生物信息學(xué)課件培訓(xùn)資料

生物信息學(xué)課件了解各種生物數(shù)據(jù)庫掌握利用Internet上的各種數(shù)據(jù)庫、軟件，查找生物相關(guān)信息，分析和解釋各種生物數(shù)據(jù)。學(xué)習(xí)本課程的目的SequenceanalysisGenomeannotationAnalysisofgeneexpressionAnalysisofregulationPredictionofproteinstructureComparativegenomics/kech/swxxx/華農(nóng)主頁－南湖教苑－精品課程－國家精品課程－2007年國家精品課程－生物信息學(xué)教學(xué)網(wǎng)站獲取課件及自學(xué)資源（僅限校園網(wǎng)內(nèi)）/用戶名：nobody密碼：lampp參考教材DavidW.Mount.Bioinformatics:SequenceandGenomeAnalysis.(2ndedition)NewYork:ColdSpringHarborLaboratoryPress,2004.鐘揚等譯，生物信息學(xué)（第一版），高等教育出版社，2003。參考教材周艷紅、王石平，生物信息學(xué)，高等教育出版社，2007。A.D.BoxevanisandB.F.F.Ouellette.Bioinformatics:APracticalGuidetotheAnalysisofGenesandProteins.(3rdedition)NewYork:Wile-Interscience,2004.注意事項和要求應(yīng)用型課程，自學(xué)占很大比重按時上課，位置固定，課間不休，如已掌握內(nèi)容，可以早退考試方式：開卷，凡修課者必需參加考試，否則0分分10組，每次一組課后留下做清潔第一章生物信息學(xué)的發(fā)展和研究內(nèi)容生物信息學(xué)1、什么是生物信息學(xué)？生物信息學(xué)是信息科學(xué)領(lǐng)域和生命科學(xué)領(lǐng)域的一門新興的、應(yīng)用型交叉學(xué)科。以計算機為主要工具，以大量生物數(shù)據(jù)庫和分析軟件為基礎(chǔ)采用數(shù)理和信息科學(xué)的理論、技術(shù)和方法，分析生物學(xué)數(shù)據(jù)，研究生命現(xiàn)象的一門科學(xué)為人類揭示生命的奧秘提供了一條新的途徑解決生物學(xué)問題為導(dǎo)向2、生物信息學(xué)發(fā)展簡史DDBJ核苷酸數(shù)據(jù)庫1986GenBank和EMBL核苷酸數(shù)據(jù)庫1982M.Dayhoff開始收集蛋白質(zhì)序列1960sProteinInformationResource（PIR）“…themotherandfatherofbioinformatics…”byDavidJ.Lipman(DirectorofNCBI)Proteinsequenceatlas2、生物信息學(xué)發(fā)展簡史生物信息學(xué)

(Bioinformatics)ComputationalbiologyBiologywithcomputer1991SWISS-PROT蛋白質(zhì)數(shù)據(jù)庫1986BLAST程序1990國家生物技術(shù)信息中心（NCBI）1988InvivoInvitroInsilico2、生物信息學(xué)發(fā)展簡史Humangenomeproject(HGP)生物信息學(xué)學(xué)科的迅速發(fā)展在1990年代identifyalltheapproximately20,000-25,000genesinhumanDNA,determinethesequencesofthe3billionchemicalbasepairsthatmakeuphumanDNA,storethisinformationindatabases,

improvetoolsfordataanalysis,transferrelatedtechnologiestotheprivatesector,addresstheethical,legal,andsocialissues(ELSI)thatmayarisefromtheproject.Goals主要高通量技術(shù)的發(fā)展歷程DNA自動化測序（1990-）基因芯片（1995-）新一代測序技術(shù)（2005-）廠商RocheIlluminaABI技術(shù)454SolexaGASOLiD測序儀GS20FLXTiIIIIIx123序列數(shù)目（百萬）52810025040115320單末端測序（Single-end）讀長（bp）1002004003550100253550運行時間（天）335658通量（Gb）0.050.10.515251416配對末端測序（Paired-end）讀長（bp）

2004002×352×502×1002×252×352×50庫序列長度（kb）

0.20.2332運行時間（天）

0.30.461010121016通量（Gb）

0.10.529502832Solexa和SOLiD配對末端測序所需時間和產(chǎn)出是單末端的兩倍，454的配對末端和單末端差異在于建庫方法，所需時間和測序量不變。ABISOLiD包含兩張芯片，這里的數(shù)據(jù)是一張芯片的量。

目前使用最廣泛的三大第二代測序平臺測序能力統(tǒng)計信息（2010年年初數(shù)據(jù)）3個水稻基因組/天12個水稻基因組/天10個水稻基因組/天人基因組測序費用TowardsaParadigmShiftinBiology

WalterGilbert,Nature349:99(1991)Thenewparadigm,nowemerging,isthatall“genes”willbeknown(inthesenseofbeingresidentindatabasesavailableelectronically),andthatthestartingpointofabiologicalinvestigationwillbetheoretical.Anindividualscientistwillbeginwithatheoreticalconjecture,onlythenturningtoexperimentstofollowortotestthathypothesis.生物信息學(xué)是伴隨著生命科學(xué)的發(fā)展而出現(xiàn)的，并且隨著技術(shù)的發(fā)展而不斷發(fā)展生命科學(xué)的現(xiàn)狀：Observing&Recording生命科學(xué)的未來：Designing&Creating，離不開生物信息學(xué)啟示3、生物信息學(xué)的基本方法和技術(shù)建立生物數(shù)據(jù)庫各種公共數(shù)據(jù)庫本地化數(shù)據(jù)庫數(shù)據(jù)庫檢索各種數(shù)據(jù)檢索工具的開發(fā)和使用Entrez檢索體系BLAST檢索體系3、生物信息學(xué)的基本方法和技術(shù)生物大分子序列分析Homologoussequenceanalysis（同源序列分析）Multiplesequencealignment（多序列對位排列）

Phylogeneticanalysis（進化分析）基因結(jié)構(gòu)、功能分析Mapping(ePCR)、Exon/Intron、Promoter、Regulatoryregions……蛋白質(zhì)結(jié)構(gòu)、功能分析Motif、3-Dstructure、post-translationalmodification、interactions……3、生物信息學(xué)的基本方法和技術(shù)基因組分析序列拼接序列注釋3、生物信息學(xué)的基本方法和技術(shù)統(tǒng)計概率模型HiddenMarkovmodel（HMM，隱馬爾可夫模型）基因識別和藥物設(shè)計Maximumlikelihoodmodel（最大似然模型）序列進化分析因特網(wǎng)的域名（domainname）規(guī)定四級域名.三級域名.二級域名.頂級域名我校一臺名為bioinformatics主機：4、生物信息學(xué)的研究內(nèi)容收集、整理、儲存、加工、發(fā)布和分析生物學(xué)數(shù)據(jù)發(fā)展新的數(shù)理和信息科學(xué)的技術(shù)和方法用于管理和分析生物數(shù)據(jù)（數(shù)理和信息科學(xué)工作者，IT人士）（生物工作者，BT人士）5、生物信息學(xué)的應(yīng)用基礎(chǔ)研究和教學(xué)分子生物學(xué)研究的重要手段之一生命科學(xué)的教學(xué)藥物開發(fā)（PharmaceuticalBioinformatics）

新藥篩選藥靶設(shè)計分子藥理學(xué)研究5、生物信息學(xué)的應(yīng)用疾病診斷利用疑難病癥的病原DNA序列診斷疾病遺傳病其他環(huán)境監(jiān)測(Metagenomics)進化分析6、本課程主要內(nèi)容檢索數(shù)據(jù)庫序列數(shù)據(jù)的檢索和分析比較基因組學(xué)（comparativegenomics）進化分析文字?jǐn)?shù)據(jù)（文獻）的檢索序列（DNA、蛋白質(zhì)）數(shù)據(jù)的檢索其他（三維結(jié)構(gòu)、網(wǎng)絡(luò)圖等）數(shù)據(jù)的檢索分析和解釋實驗數(shù)據(jù)（核苷酸和蛋白質(zhì)序列）利用國際上共享的數(shù)據(jù)庫和分析軟件7、上機操作初步了解Internet上的數(shù)據(jù)庫和分析工具自學(xué)課程

/Education

http://www.ebi.ac.uk/2can/home.html/nar/database/c/Microarray集成化、并行化、微型化（比擬集成電路，符合摩爾定理）！微乳液PCR橋式PCR單分子測序第二章數(shù)據(jù)庫生物信息學(xué)什么是數(shù)據(jù)庫（Database）？用于收集、整理、儲存、加工、發(fā)布和檢索數(shù)據(jù)的系統(tǒng)。生物類的數(shù)據(jù)庫種類很多（序列、結(jié)構(gòu)、生物分子互作、其它）投稿文章首先要將核苷酸序列或蛋白質(zhì)序列提交到相應(yīng)的數(shù)據(jù)庫中什么是數(shù)據(jù)庫（Database）？數(shù)據(jù)庫記錄通常包括兩部分原始數(shù)據(jù)對這些數(shù)據(jù)進行的生物學(xué)意義的注釋一個數(shù)據(jù)庫通常鏈接了多個相關(guān)數(shù)據(jù)庫核苷酸數(shù)據(jù)庫－水稻抗病相關(guān)基因OsDR8Taxonomy數(shù)據(jù)庫Pubmed數(shù)據(jù)庫NCBI-Protein數(shù)據(jù)庫DQ176424（一）數(shù)據(jù)庫工具建立純文本數(shù)據(jù)庫GenBank數(shù)據(jù)庫、EMBL核苷酸數(shù)據(jù)庫數(shù)據(jù)庫工具SQL（結(jié)構(gòu)化查詢語言）是世界上流行的和標(biāo)準(zhǔn)化的數(shù)據(jù)庫語言能夠快速靈活存儲記錄文件和圖像MySQL下載網(wǎng)址/AccessSQLOracleAceDB數(shù)據(jù)庫工具AceDB：A

C.elegans

DataBase

（線蟲數(shù)據(jù)庫）被廣泛應(yīng)用的管理和提供基因組數(shù)據(jù)的工具數(shù)據(jù)形式豐富遺傳圖譜G1810.420.84RM2240.21R15060.21Xa26S128861.470.000.63L1044NBS119RM144Y6855RA0.0011新陳代謝途徑物理圖譜1gggctccaccactagtacccctcactacaggtagccataaaaaaaatcgatcaccaaaac61ccattattaggttgtgtactgatacagaaagttgggaaccaatctcccagcacagaaaac121ggtacggttcattagcgcgtgattaattaaatatttactattttttaaaaaaaatagatc181aatatgatttttaagcaactttcgtataaatactttttcaaaaaaacacaccgttttcta241gtttgaaaagcgtacacgcgtgaaatgagggagaaaggttggaaacgtgggattgcaaac（一）數(shù)據(jù)庫工具（二）各種生物數(shù)據(jù)庫1、核苷酸數(shù)據(jù)庫

DNA、mRNA、tRNA、rRNA序列RNA序列以cDNA序列的形式收集核苷酸序列直接來源于實驗數(shù)據(jù)大量氨基酸序列

主要是非實驗來源數(shù)據(jù)codingsequence(CDS)EXONINTRONCDS(codingsequence)ORF(openreadingframe)1、核苷酸數(shù)據(jù)庫1、核苷酸數(shù)據(jù)庫三大核苷酸數(shù)據(jù)庫GenBank、EMBL核苷酸數(shù)據(jù)庫、DDBJUnitedStatesPatentandTrademarkOffice(USPTO)EuropeanPatentOffice(EPO)JapanPatentOffice(JPO)專利核苷酸序列信息資源共享：以天為基礎(chǔ)進行數(shù)據(jù)庫之間的序列數(shù)據(jù)交換1、核苷酸數(shù)據(jù)庫（1）GenBank/genbank美國NCBI的核苷酸數(shù)據(jù)庫，包括部分蛋白質(zhì)序列數(shù)據(jù)每天更新，每年發(fā)行六版release

/genbank/gbrel.txt

Release182（2011.2.15）132,015,054sequences124,277,818,310bases來源于380,000多個物種大約12％的序列來源于人（Homosapiens）NucleicAcidsRes.2011;39(Databaseissue):D32-37（1）GenBank……Locusname（位點名）Accessionnumber（注冊號或登陸號）GI（GenInfoidentifier）

每個序列有一個flatfile每條序列有三個專有的編號或標(biāo)識（identifier）Samplerecord/Sitemap/samplerecord.html（1）GenBank（1）GenBankThedivisionsofGenBankPRI-primatesequencesROD-rodentsequencesMAM-othermammaliansequencesVRT-othervertebratesequencesINV-invertebratesequencesPLN-plant,fungal,andalgalsequencesBCT-bacterialsequencesVRL-viralsequencesPHG-bacteriophagesequencesSYN-syntheticsequencesUNA-unannotatedsequencesEST-ESTsequences(expressedsequencetags)STS-STSsequences(sequencetaggedsites)GSS-GSSsequences(genomesurveysequences)HTG-HTGsequences(high-throughputgenomicsequences)HTC-unfinishedhigh-throughputcDNAsequencingENV-environmentalsamplingsequencesTSA-TranscriptomeShotgunAssemblyPAT-patentsequencesWGS-wholegenomeshotgun（2）EST數(shù)據(jù)庫dbEST(DatabaseofExpressedSequenceTags)

/dbEST/index.html

GenBank的二級數(shù)據(jù)庫5’端或3’端的cDNA序列（EST）200-500bp “Single-passread”sequenceGenBank中60％以上的序列是EST/About/primer/est.html（3）UniGene數(shù)據(jù)庫NCBI的另一個核苷酸數(shù)據(jù)庫來源于同一基因的非重復(fù)EST組成基因序列群人、大鼠、小鼠、斑馬魚、牛、豬等擬南芥、水稻、小麥、大麥、玉米等共計120多個物種UniGene主頁輸入關(guān)鍵詞檢索UniGene

/unigene//genbank/TSA.htmlTSAisanarchiveofcomputationallyassembledsequencesfromprimarydatasubmittedtodbEST,theShortReadArchive(SRA),ortheTraceArchive.TheoverlappingsequencereadsfromacompletetranscriptomeareassembledintotranscriptsbycomputationalmethodsinsteadofbytraditionalcloningandsequencingofclonedcDNAs.Theprimarysequencedatausedintheassembliesandtheassembliesmustbesubmittedbythesamesubmitter.TSAsequencerecordsdifferfromESTandGenBankrecordsbecausetherearenophysicalcounterpartstotheassembliesinsertedintheTSArecord.Example（4）STS數(shù)據(jù)庫dbSTS(DatabaseofSequenceTaggedSites)

/dbSTS/index.html

GenBank的二級數(shù)據(jù)庫UniSTS短序列（200-500bp），僅在基因組中出現(xiàn)一次已定位于染色體上如何找到一個STS檢索：NCBI主頁選擇UniSTS后輸入關(guān)鍵詞檢索到的條目每一條目詳細內(nèi)容點擊“mapviewer”查看染色體定位（4）STS數(shù)據(jù)庫contigScience1989;245:1434-5.（5）GSS數(shù)據(jù)庫dbGSS(DatabaseofGenomeSurveySequences)

/dbGSS/index.html

GenBank的二級數(shù)據(jù)庫基因組短序列cosmid/BAC/YAC外源插入片段的末端序列AluPCR序列cosmid/BAC/YACHTGS(High-ThroughputGenomicSequences)

/HTGS/

GenBank的二級數(shù)據(jù)庫尚未完成測序的重疊群（>2kb）的序列新序列的增加速度很快（6）HTGS數(shù)據(jù)庫基因組測序過程中（Phase0、1、2）產(chǎn)生的過渡數(shù)據(jù)Nature,409,860-921Phase3Finished,nogaps(withorwithoutannotations)Phase0one-to-fewpassreadsofasingleclone(notcontigs)Phase1Unfinished,maybeunordered,unorientedcontigs,withgapsPhase2Unfinished,ordered,orientedcontigs,withorwithoutgaps鳥槍法（shotgun）測序流程水稻基因組全基因組大?。?30Mb；

每個Reads讀長450bp；

故覆蓋每個水稻基因組所需反應(yīng)：100萬；

覆蓋水稻基因組8X，需要800萬反應(yīng)；

每個反應(yīng)的測序成本為19元，800萬反應(yīng)總共需15200萬人民幣；

人力費800萬人民幣。中國水稻基因組計劃的經(jīng)費預(yù)算Genomesequencing:QUICKER,SMALLER,CHEAPER/XPRIZEFoundationNature2008,452:788

Genome

/sites/entrez?db=genomeNCBI的另一個數(shù)據(jù)庫測序完成和正在測序物種基因組序列、遺傳圖、物理圖等序列收集在GenBank已經(jīng)完成測序的基因組（截止2011年2月）

GenomeProject——Statistics（7）基因組數(shù)據(jù)庫dbSNP(DatabaseofSingleNucleotidePolymorphisms)

/sites/entrez?db=snp

NCBI的數(shù)據(jù)庫，創(chuàng)建于1998.9約每300bp有一個SNP數(shù)據(jù)種類SNP

Insertion/deletion(Indel)

Deletion/insertion/substitution(DIS)發(fā)現(xiàn)致病基因、進化分析…（8）單核苷酸多態(tài)性數(shù)據(jù)庫/About/primer/snps.htmldbSNP主頁輸入關(guān)鍵詞檢索到的條目每一條目詳細內(nèi)容代碼堿基MA或CRA或GWA或TSC或GYC或TKG或TVA、C或GHA、C或TDA、G或TBC、G或TNG、A、T或C標(biāo)準(zhǔn)堿基多意代碼（8）單核苷酸多態(tài)性數(shù)據(jù)庫

（9）EMBL(EuropeanMolecularBiologyLaboratory)

NucleotideSequenceDatabaseEBI(EuropeanBioinformaticsInstitute)管理與GenBank收集的數(shù)據(jù)相同序列數(shù)據(jù)文檔格式與GenBank不同數(shù)據(jù)庫主頁http://www.ebi.ac.uk/embl輸入關(guān)鍵詞檢索到的條目每一條目詳細內(nèi)容（10）DDBJ(DNADataBankofJapan)

與GenBank收集的序列數(shù)據(jù)相同數(shù)據(jù)庫主頁http://www.ddbj.nig.ac.jp/Welcome-e.html輸入關(guān)鍵詞檢索到的條目每一條目詳細內(nèi)容發(fā)表文章要提供Accessionnumber（在三大核苷酸數(shù)據(jù)庫中通用）EPD(EukaryoticPromoterDatabase)

http://www.epd.isb-sib.ch/由WeizmannInstituteofScienceinRehovot(Israel)開創(chuàng)4806條真核生物啟動子序列（2009.6）人類基因組中的啟動子大約19萬個同一個基因具有多個啟動子（11）啟動子數(shù)據(jù)庫miRBase

/收集了>15000條hairpinprecursormiRNA序列（2010.9）來源于>100個物種可以通過miRNA名稱、關(guān)鍵詞、染色體位置等信息檢索數(shù)據(jù)庫分析一條DNA序列中是否可能包含miRNA（12）miRNA數(shù)據(jù)庫2、蛋白質(zhì)數(shù)據(jù)庫由PIR、EBI和SIB創(chuàng)辦分為兩個部分：來源于實驗的有詳細注釋的序列（SwissProt）和自動注釋序列（TrEMBL）與100多個數(shù)據(jù)庫相互參照（cross-reference）可用關(guān)鍵詞（Textsearch）和序列比對（BLASTsimilaritysearch）進行檢索（1）UniPROT

/數(shù)據(jù)庫主頁，使用關(guān)鍵詞檢索結(jié)果頁面，reviewed（Swiss-Prot），unreviewed(TrEMBL)Browsebytaxonomy,keyword,geneontology,enzymeclassorpathway條目詳細內(nèi)容（1）UniPROT蛋白質(zhì)家族分類

蛋白質(zhì)整合信息（2）其它類型的蛋白質(zhì)數(shù)據(jù)庫蛋白質(zhì)家族結(jié)構(gòu)域Prosite/prositePIR(ProteinInformationResource)3、結(jié)構(gòu)數(shù)據(jù)庫（1）PDB(ProteinDataBank)

由BrookhavenNationalLaboratories創(chuàng)辦

蛋白質(zhì)核酸其它71,415個結(jié)構(gòu)圖（2011.2）可通過BLAST系統(tǒng)檢索（1）PDB(ProteinDataBank)（2）SWISS-3DIMAGE

http://www.expasy.ch/sw3d/蛋白質(zhì)的平面和立體圖來源于實驗結(jié)果理論模型X射線衍射圖、核磁共振（NMR）光譜圖和電鏡圖（文字和三維結(jié)構(gòu)圖）4、酶和代謝數(shù)據(jù)庫KEGG(KyotoEncyclopediaofGenesandGenomes)各種代謝、遺傳等路徑圖可檢索參于各種路徑的基因KEGG主頁http://www.genome.ad.jp/kegg/點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任一代謝路徑，如糖酵解/糖原異生途徑（Glycolysis/Gluconeogenesis)檢索GeneticInformationProcessingKEGG主頁點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任一遺傳信息路徑，如Proteinexport路徑可以查看參加這一路徑蛋白質(zhì)的信息KEGG數(shù)據(jù)庫檢索EnvironmentalInformationProcessingKEGG主頁點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任何EnvironmentalInformationProcessing路徑，如MAPKsignalingpathway路徑可以查看與這一路徑相連的其它信號路徑或參加這一路徑的蛋白質(zhì)信息KEGG數(shù)據(jù)庫檢索CellularProcessesKEGG主頁點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任何CellularProcesses路徑，如Cellcycle路徑可以查看與這一路徑相連的其它信號路徑或參加這一路徑的蛋白質(zhì)信息KEGG數(shù)據(jù)庫5、物種分類數(shù)據(jù)庫物種分類界（Kingdom）門（Phylum）綱（Class）目（Order）科（Family）屬（Genus）種（Species）每一分類等級下可加設(shè)亞級（Sub-），如亞門、亞綱、亞科等。每一分類等級上可加設(shè)總級（Super-），如總綱、總目、總科等。動物界（Animal）脊索動物門（Chordata）脊椎動物亞門（Vertebrata）哺乳綱（Mammalia）嚙齒目（Rodentia）鼠科（Muridae）小家鼠屬（Mus）小家鼠種（musculus）Mouse：Musmusculus/Taxonomy/taxonomyhome.html擬南芥系譜（lineage）查找某一物種的系譜樹在NCBITaxonomy主頁輸入物種名稱“pig”Taxonomy數(shù)據(jù)庫lineage6、文獻數(shù)據(jù)庫（1）

/PubMed/美國國家醫(yī)學(xué)圖書館的數(shù)據(jù)庫醫(yī)學(xué)、分子生物學(xué)、基礎(chǔ)生物學(xué)5400多種刊物，來源于80多個國家文獻年限：1947年至今提供摘要，全文鏈接免費全文收集在（2）其它類型的文獻數(shù)據(jù)庫Agricola

/美國農(nóng)業(yè)部農(nóng)業(yè)圖書館的數(shù)據(jù)庫農(nóng)業(yè)類刊物OMIM(OnlineMendelianInheritanceinMan)/sites/entrez?db=OMIMNCBI的數(shù)據(jù)庫，每天更新數(shù)據(jù)人類基因、遺傳疾病輸入疾病、基因名稱條目7、更多的數(shù)據(jù)庫/nar/database/c/8、向數(shù)據(jù)庫提交和修改核苷酸和蛋白質(zhì)序列提交：Submission修改：Update數(shù)據(jù)庫中的數(shù)據(jù)由大家無償提供，共同享用Accuracy？？（1）向GenBank提交或修改核苷酸序列

在GenBank主頁用BankIt

功能提交序列網(wǎng)上直接提交，簡單方便提交后立刻得到臨時編號二天內(nèi)得到Accessionnumber用Update

功能修改GenBank中的序列和相關(guān)信息

修改一次，version的編號就進一位Accessionnumber不變

用Sequin方法提交序列

可下載的電子表格自動確定CDS、ORF和查找重復(fù)序列New（2）向SWISS-PROT提交或修改蛋白質(zhì)序列

網(wǎng)上直接操作只接收用蛋白質(zhì)直接測序的序列由核苷酸序列翻譯得到的蛋白質(zhì)序列將進入TrEMBL/sprot/More…

EMBLhttp://www.ebi.ac.uk/embl/Documentation/information_for_submitters.html大規(guī)模數(shù)據(jù)郵件聯(lián)系9、常用序列格式FastaGenbankflatfileASN.1格式轉(zhuǎn)換http://www.ebi.ac.uk/cgi-bin/readseq.cgi/molbio/readseq/上機操作熟悉各種數(shù)據(jù)庫了解常用序列格式并學(xué)習(xí)格式轉(zhuǎn)換重點了解GenBank和SWISS-PROT的各種功能和適用范圍Xa26nucleicacidsequence(DQ426646,6000bp):>Xa26,mRNAATGGCCATGGGTCCACACGCAGTGAGATGAATGCTAGATCTCACGAGAAAAAAGAAATACATCTCAGGGGTTGTGATGTACTGGATAATTTGCTCGTCATATTAACCATTAGCTTACTCTAGTTGATGTGGGCATGGATGGAGCCGGCAGCCGGCGATCCTATTTAA…Xa26aminoacidsequence(ABD84047,1103aa):>Xa26,proteinMALVRLPVWIFVAALLIASSSTVPCASSLGPIASKSNSSDTDLAALLAFKAQLSDPNNILAGNWTTGTPFCRWVGVSCSSHRRRRQRVTALELPNVPLQGELSS…AdamZemla

FourgeneticsignaturesoftheSARSvirus–showninyellow,blue,lightgreen,anddarkgreen–aremappedontoa3-DproteinmodeloftheSARSRNApolymerase.Surfacefeaturesofthesubstrate-bindingpocketsofTGEVMpro(A)andSARS3CLproteinase(B).Thesurfacecolorwasloadedbytheelectrostaticproperties.Onesmallmolecule,itschemicalstructureisshownin(C),producedbythevirtualscreeningontheMDDRdatabase,representedasCPKmodel,wasdockedintothebindingpockets.

XIONGBin

Microarray2-DPAGETwentymostsequencedorganismsinGenBank(2011.2)建立特定染色體的基因組文庫隨機選擇克隆進行短片段單次測序比對確認(rèn)不含重復(fù)序列在序列上尋找引物合成引物對基因組DNA進行PCR產(chǎn)物為單一片段即是STS標(biāo)記，確認(rèn)其在染色體上的位置如何找到一個STSNewBankIt第三章關(guān)鍵詞或詞組為基礎(chǔ)的數(shù)據(jù)庫檢索生物信息學(xué)檢索數(shù)據(jù)庫的方法用關(guān)鍵詞或詞組進行數(shù)據(jù)庫檢索(Text-baseddatabasesearching)用核苷酸或蛋白質(zhì)序列進行數(shù)據(jù)庫檢索(Sequence-baseddatabasesearching)GenenameAuthorAccessionnumber…Database關(guān)鍵詞或詞組為基礎(chǔ)的數(shù)據(jù)庫檢索關(guān)鍵詞名詞、描述性詞、詞組序列注冊號(Accessionnumber)檢索體系EntrezSequenceRetrievalSystem(SRS)Integrateddatabaseretrievalsystem(DBGET)TrendsinBiotechnology1998,16(supplement1):3-5.檢索須知（1）連接詞AND,OR,NOT（Booleanoperators）riceANDenzyme(AND為缺省值，可略去)riceANDenzymeNOTkinaseretrotransposonORretroelement注意事項：1、AND,OR,NOTmustbeenteredinUPPERCASE2、Booleanoperatorsareprocessedinaleft-to-rightsequencericeAND(microarrayORexpressionprofile)riceANDmicroarrayORexpressionprofile3、Theordercanbechangedbyenclosingindividual

conceptsinparentheses(processedfirst)PubMed>27000records504records用引號將兩個單詞組成一個詞組16SrRNA=16SANDrRNA“16SrRNA”pseudopod*=pseudopod

OR

pseudopodiaOR

pseudopodium

檢索須知（2）Nucleotide16SrRNA“16SrRNA”~350000sequences~3000000sequencesexactmatchwildcard,*,放在單詞后使檢索范圍擴大，但專一性降低1.Entrez/gquery/NCBI的檢索體系優(yōu)點：三種檢索體系中最容易操作的體系缺點：檢索范圍有限EntrezHelpEntrez可對8大類40個數(shù)據(jù)庫進行檢索NucleicAcidsResearch2011,39:D38–D51ScientificliteraturePubmed自動將檢索詞翻譯為MeSH詞匯Entrez可對8大類40個數(shù)據(jù)庫進行檢索Sequence,Structure,Expression…Entrez系統(tǒng)中數(shù)據(jù)庫之間的連接NCBI主頁選擇“AllDatabases”或Entrez主頁，輸入關(guān)鍵詞各個數(shù)據(jù)庫中檢索到的信息數(shù)量點擊相應(yīng)數(shù)據(jù)庫查看信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接檢索方法（1）：跨庫檢索(cross-databasesearch)檢索方法（2）：選擇數(shù)據(jù)庫檢索NCBI主頁選擇數(shù)據(jù)庫，輸入關(guān)鍵詞檢索到的信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接查看信息內(nèi)容RefiningYourSearch查詢insulin基因的序列不是想要的結(jié)果！如何精簡？RefiningYourSearch查詢?nèi)薸nsulin基因的序列insulin[proteinname]human[organism]RefiningYourSearch關(guān)鍵詞[查詢范圍]human[ORGN]AND50[SLEN]:60[SLEN]AND1999[MDAT]RefiningYourSearchAim:FindallhumannucleotidesequenceswithD-loopannotations.不同數(shù)據(jù)庫的Searchfields不同，詳見Limits選項！jmolevol[JOUR]ANDdrosophila[ORGN]D-loop[FKEY]ANDhuman[ORGN]Aim:Findallhumanproteinsequenceswithlengthsbetween50and60aminoacidsthatwereenteredintothedatabaseduring1999.Aim:FindDrosophilapopulationstudiespublishedintheJournalofMolecularEvolutionSearchFieldDescriptionsforSequenceDatabaseWatsonJ[author]1953[publicationdate]nature[journal]WatsonJ[AU]1953[DP]nature[TA]RefiningYourSearchPubMed數(shù)據(jù)庫的搜索SearchFieldDescriptionsandTagsforPubmed如何自動獲得最近更新的結(jié)果？檢索、管理和引用文獻的工具

2.SRS(SequenceReterievalSystem)http://srs.ebi.ac.uk/

HelpEuropeanBioinformaticsInstitute(EBI)的檢索體系優(yōu)點：檢索面寬缺點：操作復(fù)雜17大類194個數(shù)據(jù)庫與SRS體系相連Literature,BibliographyandReferencedatabasesNucleotidesequencedatabasesUniprotUniversalProteinResourceOtherproteinsequencedatabasesDeprecatedProteinDatabasesNucleotiderelateddatabasesProteinfunctiondatabasesProteinstructuredatabasesEnzymes,reactionsandmetabolicpathwaydatabasesMutationandSNPdatabasesGeneontologyresourcesBiologicalResourcesCataloguesMappingdatabasesOtherdatabasesUserowneddatabasesApplicationresultdatabasesEMBOSSresultdatabases檢索方法（1）：快速檢索(Quicksearch)操作簡單，檢索數(shù)據(jù)庫有限適用于目標(biāo)明確的檢索在SRS主頁選擇檢索類別，輸入關(guān)鍵詞檢索到的信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接查看信息內(nèi)容檢索方法（2）：高級檢索(advancedsearch)操作稍微復(fù)雜，可以檢索所有數(shù)據(jù)庫適用于范圍廣泛的檢索在SRS主頁點擊“LibraryPage”在“LibraryPage”網(wǎng)頁選擇數(shù)據(jù)庫，然后點擊“QueryForm”在“QueryForm”網(wǎng)頁輸入關(guān)鍵詞檢索檢索到的信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接3.DBGET(Integrateddatabaseretrievalsystem)http://www.genome.jp/dbget/日本GenomeNet的檢索體系優(yōu)點：與KyotoEncyclopediaofGenesandGenomes(KEGG)database相連 操作較SRS簡單缺點：檢索面較SRS窄DBGET與40多個數(shù)據(jù)庫相連DBGET檢索體系中數(shù)據(jù)庫之間的連接檢索方法（1）：單庫檢索（basicsearch）在DBGET主頁選擇一個數(shù)據(jù)庫輸入關(guān)鍵詞檢索查看檢索到的信息目錄查看信息詳細內(nèi)容檢索方法（2）：跨庫檢索（LinkDB）在DBGET主頁點擊“LinkDB”在查詢網(wǎng)頁選擇數(shù)據(jù)庫輸入關(guān)鍵詞檢索（數(shù)據(jù)庫:編號）結(jié)果不是總能得到你所需要的信息關(guān)鍵詞的使用retrotransposon retro-transposon

數(shù)據(jù)庫所包含數(shù)據(jù)的多少和范圍不同的數(shù)據(jù)庫包含內(nèi)容有限關(guān)鍵詞的拼寫錯誤4、自習(xí)資源4、上機操作1、查找與水稻抗病基因Xa21有關(guān)的資料:（1）有多少條序列具有全長CDS，分別由多少堿基構(gòu)成？編碼多少個氨基酸？（2）指出該基因exon和intron的位置（3）Xa21蛋白是否有3-Dstructure數(shù)據(jù)2、查找線蟲(Caenorhabditiselegans)基因組的資料：（1）chromosomeI的測序是否已完成？（2）已知的chromosomeI的序列有多少堿基？序列發(fā)表在哪份雜志上？期號和頁碼？3、查看擬南芥(Arabidopsisthaliana)的系譜關(guān)系(lineage)。4、在PubMed中檢索我校在2011年1月發(fā)表的科研論文。5、熟悉SRS和DBGET檢索體系第四章核苷酸和蛋白質(zhì)序列為基礎(chǔ)的數(shù)據(jù)庫檢索生物信息學(xué)檢索數(shù)據(jù)庫的方法用關(guān)鍵詞或詞組進行數(shù)據(jù)庫檢索(Text-baseddatabasesearching)用核苷酸或蛋白質(zhì)序列進行數(shù)據(jù)庫檢索(Sequence-baseddatabasesearching)GenenameAuthorAccessionnumber…Database核苷酸和蛋白質(zhì)序列為基礎(chǔ)的數(shù)據(jù)庫檢索序列對位排列（sequencealignment）將兩條或多條序列對位排列，突出相似的結(jié)構(gòu)區(qū)域序列1序列2FunctionStructureSequence表示序列的字符兩條蛋白質(zhì)序列對位排列分析分析功能分析物種進化檢測突變、插入或缺失序列延長序列定位基因表達譜分析序列比對的用途序列對位排列分析的種類序列對庫對位排列分析多序列對位排列分析從數(shù)據(jù)庫中尋找同源序列主要涉及核苷酸數(shù)據(jù)庫和蛋白質(zhì)數(shù)據(jù)庫兩序列對位排列分析（一）序列對位排列分析的基本原理1、記分矩陣（scoringmatrix）記分矩陣中含有兩條序列對位排列時具體使用的分值長度一定時，分?jǐn)?shù)越高，兩條序列匹配越好DNA序列對位記分序列1ACGTTA序列2ACTTTG記分22-322-3=2蛋白質(zhì)序列對位排列分析記分復(fù)雜一致氨基酸的記分不同稀有氨基酸（C），分值高普通氨基酸（S），分值低相似氨基酸也記分，如R-K蛋白質(zhì)序列對位記分序列1VDSCY序列2VNWCY記分41-397=181、記分矩陣（scoringmatrix）蛋白質(zhì)有多種記分矩陣PAM矩陣（如PAM30、PAM70）BLOSUM矩陣（如BLOSUM62、BLOSUM80）BLOSUM62aminoacidscoringmatrixBLAST默認(rèn)scoringmatrix1、記分矩陣（scoringmatrix）基因進化過程中產(chǎn)生突變序列對位排列分析時允許插入空位空位罰分涉及兩個參數(shù)插入缺失空位開放（gapopening）空位延伸（gapextension）序列1ATGCTGA序列2ATGGA序列1ATGCTGA序列2ATG--GA222-5-222=3IndelATGTGA2、空位（間隔）罰分（gappenalty）3、對位排列的方法詞或K串方法（BLAST,FASTA）點陣分析（Dot-matrix）動態(tài)規(guī)劃（Dynamicprogramming）（二）序列對庫對位排列分析BLASTFASTAOthermethods主要檢索體系用待分析序列對數(shù)據(jù)庫進行相似性分析重復(fù)許多次的兩兩序列對位排列分析從數(shù)據(jù)庫中找出所有同源序列1、基本概念（1）Sequenceidentity和sequencesimilarityIdentity:

兩條序列在同一位點上的核苷酸或氨基酸殘基完全相同Theextenttowhichnucleotideorproteinsequencesarerelated.Theextentofsimilaritybetweentwosequencescanbebasedonpercentsequenceidentityand/orconservation.InBLASTsimilarityreferstoapositivematrixscoreTheextenttowhichtwo(nucleotideoraminoacid)sequencesareinvariant.Similarity(positive):

兩條序列在同一位點上的

氨基酸殘基的化學(xué)性質(zhì)相似Homology同源Identity相同Similarity相似Ais80%identicaltoBAis80%similartoB×HomologyAis80%homologoustoBIfyoursequencesaremorethan100aminoacidslong(or100nucleotideslong),youcanlabelproteinsas“homologous”if25percentoftheaminoacidsareidentical,forDNAyouwillrequireatleast70percentidentity（2）Globalalignment和localalignmentQuerySubjectQuerySubjectGlobalalignment:兩條完整的序列相比較QuerySubjectLocalalignment:兩條序列中相似程度最高的部分相比較（3）Gappedalignment和ungappedalignmentQuerySubjectQuerySubjectQuerySubjectGappedalignment:

為達到最佳alignment，序列中加入空位QuerySubjectUngappedalignment：相比較序列的核苷酸或氨基酸序列連續(xù)（4）Alignmentscore和E(expect)value衡量兩條相比較序列相似程度的標(biāo)準(zhǔn)(bits)Score:分值越大，兩個比較序列相似程度越高Evalue:期望得到的、完全由機會造成的、相當(dāng)于或大于目前分值的alignment次數(shù)E值取決于alignment分值、相比較序列的長短和數(shù)據(jù)庫中數(shù)據(jù)的數(shù)量Blast中E的閾值為10。1e-66=110-66

E值越小越好試驗組存活率比對照組高20%（p<0.05）（5）Low-complexityregions(LCRs)核苷酸和蛋白質(zhì)序列中短的重復(fù)序列或由少數(shù)幾種核苷酸或氨基酸殘基組成的序列（如Poly-A）數(shù)據(jù)庫中半數(shù)以上的序列至少帶有一個LCRSequencealignment時應(yīng)避免LCR相互配對得分BLAST用Filter功能避免比較LCR在比對結(jié)果的query序列中用小寫字母或x和n（分別代表氨基酸和核苷酸）代表LCRBLAST(BasicLocalAlignmentSearchTool)檢索

/HelpBasicBLASTSpecializedBLASTBLAST

programsblastn

用核苷酸序列檢索核苷酸數(shù)據(jù)庫blastp

用蛋白質(zhì)序列檢索蛋白質(zhì)數(shù)據(jù)庫blastx

將核苷酸序列通過6種閱讀框翻譯成不同的蛋白

質(zhì)序列檢索蛋白質(zhì)數(shù)據(jù)庫tblastn用蛋白質(zhì)序列檢索核苷酸數(shù)據(jù)庫（數(shù)據(jù)庫中的序

列被翻譯出不同的蛋白質(zhì)序列）tblastx

將核苷酸序列通過6種閱讀框翻譯成不同的蛋白質(zhì)序列檢索核苷酸數(shù)據(jù)庫（數(shù)據(jù)庫中的序列也被翻譯出不同的蛋白質(zhì)序列）BLASTdatabasesHumangenomicplustranscript人基因組和mRNA序列

Mousegenomicplustranscript小鼠基因組和mRNA序列

nucleotidecollection(nr/nt)GenBank(無EST,STS,GSS,HTGS)

non-redundantproteinsequences(nr)非冗余蛋白質(zhì)數(shù)據(jù)庫

refseq-rnaReferencemRNAsequences

refseq-genomicReferencegenomicsequences

refseq-proteinReferenceproteinsequencesestEST數(shù)據(jù)庫BLASTdatabasesest-others非人和小鼠的EST數(shù)據(jù)庫gss GSS數(shù)據(jù)庫htgs HTGS數(shù)據(jù)庫pat 專利序列數(shù)據(jù)庫pdb 蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)庫alu_repeatsAlu重復(fù)序列數(shù)據(jù)庫swissprot swissprot蛋白質(zhì)數(shù)據(jù)庫dbsts STS數(shù)據(jù)庫wgswhole-genomeshotgunreadsenv_ntEnvironmentalsamples(nt)env_nrEnvironmentalsamples(pro)（1）BLASTN將要查詢的序列直接粘貼到序列框中或輸入登陸號，GI號選擇database、organism選擇BlastAlgorithm

可進行其它項目的選擇用于分析進一步選擇檢索范圍：Limitbyentrezquery(如proteaseNOThivI[organism])Filter(Humanrepeats)：遮蓋重復(fù)序列可加快檢索速度（特別是>100kb的片段）結(jié)果頁面BLAST結(jié)果解讀SequenceBLAST結(jié)果解讀HitlistScore(Bitscore)

Highbitscore=goodmatchE-Value

LowE-value=goodmatchRed:verygoodGreen:acceptableBlack:badE-valueshigherthan1e-4requireextraevidencetosupporthomologyE-valueslowerthan1e-4indicatepossiblehomology1e-03=borderlineE-value1e-04=goodE-value1e-10=verygoodE-value（2）BLASTP基本操作同blastn（3）PSI-BLAST(PositionSpecificIteratedBLAST)氨基酸序列檢索重復(fù)檢索數(shù)據(jù)庫第一步 檢索數(shù)據(jù)庫

新的alignmentsequences第二步可繼續(xù)檢索循環(huán) 被查詢序列（query）

BLASTP標(biāo)準(zhǔn)檢索點擊RunPSI-Blastiteration2（4）PHI-BLAST(PatternHitInitiatedBLAST)蛋白質(zhì)序列，并帶有特殊區(qū)域（pattern）具有同樣的特殊區(qū)域其它區(qū)域與查詢序列相似可與PSI－BLAST相連，重復(fù)檢索在數(shù)據(jù)庫中檢索到的蛋白質(zhì)可查詢檢測到的特殊區(qū)域檢索前需輸入PROSITE數(shù)據(jù)庫的結(jié)構(gòu)句法（patternsyntax）如：[IVMF]-G-E-x-[GAS]-[LIVM]-x(5,11)-R-[STAQ]（5）TranslatedBLASTblastx,tblastn,tblastx

基本操作同blastn(6)ConservedDomainSearch檢索conserveddomaindatabase只適用于蛋白質(zhì)序列的檢索分析檢測被檢索的序列中是否含有保守結(jié)構(gòu)域點擊“Searchforsimilardomainarchitectures”查看相關(guān)結(jié)構(gòu)域點擊結(jié)構(gòu)域圖標(biāo)查看多序列對位排列（7）Primer-BLAST/tools/primer-blast/設(shè)計PCR引物分析引物特異性

在GenBank檢索結(jié)果頁面中提供了鏈接結(jié)果（8）Constraint-basedMultipleAlignmentTool/tools/cobalt/多重比對進化分析

在blast檢索結(jié)果頁面中提供了鏈接結(jié)果3、FASTA檢索

http://www.ebi.ac.uk/Tools/sss/Programs一些特殊設(shè)計的序列檢索體系在發(fā)現(xiàn)基因和蛋白質(zhì)家族成員方面可能更為可靠BLAST和FASTA檢索體系有時不能檢測出某些遠緣序列的相關(guān)性（三）兩序列對位排列分析NCBI的分析工具對任意兩條序列進行對位排列分析允許空位SpecializedBLASTAligntwo(ormore)sequencesusingBLAST(bl2seq)Needleman-Wunsch

GlobalSequenceAlignmentTool序列來源輸入Accessionnumber

直接粘貼序列適用于blastn,blastp,blastx,tblastn,tblastxblastn:兩條核苷酸序列相比較blastp:兩條蛋白質(zhì)序列相比較tblastn:比較蛋白質(zhì)序列（sequence1）和核苷酸序列（翻譯成蛋白質(zhì)序列）（sequence2）blastx:比較核苷酸序列（翻譯成蛋白質(zhì)序列）（sequence1）和蛋白質(zhì)序列（sequence2）tblastx:兩條核苷酸序列（翻譯成蛋白質(zhì)序列）比較BLAST2sequences結(jié)果格式兩種圖形兩序列對位排列Seq2Seq1BLAST2sequences結(jié)果格式兩種圖形兩序列對位排列Needleman-Wunsch

GlobalSequenceAlignmentToolSeq2Seq1編碼區(qū)的比對應(yīng)以密碼子為單位勿改變編碼框注意：Nucl.AcidsRes.(2003)31:3537-3539eTBLASTDuplicationPlagiarismNature2008451:397-399Atextsimilarity-basedengineforsearchingliteraturecollectionsadatabaseofhighlysimilarcitationsinthescientificliterature

/dejavu/（四）上機操作了解BLASTHelp中的內(nèi)容。以大麥Mlo基因（Z83834）為查詢序列

(1)用Blastn能在nr/nt數(shù)據(jù)庫中檢索到多少條與之同源的序列？有多少條是禾本科中的？

(2)換用megablast或discontiguousmegablast，觀察檢索結(jié)果的改變。

(3)嘗試修改Blastn的參數(shù)，觀測對檢索結(jié)果的影響。

(4)找出Mlo基因的編碼蛋白序列，用Blastp檢索到的與Mlo蛋白同源的序列與用PSI-Blast檢索到的同源序列是否有差別？

(5)使用BlastX預(yù)測Mlo基因的編碼蛋白。用bl2seq分析大麥和小麥Mlo基因mRNA序列編碼區(qū)和蛋白質(zhì)產(chǎn)物的同源性

GFCN*FFT*LN?

WLLQLILNLA*C

MASATNSSLSLM?5’ATGGCTTCTGCAACTAATTCTTCACTTAGCTTAATGC3’3’TACCGAAGACGTTGATTAAGAAGTGAATGCAATTACG5’?PLQW*NLV*TLAHSRCSIR*LR*H?AEAVLEESVNIBlastx的6種閱讀框架第五章多序列對位排列和進化分析生物信息學(xué)chickenPLVSSPLRGEAGVLPFQQEEYEKVKRGIVEQCCHNTCSLYQLENYCNxenopusALVSGPQDNELDGMQLQPQEYQKMKRGIVEQCCHSTCSLFQLESYCNhumanLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCNmonkeyPQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCNdogLQVRDVELAGAPGEGGLQPLALEGALQKRGIVEQCCTSICSLYQLENYCNhamsterPQVAQLELGGGPGADDLQTLALEVAQQKRGIVDQCCTSICSLYQLENYCNbovinePQVGALELAGGPGAGGLEGPPQKRGIVEQCCASVCSLYQLENYCNguineapigPQVEQTELGMGLGAGGLQPLALEMALQKRGIVDQCCTGTCTRHQLQSYCNBringthegreatestnumberofsimilarcharactersintothesamecolumnofthealignmentMultipleSequenceAlignment(MSA)多序列對位排列HumanHoxgenes為什么要做MSA？用于描述一組序列之間的相似性關(guān)系，以便了解一個基因家族的基本特征，尋找motif，保守區(qū)域等。用于預(yù)測新序列的二級和三級結(jié)構(gòu)，進而推測其生物學(xué)功能。用于描述同源序列之間的親緣關(guān)系的遠近，應(yīng)用到分子進化分析中。是構(gòu)建分子進化樹的基礎(chǔ)。為什么要做MSA？abcGenetreeABCSpeciestreeWeoftenassumethatgenetreesgiveusspeciestrees注意概念：Paralogy（旁系同源/并系同源）&Orthology（直系同源）怎么做MSA？動態(tài)規(guī)劃算法（dynamicprogramming）：MSA改進算法（啟發(fā)式算法）：

1.漸進法（progressivemethods）：Clustal,T-Coffee,MUSCLE2.迭代法（iterativemethods）：PRRP,DIALIGN3.其它算法：PartialOrderAlgorithm、profileHMM、meta-meth