山东大学生物信息学课件03生物信息学数据库及检索策略

NCBIBioinformatics database and retrieval strategyNCBI1.重要生物信息数据库2.生物信息数据及其格式3.数据库检索工具EntrezContentNCBINCBINCBI11、重要生物信息中心、重要生物信息中心 Bioinformatics Bioinformatics CentresCentresNCBI NCBI National Center for Biotechnology Information National Center for Biotechnology Information (US)(US) www.ncbi.nlm.nih.govwww.ncbi.nlm.nih.govEBIEBI European Bioinformatics Institute European Bioinformatics Institute (EU)(EU) www.ebi.ac.ukwww.ebi.ac.ukDDBJ DNA Data Bank of Japan DDBJ DNA Data Bank of Japan (JP)(JP) www.ddbj.nig.ac.jp www.ddbj.nig.ac.jpExPASyExPASy Expert of Protein Analysis System ( Expert of Protein Analysis System (SwitzerlandSwitzerland ) ) www.expasy.ch www.expasy.chPDB Protein Data Bank (US)PDB Protein Data Bank (US) www.rcsb.org/pdb/ www.rcsb.org/pdb/ CBIPKU CBIPKU 北京大学生物信息中心北京大学生物信息中心 （CNCN） BioSino 中国生物信息中心中国生物信息中心 (CN )(CN ) www.biosino.org www.biosino.orgNCBINCBINCBINCBINCBINCBITools for Bioinformatics ResearchTools for Bioinformatics ResearchEntrezEntrezSRSSRSNCBI数据库的集成与检索界面的统一数据库的集成与检索界面的统一XMLXMLSite ASite BData IntegrationNCBINCBISRSSRS( (S Sequence equence R Retrieval etrieval S Systemystem ) )SRSSRS是欧洲分子生物学网是欧洲分子生物学网EMBnetEMBnet的主要检索工具的主要检索工具SRS, Sequence Retrieval System, is a powerful database management system developed specifically for biological databases. The goal of SRS is to provide an efficient access to databases with biological contents no matter in what format are they available and allowing for complex search criteria.NCBI数据库记录的格式与检索路口NCBI核酸核酸/ /蛋白质数据库记录的组成蛋白质数据库记录的组成n n由于历史原因，各种生物数据库采用了由于历史原因，各种生物数据库采用了不同的信息格式不同的信息格式不同的信息格式不同的信息格式，许多，许多生物计算机软件也要求生物计算机软件也要求特定的核酸和蛋白质序列输入格式特定的核酸和蛋白质序列输入格式特定的核酸和蛋白质序列输入格式特定的核酸和蛋白质序列输入格式。n n一个数据库记录一个数据库记录(entry)(entry)一般由两部分组成：一般由两部分组成：原始序列数据原始序列数据原始序列数据原始序列数据和描和描述这些数据述这些数据生物学信息的注释生物学信息的注释生物学信息的注释生物学信息的注释(annotation)(annotation)。注释中包含的信息注释中包含的信息与相应的序列数据同样重要和有应用价值，值得注意。与相应的序列数据同样重要和有应用价值，值得注意。n n序序列列部部分分和和注注释释部部分分两两者者都都有有固固定定格格式式，以以便便计计算算机机读读取取。各各个个数数据据库库的的具具体体格格式式又又有有所所不不同同，大大致致分分成成GenBankGenBank和和和和EMBLEMBL两种风格。两种风格。NCBIGenBankGenBank Records RecordsHeaderFeature TableSequenceThe Flatfile FormatNCBIGenBankGenBank格式格式格式格式GenBankGenBank格式：格式：格式：格式：每个条目都是一份每个条目都是一份纯文本文件纯文本文件纯文本文件纯文本文件。每行左端为空格或为识别字，。每行左端为空格或为识别字，识别字均为识别字均为完整英文字完整英文字完整英文字完整英文字，不用缩写。，不用缩写。 格式可以分成格式可以分成3 3个部分：个部分：1 1）头部包含关于整个序列的信息（描述字符），从头部包含关于整个序列的信息（描述字符），从头部包含关于整个序列的信息（描述字符），从头部包含关于整个序列的信息（描述字符），从 LOCUSLOCUS行到行到行到行到ORIGINORIGIN行行行行；2 2）注释这一序列的特性（）注释这一序列的特性（）注释这一序列的特性（）注释这一序列的特性（Feature TableFeature Table），为注释核心部分；），为注释核心部分；），为注释核心部分；），为注释核心部分；3 3）序列本身序列本身序列本身序列本身(Sequence)(Sequence)。注：所有的核苷酸数据库记录（注：所有的核苷酸数据库记录（EMBL/EMBL/GenBankGenBank/DDBJ)/DDBJ)都在最都在最后一行以后一行以/ /结尾。结尾。NCBIGenBank格式格式NCBIEMBLEMBL格式格式格式格式EMBLEMBL格式：格式：格式：格式：欧洲分子生物学欧洲分子生物学EMBLEMBL数据库的每个条目是一份数据库的每个条目是一份纯文本文件纯文本文件纯文本文件纯文本文件，每一行最前面是由每一行最前面是由两个大写字母组成两个大写字母组成两个大写字母组成两个大写字母组成的识别标志，常见的识的识别标志，常见的识别标志列举在后面的表中。识别标志别标志列举在后面的表中。识别标志“ “特性表特性表” ”FTFT包含一批包含一批关键字，它们的定义已经与关键字，它们的定义已经与GenBankGenBank和和DDBJDDBJ统一。下欧洲国统一。下欧洲国家的许多数据库如家的许多数据库如SWISS-PROTSWISS-PROT、ENZYMEENZYME、TRANSFACTRANSFAC等，等，都采用与都采用与EMBLEMBL一致的格式。一致的格式。 NCBIEMBL格式格式NCBI数据库记录注释代码和内容说明数据库记录注释代码和内容说明 EMBLEMBL识别标志识别标志 GenBankGenBank识别字识别字 意义意义ID ID LOCUS LOCUS 序列名称序列名称DEDEDEFINITIONDEFINITION序列简单说明序列简单说明AC AC ACCESSION ACCESSION 唯一的提取号唯一的提取号OSOSSOURCESOURCE序列来源的物种名序列来源的物种名OC OC ORGANISM ORGANISM 序列来源的物种学名和分类学位置序列来源的物种学名和分类学位置DT DT 建立日期建立日期 KW KW KEYWORDSKEYWORDS与序列相关的关键词与序列相关的关键词RNRNREFERENCEREFERENCE相关文献编号，或递交序列的注册信息相关文献编号，或递交序列的注册信息RARAAUTHORSAUTHORS相关文献作者，或递交序列的作者相关文献作者，或递交序列的作者RTRTTITLETITLE相关文献题目相关文献题目RLRLJOURNALJOURNAL引文出处引文出处相关文献刊物杂志名，或递交序列的作者单位相关文献刊物杂志名，或递交序列的作者单位RXRXMEDLINE MEDLINE 相关文献相关文献MedlineMedline引文代码引文代码RPRP相关文献其它注释相关文献其它注释p18NCBI数据库记录注释代码和内容说明（数据库记录注释代码和内容说明（cont.cont.）EMBLEMBL识别标志识别标志 GenBankGenBank识别字识别字 意义意义RCRCREMARKREMARK相关文献注释相关文献注释DRDR相关数据库交叉引用号相关数据库交叉引用号XXXX为阅读清晰而加的空行为阅读清晰而加的空行 CC CC COMMENT COMMENT 评注评注 NI NI VERSION VERSION 可更新的序列版本号可更新的序列版本号 FH FH FEATURES FEATURES 序列特征表起始序列特征表起始FT FT FEATURES FEATURES 特性表特性表 SQ SQ EMBLEMBL序列开始标志，后随长度、字母数序列开始标志，后随长度、字母数 BASE COUNT BASE COUNT GenBankGenBank碱基数目碱基数目 ORIGIN ORIGIN GenBankGenBank序列开始标志，该行空序列开始标志，该行空 / / / / 序列结束标志，空行序列结束标志，空行 p18NCBILOCUS AF062069 3808 bp mRNA INV 02-MAR-2000序列序列序列序列和和和和数据库标识数据库标识数据库标识数据库标识位置位置, , 提取号提取号, , 版本版本 Definition accession versionDefinition accession versionDEFINITION Limulus polyphemus myosin III mRNA, complete cds.GB DivisionLocus名字简单描述 (标题)修改日期序列类型mRNA (= cDNA)rRNAsnRNADNA序列长度VERSION AF062069.2 GI:7144484ACCESSION AF062069提取号Accession.versiongi number最古老的甲壳动物最古老的甲壳动物鲎（鲎（hu）肌球蛋白肌球蛋白IIINCBI关关键字，生物体来源键字，生物体来源 Keywords and sourceKeywords and sourceKEYWORDS .SOURCE Atlantic horseshoe crab. ORGANISM Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus.序列来源的物种名序列来源的物种名序列来源的物种学名和序列来源的物种学名和分类学位置分类学位置可更新的序可更新的序列版本号列版本号后生动物后生动物 NCBIREFERENCE 1 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE A myosin III from Limulus eyes is a clock-regulated phosphoprotein JOURNAL J