生物信息學(xué)Chapter03-PPT幻燈片

3.2生物信息學(xué)資源3.2.1基因組信息3.2.2蛋白質(zhì)信息3.2.3整合生物信息13.2.1基因組信息

GenBank的建立與發(fā)展

GenBank的分類學(xué)檢索向GenBank投送序列2

GenBank的建立與發(fā)展GeneticSequenceDataBank80年代初由美IG公司和LANL國(guó)家實(shí)驗(yàn)室創(chuàng)立現(xiàn)在GenBank由美國(guó)國(guó)家生物信息中心（NCBI)管理運(yùn)行GenBank的主要目標(biāo)是收集已發(fā)表的和自行投送的核苷酸序列及相關(guān)的文獻(xiàn)資料3

GenBank的分類學(xué)檢索如，查水生植物睡蓮科（Nymphaeaceae）的序列資料在GenBank查詢框中輸入“Nymphaeaceae”查詢結(jié)果為01.htm

02.htm

AF136285.htm6向GenBank投送序列序列格式：FASTA格式等下載安裝Sequin提交步驟：使用Sequin軟件73.2.2蛋白質(zhì)信息蛋白質(zhì)信息的三個(gè)層次和相應(yīng)的數(shù)據(jù)庫(kù)一級(jí)氨基酸序列AVILDRYFH一級(jí)數(shù)據(jù)庫(kù)二級(jí)基序[AS]-[IL]2-X[DE]-R-[FYW]2-H二級(jí)數(shù)據(jù)庫(kù)三級(jí)域調(diào)諧子a,b,c@,*,#三級(jí)數(shù)據(jù)庫(kù)8蛋白質(zhì)的一級(jí)數(shù)據(jù)庫(kù)PIR(ProteinInformationResource):由美國(guó)國(guó)立生物研究基金會(huì)(NBRF)建立MIPS:由慕尼黑蛋白質(zhì)序列信息中心建立SWISS-PORT和TrEMBL:為日內(nèi)瓦大學(xué)建立NRDB（Non-RedundantDataBase）:為NCBI-GenBank建立，由6個(gè)數(shù)據(jù)庫(kù)復(fù)合而成OWL:為英國(guó)利茲大學(xué)和Daresbury實(shí)驗(yàn)室建立，由4個(gè)數(shù)據(jù)庫(kù)復(fù)合而成SWISS-PROT+TrEMBL:由EBI建立，由2個(gè)數(shù)據(jù)庫(kù)復(fù)合而成9蛋白質(zhì)的二級(jí)數(shù)據(jù)庫(kù)是建立在一級(jí)數(shù)據(jù)庫(kù)基礎(chǔ)上的蛋白質(zhì)基序、指紋等方面信息資源二級(jí)數(shù)據(jù)庫(kù)一級(jí)數(shù)據(jù)庫(kù)來(lái)源內(nèi)容PROSITESWISS-PROT正則表達(dá)ProfilesSWISS-PROT加權(quán)矩陣PRINTSOWL*已對(duì)位排列基序PfamSWISS-PROT隱馬爾可夫模型BLOCKSPROSITE/PRINTS*已對(duì)位排列基序IDENTITYBLOCKS/PRINTS*模糊正則表達(dá)10蛋白質(zhì)的三級(jí)數(shù)據(jù)庫(kù)SCOP:收錄已知結(jié)構(gòu)的蛋白質(zhì)之間的結(jié)構(gòu)與進(jìn)化關(guān)系信息，主要有三個(gè)水平主要是結(jié)構(gòu)分類數(shù)據(jù)庫(kù)，依賴于人們對(duì)結(jié)構(gòu)相似性的定義與評(píng)價(jià)標(biāo)準(zhǔn)基因家族（genefamily）(同一性>=30%)基因超家族（genesuperfamily）(同一性較底，但結(jié)構(gòu)和功能等特性說(shuō)明它們具有共同的起源)折疊(fold)(具有相同的二級(jí)結(jié)構(gòu)，則認(rèn)為具有共同的折疊)11CATH:由倫敦大學(xué)建立（該系統(tǒng)收錄了蛋白質(zhì)結(jié)構(gòu)的等級(jí)域分類信息，分5個(gè)水平）4個(gè)域級(jí)：①α為主結(jié)構(gòu)，②β為主結(jié)構(gòu)，③α-β或α/β或α+β結(jié)構(gòu)④很少的二級(jí)結(jié)構(gòu)內(nèi)容構(gòu)造：蛋白質(zhì)二級(jí)結(jié)構(gòu)的排列拓?fù)浣Y(jié)構(gòu)：二級(jí)結(jié)構(gòu)的全面形狀和連通性同源性：具有≥35%序列的同一性及具有共同祖先序列：序列同一性≥35%的域顯示出高度相似的結(jié)構(gòu)和功能123.2.3整合生物信息查詢分子序列查詢系統(tǒng)樹(shù)TreeBASE系統(tǒng)：哈佛、荷蘭萊頓、加州大學(xué)合作建立系統(tǒng)發(fā)育研究資料包括原始數(shù)據(jù)、系統(tǒng)發(fā)育樹(shù)、文獻(xiàn)信息及相關(guān)算法查水生植物睡蓮科（Nymphaeaceae)的系統(tǒng)發(fā)育3分子數(shù)據(jù)挖掘工具3.3.1序列相似性查詢軟件3.3.2通用序列查詢和模式識(shí)別工具3.3.3構(gòu)建序列查詢協(xié)議3.3.4數(shù)據(jù)挖掘的例子——GeneMine183.3.1序列相似性查詢軟件基本原理

BLAST系列軟件

BLAST檢索例子

BLAST與其他算法的比較19基本原理BLAST(basiclocalalignmentsearchtool,KarlinandAltschul1990)序列同源性（sequencehomology）相似性記分(similarityscore)全局排列（globalalignment,NeedlemanandWunsch1970）局部排列（localalignment,SmithandWaterman1981）20BLAST系列軟件查詢序列氨基酸序列DNA序列BLASTptBLASTnBLASTntBLASTxtBLASTx檢索蛋白質(zhì)序列數(shù)據(jù)庫(kù)檢索翻譯后核苷酸序列數(shù)據(jù)庫(kù)檢索核苷酸數(shù)據(jù)庫(kù)檢索蛋白質(zhì)序列數(shù)據(jù)庫(kù)檢索翻譯后核苷酸序列數(shù)據(jù)庫(kù)21BLASTp流程蛋白質(zhì)序列BLASTp比較查詢序列與蛋白質(zhì)數(shù)據(jù)庫(kù)(如SWISS-PROT)中的已知序列輸出文件分析（如序列對(duì)位排列）推導(dǎo)可能的蛋白質(zhì)功能22tBLASTn流程蛋白質(zhì)序列tBLASTn比較DNA數(shù)據(jù)庫(kù)(如GenBank-ESTdb)中的六框翻譯核苷酸序列輸出文件分析（如序列對(duì)位排列）23核苷酸序列（DNA和RNA）BLASTn比較比較查詢序列與DNA數(shù)據(jù)庫(kù)(如NCBI-GenBank)中的已知序列輸出文件分析（如序列對(duì)位排列）BLASTn流程24新序列的DNABLASTx比較六框翻譯的氨基酸序列與蛋白質(zhì)數(shù)據(jù)庫(kù)(如SWISS-PROT)中的已知序列輸出文件分析（如序列對(duì)位排列、終止密碼子）BLASTx

流程發(fā)現(xiàn)潛在的編碼區(qū)（外顯子）發(fā)現(xiàn)潛在的編碼區(qū)翻譯成氨基酸序列25BLAST檢索的例子 atcattcaattagacgtgttctattcgcacatggaaaaaacccatatacgcgtacagagctttacgtctcttaatatcaatatggcgatttaataatagatttttagaaagggagtaatagtcctttgacaatcgtatacatatacaaatatatctatatatatacacgcacagcacatgttttacaaacgaggcgtgcatattgtccaaagtgcacaatttaaatcctctttcaatttatttcgtcatcataaaagtaacgcgtgtaccaatttggacggtcgggcgtaaatctttcaaaaccttcggagtaataatacaaatatgatattactagtcctagaaagaatacgatatatacaaagttaattatatatttattatattcatttaggtacccgatacagtcatatactttatttgtgtatgtcaaataaagctgaccacatccaaatattcatggcagcacacgctctattactttcagatagacttgttgtacaaaaaattttaacttttaaaaaacttcatctatattcatgtatgatgaaaatagaatgtcagttataaaaagttatatttttttgacttcaacgagagggtggtttttattttatcagaatatatatattaatatatatattcgaatcgtaaacaaaaacacaaatcgttcgatattacaaaatattgaaaaagatcaacattccataaataaatacagacttgtcgtgtattatacgaacactgNCBI26272829303132333435BLAST與其他算法的比較算法計(jì)算值記分矩陣間隔罰分時(shí)間原始文獻(xiàn)Needleman-WunschGlobalsimilarityArbitraryPenalty/gapQO(n2)1970Sellers(global)distanceUnityPenalty/residueRkO(n2)1974Smith-WatermanLocalsimilaritySij<0.0Affineq+rkO(n2)1981,Gotoh1982FASTAApprox.localsimilaritySij<0.0Limitedgapsizeq+rkO(n2)/KLipman85,Pearson88BLASTpSij<0.0MultiplesegmentsO(n2)/KAltshuletal1990363.3.2通用序列查詢和模式

識(shí)別工具SRS系統(tǒng)：是EMBnet中的數(shù)據(jù)檢索工具，可通過(guò)名稱、分類學(xué)等級(jí)、序列進(jìn)行檢索PROSITE模式識(shí)別工具：在蛋白質(zhì)數(shù)據(jù)庫(kù)系統(tǒng)中，基序（motif）和標(biāo)識(shí)分析程序均屬模式識(shí)別工具。模體：在對(duì)核酸或蛋白質(zhì)進(jìn)行同源性比較研究時(shí)，發(fā)現(xiàn)很多核酸或蛋白質(zhì)包括一些功能不同的核酸或蛋白質(zhì)都可能含有相似的結(jié)構(gòu)方式。早年的注意力局限在一級(jí)結(jié)構(gòu)上，近年也用于比較蛋白質(zhì)高級(jí)結(jié)構(gòu)的同源性。37383940414243DNA序列六框翻