生物信息學(xué) 第二講 數(shù)據(jù)庫(kù)與數(shù)據(jù)存儲(chǔ)格式 上篇

1、生物信息學(xué)生物信息學(xué)謝文海謝文海 講師講師 21995年，人類基因組計(jì)劃（年，人類基因組計(jì)劃（HGP）第一個(gè)五年總結(jié)報(bào)告中給出的定義：生物信）第一個(gè)五年總結(jié)報(bào)告中給出的定義：生物信息學(xué)是一門交叉科學(xué)，它包含了生物信息的息學(xué)是一門交叉科學(xué)，它包含了生物信息的獲取、加工、存儲(chǔ)、分配、分析、獲取、加工、存儲(chǔ)、分配、分析、解釋解釋等在內(nèi)的所有方面，它等在內(nèi)的所有方面，它運(yùn)用運(yùn)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的工種工具來(lái)數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的工種工具來(lái)闡明闡明和理解和理解大量數(shù)據(jù)所包含的生物學(xué)意義。大量數(shù)據(jù)所包含的生物學(xué)意義。是一門融合生命科學(xué)和數(shù)理科學(xué)的新興學(xué)科，是一門融合生命科學(xué)和數(shù)理科學(xué)的新興學(xué)科，

2、以核酸、蛋白質(zhì)等生物大分子數(shù)以核酸、蛋白質(zhì)等生物大分子數(shù)據(jù)庫(kù)為主要研究對(duì)象據(jù)庫(kù)為主要研究對(duì)象，以數(shù)學(xué)、信息學(xué)、計(jì)算機(jī)科學(xué)為主要研究手段以數(shù)學(xué)、信息學(xué)、計(jì)算機(jī)科學(xué)為主要研究手段，對(duì)原始，對(duì)原始數(shù)據(jù)數(shù)據(jù)進(jìn)行存儲(chǔ)、管理、注釋、加工進(jìn)行存儲(chǔ)、管理、注釋、加工，通過(guò)對(duì)生物信息的查詢、搜索、比較、分，通過(guò)對(duì)生物信息的查詢、搜索、比較、分析，從中析，從中獲取基因編碼、基因調(diào)控、核酸和蛋白質(zhì)結(jié)構(gòu)功能及其相互關(guān)系等理獲取基因編碼、基因調(diào)控、核酸和蛋白質(zhì)結(jié)構(gòu)功能及其相互關(guān)系等理性知識(shí)性知識(shí)，探索生命起源、生物進(jìn)化以及細(xì)胞、器官和個(gè)體發(fā)生、發(fā)育、病變和，探索生命起源、生物進(jìn)化以及細(xì)胞、器官和個(gè)體發(fā)生、發(fā)育、病變和衰

3、亡的分子機(jī)制。衰亡的分子機(jī)制。生物信息學(xué)的定義：生物信息學(xué)的定義：回顧回顧3回顧回顧4回顧回顧5回顧回顧6第二章第二章 數(shù)據(jù)庫(kù)與數(shù)據(jù)庫(kù)與生物序列的搜集和存儲(chǔ)生物序列的搜集和存儲(chǔ)生物信息計(jì)算機(jī)基礎(chǔ)知識(shí)簡(jiǎn)介生物信息計(jì)算機(jī)基礎(chǔ)知識(shí)簡(jiǎn)介分子生物信息數(shù)據(jù)庫(kù)分子生物信息數(shù)據(jù)庫(kù)生物信息數(shù)據(jù)存儲(chǔ)格式生物信息數(shù)據(jù)存儲(chǔ)格式生物信息的檢索和提交生物信息的檢索和提交7第二章第二章 生物序列的搜集和存儲(chǔ)生物序列的搜集和存儲(chǔ)生物信息計(jì)算機(jī)基礎(chǔ)知識(shí)簡(jiǎn)介生物信息計(jì)算機(jī)基礎(chǔ)知識(shí)簡(jiǎn)介分子生物信息數(shù)據(jù)庫(kù)分子生物信息數(shù)據(jù)庫(kù)生物信息數(shù)據(jù)存儲(chǔ)格式生物信息數(shù)據(jù)存儲(chǔ)格式生物信息的檢索和提交生物信息的檢索和提交8生物信息計(jì)算機(jī)基礎(chǔ)知識(shí)簡(jiǎn)介生物

4、信息計(jì)算機(jī)基礎(chǔ)知識(shí)簡(jiǎn)介計(jì)算機(jī)硬件知識(shí)計(jì)算機(jī)硬件知識(shí)操作系統(tǒng)操作系統(tǒng) Linux 程序語(yǔ)言程序語(yǔ)言 perl、 python 、R 等等數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù) 9Linux操作系統(tǒng)操作系統(tǒng) 天才大學(xué)生天才大學(xué)生Linus Torvalds開(kāi)發(fā)開(kāi)發(fā) Linux Kernel 4.3 RC5 用于用于 PC 的免費(fèi)的免費(fèi)Unix 開(kāi)放源代碼，業(yè)余愛(ài)好者共同開(kāi)發(fā)開(kāi)放源代碼，業(yè)余愛(ài)好者共同開(kāi)發(fā)免費(fèi)、安全、高速免費(fèi)、安全、高速 它的出現(xiàn)，使得它的出現(xiàn)，使得Unix成為一個(gè)低廉或免費(fèi)的成為一個(gè)低廉或免費(fèi)的OS 系統(tǒng)資源消耗系統(tǒng)資源消耗Windows or Mac 開(kāi)發(fā)軟件的接觸平臺(tái)，有用于計(jì)算機(jī)生物學(xué)和一般開(kāi)發(fā)軟件的

5、接觸平臺(tái)，有用于計(jì)算機(jī)生物學(xué)和一般性研究的豐富工具庫(kù)性研究的豐富工具庫(kù)10 基于命令行基于命令行 X窗口系統(tǒng)：讓程序在屏幕上畫圖窗口系統(tǒng)：讓程序在屏幕上畫圖 GNOME KDE： 桌面環(huán)境，類似于桌面環(huán)境，類似于Windows11建立建立Linux工作站工作站 一臺(tái)廢舊電腦一臺(tái)廢舊電腦 安裝打包的安裝打包的Linux（Red Hat、Debian、SuSE、ubuntu窗口界窗口界面強(qiáng)大）面強(qiáng)大） 1213Perl 代碼代碼14/lds/Boulder-1.30/Boulder/Blast.pm1516數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù) 理解數(shù)據(jù)庫(kù)、理解數(shù)據(jù)庫(kù)、DBMSDB

6、MS的作用和意義的作用和意義 了解數(shù)據(jù)庫(kù)管理系統(tǒng)了解數(shù)據(jù)庫(kù)管理系統(tǒng) 理解各種數(shù)據(jù)庫(kù)模型理解各種數(shù)據(jù)庫(kù)模型 理解數(shù)據(jù)庫(kù)相關(guān)的基本概念理解數(shù)據(jù)庫(kù)相關(guān)的基本概念17什么是數(shù)據(jù)庫(kù)什么是數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)是數(shù)據(jù)表及相關(guān)操作對(duì)象的集合數(shù)據(jù)庫(kù)是數(shù)據(jù)表及相關(guān)操作對(duì)象的集合數(shù)據(jù)表由一個(gè)或多個(gè)相關(guān)的數(shù)據(jù)項(xiàng)組成數(shù)據(jù)表由一個(gè)或多個(gè)相關(guān)的數(shù)據(jù)項(xiàng)組成 記記 錄錄18為什么使用數(shù)據(jù)庫(kù)？為什么使用數(shù)據(jù)庫(kù)？條理分明條理分明檢索方便檢索方便維護(hù)容易維護(hù)容易減少錯(cuò)誤減少錯(cuò)誤信息挖掘信息挖掘名姓聘任時(shí)間KarlaJablonski2004-03-11 MartineRance2002-02-05 MargaretSmith2008-09-

7、29 GaryThomas1988-08-09 19在數(shù)據(jù)庫(kù)出現(xiàn)之前，人們書面文檔來(lái)存儲(chǔ)數(shù)據(jù)在數(shù)據(jù)庫(kù)出現(xiàn)之前，人們書面文檔來(lái)存儲(chǔ)數(shù)據(jù) 容易丟失數(shù)據(jù)容易丟失數(shù)據(jù) 數(shù)據(jù)重復(fù)、冗余數(shù)據(jù)重復(fù)、冗余 難于查閱和使用難于查閱和使用 維護(hù)成本高維護(hù)成本高20早期數(shù)據(jù)保存方式早期數(shù)據(jù)保存方式 計(jì)算機(jī)文件計(jì)算機(jī)文件 操作、修改、查找數(shù)據(jù)操作、修改、查找數(shù)據(jù)磁盤磁盤計(jì)算機(jī)系統(tǒng)進(jìn)行數(shù)據(jù)處理計(jì)算機(jī)系統(tǒng)進(jìn)行數(shù)據(jù)處理傳送信息傳送信息磁帶磁帶可以以不同的文件格式進(jìn)行數(shù)據(jù)保存可以以不同的文件格式進(jìn)行數(shù)據(jù)保存今天，人們依然采用文件方式保存一些數(shù)據(jù)今天，人們依然采用文件方式保存一些數(shù)據(jù)21什么是什么是 DBMS?BrianA00

8、4AllenA003RickyA008ShaneA007數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)檢索數(shù)據(jù)檢索數(shù)據(jù) 插入數(shù)據(jù)插入數(shù)據(jù)更新數(shù)據(jù)更新數(shù)據(jù) 刪除數(shù)據(jù)刪除數(shù)據(jù)數(shù)據(jù)庫(kù)管理系統(tǒng)數(shù)據(jù)庫(kù)管理系統(tǒng)(database management system, DBMS) 對(duì)數(shù)據(jù)庫(kù)進(jìn)行管理的系統(tǒng)軟件，提供對(duì)數(shù)據(jù)庫(kù)進(jìn)行管理的系統(tǒng)軟件，提供DB的建立、查詢、更新以及各種的建立、查詢、更新以及各種數(shù)據(jù)控制功能。數(shù)據(jù)控制功能。2222分布式數(shù)據(jù)庫(kù)系統(tǒng)分布式數(shù)據(jù)庫(kù)系統(tǒng)其他數(shù)據(jù)源其他數(shù)據(jù)源允許相互進(jìn)行數(shù)據(jù)交換和數(shù)據(jù)訪問(wèn)允許相互進(jìn)行數(shù)據(jù)交換和數(shù)據(jù)訪問(wèn)遠(yuǎn)程數(shù)據(jù)庫(kù)連接主數(shù)據(jù)庫(kù)遠(yuǎn)程數(shù)據(jù)庫(kù)連接主數(shù)據(jù)庫(kù)本地?cái)?shù)據(jù)庫(kù)本地?cái)?shù)據(jù)庫(kù)遠(yuǎn)程數(shù)據(jù)庫(kù)遠(yuǎn)程數(shù)據(jù)庫(kù)遠(yuǎn)程數(shù)據(jù)庫(kù)遠(yuǎn)程

9、數(shù)據(jù)庫(kù)23數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù) 數(shù)據(jù)模型（數(shù)據(jù)模型（data model, DM) 數(shù)據(jù)庫(kù)結(jié)構(gòu)和語(yǔ)義的一種抽象描述。由數(shù)據(jù)庫(kù)結(jié)構(gòu)和語(yǔ)義的一種抽象描述。由數(shù)據(jù)的結(jié)構(gòu)數(shù)據(jù)的結(jié)構(gòu)、數(shù)據(jù)操作數(shù)據(jù)操作和和數(shù)據(jù)庫(kù)數(shù)據(jù)的約束條件數(shù)據(jù)庫(kù)數(shù)據(jù)的約束條件 。 1）數(shù)據(jù)結(jié)構(gòu)）數(shù)據(jù)結(jié)構(gòu):數(shù)據(jù)模型中的數(shù)據(jù)結(jié)構(gòu)主要描述數(shù)據(jù)的類型、內(nèi)容、性數(shù)據(jù)模型中的數(shù)據(jù)結(jié)構(gòu)主要描述數(shù)據(jù)的類型、內(nèi)容、性質(zhì)以及數(shù)據(jù)間的聯(lián)系等。數(shù)據(jù)結(jié)構(gòu)是數(shù)據(jù)模型的基礎(chǔ)，質(zhì)以及數(shù)據(jù)間的聯(lián)系等。數(shù)據(jù)結(jié)構(gòu)是數(shù)據(jù)模型的基礎(chǔ)，數(shù)據(jù)操作數(shù)據(jù)操作和約和約束都基本建立在數(shù)據(jù)結(jié)構(gòu)上。不同的數(shù)據(jù)結(jié)構(gòu)具有不同的操作和約束。束都基本建立在數(shù)據(jù)結(jié)構(gòu)上。不同的數(shù)據(jù)結(jié)構(gòu)具有不同的操作和約束。2）

10、數(shù)據(jù)操作）數(shù)據(jù)操作:數(shù)據(jù)模型中數(shù)據(jù)操作主要描述在相應(yīng)的數(shù)據(jù)結(jié)構(gòu)上的操數(shù)據(jù)模型中數(shù)據(jù)操作主要描述在相應(yīng)的數(shù)據(jù)結(jié)構(gòu)上的操作類型和操作方式。作類型和操作方式。3）數(shù)據(jù)約束：數(shù)據(jù)模型中的數(shù)據(jù)約束主要描述數(shù)據(jù)結(jié)構(gòu)內(nèi)數(shù)據(jù)間的）數(shù)據(jù)約束：數(shù)據(jù)模型中的數(shù)據(jù)約束主要描述數(shù)據(jù)結(jié)構(gòu)內(nèi)數(shù)據(jù)間的語(yǔ)法、詞義聯(lián)系、他們之間的制約和依存關(guān)系，以及數(shù)據(jù)動(dòng)態(tài)變化的語(yǔ)法、詞義聯(lián)系、他們之間的制約和依存關(guān)系，以及數(shù)據(jù)動(dòng)態(tài)變化的規(guī)則，以保證數(shù)據(jù)的正確、有效和相容。規(guī)則，以保證數(shù)據(jù)的正確、有效和相容。描述用來(lái)存儲(chǔ)數(shù)據(jù)的容器；描述用來(lái)存儲(chǔ)數(shù)據(jù)的容器；在該容器中存儲(chǔ)和檢索數(shù)據(jù)的過(guò)程；在該容器中存儲(chǔ)和檢索數(shù)據(jù)的過(guò)程；24數(shù)據(jù)庫(kù)模型-層次模型層

11、次數(shù)據(jù)模型模擬現(xiàn)實(shí)生層次數(shù)據(jù)模型模擬現(xiàn)實(shí)生活中的各種分層組織?；钪械母鞣N分層組織。層次數(shù)據(jù)庫(kù)是一組通過(guò)鏈接層次數(shù)據(jù)庫(kù)是一組通過(guò)鏈接而互相聯(lián)系在一起的記錄。而互相聯(lián)系在一起的記錄。特點(diǎn)是特點(diǎn)是記錄間的聯(lián)系是通過(guò)記錄間的聯(lián)系是通過(guò)指針實(shí)現(xiàn)指針實(shí)現(xiàn)，表示的是對(duì)象的，表示的是對(duì)象的聯(lián)系。聯(lián)系。缺點(diǎn)是無(wú)法反映多對(duì)缺點(diǎn)是無(wú)法反映多對(duì)象的聯(lián)系象的聯(lián)系，且由于層次順序，且由于層次順序的嚴(yán)格和復(fù)雜，導(dǎo)致數(shù)據(jù)的的嚴(yán)格和復(fù)雜，導(dǎo)致數(shù)據(jù)的查詢和更新操作復(fù)雜。查詢和更新操作復(fù)雜。25數(shù)據(jù)庫(kù)模型-網(wǎng)狀模型銷售代表銷售代表顧客顧客產(chǎn)品產(chǎn)品發(fā)票發(fā)票付款記錄付款記錄發(fā)票物品項(xiàng)發(fā)票物品項(xiàng)不同的相關(guān)的信息組成一個(gè)不同的相關(guān)的信息組

12、成一個(gè)“網(wǎng)狀網(wǎng)狀”的模型，的模型，它使用它使用網(wǎng)格結(jié)構(gòu)表示實(shí)體類型、實(shí)體間聯(lián)系網(wǎng)格結(jié)構(gòu)表示實(shí)體類型、實(shí)體間聯(lián)系。特點(diǎn)是記錄間的聯(lián)系通過(guò)指針實(shí)現(xiàn)，多對(duì)多關(guān)特點(diǎn)是記錄間的聯(lián)系通過(guò)指針實(shí)現(xiàn)，多對(duì)多關(guān)系容易實(shí)現(xiàn)。缺點(diǎn)是編程復(fù)雜。系容易實(shí)現(xiàn)。缺點(diǎn)是編程復(fù)雜。26數(shù)據(jù)庫(kù)模型-關(guān)系模型記錄和記錄之間通過(guò)屬性之間的關(guān)系來(lái)進(jìn)行連接記錄和記錄之間通過(guò)屬性之間的關(guān)系來(lái)進(jìn)行連接 保證數(shù)據(jù)獨(dú)立性，并形成數(shù)據(jù)集之間的關(guān)系。保證數(shù)據(jù)獨(dú)立性，并形成數(shù)據(jù)集之間的關(guān)系。753862981成績(jī)成績(jī)學(xué)號(hào)學(xué)號(hào)劉三陽(yáng)劉三陽(yáng)3李東李東2張明張明1姓名姓名學(xué)號(hào)學(xué)號(hào)劉三陽(yáng)劉三陽(yáng)753姓名姓名成績(jī)成績(jī)學(xué)號(hào)學(xué)號(hào)27數(shù)據(jù)和信息數(shù)據(jù)和信息數(shù)據(jù) 8趙六

13、趙六 10王五王五 15李四李四 20 張三張三 聯(lián)賽獲勝場(chǎng)次聯(lián)賽獲勝場(chǎng)次 運(yùn)動(dòng)員運(yùn)動(dòng)員信息信息聯(lián)賽最佳運(yùn)動(dòng)員張三28數(shù)據(jù)庫(kù)元元 組組課程編號(hào)課程編號(hào)課程名稱課程名稱學(xué)時(shí)學(xué)時(shí)學(xué)期學(xué)期平均成績(jī)平均成績(jī)J001數(shù)據(jù)庫(kù)基礎(chǔ)36178J003C語(yǔ)言60181Z004操作系統(tǒng)44267X001編譯原理40266屬性屬性行（記錄）行（記錄）列列表、記錄、行列關(guān)系表、記錄、行列關(guān)系29數(shù)據(jù)庫(kù) 數(shù)據(jù)庫(kù)系統(tǒng)是一個(gè)基于計(jì)算機(jī)的記錄保存系統(tǒng)，數(shù)據(jù)庫(kù)系統(tǒng)是一個(gè)基于計(jì)算機(jī)的記錄保存系統(tǒng)，它最主要的用途是記錄和維護(hù)信息。它最主要的用途是記錄和維護(hù)信息。 數(shù)據(jù)庫(kù)管理系統(tǒng)數(shù)據(jù)庫(kù)管理系統(tǒng) (DBMS) 包括一組相關(guān)的記錄以及包

14、括一組相關(guān)的記錄以及一組用來(lái)訪問(wèn)和操作這些記錄的程序。一組用來(lái)訪問(wèn)和操作這些記錄的程序。30 降低存儲(chǔ)數(shù)據(jù)的冗余度降低存儲(chǔ)數(shù)據(jù)的冗余度 更高的數(shù)據(jù)一致性更高的數(shù)據(jù)一致性 存儲(chǔ)的數(shù)據(jù)可以共享存儲(chǔ)的數(shù)據(jù)可以共享 可以建立和遵循某些標(biāo)準(zhǔn)可以建立和遵循某些標(biāo)準(zhǔn) 便于維護(hù)數(shù)據(jù)完整性便于維護(hù)數(shù)據(jù)完整性 能夠?qū)崿F(xiàn)數(shù)據(jù)的安全性能夠?qū)崿F(xiàn)數(shù)據(jù)的安全性計(jì)算機(jī)化數(shù)據(jù)庫(kù)的好處計(jì)算機(jī)化數(shù)據(jù)庫(kù)的好處生物信息學(xué)數(shù)據(jù)庫(kù)產(chǎn)生的動(dòng)力 生物分子數(shù)據(jù)的高速增長(zhǎng)生物分子數(shù)據(jù)的高速增長(zhǎng) 有效的存儲(chǔ)有效的存儲(chǔ) 計(jì)算機(jī)技術(shù)迅速發(fā)展計(jì)算機(jī)技術(shù)迅速發(fā)展 數(shù)據(jù)存貯技術(shù)的成熟數(shù)據(jù)存貯技術(shù)的成熟 互聯(lián)網(wǎng)互聯(lián)網(wǎng) 共享共享 生物信息分析是現(xiàn)代生物學(xué)研究的基

15、礎(chǔ)生物信息分析是現(xiàn)代生物學(xué)研究的基礎(chǔ) 及時(shí)的獲取數(shù)據(jù)及時(shí)的獲取數(shù)據(jù) 高效的利用數(shù)據(jù)高效的利用數(shù)據(jù) 3233現(xiàn)代生物信息數(shù)據(jù)庫(kù)的特征現(xiàn)代生物信息數(shù)據(jù)庫(kù)的特征（1 1）數(shù)據(jù)更新速度快，數(shù)據(jù)量呈指數(shù)增長(zhǎng)趨勢(shì)）數(shù)據(jù)更新速度快，數(shù)據(jù)量呈指數(shù)增長(zhǎng)趨勢(shì) （2 2）數(shù)據(jù)庫(kù)使用頻率快速增長(zhǎng)，重要性日益被科研工作者所認(rèn)識(shí)）數(shù)據(jù)庫(kù)使用頻率快速增長(zhǎng)，重要性日益被科研工作者所認(rèn)識(shí) （3 3）數(shù)據(jù)庫(kù)的復(fù)雜程度不斷增加）數(shù)據(jù)庫(kù)的復(fù)雜程度不斷增加（4 4）數(shù)據(jù)庫(kù)網(wǎng)絡(luò)化）數(shù)據(jù)庫(kù)網(wǎng)絡(luò)化 互聯(lián)網(wǎng)上訪問(wèn)；公共數(shù)據(jù)庫(kù)之間相互鏈接；集成數(shù)據(jù)庫(kù)系統(tǒng)。互聯(lián)網(wǎng)上訪問(wèn)；公共數(shù)據(jù)庫(kù)之間相互鏈接；集成數(shù)據(jù)庫(kù)系統(tǒng)。（5 5）面向應(yīng)用。如提供在線分析工

16、具。）面向應(yīng)用。如提供在線分析工具。（7 7）先進(jìn)的計(jì)算機(jī)硬件和軟件的配置）先進(jìn)的計(jì)算機(jī)硬件和軟件的配置 一級(jí)數(shù)據(jù)庫(kù)一級(jí)數(shù)據(jù)庫(kù)概念：概念：數(shù)據(jù)直接來(lái)源于實(shí)驗(yàn)獲得的原始數(shù)據(jù)，只經(jīng)過(guò)簡(jiǎn)單的歸類整理和注釋數(shù)據(jù)直接來(lái)源于實(shí)驗(yàn)獲得的原始數(shù)據(jù)，只經(jīng)過(guò)簡(jiǎn)單的歸類整理和注釋 包含：包含： 基因組數(shù)據(jù)庫(kù)、基因組數(shù)據(jù)庫(kù)、 核酸序列數(shù)據(jù)庫(kù)、核酸序列數(shù)據(jù)庫(kù)、 蛋白一級(jí)結(jié)構(gòu)序列數(shù)據(jù)庫(kù)、蛋白一級(jí)結(jié)構(gòu)序列數(shù)據(jù)庫(kù)、 生物大分子三維空間結(jié)構(gòu)數(shù)據(jù)庫(kù)（主要為蛋白質(zhì)）生物大分子三維空間結(jié)構(gòu)數(shù)據(jù)庫(kù)（主要為蛋白質(zhì)）二級(jí)數(shù)據(jù)庫(kù)二級(jí)數(shù)據(jù)庫(kù)概念：概念：對(duì)原始生物分子數(shù)據(jù)進(jìn)行整理、分類的結(jié)果，是在一級(jí)數(shù)據(jù)庫(kù)、實(shí)驗(yàn)數(shù)據(jù)和對(duì)原始生物分子數(shù)據(jù)進(jìn)行整理

17、、分類的結(jié)果，是在一級(jí)數(shù)據(jù)庫(kù)、實(shí)驗(yàn)數(shù)據(jù)和理論分析的基礎(chǔ)上針對(duì)特定的應(yīng)用目標(biāo)而建立的。理論分析的基礎(chǔ)上針對(duì)特定的應(yīng)用目標(biāo)而建立的。包含：包含：種種類繁多：真核生物啟動(dòng)子序列庫(kù)類繁多：真核生物啟動(dòng)子序列庫(kù) EPD ；功能模體；功能模體(motif)數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù) PROSITE 數(shù)據(jù)數(shù)據(jù)直接來(lái)源于實(shí)驗(yàn)獲得的原始數(shù)據(jù)，直接來(lái)源于實(shí)驗(yàn)獲得的原始數(shù)據(jù)，只經(jīng)過(guò)簡(jiǎn)單的歸類整理只經(jīng)過(guò)簡(jiǎn)單的歸類整理和注釋。和注釋。 數(shù)據(jù)庫(kù)名稱數(shù)據(jù)庫(kù)名稱 數(shù)據(jù)來(lái)源數(shù)據(jù)來(lái)源 基因組數(shù)據(jù)庫(kù)基因組數(shù)據(jù)庫(kù) 基因組作圖基因組作圖 序列數(shù)據(jù)庫(kù)序列數(shù)據(jù)庫(kù) （核酸和蛋白質(zhì)）（核酸和蛋白質(zhì)） 序列測(cè)定序列測(cè)定 結(jié)構(gòu)數(shù)據(jù)庫(kù)結(jié)構(gòu)數(shù)據(jù)庫(kù) X射線衍射和核磁

18、共振射線衍射和核磁共振 基因組數(shù)據(jù)庫(kù)的主體是模式生物基因組數(shù)據(jù)庫(kù)，此外還包括染色體，基因突變，遺傳疾病，分類學(xué)，比較基因組，基因表達(dá)和調(diào)控，放射雜交，基因圖譜等各種數(shù)據(jù)庫(kù)。 /genome3940Map view EMBL-EBI和和Sanger研究所共同開(kāi)發(fā)的一個(gè)系統(tǒng)。研究所共同開(kāi)發(fā)的一個(gè)系統(tǒng)。Ensembl產(chǎn)生并維護(hù)關(guān)于各種模式生物基因組的自動(dòng)注釋。產(chǎn)生并維護(hù)關(guān)于各種模式生物基因組的自動(dòng)注釋。人類基因組、小鼠基因組、大鼠基因組、黑猩猩基因組等。人類基因組、小鼠基因組、大鼠基因組、黑猩猩基因組等。Ensembl試圖試圖跟蹤這些基因組的序列片

19、段，并將序列片段組裝成單個(gè)長(zhǎng)序列，跟蹤這些基因組的序列片段，并將序列片段組裝成單個(gè)長(zhǎng)序列，進(jìn)而分析這些經(jīng)過(guò)組裝的進(jìn)而分析這些經(jīng)過(guò)組裝的DNA序列，搜索其中的基因，發(fā)現(xiàn)生物學(xué)家或醫(yī)學(xué)序列，搜索其中的基因，發(fā)現(xiàn)生物學(xué)家或醫(yī)學(xué)工作者感興趣的序列。工作者感興趣的序列。Ensembl所用的基因預(yù)測(cè)程序?yàn)樗玫幕蝾A(yù)測(cè)程序?yàn)镚enScan。單核苷酸多態(tài)性（單核苷酸多態(tài)性（SNP）、重復(fù)序列與其它序列高度相似（或同源）的序列。）、重復(fù)序列與其它序列高度相似（或同源）的序列。Ensembl 數(shù)據(jù)庫(kù)還提供疾病、細(xì)胞等方面的信息，并且提供數(shù)據(jù)搜索、數(shù)據(jù)下數(shù)據(jù)庫(kù)還提供疾病、細(xì)胞等方面的信息，并且提供數(shù)據(jù)搜索、數(shù)據(jù)下

20、載、載、統(tǒng)計(jì)分析等服務(wù)。統(tǒng)計(jì)分析等服務(wù)。42/GENSCAN.htmlGeneScanEnsembl (/)44最新版本最新版本45酵母酵母大腸桿菌大腸桿菌果蠅果蠅線蟲(chóng)線蟲(chóng)老鼠老鼠是數(shù)據(jù)庫(kù)是數(shù)據(jù)庫(kù)也是靈活和通用數(shù)據(jù)庫(kù)管理系統(tǒng)也是靈活和通用數(shù)據(jù)庫(kù)管理系統(tǒng)Sanger中心已將其中心已將其用于線蟲(chóng)和人類基因的瀏覽和檢索用于線蟲(chóng)和人類基因的瀏覽和檢索庫(kù)內(nèi)資源包括：庫(kù)內(nèi)資源包括：限制性圖譜、基因結(jié)構(gòu)信息、質(zhì)粒圖譜、參考文獻(xiàn)等。限制性圖譜、基因結(jié)構(gòu)信息、質(zhì)粒圖譜、參考文獻(xiàn)等。秀麗線蟲(chóng)秀麗線蟲(chóng)Caenorhabditis ele

21、gans一種透明的、生活在海灘泥沙中的小蟲(chóng)一種透明的、生活在海灘泥沙中的小蟲(chóng)細(xì)胞數(shù)目一定：成蟲(chóng)細(xì)胞數(shù)目只有細(xì)胞數(shù)目一定：成蟲(chóng)細(xì)胞數(shù)目只有959個(gè)，個(gè)，其中包括其中包括302個(gè)神經(jīng)元；個(gè)神經(jīng)元； 48AceDB /The AceDB software is primarily developed to run under the Unix operating system49/UCSC Genome Browser由由University of California Santa Cruz (UCSC) 創(chuàng)立和維護(hù)的，

22、創(chuàng)立和維護(hù)的，該站點(diǎn)包含有該站點(diǎn)包含有人類、小鼠和大鼠等多個(gè)物種的基因組草圖人類、小鼠和大鼠等多個(gè)物種的基因組草圖，并提供一系列的網(wǎng)頁(yè)分析工具。，并提供一系列的網(wǎng)頁(yè)分析工具。站點(diǎn)用戶可以通過(guò)它可靠和迅速地站點(diǎn)用戶可以通過(guò)它可靠和迅速地瀏覽基因組的任何一部瀏覽基因組的任何一部 分分，并且同時(shí)可以，并且同時(shí)可以得到與該部分有關(guān)的基因組注釋信息，如已知基因，預(yù)測(cè)基因，表達(dá)序列標(biāo)得到與該部分有關(guān)的基因組注釋信息，如已知基因，預(yù)測(cè)基因，表達(dá)序列標(biāo)簽，信使簽，信使RNA，CpG島，克隆組裝間隙和重疊，染色體帶型，小鼠島，克隆組裝間隙和重疊，染色體帶型，小鼠 同源性等同源性等50http:/genome.u

23、/5152主要核酸序列數(shù)據(jù)庫(kù)主要核酸序列數(shù)據(jù)庫(kù): 主要蛋白質(zhì)序列數(shù)據(jù)庫(kù)：主要蛋白質(zhì)序列數(shù)據(jù)庫(kù)：GeneBank是具有目錄和生物學(xué)注釋的核苷酸綜合數(shù)據(jù)庫(kù)是具有目錄和生物學(xué)注釋的核苷酸綜合數(shù)據(jù)庫(kù)由美國(guó)國(guó)家生物信息中心負(fù)責(zé)維護(hù)由美國(guó)國(guó)家生物信息中心負(fù)責(zé)維護(hù) GenBank數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源有三種：數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源有三種：直接來(lái)源于測(cè)序工作者提交的序列直接來(lái)源于測(cè)序工作者提交的序列與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換的數(shù)據(jù)與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換的數(shù)據(jù)美國(guó)專利局提供的專利數(shù)據(jù)美國(guó)專利局提供的專利數(shù)據(jù)5556 GenBank statisticsFrom1982tothepresent,thenumbero

24、fbasesinGenBankhasdoubledapproximatelyevery18months.n 1980年開(kāi)始建設(shè)，年開(kāi)始建設(shè)，1982年正式運(yùn)行年正式運(yùn)行n 歐洲主要的核酸序列收集單位歐洲主要的核酸序列收集單位n歐洲生物信息中心（歐洲生物信息中心（EBI),德國(guó)海德堡站點(diǎn)負(fù)責(zé)維護(hù)德國(guó)海德堡站點(diǎn)負(fù)責(zé)維護(hù) EMBL數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源有三種：數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源有三種：直接來(lái)源于測(cè)序工作者提交的序列（直接來(lái)源于測(cè)序工作者提交的序列（Sanger測(cè)序中心）測(cè)序中心）與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換的數(shù)據(jù)與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換的數(shù)據(jù)歐洲專利局提供的專利數(shù)據(jù)歐洲專利局提供的專利數(shù)據(jù)n日本日本1984年開(kāi)始建

25、立，并于年開(kāi)始建立，并于1987年正式服務(wù)。年正式服務(wù)。n 亞洲唯一的核酸序列數(shù)據(jù)庫(kù)亞洲唯一的核酸序列數(shù)據(jù)庫(kù)n生物信息學(xué)中心和日本國(guó)家遺傳研究所的生物信息學(xué)中心和日本國(guó)家遺傳研究所的DNA數(shù)據(jù)庫(kù)（數(shù)據(jù)庫(kù)（CIB-DDBJ),共同組建。共同組建。 DDBJ數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源有二種：數(shù)據(jù)庫(kù)的數(shù)據(jù)來(lái)源有二種：研究者提交的序列（研究者提交的序列（90%直接來(lái)源于日本）直接來(lái)源于日本）與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換的數(shù)據(jù)與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換的數(shù)據(jù)重要蛋白質(zhì)序列數(shù)據(jù)庫(kù)：重要蛋白質(zhì)序列數(shù)據(jù)庫(kù)：SWISSPROT(歐洲歐洲)PIR(美國(guó)美國(guó))蛋白質(zhì)序列數(shù)據(jù)庫(kù)蛋白質(zhì)序列數(shù)據(jù)庫(kù)nSWISS-PROT和和PIR是國(guó)際上兩個(gè)

26、主要的蛋白質(zhì)序列數(shù)是國(guó)際上兩個(gè)主要的蛋白質(zhì)序列數(shù)據(jù)庫(kù)，目前這兩個(gè)個(gè)數(shù)據(jù)庫(kù)在據(jù)庫(kù)，目前這兩個(gè)個(gè)數(shù)據(jù)庫(kù)在EMBL和和GenBank數(shù)據(jù)數(shù)據(jù)庫(kù)上均建立了鏡像庫(kù)上均建立了鏡像 (mirror) 站點(diǎn)。站點(diǎn)。nSWISS-PROT數(shù)據(jù)庫(kù)包括了從數(shù)據(jù)庫(kù)包括了從EMBL翻譯而來(lái)的蛋白翻譯而來(lái)的蛋白質(zhì)序列，這些序列經(jīng)過(guò)檢驗(yàn)和注釋。質(zhì)序列，這些序列經(jīng)過(guò)檢驗(yàn)和注釋。nPIR數(shù)據(jù)庫(kù)的數(shù)據(jù)由美國(guó)家生物技術(shù)信息中心數(shù)據(jù)庫(kù)的數(shù)據(jù)由美國(guó)家生物技術(shù)信息中心(NCBI)翻譯自翻譯自GenBank的的DNA序列。序列。 名稱名稱維護(hù)維護(hù)單位單位 注釋注釋 冗余度冗余度 數(shù)據(jù)量數(shù)據(jù)量 更新更新SWISSSWISSPROTPROTE

27、BIEBI 部分完善部分完善 小小 中等中等 較慢較慢PIRPIRNCBINCBI 完善完善 較大較大 較大較大 較慢較慢 1986創(chuàng)建創(chuàng)建瑞士日內(nèi)瓦大學(xué)醫(yī)學(xué)生物化學(xué)系和歐洲生物信息學(xué)研究瑞士日內(nèi)瓦大學(xué)醫(yī)學(xué)生物化學(xué)系和歐洲生物信息學(xué)研究所所(EBI)合作維護(hù)合作維護(hù) 在在EMBL和和GenBank數(shù)據(jù)庫(kù)上均建立了鏡像站點(diǎn)數(shù)據(jù)庫(kù)上均建立了鏡像站點(diǎn); 數(shù)據(jù)庫(kù)包括了從數(shù)據(jù)庫(kù)包括了從EMBL翻譯而來(lái)的蛋白質(zhì)序列，經(jīng)過(guò)翻譯而來(lái)的蛋白質(zhì)序列，經(jīng)過(guò) 檢驗(yàn)和注檢驗(yàn)和注釋；釋； 數(shù)據(jù)記錄包括兩部分：數(shù)據(jù)記錄包括兩部分： 序列序列 注釋注釋：結(jié)構(gòu)域、功能位點(diǎn)、跨膜區(qū)域、二硫鍵位置、翻譯后的結(jié)構(gòu)域、功能位點(diǎn)、跨膜區(qū)

28、域、二硫鍵位置、翻譯后的修飾修飾 數(shù)據(jù)存在滯后性數(shù)據(jù)存在滯后性66Swiss-prot儲(chǔ)存數(shù)據(jù)增速放緩/sprot 1. 由美國(guó)由美國(guó)NCBI翻譯自翻譯自GenBank的的DNA序列序列(1984年年)； 2. 在在EMBL和和GenBank數(shù)據(jù)庫(kù)上均建立了鏡像站點(diǎn)；數(shù)據(jù)庫(kù)上均建立了鏡像站點(diǎn)； 3. 數(shù)據(jù)依據(jù)注釋的質(zhì)量分為數(shù)據(jù)依據(jù)注釋的質(zhì)量分為4類。類。 分類名稱分類名稱(Name)說(shuō)明說(shuō)明(Comment)記錄數(shù)記錄數(shù)(Number of entries)PIR1已分類、已注釋已分類、已注釋(Classified and annotated)13572P

29、IR2已注釋已注釋(Annotated)69368PIR3未核實(shí)未核實(shí)(Unverified)7508PIR4未翻譯未翻譯(Unencoded or untranslated)1966970/三個(gè)子數(shù)據(jù)庫(kù)三個(gè)子數(shù)據(jù)庫(kù)n蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù) nPDB n蛋白質(zhì)分類數(shù)據(jù)庫(kù)蛋白質(zhì)分類數(shù)據(jù)庫(kù) nSCOP和和CATH 1. 目前最主要的蛋白質(zhì)分子結(jié)構(gòu)數(shù)據(jù)庫(kù)；目前最主要的蛋白質(zhì)分子結(jié)構(gòu)數(shù)據(jù)庫(kù)； 2. 1970年代建立，美國(guó)年代建立，美國(guó)Brookhaven國(guó)家實(shí)驗(yàn)室維護(hù)管理國(guó)家實(shí)驗(yàn)室維護(hù)管理; 3. 1988年，由美國(guó)年，由美國(guó)RCSB(rese

30、arch collaboratory for structural biology)管理；管理； 4. 以文本格式存放數(shù)據(jù)，包括原子坐標(biāo)、物種來(lái)源、測(cè)定以文本格式存放數(shù)據(jù)，包括原子坐標(biāo)、物種來(lái)源、測(cè)定方法、提交者信息、一級(jí)結(jié)構(gòu)、二級(jí)結(jié)構(gòu)等；方法、提交者信息、一級(jí)結(jié)構(gòu)、二級(jí)結(jié)構(gòu)等； 5. PDBsum數(shù)據(jù)庫(kù)：數(shù)據(jù)庫(kù)：PDB注釋信息綜合數(shù)據(jù)庫(kù)，具有檢索、注釋信息綜合數(shù)據(jù)庫(kù)，具有檢索、分析、可視化的功能。分析、可視化的功能。/pdbhttp:/www.ebi.ac.uk/thornton-rv/databases/pdbsum/lSCOP (Structural

31、Classification of Proteins)lCATH( Class, Architecture, Topology, Homology)n描述了描述了結(jié)構(gòu)和進(jìn)化結(jié)構(gòu)和進(jìn)化關(guān)系。關(guān)系。nSCOP數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)從不同層次從不同層次對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行分類，以反對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行分類，以反映它們結(jié)構(gòu)和進(jìn)化的相關(guān)性。映它們結(jié)構(gòu)和進(jìn)化的相關(guān)性。n第一個(gè)分類層次為家族，通常將第一個(gè)分類層次為家族，通常將序列相似性程度在序列相似性程度在30%以上以上的蛋白質(zhì)歸入同一家族，有比較明確的進(jìn)化關(guān)系。的蛋白質(zhì)歸入同一家族，有比較明確的進(jìn)化關(guān)系。n超家族：序列相似性較低，超家族：序列相似性較低，結(jié)構(gòu)和功能特性結(jié)構(gòu)

32、和功能特性表明它們有表明它們有共同的進(jìn)化起源，將其視作超家族。共同的進(jìn)化起源，將其視作超家族。n折疊類型：無(wú)論有無(wú)共同的進(jìn)化起源，只要折疊類型：無(wú)論有無(wú)共同的進(jìn)化起源，只要二級(jí)結(jié)構(gòu)單二級(jí)結(jié)構(gòu)單元具有相同的排列和拓?fù)浣Y(jié)構(gòu)元具有相同的排列和拓?fù)浣Y(jié)構(gòu)，即認(rèn)為這些蛋白質(zhì)具有，即認(rèn)為這些蛋白質(zhì)具有相同的折疊方式。在這些情況下，結(jié)構(gòu)的相似性主要依相同的折疊方式。在這些情況下，結(jié)構(gòu)的相似性主要依賴于二級(jí)結(jié)構(gòu)單元的排列方式或拓?fù)浣Y(jié)構(gòu)。賴于二級(jí)結(jié)構(gòu)單元的排列方式或拓?fù)浣Y(jié)構(gòu)。n類型類型Class、構(gòu)架、構(gòu)架Architecture 、拓?fù)浣Y(jié)構(gòu)、拓?fù)浣Y(jié)構(gòu)Topology和和同源性同源性Homology 。n分類基礎(chǔ)

33、是分類基礎(chǔ)是蛋白質(zhì)結(jié)構(gòu)域蛋白質(zhì)結(jié)構(gòu)域。與。與SCOP不同的是，不同的是，CATH把蛋白質(zhì)分為把蛋白質(zhì)分為4類，即類，即a a主類、主類、b b主類，主類，a-ba-b類（類（a/ba/b型型和和a+ba+b型）和低二級(jí)結(jié)構(gòu)類型）和低二級(jí)結(jié)構(gòu)類。低二級(jí)結(jié)構(gòu)類是指二級(jí)。低二級(jí)結(jié)構(gòu)類是指二級(jí)結(jié)構(gòu)成分含量很低的蛋白質(zhì)分子。結(jié)構(gòu)成分含量很低的蛋白質(zhì)分子。nCATH數(shù)據(jù)庫(kù)的數(shù)據(jù)庫(kù)的第二個(gè)分類第二個(gè)分類依據(jù)為由依據(jù)為由螺旋和螺旋和折疊形折疊形成的成的超二級(jí)結(jié)構(gòu)排列方式超二級(jí)結(jié)構(gòu)排列方式，而不考慮它們之間的連接，而不考慮它們之間的連接關(guān)系。關(guān)系。n第三個(gè)層次為第三個(gè)層次為拓?fù)浣Y(jié)構(gòu)拓?fù)浣Y(jié)構(gòu)，即二級(jí)結(jié)構(gòu)的形狀和二級(jí)結(jié)構(gòu)間，即二級(jí)結(jié)構(gòu)的形狀和二級(jí)結(jié)構(gòu)間的聯(lián)系。的聯(lián)系。n第四個(gè)層次為第四個(gè)層次為結(jié)構(gòu)的同源性結(jié)構(gòu)的同源性，它是先通過(guò)序列比較然后再，它是先通過(guò)序列比較然后再用結(jié)構(gòu)比較來(lái)確定的。用結(jié)構(gòu)比較來(lái)確定的。nCATH數(shù)據(jù)庫(kù)的最后一個(gè)層次為數(shù)據(jù)庫(kù)的最后一個(gè)層次為序列序列(Sequence)層次層次，在，在這一層次上，只要結(jié)構(gòu)域中的序列同源性大于這一層次上，只要結(jié)構(gòu)域中的序列同源性大于35%，就被，就被認(rèn)為具有高度的結(jié)構(gòu)和功能的相似性。對(duì)