生物信息學(xué)復(fù)習(xí)總結(jié)

1、生物信息期末總結(jié)1. 生物信息學(xué)（Bioinformatics）定義：（第一章）生物信息學(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、 解釋等在內(nèi)的所有方面，它綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的各種工具來(lái)闡明和理解大量數(shù)據(jù)所包含的生物學(xué)意義。（或：）生物信息學(xué)是運(yùn)用計(jì)算機(jī)技術(shù)和信息技術(shù)開發(fā)新的算法和統(tǒng)計(jì)方法，對(duì)生物實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，確定數(shù)據(jù)所含的生物學(xué)意義，并開發(fā)新的數(shù)據(jù)分析工具以實(shí)現(xiàn)對(duì)各種信息的獲取和管理的學(xué)科。（ NSFC）2. 科研機(jī)構(gòu)及網(wǎng)絡(luò)資源中心：NCBI:美國(guó)國(guó)立衛(wèi)生研究院NIH下屬國(guó)立生物技術(shù)信息中心；EMBnet:歐洲分子生物學(xué)網(wǎng)絡(luò)；EMBL-EBI ：

2、歐洲分子生物學(xué)實(shí)驗(yàn)室下屬歐洲生物信息學(xué)研究所；ExPASy:瑞士生物信息研究所SIB下屬的蛋白質(zhì)分析專家系統(tǒng)；（ExpertProtein Analysis System）Bioinformatics Links Directory ；PDB （Protein Data Bank）；UniProt 數(shù)據(jù)庫(kù)3. 生物信息學(xué)的主要應(yīng)用:1 生物信息學(xué)數(shù)據(jù)庫(kù)；2 序列分析；3 比較基因組學(xué)；4 表達(dá)分析；5 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)；6系統(tǒng)生物學(xué)；7計(jì)算進(jìn)化生物學(xué)與生物多樣性。4. 什么是數(shù)據(jù)庫(kù)：1、 定義： 數(shù)據(jù)庫(kù)是存儲(chǔ)與管理數(shù)據(jù)的計(jì)算機(jī)文檔、結(jié)構(gòu)化記錄形式的數(shù)據(jù)集合。（記錄 record、字段 field

3、、值 value）2、生物信息數(shù)據(jù)庫(kù)應(yīng)滿足5 個(gè)方面的主要需求：（ 1）時(shí)間性；（ 2）注釋；（ 3）支撐數(shù)據(jù)； （ 4）數(shù)據(jù)質(zhì)量； （ 5）集成性。3、生物學(xué)數(shù)據(jù)庫(kù)的類型：一級(jí)數(shù)據(jù)庫(kù)和二級(jí)數(shù)據(jù)庫(kù)。（國(guó)際著名的一級(jí)核酸數(shù)據(jù)庫(kù)有 Genbank數(shù)據(jù)庫(kù)、EMBL核酸庫(kù)和DDBJ庫(kù)等； 蛋白質(zhì)序列數(shù)據(jù)庫(kù)有SWISS-PROT等；蛋白質(zhì)結(jié)構(gòu)庫(kù)有PDB等。）4、一級(jí)數(shù)據(jù)庫(kù)與二級(jí)數(shù)據(jù)庫(kù)的區(qū)別：1） 一級(jí)數(shù)據(jù)庫(kù)：包括：a基因組數(shù)據(jù)庫(kù)-來(lái)自基因組作圖； b.核酸和蛋白質(zhì)一級(jí)結(jié)構(gòu)序列數(shù)據(jù)庫(kù)； c.生物大分子（主要是蛋白質(zhì)）的三維空間結(jié)構(gòu)數(shù)據(jù)庫(kù)，（來(lái)自X-衍射 和核磁共振結(jié)構(gòu)測(cè)定）；2）二級(jí)數(shù)據(jù)庫(kù)：是對(duì)原始生物分

4、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。一般說(shuō)來(lái)，一次數(shù)據(jù)庫(kù)的數(shù)據(jù)量大，更新速度快，用戶面廣，通常需要高性 能的計(jì)算機(jī)服務(wù)器、大容量的磁盤空間和專門的數(shù)據(jù)庫(kù)管理系統(tǒng)支撐。二次數(shù)據(jù)庫(kù)的容量則小得多，更新速度也不像一次數(shù)據(jù)庫(kù)那樣快，也可以不 用大型商業(yè)數(shù)據(jù)庫(kù)軟件支持，這類針對(duì)不同問(wèn)題開發(fā)的二次數(shù)據(jù)庫(kù)的最大特點(diǎn)是 使用方便，特別適用于計(jì)算機(jī)使用經(jīng)驗(yàn)不太豐富的生物學(xué)家。5、一個(gè)數(shù)據(jù)庫(kù)記錄（entry）一般由兩部分組成：1）原始序列數(shù)據(jù)（sequence data）2）描述這些數(shù)據(jù)生物學(xué)信息的注釋（annotation）：注釋中包含的信息與相應(yīng)

5、的 序列數(shù)據(jù)同樣重要和有應(yīng)用價(jià)值。6、數(shù)據(jù)的完整性和注釋工作量：1）序列數(shù)據(jù)廣，序列注釋不夠完整；2）庫(kù)數(shù)據(jù)面窄，序列注釋全面.7、數(shù)據(jù)庫(kù)的動(dòng)態(tài)更新：1）不斷增加；2）不斷修正.5、幾個(gè)大型數(shù)據(jù)庫(kù)簡(jiǎn)介：NCBI、EBI、SIB （共點(diǎn)：擁有龐大的一級(jí)數(shù)據(jù)庫(kù)、大量工具軟件和廣泛的外聯(lián)。） 1、NCBI （）:NCBI是指美國(guó)國(guó)家生物技術(shù)信息中心（National Center for Biotechnology Information , NCBI）,成立于1988年，其主要工作是開發(fā)以 GenBank為代表的 數(shù)據(jù)庫(kù)，進(jìn)行計(jì)算生物學(xué)研究，開發(fā)用于分析基因

6、組數(shù)據(jù)的軟件工具， 發(fā)布生物 醫(yī)學(xué)信息。1） Entrez （集成化的數(shù)據(jù)庫(kù)）（/gquery/）Entrez是NCBI著名的用于提取序列信息的工具，它將科學(xué)文獻(xiàn)、DNA和蛋白質(zhì)序列數(shù)據(jù)庫(kù)、蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)、種群研究數(shù)據(jù)以及全基因組組裝數(shù)據(jù) 整合成一個(gè)高度集成的系統(tǒng)。類似于 EBI的SRS （見下文），是一個(gè)查詢、提取 和顯示系統(tǒng)。The original version （原始版本）（1991） of Entrez had just 3 nods2）可查 Protein、PubMed （生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)）、Nucleotide、Geno

7、me Gene. Pathway等相關(guān)信息。Entrez重攵協(xié)：“iRunMclB o oR s z lcl got： DePrGomomeStr Me; tu ir« ? DoiTTisins 3D Oonifkin.OM1MSISJF3UniSTSProbeS AtPopSet l_J ni G fe?r"I 4切F、二七無(wú)力寓門多史料干k曰sank口DB. Reffi«?qr PC曰iQ, tiK. EMQLL 口口曰J. R.«f.SWISS-AROT. F'lF?,尸匠F. FiOB個(gè)I" 丫 I，IE在 NCBI l 丁 列

8、威揪尸中的生岫侔 MMDS: 生妁得到的三紳igA+Aj CDD:快小蛋門網(wǎng)U收1-1 MMOB I IKj JftMl. * d在Mnn "口勺代之庭瀛曲E甲忸HnV廿畬F：J步歲U +小雁在工點(diǎn)U d M見仙邛與歲可敬耳愜人I 1和1，工燉扶：S J K1i 列股2、EMBL-EBI (www.ebi.ac.ukEMBL Nucleotide Sequence Data Library（now known as EMBL-Bank）為世界 上第一個(gè)核酸序列數(shù)據(jù)庫(kù)（1980）。歐洲分子生物學(xué)實(shí)驗(yàn)室下屬歐洲生物信息學(xué)研究所（European BioinformaticsInstitu

9、te, EBI , 1992,英國(guó)）EMBL-EBI核酸數(shù)據(jù)庫(kù)提供了序列搜索的服務(wù)。通 過(guò)它的序列提取系統(tǒng)一SRS6（搜索引擎），我們可以用十幾種不同的方法（如用 關(guān)鍵字）搜索我們想要的序列。EBI還資助了 Ensembl項(xiàng)目，Ensembl是一個(gè)用于對(duì)各類物種基因組進(jìn)行生物信息學(xué)分析的非常完備的網(wǎng)站。歐洲分子生物學(xué)實(shí)驗(yàn)室 EMBL （The European Molecular Biology Laboratory）。Services UniProt、 ArrayExpress、Ensembl、InterPro、PDBe 等界面。3、SIB （瑞士生物信息研究所（S

10、wiss Institue of Bioinformatics,SIB ,30 March 1998 ）。 用于獲取蛋白質(zhì)序列和相關(guān)數(shù)據(jù)的最有用的資源之一就SIB提供的蛋白質(zhì)專家分析系統(tǒng):SWISS-PROT, ExPASy （Expert Protein Analysis System瑞士 日內(nèi)瓦 大學(xué)專家蛋白質(zhì)分析系統(tǒng)（http:/www.expasy.ch/）。6、核酸序列數(shù)據(jù)庫(kù)：1、國(guó)際上權(quán)威的核酸序列數(shù)據(jù)庫(kù)(1)歐洲分子生物學(xué)實(shí)驗(yàn)室的 EMBL ;(2)美國(guó)生物技術(shù)信息中心的 GenBank；(3)日本遺傳研究所的 DDBJ, ( http:www.ddbj.nig.ac.jp/);

11、這三個(gè)數(shù)據(jù)庫(kù)是綜合性的 DNA和RNA序列數(shù)據(jù)庫(kù)，每條記錄代表一個(gè)單 獨(dú)、連續(xù)、附有注釋的 DNA或RNA片段。三個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)基本一致，僅 在數(shù)據(jù)格式上有所差別，對(duì)于特定的查詢，三個(gè)數(shù)據(jù)庫(kù)的響應(yīng)結(jié)果一樣。2、INSDC國(guó)際核酸序列數(shù)據(jù)庫(kù)協(xié)會(huì)：1998年，GenBank、EMBL和DDBJ共同成立了國(guó)際核酸序列數(shù)據(jù)庫(kù)協(xié)會(huì)(International Nucleotide Sequence Database CollaborationNSDC ),三大核酸數(shù) 據(jù)庫(kù)之間每天將新測(cè)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?jī)蓚€(gè)月更新一次版本。 (http:/www.insdc.o

12、rg/)7、蛋白質(zhì)序列數(shù)據(jù)庫(kù)：1) PIR (Protein Information Resource); (http:/2) SWISS-PROT； (http:/www.expasy.ch/sprot/sprot-top.htm)3) TrEMBL ； (http:/www.ebi.ac.uk/trembl/index.html)是與 SWISS-PROT 相 關(guān)的一個(gè)數(shù)據(jù)庫(kù)。包含從 EMBL核酸數(shù)據(jù)庫(kù)中根據(jù)編碼序列(CDS)翻譯 而得到的蛋白質(zhì)序列，并且這些序列尚未集成到SWISS-PROT數(shù)據(jù)庫(kù)中；4) NCBI 美國(guó)國(guó)家生物技術(shù)信息中心( Nati

13、onal Center for Biotechnology Information, NCBI)；5) UniProt;通用蛋白質(zhì)數(shù)據(jù)庫(kù)(/)包括:(Swiss-Prot、 TrEMBL、PIR)用戶可以通過(guò)文本查詢數(shù)據(jù)庫(kù)，可以利用 BLAST程序 搜索數(shù)據(jù)庫(kù)，也可以直接通過(guò) FTP下載數(shù)據(jù)。8、生物大分子結(jié)構(gòu)數(shù)據(jù)庫(kù)：1) PDB ( Protein Data Bank) ； (/)2) MMDB(Molecular Modeling Database) ; (/Structu

14、re/)9、其它生物分子數(shù)據(jù)庫(kù)：1)單堿基多態(tài)性數(shù)據(jù)庫(kù) dbSNP; 2)基因組數(shù)據(jù)庫(kù)(GDB); 3)人類基因組數(shù)據(jù)庫(kù)Ensembl；4）表達(dá)序列標(biāo)記數(shù)據(jù)庫(kù)dbEST； 5）序列標(biāo)記位點(diǎn)數(shù)據(jù)庫(kù) dbSTS； 6） 面向基因聚類數(shù)據(jù)庫(kù)UniGene； 7） 蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫(kù)SCOP；8）蛋白質(zhì)二級(jí)結(jié)構(gòu)數(shù)據(jù)庫(kù)DSSP； 9）蛋白質(zhì)同源序列比對(duì)數(shù)據(jù)庫(kù)HSSP； 10）OMIM（Online Mendelian Inheritance in Man） ，是關(guān)于人類基因和遺傳疾病的分類 數(shù)據(jù)庫(kù)。 。 。 Nucleic Acid Research 附： 1、 NCBI 和 EBI 使用的搜索引擎分

15、別是什么？答： NCBI 使用的是Entrez， EBI 使用的是SRS。2、FASTA格式有哪些部分組成，以什么字符開始？答： 包含 gi number, Database identifiers Accession number; Locus name等部分，以字符開始。3、 NCBI 的 WEB 和離線序列提交軟件是什么？答：WEB提交工具：Bankit；離線提交：Sequin4、系統(tǒng)生物學(xué)：答： 確定、 分析和整合生物系統(tǒng)在遺傳或環(huán)境擾動(dòng)下所有內(nèi)部元件間相互作用關(guān)系的一門學(xué)科。10、序列數(shù)據(jù)的文件格式：（第二章）格式主要有三種：DNA/RNA/ 氨基酸代碼的標(biāo)識(shí)（B、 Z） ；GenB

16、ank數(shù)據(jù)格式；FASTA 數(shù)據(jù)格式。一、GBFF （GenBank flatfile） GenBank平面文件格式：GenBank、 EMBL 、 DDBJ 每天都相互同步更新各自的數(shù)據(jù)庫(kù)，那么它們是怎樣交換數(shù)據(jù)的呢？這里引入 GBFF （GenBank flatfile即GenBank平面文件）格 式。GBFF是GenBank數(shù)據(jù)庫(kù)的基本信息單位，是最為廣泛使用的生物信息學(xué)序 列格式之一。GBFF文件分為三部分：a.頭部包含整個(gè)記錄的信息（描述符）； b.第二部分包含了注釋這一記錄的特性；c.第三部分是核甘酸序列本身。（注：所有序列數(shù)據(jù)庫(kù)記錄都在最后一行以“/ ”結(jié)尾。）檢索號(hào)Genban

17、k定義(標(biāo)題)1) GBFF: LOCUS 行PLN, 21-JUN-1999)(LOCUS , SCU49845, 5028 bp, DNA linear,所有GBFF者B起始于LOCUS行: 第一項(xiàng)：是LOCUS名稱(SCU49845):現(xiàn)在唯一的作用是它在數(shù)據(jù)庫(kù)中是獨(dú)一無(wú)二的，已不再具 有任何實(shí) 際意義。大多數(shù)情況 下，它 僅使用檢索 號(hào)碼 (accesession number以滿足對(duì)LOCUS名稱的要求；第二項(xiàng)是序列長(zhǎng)度( 5028 bp):規(guī)定單條數(shù)據(jù)庫(kù)記錄的長(zhǎng)度不能超過(guò) 350kb。除歷史原因外，GenBank已經(jīng)很少接受長(zhǎng)度低于50bp的序列了；第三項(xiàng)表明分子類型(DNA):其

18、序列必須是一種單一的分子類型；第四項(xiàng)是GenBank分類碼(PLN)：由3個(gè)字母組成。現(xiàn)在其作用僅限于在下載 數(shù)據(jù)庫(kù)時(shí)對(duì)數(shù)據(jù)庫(kù)作簡(jiǎn)單的分類。最后一項(xiàng)是其最后修訂日期(21-JUN-1999):有時(shí)也僅表示數(shù)據(jù)首次公開日期。2) GBFF: DEFINITION 行(definition)(DEFINITION Saccharomyces cerevisiae TCP1-beta gene, partial cds; and Ax12P (AXL2) and Rev7P (REV7) genes, complete cds.)LOCUS行的下一行為 DEFINITION行：主要對(duì)GenBank記

19、錄中所含的生物 學(xué)意義做出總結(jié)。它的說(shuō)明內(nèi)容包括了來(lái)源物種、基因 /蛋白質(zhì)名稱。若序列是 非編碼區(qū)，則包含對(duì)序列功能的簡(jiǎn)單描述； 若是一段編碼區(qū)，則標(biāo)明該序列是部 分序列(partial cds)還是全序列(complete cds。3) GBFF : ACCESSION 行(accession 檢索號(hào)行(ACCESSION U49845)檢索號(hào)(accession是序列記錄的惟一指針。通常由 1個(gè)字母加5個(gè)數(shù)字(U12345)或由2個(gè)字母加6個(gè)數(shù)字(AF123456)組成。它在數(shù)據(jù)庫(kù)中是惟一而且不變的。有時(shí) ACCESSION 行中可能會(huì)出現(xiàn)多個(gè)檢索號(hào)，可能是由于數(shù)據(jù)提交者提交了一條與原記錄

20、相關(guān)的新記錄或新提交的記錄覆蓋了原有的舊記錄。我們稱第一個(gè)檢索號(hào)為主檢索號(hào)，其余的統(tǒng)稱為二級(jí)檢索號(hào)。4) GBFF： VERSION 行(version) 版本號(hào)行( VERSION U49845.1 GI:1293613)VERSION 行是版本號(hào)， 格式為： 檢索號(hào).版本號(hào)。版本號(hào)用于識(shí)別數(shù)據(jù)庫(kù)中一條單一的特定核苷酸序列。在數(shù)據(jù)庫(kù)中，如某條序列數(shù)據(jù)發(fā)生了變化，即使是單堿基的改變它的版本號(hào)也將增加，而其檢索號(hào)保持不變。版本號(hào)系統(tǒng)與其后的GI (geninfo identifier)號(hào)系統(tǒng)是平行運(yùn)行的。即當(dāng)一條序列改變后，它將被賦予一個(gè)新的GI 號(hào)，其版本號(hào)也將增加。蛋白質(zhì)的翻譯發(fā)生任何變換，

21、核酸序列都將被賦予一個(gè)新的GI 號(hào)。5) GBFF： KEYWORDS 行(keywords) 關(guān)鍵詞行( KEYWORDS.)關(guān)鍵詞行是用來(lái)描述序列的。如果該行沒有任何內(nèi)容，那么就只包含一個(gè)“.由于沒有對(duì)照詞匯表，故 NCBI/GenBank 拒絕接受關(guān)鍵詞，它只存在于舊的記錄中。6) GBFF： OURCE 行( source) 來(lái)源行( SOURCE Saccharomyces cerevisiae (baker's yeast) ORGANISM Saccharomyces cerevisiae Eukaryota; Fungi; Ascomycota; Saccharomyc

22、otina; Saccharomycetes;Saccharomycetales; Saccharomycetaceae; Saccharomyc)es.對(duì)來(lái)源行(SOURCE)沒做特殊的規(guī)定，它通常包含序列來(lái)源生物的簡(jiǎn)稱，有時(shí)也包含分子類型。在下面以NCBI 的分類數(shù)據(jù)庫(kù)為依據(jù)，指明物種的正式科學(xué)名稱。7) GBFF: REFERENCE 行 reference參考文獻(xiàn)行( REFERENCE 1 (bases 1 to 5028) AUTHORS Torpey,L.E., Gibbs,P.E., Nelson,J.and Lawrence,C.W. TITLE Cloning and se

23、quence of REV7, a gene whose function is required for DNA damage-induced mutagenesis in Saccharomyces cerevisiae JOURNAL Yeast 10 (11), 1503-1509 (1994) PUBMED 787189)0參考文獻(xiàn)行將與該數(shù)據(jù)有關(guān)的參考文獻(xiàn)均收錄在內(nèi)。將最先發(fā)表的文獻(xiàn)列于第一位。如果序列數(shù)據(jù)沒有被相關(guān)文獻(xiàn)報(bào)道，該行將出現(xiàn)“unpublished” 或 “inpresS'。最后將有一個(gè)可能的PUBMED指針。8) GBFF： FEATURES 行(featur

24、es) 特性表行( FEATURESLocation/QualifiersCDS<1.206/codon_start=3/product="TCP1-beta"/protein_id="AAA98665.1"/db_xref="GI:1293614"/translation="SSIYNGISTSGLDLNNGTIADMRQLGIVESYKLKRA VVSSASEAAEVLLRVDNIIRARPRTANRQHM"gene687.3158/gene="AXL2"特性表（features瞄述基

25、因和基因的產(chǎn)物以及與序列相關(guān)的生物學(xué)特性。特性表提供一個(gè)參考詞匯表以對(duì)合法的特性進(jìn)行注釋。這些特性包括：1、該序列是否執(zhí)行一個(gè)生物學(xué)功能；2、它是否與一個(gè)生物學(xué)功能的表達(dá)相關(guān)；3、它是否與其它分子相互作用；4、它是否影響一條序列的復(fù)制；5、它是否與其他序列的重組相關(guān)；6、它是否是一條已識(shí)別的重復(fù)序列；7、它是否有二級(jí)或三級(jí)結(jié)構(gòu)；8、它是否存在變異或者它是否被修訂過(guò)。特性表格式是按表單的方式設(shè)計(jì)的，分三個(gè)主要部分：1）特性表關(guān)鍵詞（feature） ，簡(jiǎn)要說(shuō)明功能組；2）特性位置（location） ，指明在特性表中的什么地方可以找到相關(guān)特性，在此可以包含操作符（operator和功能性描述符（

26、descriptor）以指明序列需經(jīng)過(guò)怎樣的處理才能得到相應(yīng)的特性；3）限定詞（qualifier） ，相關(guān)特性的輔助信息，限定詞組使用一組標(biāo)準(zhǔn)化的對(duì)照詞匯表以利于計(jì)算機(jī)從中提取信息。（這段序列可以解讀為：該編碼序列（ CDS） 起始于第1 堿基， 終止于第206堿基，它的產(chǎn)物是TCP1-beta ，基因名為“AXL2 ”。 ）9） GBFF： ORIGIN （ origin）(ORIGIN1 gatcctccat atacaacggt atctccacct caggtttaga tctcaacaac ggaaccattg61 ccgacatgag acagttaggt atcgtcgaga

27、gttacaagct aaaacgagca gtagtcagct4981 tgccatgact cagattctaa ttttaagcta ttcaatttct ctttgatc)在GBFF文件的最后，以類似于FASTA格式的方式給出了所記錄的序列。二、FASTA 數(shù)據(jù)格式(FASTA format):Accession numbers are labels for sequences檢索號(hào))FASTA 格 h(?？?q *ub'QCIU*11FASTA 正義 f j3Dt>BJSWISS - PiROT “Ed Databc FIR PftF 口T 37具品 T'Cls

28、COC'CTT。廣RECCiCiTTATAC5-AATT AAAC2T*' A TjMTT AJUlHItTUC *T*TTU T TeTCT-THJjkttTTTCTi TATC3CTAT XJUUk-dlT AE if AF63.1 | SCUO 7X63£4T七 t-twTQICITMTCCAJ0UAAA 島 HTaTeGTqTAC-HT 盤-T心An11、RefSeq 資料庫(kù)：（NCBI Reference Sequence Databas參考序歹!J數(shù)據(jù)庫(kù)）RefSeq資料庫(kù)是NCBI將GenBank的序列再做詳細(xì)整理的non-redundent序 列資料庫(kù)

29、，它的序列格式和 GenBank幾乎完全相同，但因?yàn)槭峭耆煌莫?dú)立 資料庫(kù)，為與 GenBank區(qū)別，RefSeq的Accession Number （檢索號(hào)）格式和 GenBank的不同。該數(shù)據(jù)庫(kù)所收集的參考序列一直在不斷地被修改中，盡管如此，NCBI RefSeq仍是目前最可信賴的序列數(shù)據(jù)庫(kù)。GenBank中一個(gè)基因的索引號(hào)可能有上百個(gè)，但對(duì)應(yīng)一個(gè)基因的RefSeq只有一個(gè)o （/RefSeq/）NCBI參考序列數(shù)據(jù)庫(kù)（RefSeq）旨在提供一個(gè)全面的、集成的、冗余，好的 注釋組序列，包括基因組 DNA、轉(zhuǎn)錄和蛋白質(zhì)。RefSeq是醫(yī)學(xué)

30、、功能和多樣性 研究的基礎(chǔ)；它們提供一個(gè)穩(wěn)定的參考基因組注釋、基因識(shí)別和表征，突變和多 態(tài)性分析（特另J是RefSeqGene記錄），表達(dá)研究和比較分析。e.g. 數(shù)據(jù)庫(kù)檢索實(shí)例:搜索Genbank no. FJ798090獲得序列相關(guān)信息1 .進(jìn)入NCBI網(wǎng)站，選擇nucleotide： FJ798090搜索，得到相關(guān)信息；2 . 從 CDS 行可看到有關(guān)Aa 的信息，從ORIDIN 行可看到DNA 相關(guān)信息；3 .在原網(wǎng)頁(yè)上選擇右邊相關(guān)信息選擇框的PubMed,查看關(guān)聯(lián)文章；4 .主頁(yè)進(jìn)入DNA&RNA ,選擇tools,點(diǎn)第二個(gè)Batch Entrez,批量下載序列；5 .提交結(jié)

31、果，顯示參數(shù)與序列下載（Send選項(xiàng)、選File、然后選FASTA格式），下載序列，提交序列。12、提交序列：1、提交方式主要有三種：1） 、 Bankit 逐條提交、需要注冊(cè)；2） 、 Sequin 10000條以下；3） 、 Tbl2asn 超過(guò) 1 萬(wàn)條、命令行。2、Bankit提交：先注冊(cè)，后點(diǎn)New Submission （創(chuàng)建一個(gè)新提交），Sequencing Technology （測(cè)序技術(shù)），nucleotide （核酸），Organism （生 物體），Submission Category （提交類別），Source Modifiers （源寄存器修改），Primers （

32、引物），F(xiàn)eatures（特性），Review and Correct （檢查和糾正，3處）。3、Sequin DNA分析軟件：（A DNA Sequence Submission and Update ToOl序列提交：研究產(chǎn)生的新序列，需要遞交到公共數(shù)據(jù)庫(kù)保存；需要撰寫論文發(fā)表新序列時(shí)，需要數(shù)據(jù)庫(kù)接受號(hào)。4、 WEB 在線提交工具：1、 NCBI 的 Bankit； 2、 EBI 的 WEBIN ； 3、 DDBJ的 SAKURA；5、離線提交：NCBI 的 Sequin。6、提交比較：Bankit 提交：使用簡(jiǎn)單，每個(gè)步驟有詳細(xì)說(shuō)明。但一次只能提交一個(gè)序列，長(zhǎng)度不能太長(zhǎng)；Sequin：安

33、裝在用戶自己的計(jì)算機(jī)上，可同時(shí)遞交若干序列和較長(zhǎng)序列，而且整合了許多有用的序列注釋工具。13、引物設(shè)計(jì)及測(cè)序結(jié)果分析：（第三章）1、引物設(shè)計(jì)流程：1）序列查找與下載（GenBank） ；2）序列同源性比較（Blast/alignment）；3）引物設(shè)計(jì)與篩選（primer 3/其他）；4）引物加工與修飾（酶切、保護(hù)、標(biāo)簽、啟動(dòng)子等）；5）引物評(píng)價(jià)分析（Oligo 6）;6）引物二次篩選（blast）;7）引物最終評(píng)估（band）；2、引物設(shè)計(jì)原則：基本原則：1）引物與模板的序列要緊密互補(bǔ)；2）引物與引物之間避免形成穩(wěn)定的二聚體或發(fā)夾結(jié)構(gòu)；3）引物不能在非靶點(diǎn)引發(fā)DNA聚合反應(yīng)。注意點(diǎn)：1、引物

34、長(zhǎng)度在15-30bp之間；2、GC含量為40-60%之間；3、引物的特異性（3'端不能有連續(xù)的GGG或CCC）;4、3'4G的絕對(duì)值不超過(guò)9,雙鏈形成所需自由能；5、密碼子的兼并：3'不要位于密碼子的第3位。3、引物設(shè)計(jì)軟件：1）在線工具 Primer 3、Primer-Blast；2）本地軟件 Primer Premier 5;3）引物評(píng)估軟件Oligo 6。e.g.在線設(shè)計(jì)引物：在Primer 3界面上將需要設(shè)計(jì)的序列粘貼復(fù)制進(jìn)入大方框, 確定基本參數(shù)和 結(jié)果參數(shù)后，點(diǎn)擊pick鍵后出現(xiàn)output頁(yè)面，將所需的序列即一定要 PCR出的 序列用中括號(hào)括上，再?gòu)?fù)制進(jìn)大

35、方框。這兩者的差別是第一個(gè)是隨機(jī)的引物， 而第二個(gè)選出的引物必然包含你所需的那一段KEYS (in order of precedence優(yōu)選引物：(* target , >>>>>> left primer ,<<<<<<right primer)4、Oligo 7手工設(shè)計(jì)引物: 上游 ATGGGAAAAGACTATTACAAAATC 下游 TCAATTCGGCAGCGTATCGTAGAG選擇引物長(zhǎng)度選定上下游引物 3'AG絕對(duì)值不能超過(guò) 9fDuplex Formation 二聚體分析、Hairpin form

36、ation發(fā)夾分析（ G不能超過(guò)4.5）-成分和Tmf錯(cuò) 誤引發(fā)位點(diǎn)分析：一般在100 以下，若正確引發(fā)效率達(dá)到400，可承受超過(guò)100多點(diǎn)fPCR最終分析評(píng)價(jià)引物二次篩選 （上下游引物在ncbi中進(jìn)行blast分析 （搜索primer ncbi）并輸入設(shè)計(jì)的引物，選擇nr數(shù)據(jù)庫(kù)）引物最終評(píng)估（大小、特異性、效率）-保護(hù)堿基與酶切位點(diǎn)（BamH I , Not I ）。5、測(cè)序結(jié)果分析：（一、Sanger法測(cè)序；二、測(cè)序圖查看；三、序列拼接。） Sanger法測(cè)序：流程：（1.PCR擴(kuò)增；2.產(chǎn)物純化；3.測(cè)序反應(yīng)；4.電泳分離）；DNA 測(cè)序的實(shí)驗(yàn)方法：（末端終止法）；測(cè)序圖查看軟件：Chr

37、omas、 Seqman, ；不好的結(jié)果：雜峰、套峰。eg序列拼接實(shí)例：1. SeqMan軟件啟動(dòng)界面；2.原始測(cè)序文件導(dǎo)入軟件；3. Assemble （裝配）； 4. Strategy of Contig（重疊群策略）Contig-Strategy view 和 Contig-Alignment view-去除矛盾堿基和缺口（手動(dòng)刪除、修改可疑堿基）-導(dǎo)出拼接序列。14、核酸序列分析：（ 第四章 ）（常規(guī)分析、比對(duì)分析、基因結(jié)構(gòu)識(shí)別）1、常規(guī)分析：（序列的檢索、序列組分分析、序列變換、限制性酶切分析）1、核酸序列檢索：（ Entrez、 SRS）2、核酸序列組分分析：（Bioedit-分子

38、量；DNAMAN 堿基組成；EditSeq堿 基分布）1） EditSeq （堿基組成：Goodies- DNA Statistic）;2） Bioedit （堿基組成Sequence- Nucleic Acid Nucleotide composition） ；Bioedit: 一種對(duì)基因序列進(jìn)行分析加工或序列拼接的軟件。3、序列變換：（反向互補(bǔ)序列 EditSeqGoodies- Reverse complementt反向序歹U EditSeLGoodiesReverse Sequence4、限制性酶切分析：（BioEdit-SequenceNucleic Acid-Restrict Ma

39、p 在線：NEBcutter、WebCutter、Rebase2、比對(duì)分析：意義：推測(cè)基因和蛋白質(zhì)的進(jìn)化演變規(guī)律；推測(cè)基因和蛋白質(zhì)的結(jié)構(gòu)和功能； 基本假設(shè)：序列的保守性一功能的保守性；工具：Blast 和 Clustal X；1） BLAST 比對(duì)（Basic Local Alignment Search Too基本局部比對(duì)搜索工具）Bxmc BLASTChg” a 9LAST abflgE g 2苴bl2str rrga辦Inst, di二七DEiguEiU，inrMagi=bla=t13Hti Swrcn pfGgin n潮ag"- po<3ii 華陽(yáng)y/jgwTfhma

40、blB3ipa psi-iiasi phi由dellE-blut:blastx £o-arcn prolsin dotabakq usiing a tran-s-Gatfid nu£.ic-o4i<iQ quarylbliiy<ntrAii«liii;iiii liiiGlflQElLlfi>i。4作 * tpfLrin&M 如Wu如 SfL 'iftuclmskle 制*口昌與學(xué) > 川r*g - LenaidlE micteiki qgy0Vl 在0LEkGTBLAST程序的中心思想是將序列切割成一段一段來(lái)比較。這兩段序

41、列長(zhǎng)度為W （分別來(lái)自提交序列，與數(shù)據(jù)庫(kù)），比對(duì)分值,T。主要分三步進(jìn)行：（第一步：由查詢序列生成的長(zhǎng)度固定（W=3）的字段編譯列 表（Score>T）;第二步：在數(shù)據(jù)庫(kù)中掃描獲得與編譯列表中的字段匹配的序列記 錄，作為后續(xù)延伸的種子seed;第三步：對(duì)于每一對(duì)選擇出來(lái)的種子，將其向兩 邊延伸，使其在盡可能長(zhǎng)的距離得到盡可能多的分?jǐn)?shù)。）比對(duì)結(jié)果的判讀：比對(duì)結(jié)果的顯著性以E值（Expect value）來(lái)衡量，E值趨向 于0時(shí)，說(shuō)明比對(duì)結(jié)果越顯著。E值的意義就是概率；比對(duì)得分（bit score）：表明序列比對(duì)的得分，數(shù)值越高，兩序列越相似?！咀鳂I(yè)：以纖維素酶基因序列為靶標(biāo)，進(jìn)行核酸組分分

42、析，NCBI中比對(duì)你的序列，至少使用blastn, blastx并下載不少于十個(gè)比對(duì)出來(lái)的序列。】回頭來(lái)看NCBI參數(shù)選擇：（blastp、blastn）Limit by Entrez Query :任彳NCBI BLAST 搜索的范圍都可以用在 Entrez搜 索中使用的任何一種范圍限定詞來(lái)限定； Max target sequences比對(duì)之后顯示的最大的比對(duì)序列的數(shù)目； 期望expect期望值E是得分大于或等于某個(gè)分值 S的不同的比對(duì)的數(shù)目在 隨機(jī)的數(shù)據(jù)庫(kù)搜索中發(fā)生的可能性。這個(gè)數(shù)值表示你僅僅因?yàn)殡S機(jī)性造成獲得這 一聯(lián)配結(jié)果的可能次數(shù)。對(duì)于 blastn、blasts blastxt和b

43、lastn期望值的默認(rèn)設(shè)置 是10。在這個(gè)E值下，隨機(jī)出現(xiàn)得分等于或高于比對(duì)得分 S的期望數(shù)為10個(gè)（這 里是假設(shè)用與實(shí)際的查詢序列長(zhǎng)度相等的隨機(jī)的查詢序列搜索數(shù)據(jù)庫(kù)）。當(dāng)將期望選項(xiàng)值調(diào)小時(shí)，返回的數(shù)據(jù)庫(kù)搜索結(jié)果將變少，匹配被搜索到的概率也會(huì)變小。 增大E值將返回更多的結(jié)果； 字段長(zhǎng)度word size：對(duì)于蛋白質(zhì)搜索，窗口大小可以被設(shè)定為3（默認(rèn)值）或者2。當(dāng)用一個(gè)查詢序列來(lái)進(jìn)行數(shù)據(jù)庫(kù)搜索時(shí)，BLAST算法首先將查詢序列分割成一系列具有特定長(zhǎng)度（字段長(zhǎng)度）的小的序列段（字段）。實(shí)際應(yīng)用中對(duì)于蛋白 質(zhì)搜索很少需要改變字段的長(zhǎng)度；對(duì)于核酸序列，默認(rèn)的字段長(zhǎng)度是28, BLAST 的字長(zhǎng)缺省值為2

44、8,即BLASTN將掃描數(shù)據(jù)庫(kù)，直到發(fā)現(xiàn)那些與未知序列的28 個(gè)連續(xù)堿基完全匹配的28個(gè)連續(xù)堿基長(zhǎng)度片段為止。然后這些片段（即字）被擴(kuò) 展。降低字段長(zhǎng)度將會(huì)使搜索變得更準(zhǔn)確同時(shí)也會(huì)變得更慢； 矩陣matrix：對(duì)于blastp的蛋白質(zhì)-蛋白質(zhì)搜索有5種氨基酸替代矩陣：PAM30、 PAM70、BLOSUM45、BLOSUM62（默認(rèn)值）以及 BLOSUM80。一些其他的 BLAST 服務(wù)器還提供了很多其他的替代矩陣，如 PAM250O通常情況下明智的選擇是在 一次BLAST搜索中使用幾種不同的打分矩陣；Compositional adjustments 這個(gè)選項(xiàng)是默認(rèn)選擇的，一般來(lái)說(shuō)可改善 E

45、值 的統(tǒng)計(jì)計(jì)算和提高靈敏度（減少返回的假陽(yáng)性結(jié)果的數(shù)目）；2） blast2雙序列比對(duì)：Blast比對(duì)后，當(dāng)數(shù)據(jù)庫(kù)中搜索到多個(gè)顯著相似的序列時(shí)，檢測(cè)目的序列是 否與之有真正關(guān)聯(lián)，可進(jìn)行雙序列比對(duì)Pairwise Aligment。Ncleotide： Hsp40 ORF VS bm40(改變參數(shù))戶網(wǎng)郵S照的iS ugW如町坪nes吸加利L士工七齡m密,jertes曲。咤工位飛廊i過(guò).S®巾r浙冏紳snesi求擊jOwosiaBLralccfitriy點(diǎn)陣圖Dot matrix view :連續(xù)線表示序列匹配指出，缺口表明量序列不匹配之處比對(duì)結(jié)果:H H * 口 d £ K

46、 5 LU L AJR.C1AJJ DDH. 1 尸 U4N 1 RJ-4J% L_M V MM TJK_A.3 VI V. B-' V. 1-1 1 JU2A M UV JL U 51 尸 P J 口J*-K j_s 3rH 養(yǎng)工： L 工34.工 X>L3 * . X UEk.'X B4 IH. V jELEn-K ¥31 UqPUdC C Jk."二" hBLK * ,JT. .- C. H MP £- 3 3-1 KVLKMKI t Y rm r lu-ct ! 'I' H CMMX>FE> I

47、V l>W V K IJFh I V Bl »-4 HF 3rAJNb” 人卻仁H ITK VIV AMA W V 3 W I，產(chǎn)用隗4%3n m yrw r»j Link n ce t- kit c41rgruvcH"3HHi“it r- h.t: cle a t r-ax 口 r r"G 丁 a k r if-qt-i:尸if口i ncKB*!(4BS z«Liuba。- v , if- ii pf , a t f-a w ' aKK! L ¥E»hJ44e E(»3V.4>MO<l-

48、<W aV-C3<»<B-CWr WTH h” 口 RAH LA口 F1 r4，A券 Fv 0:Uf1.1 i - f :*F"TnIW F i i* Ri一串"'VJi*1 T &ch-w * :f b iatH-i- 、 ：勺*一I * irl wob v>Ja * d * OHH TT hST EZ-VL CM-ClT C*CD V h-H X - 3-9 A nH4.3THL= H 1- OXTQOI 1, 3- - .*e4?* e r h 目 L¥-ot在 dt 董 4= qc t工噂：/#，.，。15

49、曾 t-rwe&kvt,t Tfrrv> a ,a 新 40工a?>HIT* Qn* z EMDXrW L.KD3： gU IVZMSr 工二 ER V1 * 匚H * EHH Z>PTV LH 工 YA PGUUfc 口 H*田丁口口。*£ Pl H IjIp ¥V 1*B ?> 1 i-V MMMli Ia T KF>H V1 Hi Y 翼中K MMQKH TT VQ-KBE-B-a-iadaKm KYVJIh-E- 3 "VW 3E3K= IK73«-l'VHMW"IKM-K-3> =

50、O-EM/XHU K Xj3T Xa«-G>JK_XdC-O-W X BEWTrZ-aH； # 7spiA.I 'M H F1 Y h 1".ECm M P"1m.pv.百十 十 jur > * *7 *7： k r ljk r 1 1 >； ： h n m k i1-ilk ri *V vf vmiTisrtiiuFflIB hP-rtvMTm n r>rn *r '("Jh.iK, i a -k -u-*. a -i < a " H Jac W 'fmAl M-ibV-QKM T T-

51、EJWI-aiB.B T VMSJ-T-T V MEI TQCKKSl-Ei F E>M.K? E-LIE% K nV- V S BTiT M F*-F»-E -T l-T? Q-C Jh. R OX t.V5t*K.K.* 1' * MX. KI E V M. » T V M.M U U L-a F PlUl! 2 M.口 JLW， U 工 I1_ * E> LHM> * I E«n U.E J.HZ. V 工:k" IE 'X、fLA-.XT A, J K 4-1XX' £： X!>UU1.

52、一 二'>kU U二一=X r.X- >'二 E XuH MU"、.ni2_ JL X_K-3-I 4 .3、基因結(jié)構(gòu)識(shí)別:包括：（ORF識(shí)別；啟動(dòng)子與轉(zhuǎn)錄因子結(jié)合位點(diǎn)分析；重復(fù)序列分析；CpG island） 1） ORF識(shí)另1：Kozak原則：1、第四位的偏好堿基為 G; 2、ATG的5端約15bp范圍內(nèi)的 側(cè)翼序列內(nèi)不含堿基T; 3、在第3、6、9位，G為偏好堿基；4、除第3、6、9 位，在整個(gè)側(cè)翼序列中，c為偏好堿基。常見 ORF在線預(yù)測(cè)工具：（ORF Finder； GeneMark,hmm； Glimmer 原核生 物；Glimmer HMM

53、真核生物）（ORF的驗(yàn)證：Blast）。3M4 AST* n-nuQNF Fmd«r (Qf>*n Raadimo Fr*m< Flnd-rj2）啟動(dòng)子及轉(zhuǎn)錄因子結(jié)合分析：Promoter Scan3）重復(fù)序列分析：repeatmaske；r4） CpG island： CpGPlot； （ CpGisland 通常位于啟動(dòng)子附近）CpG 雙核苷酸在人類基因組中的分布很不均一，而在基因組的某些區(qū)段，CpG 保持或高于正常概率，這些區(qū)段被稱作CpG 島。在哺乳動(dòng)物基因組中的12kb 的 DNA 片段， 它富含非甲基化的CpG 雙倍體。 CpG 島主要位于基因的啟動(dòng)子 （ p

54、romotor） 和第一外顯子區(qū)域，約有60%以上基因的啟動(dòng)子含有CpG 島。GC 含量大于50%，長(zhǎng)度超過(guò)200bp。15、DNA 雙序列比對(duì) Pairwise Sequence Alignmen原理：（第五章）1、比什么？給定兩條序列（DNA or protein）Seq 1： CATATTGCAGTGGTCCCGCGTCAGGCTSeq 2： TAAATTGCGTGGTCGCACTGCACGCT它們存在多大程度的相似?CATATTGCAGTGGTCCCGCGTCAGGCTTAAATTGCGT-GGTCGCACTGCACGCT2、為什么比?（發(fā)現(xiàn)功能、研究進(jìn)化、某條序列的關(guān)鍵特征、疾病的鑒定）3、序列變化：三種類型的變化包括：Substitution （點(diǎn)突變）、Insertion （插入）、Deletion （刪除），后兩個(gè)統(tǒng)稱為Indel （插入缺失）。4、為達(dá)到比對(duì)兩序列的目的，我們需要一個(gè)定量模型來(lái)評(píng)估兩序列，如何定量?jī)尚蛄虚g的相似性?1、 全局比對(duì)（Global alignment） ：是對(duì)給定序列全長(zhǎng)進(jìn)行比較的方式。在待比較的兩個(gè)序列中引入空位（ gap） ，使得對(duì)序列的全長(zhǎng)都得到比較，Needleman-Wunsch算法。全局序列比對(duì)，比對(duì) 的是全部序列。建立一個(gè)得分矩陣，A序列在上方，B序列在左側(cè)，方格（i,j）的數(shù)值是A（0-i）到B