第二章生物分子数据库课件.ppt

第一节 引言生物分子数据生物分子数据高速增长高速增长 分子生物学分子生物学及相关领域研究人员及相关领域研究人员迅速获得最新实验数据迅速获得最新实验数据 建立生物分子数据库建立生物分子数据库 u 数据库记录数据库记录(entry, item)通常包括两部分通常包括两部分v 原始数据原始数据(序列组成等序列组成等)v 对这些数据进行的生物学意义的注释对这些数据进行的生物学意义的注释u 一个数据库通常链接了多个相关数据库一个数据库通常链接了多个相关数据库v 核苷酸数据库－水稻抗病相关基因核苷酸数据库－水稻抗病相关基因OsDR8 DQ176424Taxonomy 数据库数据库Pubmed 数据库数据库NCBI-Protein 数据库数据库其他数据库其他数据库Cross-Referencev生物分子数据库分类 一级数据库（有冗余）v数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释 v二级数据库（专业数据库）v对原始生物分子数据进行整理、分类的结果，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立的 v常用的生物分子数据库 v三大核酸序列数据库：Genbank、EMBL、DDBJ v特殊类型的核酸序列数据库：非编码RNA数据库（ncRNA）、表达序列标签数据库（dbEST）、miRNA、tRNAdbv蛋白质序列数据库：PIR、 SWIS-PROT、 MIPSv核酸和蛋白质三维结构数据库：核苷酸三维结构数据库（NDB）、普纳大学核酸结构数据库（BNASDB）、蛋白质结构数据库（PDB,MMDB）v基因组相关数据库：人类基因组数据库（HGD）、基因组序列数据库（GSDB）、基因组数据库（GOLD）v基因表达数据库: 基因表达库（GEO）、斯坦福微阵列数据库（SMD）、ArrayExpress第二节第二节 核酸序列数据库核酸序列数据库国际上权威的核酸序列数据库国际上权威的核酸序列数据库 （1）欧洲分子生物学实验室的EMBL http://www.embl-heidelberg.de （2）美国生物技术信息中心的GenBank http://www.ncbi.nlm.nih.gov/Web/Genbank/index.html （3）日本遗传研究所的DDBJ http://www.ddbj.nig.ac.jp/Ø信息资源共享，以天为基础进行数据库之间的序列数据交换，三个数据库中的数据基本一致，仅在数据格式上有所差别Ø属于国际合作项目，这三个几乎一致的数据库称为国际核酸序列数据库（INSD）Ø这三个数据库是综合性的DNA和RNA序列数据库，每条记录代表一个单独、连续、附有注释的DNA或RNA片段•GenBank由由美美国国国国家家医医学学图图书书馆馆的的国国家家生生物物技技术术信信息息中中心心(NCBI)构构建建、、维维护护和和管管理理, NCBI位位于于美美国国马马里里兰兰国国家家健健康康研研究究所所（（NIH））。

GenBank数数据据库库的的序序列列数数据据来来源源于于序序列列发发现现者者提提交交的的序序列列、、批批量量提提交交的的表表达达序序列列标标签签（（expressed sequence tag, EST））基基因因组组测测序序序序列列（（genome survey sequence, GSS））和和其其他他测测序序中中心心提提供供的的高高通通量量数数据据，，还还包包括括美美国国专专利利商商标标局局提提供供的的已发表专利的序列数据已发表专利的序列数据 一、NCBI简介/GenBank数据库 ØGenBank（（http://www.ncbi.nlm.nih.gov/genbank/））数据库包含数据库包含30万余种不同物种生物的核酸序列，万余种不同物种生物的核酸序列，这些数据主要来源于全世界不同实验室和大规模这些数据主要来源于全世界不同实验室和大规模测序计划项目测序计划项目 Ø大约大约12％来源于％来源于Homo sapiensØ排列前排列前6的物种的物种：：Homo sapiens、、Mus musculus、、Rattus norvegicus、、Bos taurus、、Zea mays、、Danio rerio (zebrafish)GenBank核酸序列格式vLocus name（（位点名位点名,座位名，同座位名，同Accession））u每条序列有三种专有标识符（每条序列有三种专有标识符（identifier）和一个版本）和一个版本号号vGenInfo identifier （（ GI ））/ Nucleotide ID （（NID ））vAccession number （（登陆号，流水号，编号，注册号登陆号，流水号，编号，注册号））ü10位字符位字符ü属名第一字母＋种名第一字母＋属名第一字母＋种名第一字母＋6位字符的注册号位字符的注册号ü2个字母＋个字母＋6个阿拉伯数字个阿拉伯数字 （（present form））vVersion （与登录号相同，后面有数字（与登录号相同，后面有数字1,2,3…）） Note： 序列发生变化时，GI号改变，登录号不改变， 但是版本号会发生改变GenBank核酸序列检索•NCBI检索首页检索窗口的数据库选项下拉菜单  Entrez集成检索系统•检索栏（for）输入“IL-2 human” •Entrez Gene检索结果摘要格式显示页面 •Entrez Gene全文报告页面 （前部分）•Entrez Gene全文报告页面 （后部分）GenBank核酸序列提交•欧洲生物信息学研究所（欧洲生物信息学研究所（EBI），是欧洲分子生物学实验室），是欧洲分子生物学实验室（（EMBL）的一部分，）的一部分，EMBL-EBIEMBL-EBI的许多数据库是生物的许多数据库是生物学家们熟知的，包括：学家们熟知的，包括：EMBL-Bank（（DNA和和RNA序列）、序列）、Ensemble（基因组）、（基因组）、ArrayExpress（基于微阵列的基因表达（基于微阵列的基因表达数据）、数据）、UniProt（蛋白质序列）、（蛋白质序列）、InterPro（蛋白家族、域和（蛋白家族、域和基序）、基序）、Reactome（传导通路）和（传导通路）和ChEBI（小分子），新的资（小分子），新的资源帮助研究者不仅了解构成生物体的分子部件，还了解这些源帮助研究者不仅了解构成生物体的分子部件，还了解这些部件是如何组合构成系统的。

部件是如何组合构成系统的 二、EBI简介/ EBML数据库 SRS集成检索系统•SRS快速文本检索窗口 •SRS检索结果页面显示的检索结果 •SRS蛋白质记录详细内容页面 三、DDBJ数据库 •日本日本DNA数据库数据库DDBJ(DNA Data Bank of Japan)，于，于1984年建年建立，与立，与NCBI的的GenBank，，EBI的的EMBL数据库共同组成国际数据库共同组成国际DNA数据库他们开发了数据库他们开发了SQmateh工具，用来搜索基因或蛋白质工具，用来搜索基因或蛋白质中短的碱基或氨基酸序列区域，并建立了简便且易操作的中短的碱基或氨基酸序列区域，并建立了简便且易操作的SOAP(simple object aeeess protoco1)服务器DDBJ主要收集主要收集来自日本研究者获得的序列数据，但也收集数据和发放编号来自日本研究者获得的序列数据，但也收集数据和发放编号给任何其他国家的研究者给任何其他国家的研究者 第三节第三节 蛋白质数据库蛋白质数据库•随着分子生物学的发展，人们获得了越来越多关随着分子生物学的发展，人们获得了越来越多关于蛋白质序列、结构和功能的信息。

世界各国的于蛋白质序列、结构和功能的信息世界各国的生物学家和计算机科学家合作利用这些信息构建生物学家和计算机科学家合作利用这些信息构建了蛋白质序列数据库、蛋白质三维结构数据库、了蛋白质序列数据库、蛋白质三维结构数据库、蛋白质组数据库（二维凝胶电泳数据库）、信号蛋白质组数据库（二维凝胶电泳数据库）、信号传导及蛋白质传导及蛋白质-蛋白质相互作用相关数据库、蛋白质相互作用相关数据库、DNA和蛋白质相互作用数据库等蛋白质相关数据库和蛋白质相互作用数据库等蛋白质相关数据库 常用的蛋白质序列数据库： •PIR•MIPS•Swiss-Prot（trEMBL） Present：UniProt数据库仓库 •蛋白质功能、结构域和蛋白质家族有关的数据库： •PROSITE•InterPro•Pfam•ProDom•SMART 等 •蛋白质三维结构相关数据库： •PDB•BioMagResBank•SWISS-MODEL Repository•ModBase•CATH•SCOP•ReLiBase•TOPS•SWISS-3DIMAGE•BioImage等 •蛋白质二维凝胶电泳数据库： •WORLD-2DPAGE•Phoretix links •信号传导及蛋白质-蛋白质相互作用相关数据库：•DIP•INTERACT•ProNet•KEGG•CANSITE•SPAD•CSNDB等Frequently-used protein sequence database UniProt: u由由 EBI (European Bioinformatics Institute)管管理的数据库理的数据库u由两部分组成由两部分组成ü有详细注释的序列，数据来源于实验有详细注释的序列，数据来源于实验ü与与40个数据库相互参照（个数据库相互参照（cross-reference））vSwiss-Prot/trEBMBUniProt包含3个部分：（1）UniProt Knowledgebase（UniProt） 蛋白质序列、功能、分类、交叉引用等信息存取中心蛋白质序列、功能、分类、交叉引用等信息存取中心（2）UniProt Non-redundant Reference（UniRef）数据库 将密切相关的蛋白质序列组合到一条记录中 以便提高搜索速度；（3）UniProt Archive（UniParc） 资源库，记录所有蛋白质序列的历史。

第四节第四节 常用的数据库常用的数据库1、、基因组数据库（基因组数据库（GDBGDB）） 人类基因组计划所得到的图谱数据人类基因组计划所得到的图谱数据 目前GDB包含对下述三种对象的描述：（1）人类基因组区域 包括基因、克隆、PCR标记物、断点、细胞遗传学标记、易碎位点、 EST、综合区域、contigs、重复等； （2）人类基因组图谱， 包含细胞遗传学图谱、连接图谱、辐射混合图谱、contig 图谱、集成图谱，所有这些图谱都可以被直观地显示出来；（3）人类基因组中的变化， 包括基因突变和基因多态性，加上等位基因频率数据其它模式生物基因组数据库如：如：鼠基因组数据库鼠基因组数据库 MGDMGD（（http://www.informatics.jax.org/http://www.informatics.jax.org/））酵母基因组数据库酵母基因组数据库 SGDSGD（（http://genome-http://genome-www.stanford.edu/Saccharomyces/www.stanford.edu/Saccharomyces/））Ensembl (Ensembl (http://www.ensembl.org/http://www.ensembl.org/））人类基因组数据库人类基因组数据库人类基因组数据库人类基因组数据库EnsemblEnsemblEnsemblEnsemblEnsemblEnsembl包括所有公开的人类基因组包括所有公开的人类基因组DNADNA序列，通过注序列，通过注释形成的关于序列的特征。

释形成的关于序列的特征 现在包括其他基因组，如现在包括其他基因组，如大鼠、小鼠、线虫、果蝇等大鼠、小鼠、线虫、果蝇等例如：基因例如：基因•通过实验发现的通过实验发现的•或者是通过或者是通过GenScan程序预测的程序预测的其他的特征：其他的特征：单核苷酸多态性（单核苷酸多态性（SNPSNP）、重复序列等）、重复序列等Ensembl 数据库结构图 2 2、表达序列标签数据库、表达序列标签数据库dbESTdbESTdbEST (http://www.ncbi.nlm.nih.gov/dbEST）是GenBank的一个部分,为GenBank的二级数据库EST（Expressed Sequence Tags）方法已被证明是识别转录序列的最有效方法，主要是从大量不同组织和器官得到的短mRNA片段，反转录成稳定的cRNA5’端或3’端的cDNA 序列单轮测序获得EST，300－400 bp GenBank 中大约56％的序列（65,255,769条序列，2010年）是 EST，这些序列来源于 > 1370个物种 3 3、蛋白质三维结构数据库、蛋白质三维结构数据库显示分子结构（显示分子结构（RasMol RasMol ，， ChemView ChemView ））Science 309:1522 (2005)转录转录RNA折叠形成折叠形成pri-miRNApre-miRNAmiRNARISC携带携带有活性的有活性的miRNAmiRNA genemicroRNA (miRNA)的形成的形成4 4、、miRNAmiRNA数据库数据库 http://www.mirbase.orgu收集了收集了10883条条 hairpin precursor miRNA 序列（序列（2009.9））u表达表达10581条条mature miRNAu来源于来源于115个物种个物种u可以通过可以通过miRNA名、关键词、染色名、关键词、染色体位置等检索数据库体位置等检索数据库u分析一条分析一条DNA序列中是否可能包含序列中是否可能包含miRNAThe end 。