第二章 數(shù)據(jù)庫介紹

生物信息學的數(shù)據(jù)庫§2.1數(shù)據(jù)庫簡介基因和基因組數(shù)據(jù)庫

近年來大量生物學實驗的數(shù)據(jù)積累，形成了當前數(shù)以百計的生物信息數(shù)據(jù)庫。它們各自按一定的目標收集和整理生物學實驗數(shù)據(jù)，并提供相關的數(shù)據(jù)查詢、數(shù)據(jù)處理的服務。隨著因特網(wǎng)的普及，這些數(shù)據(jù)庫大多可以通過網(wǎng)絡來訪問，或者通過網(wǎng)絡下載。一般而言，這些生物信息數(shù)據(jù)庫可以分為一級數(shù)據(jù)庫和二級數(shù)據(jù)庫。一級數(shù)據(jù)庫的數(shù)據(jù)都直接來源于實驗獲得的原始數(shù)據(jù)，只經(jīng)過簡單的歸類整理和注釋；二級數(shù)據(jù)庫是在一級數(shù)據(jù)庫、實驗數(shù)據(jù)和理論分析的基礎上針對特定目標衍生而來，是對生物學知識和信息的進一步整理。國際上著名的一級核酸數(shù)據(jù)庫有Genbank數(shù)據(jù)庫、EMBL核酸庫和DDBJ庫等；蛋白質(zhì)序列數(shù)據(jù)庫有SWISS-PROT、PIR等；蛋白質(zhì)結(jié)構(gòu)庫有PDB等。國際上二級生物學數(shù)據(jù)庫非常多，它們因針對不同的研究內(nèi)容和需要而各具特色，如人類基因組圖譜庫GDB、轉(zhuǎn)錄因子和結(jié)合位點庫TRANSFAC、蛋白質(zhì)結(jié)構(gòu)家族分類庫SCOP等等建立分子生物信息數(shù)據(jù)庫的流程圖1.GenBank（美國國家生物技術信息中心，NCBI）1980sNIH(NationalInstituteofHealth)LosAlamosNationalLabNCBI(NationalCenterforBiotechnologyInformation)NLM(NationalLibraryofMedicine)

Genbank庫包含了所有已知的核酸序列和蛋白質(zhì)序列，以及與它們相關的文獻著作和生物學注釋。它是由美國國立生物技術信息中心(NCBI)建立和維護的。它的數(shù)據(jù)直接來源于測序工作者提交的序列；由測序中心提交的大量EST序列和其它測序數(shù)據(jù)；以及與其它數(shù)據(jù)機構(gòu)協(xié)作交換數(shù)據(jù)而來。Genbank每天都會與歐洲分子生物學實驗室(EMBL)的數(shù)據(jù)庫，和日本的DNA數(shù)據(jù)庫(DDBJ)交換數(shù)據(jù)，使這三個數(shù)據(jù)庫的數(shù)據(jù)同步。到1999年8月，Genbank中收集的序列數(shù)量達到460萬條，34億個堿基，到2005年，超過100gigabase。而且數(shù)據(jù)增長的速度還在不斷加快。Genbank的數(shù)據(jù)可以從NCBI的FTP服務器上免費下載完整的庫，或下載積累的新數(shù)據(jù)。NCBI還提供廣泛的數(shù)據(jù)查詢、序列相似性搜索以及其它分析服務，用戶可以從NCBI的主頁上找到這些服務。Genbank庫里的數(shù)據(jù)按來源于約55,000個物種，其中56%是人類的基因組序列(所有序列中的34%是人類的EST序列)。每條Genbank數(shù)據(jù)記錄包含了對序列的簡要描述，它的科學命名，物種分類名稱，參考文獻，序列特征表，以及序列本身。序列特征表里包含對序列生物學特征注釋如：編碼區(qū)、轉(zhuǎn)錄單元、重復區(qū)域、突變位點或修飾位點等。所有數(shù)據(jù)記錄被劃分在若干個文件里，如細菌類、病毒類、靈長類、嚙齒類，以及EST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16類，其中EST數(shù)據(jù)等又被各自分成若干個文件。

向Genbank提交序列數(shù)據(jù)測序工作者可以把自己工作中獲得的新序列提交給NCBI，添加到Genbank數(shù)據(jù)庫。這個任務可以由基于Web界面的BankIt或獨立程序Sequin來完成。BankIt是一系列表單，包括聯(lián)絡信息、發(fā)布要求、引用參考信息、序列來源信息、以及序列本身的信息等。用戶提交序列后，會從電子郵件收到自動生成的數(shù)據(jù)條目，Genbank的新序列編號，以及完成注釋后的完整的數(shù)據(jù)記錄。用戶還可以在BankIt頁面下修改已經(jīng)發(fā)布序列的信息。BankIt適合于獨立測序工作者提交少量序列，而不適合大量序列的提交，也不適合提交很長的序列，EST序列和GSS序列也不應用BankIt提交。BankIt使用說明和對序列的要求可詳見其主頁面。大量的序列提交可以由Sequin程序完成。Sequin程序能方便的編輯和處理復雜注釋，并包含一系列內(nèi)建的檢查函數(shù)來提高序列的質(zhì)量保證。它還被設計用于提交來自系統(tǒng)進化、種群和突變研究的序列，可以加入比對的數(shù)據(jù)。Sequin除了用于編輯和修改序列數(shù)據(jù)記錄，還可以用于序列的分析，任何以FASTA或ASN.1格式序列為輸入數(shù)據(jù)的序列分析程序都可以整合到Sequin程序下。在不同操作系統(tǒng)下運行的Sequin程序都可以在/sequin/下找到，Sequin的使用說明可詳見其網(wǎng)頁。NCBI的網(wǎng)址是：。BankIt的網(wǎng)址是：/BankIt。Sequin的相關網(wǎng)址是：/Sequin/2.EMBL核酸序列數(shù)據(jù)庫EMBL核酸序列數(shù)據(jù)庫由歐洲生物信息學研究所(EBI)維護的核酸序列數(shù)據(jù)構(gòu)成，由于與Genbank和DDBJ的數(shù)據(jù)合作交換，它也是一個全面的核酸序列數(shù)據(jù)庫。該數(shù)據(jù)庫由Oracal數(shù)據(jù)庫系統(tǒng)管理維護，查詢檢索可以通過通過因特網(wǎng)上的序列提取系統(tǒng)(SRS)服務完成。向EMBL核酸序列數(shù)據(jù)庫提交序列可以通過基于Web的WEBIN工具，也可以用Sequin軟件來完成。數(shù)據(jù)庫網(wǎng)址是：http://www.ebi.ac.uk。SRS的網(wǎng)址是：http://srs.ebi.ac.uk/。WEBIN的網(wǎng)址是：http://www.ebi.ac.uk/ena。

EMBL(歐洲分子生物學實驗室，EMBL)

1982EuropeanMolecularBiologyLaboratoryEBI（EuropeanBioinformaticsInstitute）

EMBL網(wǎng)址http://www.ebi.ac.uk3.DDBJ數(shù)據(jù)庫日本DNA數(shù)據(jù)庫(DDBJ)也是一個全面的核酸序列數(shù)據(jù)庫，與Genbank和EMBL核酸庫合作交換數(shù)據(jù)?？梢允褂闷渲黜撋咸峁┑腟RS工具進行數(shù)據(jù)檢索和序列分析。可以用Sequin軟件向該數(shù)據(jù)庫提交序列。DDBJ的網(wǎng)址是：http://www.ddbj.nig.ac.jp/。

DDBJ(日本國家遺傳學研究所，NIG)

1986DatabankofJapanNIG(NationalInstituteofGenetics)

DDBJ網(wǎng)址http://www.ddbj.nig.ac.jp蛋白質(zhì)數(shù)據(jù)庫1.PIR和PSDPIR國際蛋白質(zhì)序列數(shù)據(jù)庫(PSD)是由蛋白質(zhì)信息資源(PIR)、慕尼黑蛋白質(zhì)序列信息中心(MIPS)和日本國際蛋白質(zhì)序列數(shù)據(jù)庫(JIPID)共同維護的國際上最大的公共蛋白質(zhì)序列數(shù)據(jù)庫。這是一個全面的、經(jīng)過注釋的、非冗余的蛋白質(zhì)序列數(shù)據(jù)庫，包含超過142,000條蛋白質(zhì)序列(至99年9月)，其中包括來自幾十個完整基因組的蛋白質(zhì)序列。所有序列數(shù)據(jù)都經(jīng)過整理，超過99%的序列已按蛋白質(zhì)家族分類，一半以上還按蛋白質(zhì)超家族進行了分類。PSD的注釋中還包括對許多序列、結(jié)構(gòu)、基因組和文獻數(shù)據(jù)庫的交叉索引，以及數(shù)據(jù)庫內(nèi)部條目之間的索引，這些內(nèi)部索引幫助用戶在包括復合物、酶－底物相互作用、活化和調(diào)控級聯(lián)和具有共同特征的條目之間方便的檢索。每季度都發(fā)行一次完整的數(shù)據(jù)庫，每周可以得到更新部分。PSD數(shù)據(jù)庫有幾個輔助數(shù)據(jù)庫，如基于超家族的非冗余庫等。PIR提供三類序列搜索服務：基于文本的交互式檢索；標準的序列相似性搜索，包括BLAST、FASTA等；結(jié)合序列相似性、注釋信息和蛋白質(zhì)家族信息的高級搜索，包括按注釋分類的相似性搜索、結(jié)構(gòu)域搜索GeneFIND等。PIR和PSD的網(wǎng)址是：/。2.UniProt(SWISS-PROT)UniProt是經(jīng)過注釋的蛋白質(zhì)序列數(shù)據(jù)庫，由歐洲生物信息學研究所(EBI)維護。數(shù)據(jù)庫由蛋白質(zhì)序列條目構(gòu)成，每個條目包含蛋白質(zhì)序列、引用文獻信息、分類學信息、注釋等，注釋中包括蛋白質(zhì)的功能、轉(zhuǎn)錄后修飾、特殊位點和區(qū)域、二級結(jié)構(gòu)、四級結(jié)構(gòu)、與其它序列的相似性、序列殘缺與疾病的關系、序列變異體和沖突等信息。UniProt中盡可能減少了冗余序列，并與其它30多個數(shù)據(jù)建立了交叉引用，其中包括核酸序列庫、蛋白質(zhì)序列庫和蛋白質(zhì)結(jié)構(gòu)庫等。利用序列提取系統(tǒng)(SRS)可以方便地檢索UniProt和其它EBI的數(shù)據(jù)庫。UniProt只接受直接測序獲得的蛋白質(zhì)序列，序列提交可以在其Web頁面上完成。UniProt的網(wǎng)址是：http://www.ebi.ac.uk/swissprot/。3.PROSITEPROSITE數(shù)據(jù)庫收集了生物學有顯著意義的蛋白質(zhì)位點和序列模式，并能根據(jù)這些位點和模式快速和可靠地鑒別一個未知功能的蛋白質(zhì)序列應該屬于哪一個蛋白質(zhì)家族。有的情況下，某個蛋白質(zhì)與已知功能蛋白質(zhì)的整體序列相似性很低，但由于功能的需要保留了與功能密切相關的序列模式，這樣就可能通過PROSITE的搜索找到隱含的功能motif，因此是序列分析的有效工具。PROSITE中涉及的序列模式包括酶的催化位點、配體結(jié)合位點、與金屬離子結(jié)合的殘基、二硫鍵的半胱氨酸、與小分子或其它蛋白質(zhì)結(jié)合的區(qū)域等；除了序列模式之外，PROSITE還包括由多序列比對構(gòu)建的profile，能更敏感地發(fā)現(xiàn)序列與profile的相似性。PROSITE的主頁上提供各種相關檢索服務。PROSITE的網(wǎng)址是：/4.PDB蛋白質(zhì)數(shù)據(jù)倉庫(PDB)是國際上唯一的生物大分子結(jié)構(gòu)數(shù)據(jù)檔案庫，由美國Brookhaven國家實驗室建立。PDB收集的數(shù)據(jù)來源于X光晶體衍射和核磁共振(NMR)的數(shù)據(jù)，經(jīng)過整理和確認后存檔而成。目前PDB數(shù)據(jù)庫的維護由結(jié)構(gòu)生物信息學研究合作組織(RCSB)負責。RCSB的主服務器和世界各地的鏡像服務器提供數(shù)據(jù)庫的檢索和下載服務，以及關于PDB數(shù)據(jù)文件格式和其它文檔的說明，PDB數(shù)據(jù)還可以從發(fā)行的光盤獲得。使用Rasmol等軟件可以在計算機上按PDB文件顯示生物大分子的三維結(jié)構(gòu)。RCSB的PDB數(shù)據(jù)庫網(wǎng)址是：/pdb/。DavidGoodsell5.SCOP蛋白質(zhì)結(jié)構(gòu)分類(SCOP)數(shù)據(jù)庫詳細描述了已知的蛋白質(zhì)結(jié)構(gòu)之間的關系。分類基于若干層次：家族，描述相近的進化關系；超家族，描述遠源的進化關系；折疊子(fold)，描述空間幾何結(jié)構(gòu)的關系；折疊類，所有折疊子被歸于全α、全β、α/β、α＋β和多結(jié)構(gòu)域等幾個大類。SCOP還提供一個非冗余的ASTRAIL序列庫，這個庫通常被用來評估各種序列比對算法。此外，SCOP還提供一個PDB-ISL中介序列庫，通過與這個庫中序列的兩兩比對，可以找到與未知結(jié)構(gòu)序列遠緣的已知結(jié)構(gòu)序列。SCOP的網(wǎng)址是：http://scop2.mrc-lmb.cam.ac.uk/6.COG蛋白質(zhì)直系同源簇(COGs)數(shù)據(jù)庫是對細菌、藻類和真核生物的21個完整基因組的編碼蛋白，根據(jù)系統(tǒng)進化關系分類構(gòu)建而成。COG庫對于預測單個蛋白質(zhì)的功能和整個新基因組中蛋白質(zhì)的功能都很有用。利用COGNITOR程序，可以把某個蛋白質(zhì)與所有COGs中的蛋白質(zhì)進行比對，并把它歸入適當?shù)腃OG簇。COG庫提供了對COG分類數(shù)據(jù)的檢索和查詢，基于Web的COGNITOR服務，系統(tǒng)進化模式的查詢服務等。COG庫的網(wǎng)址是：/COG。下載COG庫和COGNITOR程序在：/pub/COG7.CATH蛋白質(zhì)結(jié)構(gòu)分類網(wǎng)站。依據(jù)蛋白質(zhì)的區(qū)域結(jié)構(gòu)信息將蛋白質(zhì)分為不同的亞家族。網(wǎng)址是：/。功能數(shù)據(jù)庫1.KEGG京都基因和基因組百科全書(KEGG)是系統(tǒng)分析基因功能，聯(lián)系基因組信息和功能信息的知識庫?；蚪M信息存儲在GENES數(shù)據(jù)庫里，包括完整和部分測序的基因組序列；更高級的功能信息存儲在PATHWAY數(shù)據(jù)庫里，包括圖解的細胞生化過程如代謝、膜轉(zhuǎn)運、信號傳遞、細胞周期，還包括同系保守的子通路等信息；KEGG的另一個數(shù)據(jù)庫是LIGAND，包含關于化學物質(zhì)、酶分子、酶反應等信息。KEGG提供了Java的圖形工具來訪問基因組圖譜，比較基因組圖譜和操作表達圖譜，以及其它序列比較、圖形比較和通路計算的工具，可以免費獲取。KEGG的網(wǎng)址是：http://www.genome.ad.jp/kegg/。2.DIP相互作用的蛋白質(zhì)數(shù)據(jù)庫(DIP)收集了由實驗驗證的蛋白質(zhì)－蛋白質(zhì)相互作用。數(shù)據(jù)庫包括蛋白質(zhì)的信息、相互作用的信息和檢測相互作用的實驗技術三個部分。用戶可以根據(jù)蛋白質(zhì)、生物物種、蛋白質(zhì)超家族、關鍵詞、實驗技術或引用文獻來查詢DIP數(shù)據(jù)庫。DIP的網(wǎng)址是：/。3.ASDB可變剪接數(shù)據(jù)庫(ASDB)包括蛋白質(zhì)庫和核酸庫兩部分。ASDB(蛋白質(zhì))部分來源于SWISS-PROT蛋白質(zhì)序列庫，通過選取有可變剪接注釋的序列，搜索相關可變剪接的序列，經(jīng)過序列比對、篩選和分類構(gòu)建而成。ASDB(核酸)部分來自Genbank中提及和注釋的可變剪接的完整基因構(gòu)成。數(shù)據(jù)庫提供了方便的搜索服務。ASDB的網(wǎng)址是：/asdb。(/fastdb2/frame.html)4.TRRD轉(zhuǎn)錄調(diào)控區(qū)數(shù)據(jù)庫(TRRD)是在不斷積累的真核生物基因調(diào)控區(qū)結(jié)構(gòu)－功能特性信息基礎上構(gòu)建的。每一個TRRD的條目里包含特定基因各種結(jié)構(gòu)－功能特性：轉(zhuǎn)錄因子結(jié)合位點、啟動子、增強子、靜默子、以及基因表達調(diào)控模式等。TRRD包括五個相關的數(shù)據(jù)表：TRRDGENES(包含所有TRRD庫基因的基本信息和調(diào)控單元信息)；TRRDSITES(包括調(diào)控因子結(jié)合位點的具體信息)；TRRDFACTORS(包括TRRD中與各個位點結(jié)合的調(diào)控因子的具體信息)；TRRDEXP(包括對基因表達模式的具體描述)；TRRDBIB(包括所有注釋涉及的參考文獻)。TRRD主頁提供了對這幾個數(shù)據(jù)表的檢索服務。TRRD的網(wǎng)址是：http://wwwmgs.bionet.nsc.ru/mgs/gnw/trrd/。5.TRANSFACTRANSFAC數(shù)據(jù)庫是關于轉(zhuǎn)錄因子、它們在基因組上的結(jié)合位點和與DNA結(jié)合的profiles的數(shù)據(jù)庫。由SITE、GENE、FACTOR、CLASS、MATRIX、CELLS、METHOD和REFERENCE等數(shù)據(jù)表構(gòu)成。此外，還有幾個與TRANSFAC密切相關的擴展庫：PATHODB庫收集了可能導致病態(tài)的突變的轉(zhuǎn)錄因子和結(jié)合位點；SMARTDB收集了與染色體結(jié)構(gòu)變化相關的蛋白因子和位點的信息；TRANSPATH庫用于描述與轉(zhuǎn)錄因子調(diào)控相關的信號傳遞的網(wǎng)絡；CYTOMER庫表現(xiàn)了人類轉(zhuǎn)錄因子在各個器官、細胞類型、生理系統(tǒng)和發(fā)育時期的表達狀況。TRANSFAC及其相關數(shù)據(jù)庫可以免費下載，也可以通過Web進行檢索和查詢。TRANSFAC的網(wǎng)址是：/index2其它數(shù)據(jù)庫資源PubMedPubMed是NCBI維護的文獻引用數(shù)據(jù)庫，提供對MEDLINE、Pre-MEDLINE等文獻數(shù)據(jù)庫的引用查詢和對大量網(wǎng)絡科學類電子期刊的鏈接。利用Entrez系統(tǒng)可以對PubMed進行方便的查詢檢索。PubMed的網(wǎng)址是：/。除了以上提及的數(shù)據(jù)之外，還有許許多多的專門生物信息數(shù)據(jù)庫，涉及了目前生物學研究的各個層面和領域，由于篇幅所限無法一一詳述。國內(nèi)也有一些大數(shù)據(jù)庫的鏡像站點和自己開發(fā)的有特色的數(shù)據(jù)庫，如歐洲分子生物學網(wǎng)絡組織EMBNet中國節(jié)點北京大學分子生物信息鏡像系統(tǒng)，上海博容基因公司與上海嘉瑞軟件公司合作開發(fā)的國產(chǎn)漢化基因數(shù)據(jù)庫及分析管理系統(tǒng)，同時國家級的生物信息學中心也在籌建之中。我們期待國內(nèi)能有更多高質(zhì)量和使用便利的數(shù)據(jù)庫資源，推動我國生物信息學和整個生命科學的發(fā)展。清華大學生物信息學研究所網(wǎng)址：北京大學生物信息鏡像系統(tǒng)網(wǎng)址：§2.2數(shù)據(jù)庫格式簡介歷史原因：沒有完全統(tǒng)一的數(shù)據(jù)庫格式；了解所用數(shù)據(jù)庫格式的重要性一般由兩部分組成：文字注釋內(nèi)容（序列，……)

EMBL和GenBank數(shù)據(jù)庫的主要內(nèi)容和格式

序列名稱、長度、日期序列說明、編號、版本號物種來源、學名、分類學位置相關文獻作者、題目、刊物、日期序列特征表堿基組成序列（每行60個堿基）

實例：

E.colik-12全基因組序列文件例子：EMBL和GenBank數(shù)據(jù)庫的格式LOCUSU000964639221bpDNAcircularBCT18-NOV-1998DEFINITIONEscherichiacoliK-12MG1655completegenome.ACCESSIONU00096KEYWORDS.SOURCEEscherichiacoli.ORGANISMEscherichiacoliBacteria;Proteobacteria;gammasubdivision;Enterobacteriaceae;Escherichia.REFERENCE1(bases1to4639221)AUTHORSBlattner,F.R.,Plunkett,G.III,Bloch,C.A.,Perna,N.T.,Burland,V.,…TITLEThecompletegenomesequenceofEscherichiacoliK-12JOURNALScience277(5331),1453-1474(1997)MEDLINE97426617…COMMENTThissequencewasdeterminedbytheE.coliGenomeProjectattheUniversityofWisconsin-Madison(FrederickR.Blattner,director).SupportedbyNIHgrantsHG00301andHG01428(fromHumanGenomeProjectandNCHGR).TheentiresequencewasindependentlydeterminedfromE.coliK-12strainMG1655.PredictedopenreadingframesweredeterminedusingGeneMarksoftware,kindlysuppliedby…FEATURESLocation/Qualifierssource1..4639221/organism="Escherichiacoli"/strain="K-12“/sub_strain="MG1655"/db_xref="taxon:562"promoter71..99/note="factorSigma70;predicted+1startat106"promoter104..132/note="factorSigma70;predicted+1startat139"promoter188..212/note="factorSigma32;predicted+1startat219"gene190..255/note="b0001"/gene="thrL"CDS190..255/gene="thrL"/function="leader;Aminoacidbiosynthesis:Threonine"/note="o21;100pctidenticaltoLPT_ECOLISW:P03059"/codon_start=1/transl_table=11/product="throperonleaderpeptide"/db_xref="PID:g1786182"/translation="MKRISTTITTTITITTGNGAG“…BASECOUNT1142136a1179433c1176775g1140877tORIGIN1agcttttcattctgactgcaacgggcaatatgtctctgtgtggattaaaaaaagagtgtc61tgatagcagcttctgaactggttacctgccgtgagtaaattaaaattttattgacttagg121tcactaaatactttaaccaatataggcatagcgcacagacagataaaaattacagagtac181acaacatccatgaaacgcattagcaccaccattaccaccaccatcaccattaccacaggt241aacggtgcgggctgacgcgtacaggaaacacagaaaaaagcccgcacctgacagtgcggg301ctttttttttcgaccaaaggtaacgaggtaacaaccatgcgagtgttgaagttcggcggt361acatcagtggcaaatgcagaacgttttctgcgtgttgccgatattctggaaagcaatgcc421aggcaggggcaggtggccaccgtcctctctgcccccgccaaaatcaccaaccacctggtg……4639021caacatcaactgcaagctttacgcgaacgagccatgacattgctgacgactctggcagtg4639081gcagatgacataaaactggtcgactggttacaacaacgcctggggcttttagagcaacga4639141gacacggcaatgttgcaccgtttgctgcatgatattgaaaaaaatatcaccaaataaaaa4639201acgccttagtaagtatttttc//IDU00096standard;circulargenomicDNA;CON;4639221BP.ACU00096;SVU00096.1DT24-JUL-2003(Rel.76,Lastupdated,Version3)DEEscherichiacoliK-12MG1655completegenome.KW.OSEscherichiacoliK12OCBacteria;Proteobacteria;Gammaproteobacteria;Enterobacteriales;OCEnterobacteriaceae;Escherichia;Escherichiacoli.RN[1]RP1-4639221RXMEDLINE;97426617.RXPUBMED;9278503.RABlattnerF.R.,PlunkettG.III,BlochC.A.,PernaN.T.,BurlandV.,…RT"ThecompletegenomesequenceofEscherichiacoliK-12";RLScience277(5331):1453-1474(1997).DRGOA;O32528.DRREMTREMBL;AAC74436;AAC74436.DRSPTREMBL;O32530;O32530.DRSWISS-PROT;O32528;YPDI_ECOLI.…CCThissequencewasdeterminedbytheE.coliGenomeProjectattheCCUniversityofWisconsin-Madison(FrederickR.Blattner,director).CCSupportedbyNIHgrantsHG00301andHG01428(fromtheHumanGenomeCCProjectandNCHGR).TheentiresequencewasindependentlyCCdeterminedfromE.coliK-12strainMG1655.PredictedopenreadingCCframesweredeterminedusingGeneMarksoftware,kindlysuppliedby…FHKeyLocation/QualifiersFTsource1..4639221FT/db_xref="taxon:83333"FT/mol_type="genomicDNA"FT/organism="EscherichiacoliK12"FT/strain="K12"FT/sub_strain="MG1655"FTpromoter71..99FT/note="factorSigma70;predicted+1startat106"…FTCDS190..255FT/codon_start=1FT/db_xref="GOA:P03059"FT/db_xref="SWISS-PROT:P03059"FT/note="o21;100pctidenticaltoLPT_ECOLISW:P03059"FT/transl_table=11FT/gene="thrL"FT/function="leader;Aminoacidbiosynthesis:Threonine"FT/product="throperonleaderpeptide"FT/protein_id="AAC73112.1"FT/translation="MKRISTTITTTITITTGNGAG“…SQSequence4639221BP;1142136A;1179433C;1176775G;1140877T;0other;agcttttcattctgactgcaacgggcaatatgtctctgtgtggattaaaaaaagagtgtc60tgatagcagcttctgaactggttacctgccgtgagtaaattaaaattttattgacttagg120tcactaaatactttaaccaatataggcatagcgcacagacagataaaaattacagagtac180acaacatccatgaaac