和/或遺傳標(biāo)記之間在基因組上的精確位置和距離（如間隔的bp數(shù)目）的圖譜。中國科技大學(xué)系列：《生物信息學(xué)》02中國科技大學(xué)系列：《生物信息學(xué)》02大規(guī)模測序方法中國科技大學(xué)系列：《生物信息學(xué)》022.序列數(shù)據(jù)的存儲核酸序列數(shù)據(jù)庫國際三大核酸序列數(shù)據(jù)庫：GenBank,EBML,DDBJRefSeq:TheReferenceSequence

DatabasedbEST:ExpressedSequencesTags數(shù)據(jù)庫UniGene等蛋白質(zhì)序列數(shù)據(jù)庫UniProtSwiss-prot&TrEMBL,PIR基因組數(shù)據(jù)庫:Ensembl中國科技大學(xué)系列：《生物信息學(xué)》02核酸數(shù)據(jù)庫數(shù)據(jù)的增長中國科技大學(xué)系列：《生物信息學(xué)》02GenBank由美國國立衛(wèi)生研究院NIH下屬國立生物技術(shù)信息中心NCBI建立。匯集并注釋了所有公開的核酸以及蛋白質(zhì)序列。每個記錄代表了一個單獨的、連續(xù)的、帶有注釋的DNA或RNA片段。中國科技大學(xué)系列：《生物信息學(xué)》02GenBank中測序最多的20個物種161.0版，2007中國科技大學(xué)系列：《生物信息學(xué)》02EMBL核酸序列數(shù)據(jù)庫EMBL-EBI(EuropeanBioinformaticsInstitute)維護(hù);中國科技大學(xué)系列：《生物信息學(xué)》02NIG(NationalInstituteofGenetics)CIB(CenterforInformationBiology)DDBJ中國科技大學(xué)系列：《生物信息學(xué)》02INSDC1998年，GenBank、EMBL和DDBJ共同成立了國際核酸序列數(shù)據(jù)庫協(xié)會（InternationalNucleotideSequenceDatabaseCollaboration,INSDC）三大核酸數(shù)據(jù)庫之間每天將新測定或更新的數(shù)據(jù)進(jìn)行交換共享，保證數(shù)據(jù)信息的完整與同步，每兩個月更新一次版本。中國科技大學(xué)系列：《生物信息學(xué)》02中國科技大學(xué)系列：《生物信息學(xué)》02三大數(shù)據(jù)庫之間的聯(lián)系中國科技大學(xué)系列：《生物信息學(xué)》02RefSeq數(shù)據(jù)庫1.提供非冗余的，高質(zhì)量的，經(jīng)檢驗校正的序列信息；2.包括染色體、基因組（細(xì)胞器、病毒、質(zhì)粒）、蛋白質(zhì)、RNA等；

序列文件的標(biāo)識符：mRNA序列：NM_123456非編碼RNA：NR_123456蛋白質(zhì)序列：NP_123456

中國科技大學(xué)系列：《生物信息學(xué)》02中國科技大學(xué)系列：《生物信息學(xué)》02RefSeq記錄的特征截然不同的Accession號區(qū)別于其它GenBank命名格式的序列，前綴是兩個字母加下劃線_;在Comment區(qū)域顯示來源;使用正式命名;包括dbxrefs的特征;蛋白序列在DBSOURCE區(qū)域標(biāo)示‘REFSEQ’中國科技大學(xué)系列：《生物信息學(xué)》02GenBankVS.

RefSeq中國科技大學(xué)系列：《生物信息學(xué)》02dbEST:表達(dá)序列標(biāo)簽數(shù)據(jù)庫最多的20個物種：2007.08，總序列45,660,524條中國科技大學(xué)系列：《生物信息學(xué)》02UniGene:

AnOrganizedViewoftheTranscriptome為每一個基因創(chuàng)造一個唯一的條目，收集這個基因所有的ESTs中國科技大學(xué)系列：《生物信息學(xué)》02Swiss-Prot&TrEMBL最早廣泛使用的蛋白數(shù)據(jù)庫；歐洲最主要的蛋白序列數(shù)據(jù)庫；SIB（SwissInstituteofBioinformatics）可由ExPASy（ExpertProteinAnalysisSystem）系統(tǒng)訪問；所有序列條目均經(jīng)過有經(jīng)驗的分子生物學(xué)家和蛋白質(zhì)化學(xué)家審核，因此又稱為蛋白質(zhì)專家?guī)?。中國科技大學(xué)系列：《生物信息學(xué)》02TrEMBLvs.GenPeptTrEMBL(TranslationofEMBL)：計算機(jī)注釋的Swiss-Prot分支數(shù)據(jù)庫，從EMBL庫中的cDNA序列翻譯得到的氨基酸序列數(shù)據(jù)庫。GenPept：由GenBank翻譯得到的蛋白質(zhì)序列，與TrEMBL類似，這兩個數(shù)據(jù)庫中的序列錯誤率較大，均有較大的冗余度。中國科技大學(xué)系列：《生物信息學(xué)》02PIR1984年，美國國家醫(yī)學(xué)研究基金會（NREF）正式啟動蛋白質(zhì)信息資源（ProteinInformationResource,PIR）計劃；美國最主要的蛋白序列數(shù)據(jù)庫;非冗余、高質(zhì)量注釋、全面分類;PIR數(shù)據(jù)庫按照數(shù)據(jù)的性質(zhì)和注釋層次分為PIR1、PIR2、PIR3和PIR4。PIR1中的序列已經(jīng)驗證，注釋最為詳盡。中國科技大學(xué)系列：《生物信息學(xué)》02UniProtUniversalProteinResource：Swiss-prot(TrEMBL),

PIR兩大蛋白數(shù)據(jù)庫的整合體；收錄蛋白質(zhì)序列目錄最廣泛、功能注釋最全面的數(shù)據(jù)庫；包含三個子庫：UniProtKB（UniProtKnowledgebase）UniRef（UniProtReferenceClusters）UniParc（UniprotArchive）中國科技大學(xué)系列：《生物信息學(xué)》02中國科技大學(xué)系列：《生物信息學(xué)》02UniProtKBUniProtKnowledgebase：Release15.4，16-Jun-2009，包括：Swiss-ProtRelease57.4:497293entriesTrEMBLRelease40.4:9145906entries包含蛋白質(zhì)序列全面的信息，提供準(zhǔn)確、豐富的序列與功能注釋。記錄以6位字母和數(shù)字組成，例：Q5K8D3

中國科技大學(xué)系列：《生物信息學(xué)》02中國科技大學(xué)系列：《生物信息學(xué)》02Swiss-ProtRelease57.7中國科技大學(xué)系列：《生物信息學(xué)》02中國科技大學(xué)系列：《生物信息學(xué)》02TrEMBLRelease40.4中國科技大學(xué)系列：《生物信息學(xué)》02較早的基因組數(shù)據(jù)庫-

GDB為人類基因組計劃(HGP)保存和處理基因組圖譜數(shù)據(jù)。GDB的目標(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功能和表型的描述。中國科技大學(xué)系列：《生物信息學(xué)》02基因組數(shù)據(jù)庫收集某些生物整個基因組序列的數(shù)據(jù)庫;基因組計劃HumanGenomeProjectSequencingGenomicsProjects

從GenBank中選擇同一物種的核酸信息組成的二級庫;中國科技大學(xué)系列：《生物信息學(xué)》02TheEnsemblprojectproducesgenomedatabasesforvertebratesandothereukaryoticspecies,andmakesthisinformationfreelyavailableonline.EMBL-EBI和Sanger研究所共同開發(fā)?；蚪M數(shù)據(jù)庫-Ensembl中國科技大學(xué)系列：《生物信息學(xué)》023.序列數(shù)據(jù)的文件格式DNA/RNA/氨基酸代碼的標(biāo)識GenBank數(shù)據(jù)格式EMBL&UniProt數(shù)據(jù)格式FASTA數(shù)據(jù)格式中國科技大學(xué)系列：《生物信息學(xué)》02DNA代碼氨基酸代碼中國科技大學(xué)系列：《生物信息學(xué)》02GenBank數(shù)據(jù)文件格式中國科技大學(xué)系列：《生物信息學(xué)》02GenBank數(shù)據(jù)文件格式中國科技大學(xué)系列：《生物信息學(xué)》02GenBank數(shù)據(jù)文件格式子庫Locus名字定義(標(biāo)題)修改日期序列類型mRNA(=cDNA)rRNAsnRNADNA序列長度檢索號Genbank號序列形狀中國科技大學(xué)系列：《生物信息學(xué)》02GenBank的數(shù)據(jù)類型中國科技大學(xué)系列：《生物信息學(xué)》02GenBank數(shù)據(jù)文件格式中國科技大學(xué)系列：《生物信息學(xué)》02GenBank數(shù)據(jù)文件格式中國科技大學(xué)系列：《生物信息學(xué)》02EMBL(UniProt)數(shù)據(jù)格式中國科技大學(xué)系列：《生物信息學(xué)》02EMBL和GenBank數(shù)據(jù)格式的對比中國科技大學(xué)系列：《生物信息學(xué)》02FASTA格式中國科技大學(xué)系列：《生物信息學(xué)》02FASTA格式 >1I60:A|PDBID|CHAIN|SEQUENCE MKLCFNEATTLENSNLKLDLELCEKHGYDYIEIRTMDKLPEYLKDHSLDDLAEYFQTHH