生物信息學講義各類序列信息資源第1頁，課件共63頁，創(chuàng)作于2023年2月生物信息學（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(shù)相結(jié)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。第2頁，課件共63頁，創(chuàng)作于2023年2月生物信息學研究內(nèi)容它利用數(shù)據(jù)庫技術(shù)和軟件技術(shù)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(jié)構(gòu)、功能和進化關(guān)系以及基因組構(gòu)成與基因表達等生物學事件對生命活動的影響。

第3頁，課件共63頁，創(chuàng)作于2023年2月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(jié)構(gòu)、功能相關(guān)的生物信息的表達。第4頁，課件共63頁，創(chuàng)作于2023年2月生物信息學數(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(lǐng)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(jié)構(gòu)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。第5頁，課件共63頁，創(chuàng)作于2023年2月生物信息學數(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(jié)構(gòu)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(jié)構(gòu)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(chǔ)構(gòu)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)庫第6頁，課件共63頁，創(chuàng)作于2023年2月第二節(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(guān)數(shù)據(jù)庫、核酸三維結(jié)構(gòu)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(guān)數(shù)據(jù)庫、進化相關(guān)數(shù)據(jù)庫及其他與核酸有關(guān)的數(shù)據(jù)庫。第7頁，課件共63頁，創(chuàng)作于2023年2月三大核酸序列數(shù)據(jù)庫GenBankEMBLDDBJ

第8頁，課件共63頁，創(chuàng)作于2023年2月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。第9頁，課件共63頁，創(chuàng)作于2023年2月基因組相關(guān)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。第10頁，課件共63頁，創(chuàng)作于2023年2月核酸三維結(jié)構(gòu)數(shù)據(jù)庫：核苷酸三維結(jié)構(gòu)數(shù)據(jù)庫（NDB）；普納大學核酸結(jié)構(gòu)數(shù)據(jù)庫（BNASDB）等。第11頁，課件共63頁，創(chuàng)作于2023年2月基因表達數(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。第12頁，課件共63頁，創(chuàng)作于2023年2月人類基因突變及疾病相關(guān)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(guān)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。第13頁，課件共63頁，創(chuàng)作于2023年2月一、GenBank數(shù)據(jù)庫GenBank（/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。

第14頁，課件共63頁，創(chuàng)作于2023年2月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(shù)信息中心構(gòu)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)。第15頁，課件共63頁，創(chuàng)作于2023年2月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。第16頁，課件共63頁，創(chuàng)作于2023年2月在NCBI（/）的主頁上提供了進入GenBank的路徑、相關(guān)檢索和分析服務(wù)。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(jié)構(gòu)和結(jié)構(gòu)（功能）域信息，還包括相關(guān)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(wù)。

第17頁，課件共63頁，創(chuàng)作于2023年2月（一）GenBank數(shù)據(jù)庫結(jié)構(gòu)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)錄組鳥槍組合序列第18頁，課件共63頁，創(chuàng)作于2023年2月（一）GenBank數(shù)據(jù)庫結(jié)構(gòu)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第19頁，課件共63頁，創(chuàng)作于2023年2月（二）構(gòu)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第20頁，課件共63頁，創(chuàng)作于2023年2月（三）檢索GenBank數(shù)據(jù)1.Entrez系統(tǒng)（/sites/gquery）2.與測序計劃檢索相關(guān)的序列記錄（//genomeprj）3.BLAST序列相似性搜索（/Blast.cgi）4.用FTP獲取GenBank（/genbank）第21頁，課件共63頁，創(chuàng)作于2023年2月二、EMBL數(shù)據(jù)庫EMBL建立于1980年，EMBL核苷序列數(shù)據(jù)庫（http://www.edi.ac.uk/embl/）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)。第22頁，課件共63頁，創(chuàng)作于2023年2月三、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。第23頁，課件共63頁，創(chuàng)作于2023年2月四、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。第24頁，課件共63頁，創(chuàng)作于2023年2月第三節(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(guān)于蛋白質(zhì)序列、結(jié)構(gòu)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(gòu)建了蛋白質(zhì)序列數(shù)據(jù)庫、蛋白質(zhì)三維結(jié)構(gòu)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(guān)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(guān)數(shù)據(jù)庫。

第25頁，課件共63頁，創(chuàng)作于2023年2月常用的蛋白質(zhì)序列數(shù)據(jù)庫：PIRMIPSSwiss-Prot第26頁，課件共63頁，創(chuàng)作于2023年2月蛋白質(zhì)功能、結(jié)構(gòu)域和蛋白質(zhì)家族有關(guān)的數(shù)據(jù)庫：PROSITEInterProPfamProDomSMART等第27頁，課件共63頁，創(chuàng)作于2023年2月蛋白質(zhì)三維結(jié)構(gòu)相關(guān)數(shù)據(jù)庫：PDBBioMagResBankSWISS-MODELRepositoryModBaseCATHSCOPReLiBaseTOPSSWISS-3DIMAGEBioImage等第28頁，課件共63頁，創(chuàng)作于2023年2月蛋白質(zhì)二維凝膠電泳數(shù)據(jù)庫：WORLD-2DPAGEPhoretixlinks第29頁，課件共63頁，創(chuàng)作于2023年2月信號傳導及蛋白質(zhì)-蛋白質(zhì)相互作用相關(guān)數(shù)據(jù)庫：DIPINTERACTProNetKEGGCANSITESPADCSNDB等第30頁，課件共63頁，創(chuàng)作于2023年2月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(guān)數(shù)據(jù)庫：O-GlycBase、PhosphoBase、RES蛋白質(zhì)等蛋白質(zhì)第31頁，課件共63頁，創(chuàng)作于2023年2月一、PIR數(shù)據(jù)庫蛋白質(zhì)信息庫（PIR）（/pirwww/）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。第32頁，課件共63頁，創(chuàng)作于2023年2月PIR信息庫資源第33頁，課件共63頁，創(chuàng)作于2023年2月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)庫第34頁，課件共63頁，創(chuàng)作于2023年2月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。第35頁，課件共63頁，創(chuàng)作于2023年2月2.iProClass-蛋白質(zhì)知識整合數(shù)據(jù)庫iProClass（/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(wù)、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(guān)序列。第36頁，課件共63頁，創(chuàng)作于2023年2月3.PIRSF-蛋白質(zhì)家族分類系統(tǒng)PIRSF（/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(jié)構(gòu)，以及家族成員，包括功能、結(jié)構(gòu)、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(yù)測的功能和該蛋白質(zhì)所屬家族成員共有的其他特征。第37頁，課件共63頁，創(chuàng)作于2023年2月4.iProLINK-蛋白質(zhì)文獻、信息和知識整合數(shù)據(jù)庫iProLINK（/iprolink/）提供有關(guān)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(shù)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。第38頁，課件共63頁，創(chuàng)作于2023年2月二、MIPS數(shù)據(jù)庫慕尼黑蛋白質(zhì)序列信息中心（MIPS）（http://www.helmholtz-muenchen.de/en/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(yīng)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(wù)。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(luò)服務(wù)。

第39頁，課件共63頁，創(chuàng)作于2023年2月三、其他重要的蛋白質(zhì)序列數(shù)據(jù)庫：PRINTSPfam第40頁，課件共63頁，創(chuàng)作于2023年2月（一）PRINTSPRINTS（http://www.bioinf.manchester.ac.uk/dbbrowser/PRINTS/index.php）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(fù)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(fù)雜性分為簡單和復(fù)合指紋圖：簡單指紋圖基本上是單一的基序，而復(fù)合指紋圖包含多個基序。

第41頁，課件共63頁，創(chuàng)作于2023年2月（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（http://pfam.sanger.ac.uk/）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(jié)果的代表。第42頁，課件共63頁，創(chuàng)作于2023年2月第四節(jié)NCBI與EBI

Section4NCBIandEBI一、NCBI的簡介二、EBI簡介第43頁，課件共63頁，創(chuàng)作于2023年2月一、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(shù)，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(shù)信息；執(zhí)行分析生物學重要分子結(jié)構(gòu)和功能的先進研究方法。第44頁，課件共63頁，創(chuàng)作于2023年2月二、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(gòu)成生物體的分子部件，還了解這些部件是如何組合構(gòu)成系統(tǒng)的。

第45頁，課件共63頁，創(chuàng)作于2023年2月三、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(jié)構(gòu)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)。第46頁，課件共63頁，創(chuàng)作于2023年2月Entrez檢索系統(tǒng)子數(shù)據(jù)庫第47頁，課件共63頁，創(chuàng)作于2023年2月（一）EntrezGene檢索EntrezGene檢索到的記錄提供關(guān)鍵鏈接，將圖譜、序列、表達、結(jié)構(gòu)、功能、索引文獻和同源數(shù)據(jù)鏈接在一起構(gòu)成關(guān)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(guān)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。

第48頁，課件共63頁，創(chuàng)作于2023年2月NCBI檢索首頁檢索窗口的數(shù)據(jù)庫

選項下拉菜單第49頁，課件共63頁，創(chuàng)作于2023年2月檢索欄（for）輸入“IL-2human”

第50頁，課件共63頁，創(chuàng)作于2023年2月（二）EntrezGene記錄顯示格式當進行檢索時，檢索結(jié)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(cè)的Links可以關(guān)聯(lián)到顯示相關(guān)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(guān)記錄。第51頁，課件共63頁，創(chuàng)作于2023年2月EntrezGene檢索結(jié)果摘