生物學(xué)數(shù)據(jù)庫及其檢索

1、會計學(xué)1生物學(xué)數(shù)據(jù)庫及其檢索生物學(xué)數(shù)據(jù)庫及其檢索一、什么是數(shù)據(jù)庫？一、什么是數(shù)據(jù)庫？數(shù)據(jù)庫（database） 是一類用于存儲和管理數(shù)據(jù)的計算機文檔，是統(tǒng)一管理的相關(guān)數(shù)據(jù)的集合，其儲存形式有利于數(shù)據(jù)信息的檢索與調(diào)用。二、生物學(xué)數(shù)據(jù)庫二、生物學(xué)數(shù)據(jù)庫 在生物信息學(xué)者們的努力下，人類基因組序列數(shù)據(jù)連同其它多種模式生物的序列數(shù)據(jù)及各自相應(yīng)的基因結(jié)構(gòu)與功能信息皆可供眾多生物學(xué)家們免費接入與使用。humanArabidopsisThermotoga maritimaEscherichia coliBuchnerasp. APSRickettsia prowazekiiUreaplasma urealyt

2、icumBacillus subtilisDrosophila melanogasterThermoplasma acidophilumPlasmodium falciparumHelicobacter pylori mouseCaenorhabitis elegansratBorrelia burgorferiBorrelia burgorferiAquifex aeolicusNeisseria meningitidis Z2491Mycobacterium tuberculosis 模式生物基因組計劃模式生物基因組計劃virusesplasmidsbacteriafungiplantsa

3、lgaeinsectsmollusksreptilesbirdsmammalsGenome sizes in nucleotide pairs (base-pairs)10410810510610710111010109bony fishamphibians生物學(xué)數(shù)據(jù)庫的分類生物學(xué)數(shù)據(jù)庫的分類根據(jù)數(shù)據(jù)存放類型：根據(jù)數(shù)據(jù)存放類型：序列（三維）結(jié)構(gòu)文獻序列特征基因組圖譜表達譜 。根據(jù)數(shù)據(jù)存儲的根據(jù)數(shù)據(jù)存儲的具體內(nèi)容：具體內(nèi)容：一級數(shù)據(jù)庫二級數(shù)據(jù)庫專用數(shù)據(jù)庫（一）一級數(shù)據(jù)庫和二級數(shù)據(jù)庫（一）一級數(shù)據(jù)庫和二級數(shù)據(jù)庫一級數(shù)據(jù)庫（一級數(shù)據(jù)庫（Primary database）：庫中的主要內(nèi)容來源于實驗室操

4、作所得到的原始數(shù)據(jù)（例如：測序得到的序列、X射線晶體衍射所得到的三維結(jié)構(gòu)數(shù)據(jù)等），也包含一些基本的說明（序列所屬的物種、類型、序列發(fā)表的文獻出處等）。核酸序列數(shù)據(jù)庫GenBank, EMBL, DDBJ及蛋白結(jié)構(gòu)數(shù)據(jù)庫PDB就是典型的一級數(shù)據(jù)庫。二級數(shù)據(jù)庫（二級數(shù)據(jù)庫（ Secondary database ）：在一級數(shù)據(jù)庫的信息基礎(chǔ)上進行計算機加工處理并增加了許多的人為注釋而構(gòu)成的（例如：NCBI的RefSeq數(shù)據(jù)庫等）。ATTGACTAPrimary vs. Secondary DatabasesACGTGCTTGACACGTGAATTGACTATATAGCCGACGTGCACGTGCAC

5、GTGCTTGACATTGACATTGACACGTGACGTGACGTGAATTGACTAATTGACTAATTGACTAATTGACTATATAGCCGTATAGCCGTATAGCCGTATAGCCGGenBankTATAGCCGTATAGCCGTATAGCCGTATAGCCGATGACATTGAGAATTATTCCGAGAATTCCGAGAATTATTCCGAGAATTCCSequencingCentersGAGAATTCCGAGAATTCCUniGeneRefSeqGenomeAssemblyLabsCuratorsAlgorithmsTATAGCCGAGCTCCGATACCGATGAC

6、AA（二）如何查找與研究相關(guān)的生物學(xué)資源（二）如何查找與研究相關(guān)的生物學(xué)資源1 利用公共搜索引擎利用公共搜索引擎2 了解重要的生物信息學(xué)門戶站點了解重要的生物信息學(xué)門戶站點3 利用利用Nucleic Acid Research雜志每年的數(shù)據(jù)雜志每年的數(shù)據(jù)庫專輯、網(wǎng)絡(luò)服務(wù)器專輯。庫專輯、網(wǎng)絡(luò)服務(wù)器專輯。第二節(jié)第二節(jié) 常用數(shù)據(jù)庫常用數(shù)據(jù)庫Chapter 2n常用數(shù)據(jù)庫常用數(shù)據(jù)庫類類 型型名名 稱稱網(wǎng)網(wǎng) 址址 核核酸酸序序 列列一次數(shù)據(jù)庫一次數(shù)據(jù)庫Genebank/Genbank/EMBLhttp:/www.ebi.ac.uk/embl/DDBJh

7、ttp:/www.ddbj.nig.ac.jp/Welcome.html.ja/基因組基因組一次數(shù)據(jù)庫一次數(shù)據(jù)庫GDB/蛋蛋白白質(zhì)質(zhì)序序 列列一次數(shù)據(jù)庫一次數(shù)據(jù)庫SWISS-PROT/sprot/PIR/TrEMBLhttp:/www.ebi.ac.uk/trembl/UniProt/index.shtml/MIPShttp:/mips.gsf.de/GenPept/pub/genpe

8、pt/NRL-3D/general/software/packages/nrl_3d/nrl_3d.html/復(fù)合數(shù)據(jù)庫復(fù)合數(shù)據(jù)庫NRDBhttp:/www.nrdb.co.uk/OWLhttp:/www.bioinf.manchester.ac.uk/dbbrowser/OWL/SWISS-PROTTrEMBLhttp:/www.ebi.ac.uk/clustr/ 二次數(shù)據(jù)庫二次數(shù)據(jù)庫PROSITE/prosite/PRINTShttp:/www.bioinf.man.ac.uk/dbbrowser/PRINTS/BL

9、OCKS/Pfamhttp:/pfam.sanger.ac.uk/IDENTIFY/identify/COGs/COG/ProDomhttp:/www.toulouse.inra.fr/prodom.html/結(jié)結(jié) 構(gòu)構(gòu)一次數(shù)據(jù)庫一次數(shù)據(jù)庫PDB/pdb/home/home.doMMDB/Structure/MMDB/mmdb.shtml/ 二次數(shù)據(jù)庫二次數(shù)據(jù)庫DSSP

10、http:/www.sander.embl-heidelberg.de/dssp/HSSPhttp:/www.sander.embl-heidelberg.de/hssp/FSSPhttp:/www.ebi.ac.uk/dali/fssp/PSdb/geigel/PSdb/PSdb.html/ 結(jié)構(gòu)分類結(jié)構(gòu)分類SCOPhttp:/scop.mrc-lmb.cam.ac.uk/scop/CATH/latest/index.html/PDBsumhttp:/www.ebi.ac.uk/thornton-srv/databa

11、ses/pdbsum/ 分類分類二次數(shù)據(jù)庫二次數(shù)據(jù)庫ProtoMap蛋白質(zhì)組蛋白質(zhì)組 蛋白質(zhì)組蛋白質(zhì)組 氨基酸索引氨基酸索引AAindexhttp:/www.genome.ad.jp/dbget/蛋白質(zhì)間功能關(guān)蛋白質(zhì)間功能關(guān)系系Predictome/蛋白質(zhì)組分析蛋白質(zhì)組分析Proteome Analysishttp:/www.ebi.ac.uk/integr8/EBI-Integr8-HomePage.do/二維凝膠電泳二維凝膠電泳GELBANK/SWISS-2D

12、PAGE /ch2d/酵母蛋白質(zhì)定位酵母蛋白質(zhì)定位YPL.dbhttp:/ypl.tugraz.at/模式生物蛋白質(zhì)模式生物蛋白質(zhì)組組Bioknowledge Librnaryhttp:/www.biobase- Data LibraryDDBJ (DNA Data Bank of Japan)三大基因數(shù)據(jù)庫之間的關(guān)系三大基因數(shù)據(jù)庫之間的關(guān)系Genbank庫包含了所有已知的核酸序列和蛋白質(zhì)序列，以及與它們相關(guān)的文獻著作和生物學(xué)注釋。它是由美國國立生物技術(shù)信息中心(National Center of Biotechnology Information，N

13、CBI)建立和維護的。 Genbank網(wǎng)址：/Genbank/1. GenbankuGenbank數(shù)據(jù)直接來源數(shù)據(jù)直接來源 測序工作者提交的序列、測序中心提交的大量測序工作者提交的序列、測序中心提交的大量EST序列序列、其它測序數(shù)據(jù)以及與其它數(shù)據(jù)機構(gòu)協(xié)作交換的數(shù)據(jù)。、其它測序數(shù)據(jù)以及與其它數(shù)據(jù)機構(gòu)協(xié)作交換的數(shù)據(jù)。uGenbank內(nèi)容內(nèi)容 所有已知的核酸序列和蛋白質(zhì)序列，還包括對序列的簡所有已知的核酸序列和蛋白質(zhì)序列，還包括對序列的簡要描述、科學(xué)命名、物種分類名稱、參考文獻、序列特征表要描述、科學(xué)命名、物種分類名稱、參考文獻、序列特征表等輔助信

14、息。等輔助信息。uGenbank對數(shù)據(jù)記錄的處理對數(shù)據(jù)記錄的處理 劃分為劃分為 細菌類、病毒類、靈長類、嚙齒類，細菌類、病毒類、靈長類、嚙齒類， EST數(shù)據(jù)數(shù)據(jù)、基因組測序數(shù)據(jù)、大規(guī)模基因組序列數(shù)據(jù)等、基因組測序數(shù)據(jù)、大規(guī)?；蚪M序列數(shù)據(jù)等16類。類。/Genbank/Genbank由由美國國立生物美國國立生物技術(shù)信息中心技術(shù)信息中心(NCBI)建立維建立維護，其主頁如護，其主頁如圖所示。圖所示。NCBI 簡介簡介當(dāng)今世界最大的基于當(dāng)今世界最大的基于Internet的用于分的用于分子生物學(xué)研究的生物醫(yī)學(xué)研究中心子生物學(xué)研究的生物醫(yī)學(xué)研究中心2

15、. EMBL核酸序列數(shù)據(jù)庫核酸序列數(shù)據(jù)庫 1982年創(chuàng)建，由年創(chuàng)建，由歐洲生物信息學(xué)研究所歐洲生物信息學(xué)研究所(European Bioinformaties Institute, EBI)管理維護。使用序列管理維護。使用序列提取系統(tǒng)提取系統(tǒng)(SRS)進行查詢檢索，利用基于網(wǎng)絡(luò)的進行查詢檢索，利用基于網(wǎng)絡(luò)的WEBIN工具，或利用工具，或利用Sequin軟件向軟件向EMBL核酸序列核酸序列數(shù)據(jù)庫提交序列。數(shù)據(jù)庫提交序列。 EMBL網(wǎng)址：網(wǎng)址： http:/www.ebi.ac.uk/embl/ SRS的網(wǎng)址：的網(wǎng)址： http:/srs.ebi.ac.uk/ WEBIN網(wǎng)址：網(wǎng)址： http:/

16、www.ebi.ac.uk/webin-align/webinalign_help.html/ Sequin網(wǎng)址：網(wǎng)址： http:/www.ebi.ac.uk/Sequin/3. DDBJ數(shù)據(jù)庫數(shù)據(jù)庫二、蛋白質(zhì)數(shù)據(jù)庫二、蛋白質(zhì)數(shù)據(jù)庫Swiss-Prot數(shù)據(jù)庫網(wǎng)站主頁數(shù)據(jù)庫網(wǎng)站主頁2. PIR PIR的子數(shù)據(jù)庫：的子數(shù)據(jù)庫： 蛋白質(zhì)序列數(shù)據(jù)庫（蛋白質(zhì)序列數(shù)據(jù)庫（PIR-PSD） 蛋白質(zhì)分類數(shù)據(jù)庫（蛋白質(zhì)分類數(shù)據(jù)庫（iProClass） 非冗余的蛋白質(zhì)參考資料數(shù)據(jù)庫（非冗余的蛋白質(zhì)參考資料數(shù)據(jù)庫（PIR-NREF）PIR數(shù)據(jù)庫按照數(shù)據(jù)性質(zhì)和注釋層次分四個部分：數(shù)據(jù)庫按照數(shù)據(jù)性質(zhì)和注釋層次分四個部

17、分： PIR1序列已經(jīng)驗證，注釋最為詳盡序列已經(jīng)驗證，注釋最為詳盡； PIR2為尚未確定的冗余序列；為尚未確定的冗余序列； PIR3序列既未檢驗，也未注釋；序列既未檢驗，也未注釋； PIR4序列來自其它渠道，既未驗證，也無注釋。序列來自其它渠道，既未驗證，也無注釋。美國國家生物醫(yī)學(xué)研究基金會與國際蛋白質(zhì)信息中心美國國家生物醫(yī)學(xué)研究基金會與國際蛋白質(zhì)信息中心（PIR-InternationalPIR-International）共同維護。）共同維護。PIRPIR是第一個蛋白質(zhì)分類和功能注釋數(shù)據(jù)庫是第一個蛋白質(zhì)分類和功能注釋數(shù)據(jù)庫 3.TrEMBL是一個經(jīng)計算機注釋的蛋白質(zhì)數(shù)據(jù)庫，采用是一個經(jīng)計算

18、機注釋的蛋白質(zhì)數(shù)據(jù)庫，采用SWISS-PROT數(shù)據(jù)庫格式。數(shù)據(jù)庫格式。主要包含從主要包含從EMBL/ Genbank/DDBJ三大核三大核酸數(shù)據(jù)庫中根據(jù)編碼序列翻譯的、尚未集成酸數(shù)據(jù)庫中根據(jù)編碼序列翻譯的、尚未集成到到SWISS-PROT數(shù)據(jù)庫中的蛋白質(zhì)序列。數(shù)據(jù)庫中的蛋白質(zhì)序列。TrEMBL為為SWISS-PROT數(shù)據(jù)庫及時提供補數(shù)據(jù)庫及時提供補充。充。 TrEMBL網(wǎng)址：網(wǎng)址：http:/www.ebi.ac.uk/trembl/4. UniProt UniProt將將SWISS-PROT、PIR、TrEMBL三個數(shù)據(jù)庫合并。通過文本三個數(shù)據(jù)庫合并。通過文本檢索、序列相似檢索以及檢索、序列

19、相似檢索以及UniProt Ftp網(wǎng)站可獲得蛋白質(zhì)序列。網(wǎng)站可獲得蛋白質(zhì)序列。UniProt網(wǎng)站主頁網(wǎng)站主頁UniProt包含包含UniProtKB、UniRef 和和UniParc 3個部個部分：分：（1）UniProtKB數(shù)據(jù)庫（數(shù)據(jù)庫（UniProt Knowledgebase）：蛋白質(zhì)序列、功能、分類、交叉）：蛋白質(zhì)序列、功能、分類、交叉引用等信息存取中心；引用等信息存取中心；（2）UniRef數(shù)據(jù)庫（數(shù)據(jù)庫（UniProt Reference Clusters）：為提高檢索的速度，將緊密相關(guān)的蛋白質(zhì)序列合）：為提高檢索的速度，將緊密相關(guān)的蛋白質(zhì)序列合并到同一條記錄中。目前，根據(jù)序列相

20、似程度可將并到同一條記錄中。目前，根據(jù)序列相似程度可將UniRef數(shù)據(jù)庫分為數(shù)據(jù)庫分為UniRef100、UniRef90和和UniRef50 3個子庫個子庫（3）UniParc（UniProt Archive）：儲存大量蛋白）：儲存大量蛋白質(zhì)研究的歷史信息。質(zhì)研究的歷史信息。UniProt網(wǎng)址：網(wǎng)址：/index.shtml5. GenPept數(shù)據(jù)庫數(shù)據(jù)庫GenPept數(shù)據(jù)庫特點數(shù)據(jù)庫特點 由由Genebank數(shù)據(jù)庫的核酸序列經(jīng)翻譯后產(chǎn)生數(shù)據(jù)庫的核酸序列經(jīng)翻譯后產(chǎn)生。GenPept數(shù)據(jù)量大，隨核酸數(shù)據(jù)庫的更新而更新數(shù)據(jù)量大，隨核酸數(shù)據(jù)庫的更新

21、而更新，但未經(jīng)實驗證實，也未有詳細注釋。，但未經(jīng)實驗證實，也未有詳細注釋。（二）蛋白質(zhì)序列二次數(shù)據(jù)庫（二）蛋白質(zhì)序列二次數(shù)據(jù)庫 1.PROSITEn PROSITE是蛋白質(zhì)家族保守區(qū)域和功能位點數(shù)是蛋白質(zhì)家族保守區(qū)域和功能位點數(shù)據(jù)庫，也是第一個蛋白質(zhì)序列二次數(shù)據(jù)庫，據(jù)庫，也是第一個蛋白質(zhì)序列二次數(shù)據(jù)庫，收錄蛋白收錄蛋白質(zhì)家族中同源序列多重比對所確定的保守性區(qū)域質(zhì)家族中同源序列多重比對所確定的保守性區(qū)域：如：如酶活性位點、配體結(jié)合位點、金屬離子結(jié)合位點、其酶活性位點、配體結(jié)合位點、金屬離子結(jié)合位點、其它蛋白質(zhì)結(jié)合位點等已知具有重要生物學(xué)功能蛋白質(zhì)它蛋白質(zhì)結(jié)合位點等已知具有重要生物學(xué)功能蛋白質(zhì)位點

22、和序列模式。位點和序列模式。n PROSITE數(shù)據(jù)庫組成數(shù)據(jù)庫組成 包含包含Prosite（數(shù)據(jù)文件）和（數(shù)據(jù)文件）和PrositeDoc（說明（說明文件）兩個文件數(shù)據(jù)庫。文件）兩個文件數(shù)據(jù)庫。PROSITE數(shù)據(jù)庫主頁數(shù)據(jù)庫主頁/nPROSITE數(shù)據(jù)庫作用數(shù)據(jù)庫作用：可確定一段新蛋白質(zhì)序列中：可確定一段新蛋白質(zhì)序列中包含的功能位點以及其歸屬的蛋白質(zhì)家族。包含的功能位點以及其歸屬的蛋白質(zhì)家族。nPROSITE的網(wǎng)址：的網(wǎng)址：http:/www.expasy.ch/prosite/ 或或 /prosite/nP

23、ROSITE的中國鏡像網(wǎng)址的中國鏡像網(wǎng)址是：是：/prosite/2.PRINTS PRINTS蛋白質(zhì)指紋圖譜數(shù)據(jù)庫蛋白質(zhì)指紋圖譜數(shù)據(jù)庫將多個保守的將多個保守的序列模式作為識別蛋白質(zhì)家族的特征序列模式作為識別蛋白質(zhì)家族的特征，與，與PROSITE數(shù)據(jù)庫的單個序列模式相比，數(shù)據(jù)庫的單個序列模式相比，PRINTS具有更好的識具有更好的識別率。別率。PRINTS 網(wǎng)址：網(wǎng)址：http:/www.bioinf.man.ac.uk/dbbrowser/PRINTS/3.BLOCKSu 序列模塊（序列模塊（block）：）：是通過序列比對得到是通過序列比對得到的若干蛋

24、白質(zhì)序列中的若干蛋白質(zhì)序列中具有較高相似性的序列片段具有較高相似性的序列片段。u BLOCKS由通過自動檢測由通過自動檢測PROSITE數(shù)據(jù)庫數(shù)據(jù)庫和和PRINTS蛋白質(zhì)指紋圖譜數(shù)據(jù)庫蛋白質(zhì)指紋圖譜數(shù)據(jù)庫中蛋白質(zhì)家族高中蛋白質(zhì)家族高度保守區(qū)域產(chǎn)生的序列模塊組成。度保守區(qū)域產(chǎn)生的序列模塊組成。 u BLOCKS的網(wǎng)址：的網(wǎng)址：/PDB數(shù)據(jù)庫主頁數(shù)據(jù)庫主頁/pdb/home/home.don PDB數(shù)據(jù)庫作用數(shù)據(jù)庫作用 提供序列詳細信息、原子坐標(biāo)、三提供序列詳細信息、原子坐標(biāo)、三維結(jié)構(gòu)、交叉檢索等與結(jié)構(gòu)相關(guān)的信息。維結(jié)

25、構(gòu)、交叉檢索等與結(jié)構(gòu)相關(guān)的信息。2. MMDB(Molecular Modeling Database)n 是是Entrez的組成部分。的組成部分。n 只收錄通過只收錄通過X射線晶體衍射和核磁共振實驗測射線晶體衍射和核磁共振實驗測定的生物大分子結(jié)構(gòu)數(shù)據(jù)。定的生物大分子結(jié)構(gòu)數(shù)據(jù)。n 增加了附加信息如增加了附加信息如:大分子的生物學(xué)功能及產(chǎn)大分子的生物學(xué)功能及產(chǎn)生機制、分子進化歷史、生物大分子之間關(guān)系等。生機制、分子進化歷史、生物大分子之間關(guān)系等。n 具有生物大分子三維結(jié)構(gòu)模型展示、結(jié)構(gòu)分具有生物大分子三維結(jié)構(gòu)模型展示、結(jié)構(gòu)分析和結(jié)構(gòu)比較等功能析和結(jié)構(gòu)比較等功能2.HSSP (Homology-D

26、erived Secondary Structure of Protein) n是一個蛋白質(zhì)同源序列比對數(shù)據(jù)庫，將相似序列是一個蛋白質(zhì)同源序列比對數(shù)據(jù)庫，將相似序列的蛋白質(zhì)聚集成結(jié)構(gòu)同源的家族，并隱含二級結(jié)構(gòu)的蛋白質(zhì)聚集成結(jié)構(gòu)同源的家族，并隱含二級結(jié)構(gòu)和空間結(jié)構(gòu)信息。和空間結(jié)構(gòu)信息。nHSSP用于分析蛋白質(zhì)保守區(qū)域、確定序列模式用于分析蛋白質(zhì)保守區(qū)域、確定序列模式及蛋白的折疊、進化關(guān)系、分子設(shè)計等研究。及蛋白的折疊、進化關(guān)系、分子設(shè)計等研究。nHSSP的網(wǎng)址是：的網(wǎng)址是：http:/www.sander.embl-heidelberg.de/hssp/2. CATH n CATH數(shù)據(jù)庫層次數(shù)據(jù)

27、庫層次： 類型層次類型層次：分為：分為 主類、主類、 主類、主類、 - 類（類（ / 型和型和 + 型）型）、低二級結(jié)構(gòu)類、低二級結(jié)構(gòu)類4類。類。 構(gòu)架層次構(gòu)架層次：依據(jù)由：依據(jù)由螺旋和螺旋和折疊形成的超二級結(jié)構(gòu)排列方折疊形成的超二級結(jié)構(gòu)排列方式進行分類，而不考慮它們之間的連接關(guān)系。式進行分類，而不考慮它們之間的連接關(guān)系。 拓撲層次拓撲層次：為二級結(jié)構(gòu)的形狀和二級結(jié)構(gòu)間的聯(lián)系。：為二級結(jié)構(gòu)的形狀和二級結(jié)構(gòu)間的聯(lián)系。 同源性層次同源性層次：通過序列比較和結(jié)構(gòu)比較確定。：通過序列比較和結(jié)構(gòu)比較確定。 序列層次序列層次：根據(jù)序列同源性不同分為：根據(jù)序列同源性不同分為S、O、L、I、D五種五種。n CATH的網(wǎng)址的網(wǎng)址：/latest/index.html/3. PDBsum n 通過對通過對PDB數(shù)據(jù)庫中所有蛋白質(zhì)結(jié)構(gòu)信息進行總結(jié)數(shù)據(jù)庫中所有蛋白質(zhì)結(jié)構(gòu)信息進行總結(jié)和分析，給出蛋白質(zhì)的主鏈數(shù)目、配體、金屬離子、二和分析，給出蛋白質(zhì)的主鏈數(shù)目、配體、金屬離子、二級結(jié)構(gòu)、折疊圖等相關(guān)信息。級結(jié)構(gòu)、折疊圖等相關(guān)信息。n 提供檢索蛋白質(zhì)各級結(jié)構(gòu)