生物信息學李霞市公開課金獎市賽課一等獎?wù)n件

第一章DNA、RNA和

蛋白質(zhì)序列信息資源

DNA、RNAAndProteinSequenceInformationResources中國醫(yī)科大學趙雨杰

第1頁生物信息學（bioinformatics）

在生命科學研究中發(fā)展起來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、傳輸、分析、模擬和解釋交叉學科。第2頁生物信息學研究內(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，揭示出生物大分子分子結(jié)構(gòu)、功效和進化關(guān)系以及基因組組成與基因表示等生物學事件對生命活動影響。

第3頁生物信息學研究重點主要表示在基因組學（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)、功效相關(guān)生物信息表示。第4頁生物信息學數(shù)據(jù)庫生物信息學中各類數(shù)據(jù)庫幾乎覆蓋了生命科學各個領(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、多糖三維結(jié)構(gòu)數(shù)據(jù)庫，基因組數(shù)據(jù)庫，文件數(shù)據(jù)庫和其它種類數(shù)據(jù)庫。第5頁生物信息學數(shù)據(jù)庫分類

生物信息數(shù)據(jù)庫種類繁多，就當前來看，大致能夠分為四個大類：

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.依據(jù)以上三類數(shù)據(jù)庫和文件資料為基礎(chǔ)構(gòu)建二次數(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)庫快速發(fā)展。在互聯(lián)網(wǎng)上不但有核酸序列數(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、基因表示數(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)庫及其它與核酸相關(guān)數(shù)據(jù)庫。第7頁三大核酸序列數(shù)據(jù)庫GenBankEMBLDDBJ

第8頁特殊類型核酸序列數(shù)據(jù)庫：非編碼RNA數(shù)據(jù)庫（ncRNA）；表示序列標簽數(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頁基因表示數(shù)據(jù)庫：基因表示庫（GEO）；斯坦福微陣列數(shù)據(jù)庫（SMD）；ArrayExpress；CGED；GXD；BodyMap等。第12頁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頁一、GenBank數(shù)據(jù)庫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30萬余種不一樣物種生物核酸序列，這些數(shù)據(jù)主要起源于全世界不一樣試驗室和大規(guī)模測序計劃項目。

第14頁GenBank是含有目錄和生物學注釋核酸序列綜合數(shù)據(jù)庫，由美國國家醫(yī)學圖書館國家生物技術(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)庫序列數(shù)據(jù)起源于序列發(fā)覺者提交序列、批量提交表示序列標簽（expressedsequencetag,EST）、基因組測序序列（genomesurveysequence,GSS）和其它測序中心提供高通量數(shù)據(jù)，還包含美國專利商標局提供已發(fā)表專利序列數(shù)據(jù)。第15頁GenBank數(shù)據(jù)庫天天與歐洲分子生物學試驗室核酸序列數(shù)據(jù)庫（EuropeanMolecularBiologyLaboratoryNucleotideSequenceDatabase，EMBL）和日本DNA數(shù)據(jù)庫（DNADataBankofJapanDDBJ）進行數(shù)據(jù)交換，以確保數(shù)據(jù)庫內(nèi)容在全世界范圍同時性。第16頁在NCBI（）主頁上提供了進入GenBank路徑、相關(guān)檢索和分析服務(wù)。經(jīng)過NCBI檢索系統(tǒng)（Entrez）能夠進入GenBank。Entrez檢索程序整合了主要DNA和蛋白序列數(shù)據(jù)分類學、基因組、圖譜、蛋白結(jié)構(gòu)和結(jié)構(gòu)（功效）域信息，還包含相關(guān)PubMed生物醫(yī)學文件信息。BLAST程序提供GenBank和其它序列數(shù)據(jù)庫中序列相同性搜索服務(wù)。

第17頁（一）GenBank數(shù)據(jù)庫結(jié)構(gòu)1.依據(jù)序列物種起源分類2.Genbank統(tǒng)計和分類2.1表示序列標簽(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（一）GenBank數(shù)據(jù)庫結(jié)構(gòu)3.特殊統(tǒng)計類型3.1第三方注釋（TPA）3.2GenBankCON統(tǒng)計較小統(tǒng)計組合統(tǒng)計第19頁（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.序列標識符和統(tǒng)計號第20頁（三）檢索GenBank數(shù)據(jù)1.Entrez系統(tǒng)（）2.與測序計劃檢索相關(guān)序列統(tǒng)計（）3.BLAST序列相同性搜索（）4.用FTP獲取GenBank（）第21頁二、EMBL數(shù)據(jù)庫EMBL建立于1980年，EMBL核苷序列數(shù)據(jù)庫（http://）是歐洲主要核苷序列搜集單位，歐洲生物信息中心EBI（即EMBL在德國海德堡站點）維護這個數(shù)據(jù)庫。核苷數(shù)據(jù)來自基因組測序中心、世界各地科學家、歐洲專利局、以及與合作搭檔DDBJ(Japan)和GenBank(USA)交換數(shù)據(jù)。第22頁三、DDBJ數(shù)據(jù)庫日本DNA數(shù)據(jù)庫（DDBJ）是在亞洲唯一核酸序列數(shù)據(jù)庫，是搜集研究者公認測定核酸序列數(shù)據(jù)庫，而且發(fā)放給數(shù)據(jù)提交者國際認證核酸序列編號。因為DDBJ天天將搜集數(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受相同數(shù)據(jù)。DDBJ主要搜集來自日本研究者取得序列數(shù)據(jù)，但也搜集數(shù)據(jù)和發(fā)放編號給任何其它國家研究者。第23頁四、其它主要核酸序列數(shù)據(jù)庫dbEST：dbEST是GenBank中一個子數(shù)據(jù)庫，包含起源于不一樣物種表示序列數(shù)據(jù)和表示序列標簽序列其它信息。ncRNAdb：非編碼RNA（non-codingRNAncRNA）數(shù)據(jù)庫意在提供非編碼RNA序列和功效信息。miRBase：miRBase序列數(shù)據(jù)庫主要存放已發(fā)表微小RNA（microRNAmiRNA)序列和注釋數(shù)據(jù)庫。第24頁第三節(jié)蛋白質(zhì)序列數(shù)據(jù)庫

Section3ProteinSequenceDatabase

伴隨分子生物學發(fā)展，人們?nèi)〉昧嗽絹碓蕉嚓P(guān)于蛋白質(zhì)序列、結(jié)構(gòu)和功效信息。世界各國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頁慣用蛋白質(zhì)序列數(shù)據(jù)庫：PIRMIPSSwiss-Prot第26頁蛋白質(zhì)功效、結(jié)構(gòu)域和蛋白質(zhì)家族相關(guān)數(shù)據(jù)庫：PROSITEInterProPfamProDomSMART等第27頁蛋白質(zhì)三維結(jié)構(gòu)相關(guān)數(shù)據(jù)庫：PDBBioMagResBankSWISS-MODELRepositoryModBaseCATHSCOPReLiBaseTOPSSWISS-3DIMAGEBioImage等第28頁蛋白質(zhì)二維凝膠電泳數(shù)據(jù)庫：WORLD-2DPAGEPhoretixlinks第29頁信號傳導及蛋白質(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頁一、PIR數(shù)據(jù)庫蛋白質(zhì)信息庫（PIR）（）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數(shù)據(jù)庫。PIR無償為科學界提供包含蛋白序列數(shù)據(jù)庫（PSD）在內(nèi)蛋白數(shù)據(jù)庫和分析工具。第32頁PIR信息庫資源第33頁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)文件、信息和知識整合數(shù)據(jù)庫第34頁1.UniProt-通用蛋白質(zhì)資源庫UniProt（）是存放和鏈接其它蛋白質(zhì)數(shù)據(jù)庫資源庫，而且是蛋白質(zhì)序列和含有綜合功效注釋目錄中心資源庫。使用UniprotKB能夠檢索準確、可靠蛋白綜合信息。使用UniRef能夠降低冗余，加速序列相同性搜索。使用UniParc能夠檢索存檔序列和它們起源數(shù)據(jù)庫。第35頁2.iProClass-蛋白質(zhì)知識整合數(shù)據(jù)庫iProClass（）提供來自90多個生物學數(shù)據(jù)庫大量整合數(shù)據(jù)，包含蛋白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)庫蛋白質(zhì)序列。使用iProClass能夠檢索最新蛋白質(zhì)綜合信息，包含：功效、轉(zhuǎn)導通路、相互作用、家族分類、基因和基因組、功效注釋標準體系（ontology）、文件和分類學信息。使用iProClass還能夠檢索ID圖譜、蛋白質(zhì)詞典和相關(guān)序列。第36頁3.PIRSF-蛋白質(zhì)家族分類系統(tǒng)PIRSF（）分類系統(tǒng)概要敘述家族特征，如家族名稱、分類分布、分級和功效域結(jié)構(gòu)，以及家族組員，包含功效、結(jié)構(gòu)、傳導通路、功效注釋標準體系（ontology）和家族分類。利用這些信息能夠取得蛋白質(zhì)準確功效或預測功效和該蛋白質(zhì)所屬家族組員共有其它特征。第37頁4.iProLINK-蛋白質(zhì)文件、信息和知識整合數(shù)據(jù)庫iProLINK（）提供相關(guān)注釋內(nèi)容文件、蛋白質(zhì)名稱詞典和其它有利于文件挖掘人文語言處理技術(shù)開發(fā)信息、數(shù)據(jù)庫校正、蛋白質(zhì)名稱標識和功效注釋標準體系（ontology）。使用iProLINK能夠取得描述蛋白質(zhì)統(tǒng)計文本文件資源，在UniProtKB統(tǒng)計（生物詞典）中加入蛋白質(zhì)或基因命名圖譜，取得用于開發(fā)文本挖掘算法注釋數(shù)據(jù)集、挖掘蛋白質(zhì)磷酸化（RLIMS-P）文件和取得蛋白質(zhì)功效注釋標準體系（ontology）（PRO）信息。第38頁二、MIPS數(shù)據(jù)庫慕尼黑蛋白質(zhì)序列信息中心（MIPS）（），它重點工作是基因組生物信息學，尤其重視基因組信息系統(tǒng)分析，包含應(yīng)用生物信息學方法注釋基因組、表示分析和蛋白質(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)，能夠提供細菌、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)、表示分析、蛋白相互作用等網(wǎng)絡(luò)服務(wù)。

第39頁三、其它主要蛋白質(zhì)序列數(shù)據(jù)庫：PRINTSPfam第40頁（一）PRINTSPRINTS（）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序列分析軟件包重復優(yōu)化后定義。數(shù)據(jù)庫中有兩種類型指紋圖，依據(jù)指紋圖復雜性分為簡單和復合指紋圖：簡單指紋圖基本上是單一基序，而復合指紋圖包含多個基序。

第41頁（二）Pfam蛋白質(zhì)普通是由一個或多個功效區(qū)域組成，這些功效區(qū)域通常稱作域（domain）。在不一樣蛋白質(zhì)中不一樣域以不一樣組合出現(xiàn)，造成在自然界發(fā)覺各種多樣組成成份蛋白質(zhì)。識別出現(xiàn)在蛋白質(zhì)中域能夠了解蛋白質(zhì)功效。Pfam數(shù)據(jù)庫（）是一個大蛋白質(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)果代表。第42頁第四節(jié)NCBI與EBI

Section4NCBIandEBI一、NCBI介紹二、EBI介紹第43頁一、NCBI介紹作為一個國家分子生物學信息資源，NCBI使命是開發(fā)新信息技術(shù)，幫助了解控制健康和疾病基本分子和遺傳過程。尤其是，NCBI擔負建立存放和分析分子生物學、生物化學和遺傳學知識自動系統(tǒng)；提供研究和醫(yī)學界使用方便數(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)行分析生物學主要分子結(jié)構(gòu)和功效先進研究方法。第44頁二、EBI介紹歐洲生物信息學研究所（EMBL-EBI），是歐洲分子生物學試驗室（EMBL）一部分，EMBL-EBI維護世界上最廣泛分子數(shù)據(jù)庫。EMBL-EBI是在全球范圍內(nèi)，努力協(xié)調(diào)搜集和傳輸生物學數(shù)據(jù)歐洲節(jié)點，EMBL-EBI許多數(shù)據(jù)庫是生物學家們熟知，包含：EMBL-Bank（DNA和RNA序列）、Ensemble（基因組）、ArrayExpress（基于微陣列基因表示數(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），新資源幫助研究者不但了解組成生物體分子部件，還了解這些部件是怎樣組合組成系統(tǒng)。

第45頁三、經(jīng)過EntrezGene從NCBI獲取序列信息Entrez主要是用于NCBI數(shù)據(jù)庫綜合、基于文本搜索和檢索系統(tǒng)。Entrez綜合了科學文件、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、表示數(shù)據(jù)、完整基因組組裝和分類學信息，形成一個緊密鏈接系統(tǒng)。它用于搜索NCBI鏈接數(shù)據(jù)庫檢索系統(tǒng)。第46頁Entrez檢索系統(tǒng)子數(shù)據(jù)庫第47頁（一）EntrezGene檢索EntrezGene檢索到統(tǒng)計提供關(guān)鍵鏈接，將圖譜、序列、表示、結(jié)構(gòu)、功效、索引文件和同源數(shù)據(jù)鏈接在一起組成關(guān)鍵鏈接。用定義序列、已知圖譜定位和從表型信息推測基因，為基因分配特有標識符。這些標識符在NCBI數(shù)據(jù)庫中通用，能夠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NCBIEntrez和E-Utilities系統(tǒng)索引、查詢和檢索中。

第48頁NCBI檢索首頁檢索窗口數(shù)據(jù)庫

選項下拉菜單第49頁檢索欄（for）輸入“IL-2human”

第50頁（二）EntrezGene統(tǒng)計顯示格式當進行檢索時，檢索結(jié)果以摘要（summary）格式顯示，每頁可顯示多條統(tǒng)計，摘要顯示每條統(tǒng)計前有一個選擇框，能夠選擇哪些統(tǒng)計需要顯示。顯示內(nèi)容還包含首選名稱標志、完整全名、雙單詞物種名稱（在方括號中）、基因組定位和基因編號。假如基因在已命名質(zhì)粒上，那么作為基因定位將給出質(zhì)粒名稱。右側(cè)Links能夠關(guān)聯(lián)到顯示相關(guān)Entrez統(tǒng)計，查對希望顯示統(tǒng)計，選擇灰色查詢條目中顯示選項，能夠顯示希望顯示相關(guān)統(tǒng)計。第51頁EntrezGene檢索結(jié)果摘要格式顯示頁面

第52頁EntrezGene全文匯報頁面（前部分）第53頁EntrezGene全文匯報頁面（后部分）第54頁

IL2mRNANucleotide數(shù)據(jù)庫統(tǒng)計檢索結(jié)果顯示界面

第55頁（三）Nucleotide數(shù)據(jù)庫統(tǒng)計顯示格式

Nucleotide數(shù)