Chapter-3-生物數(shù)據(jù)庫簡介

1第三章

生物信息學(xué)數(shù)據(jù)庫2內(nèi)容提要主要的生物信息中心生物信息數(shù)據(jù)庫常見序列格式數(shù)據(jù)庫信息檢索系統(tǒng)向數(shù)據(jù)庫提交數(shù)據(jù)3主要的生物信息中心4主要生物信息中心NCBI美國國家生物技術(shù)信息中心，NationalCenterforBiotechnologyInformationNCBI管理著GenBank、UniGene、dbSNP等數(shù)據(jù)庫，提供Entrez、BLAST等數(shù)據(jù)庫檢索工具EBI，歐洲生物信息學(xué)研究所，EuropeanBioinformaticsInstitute1994年成立于英國劍橋，其前身為位于德國海德堡的歐洲分子生物學(xué)實驗室的信息部門。EBI接受了原來EMBL數(shù)據(jù)庫的管理和維護，并且是歐洲分子生物學(xué)網(wǎng)(EMBnet)的一個特別節(jié)點。http://www.ebi.ac.uk/EMBnet,歐洲分子生物學(xué)信息網(wǎng)建立于1988年，在荷蘭注冊。中國在1996年加入其成員國，EMBnet的中國節(jié)點設(shè)在北京大學(xué)生物信息中心PKUCBI。/5主要生物信息中心EMBL，歐洲分子生物學(xué)實驗室，EuropeanMolecularBiologyLaboratory主要實驗室設(shè)在德國海德堡http://www.embl-heidelberg.deNIG日本國立遺傳學(xué)研究所，NationalInstituteofGenetics維護和管理日本DNA數(shù)據(jù)庫DDBJ。該數(shù)據(jù)庫首先反映日本產(chǎn)生的數(shù)據(jù)，同EMBL、GenBank有合作關(guān)系。http://www.ddbj.nig.ac.jp6生物信息數(shù)據(jù)庫2023/2/57生物分子數(shù)據(jù)高速增長分子生物學(xué)及相關(guān)領(lǐng)域研究人員迅速獲得最新實驗數(shù)據(jù)建立生物分子數(shù)據(jù)庫2023/2/5生物信息學(xué)概論講義8生物信息數(shù)據(jù)庫生物信息數(shù)據(jù)庫的特點數(shù)據(jù)庫的更新速度不斷加快，數(shù)據(jù)量呈指數(shù)增長趨勢數(shù)據(jù)庫種類的多樣性。生物信息學(xué)各類數(shù)據(jù)庫幾乎覆蓋了生命科學(xué)的各個領(lǐng)域核酸序列數(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……..

9生物信息數(shù)據(jù)庫生物信息數(shù)據(jù)庫的特點數(shù)據(jù)庫的復(fù)雜性增加、層次加深數(shù)據(jù)庫之間相互引用，如PDB與文獻(xiàn)庫、蛋白質(zhì)二級數(shù)據(jù)庫、蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫、蛋白折疊庫等十幾種數(shù)據(jù)庫直接關(guān)聯(lián)數(shù)據(jù)庫使用高度計算機化和網(wǎng)絡(luò)化幾乎所有的數(shù)據(jù)庫都可以在國際互聯(lián)網(wǎng)上訪問有的系統(tǒng)則將多個生物信息數(shù)據(jù)庫整合在一起，形成集成的生物信息數(shù)據(jù)庫系統(tǒng)

2023/2/5生物信息學(xué)概論講義10生物信息數(shù)據(jù)庫生物信息數(shù)據(jù)庫的特點面向應(yīng)用各個數(shù)據(jù)庫服務(wù)器除了提供數(shù)據(jù)，還提供許多分析工具核酸數(shù)據(jù)庫提供的序列搜索基因識別程序蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫提供的結(jié)構(gòu)比較程序結(jié)構(gòu)模擬程序………

2023/2/5生物信息學(xué)概論講義11生物信息數(shù)據(jù)庫生物信息數(shù)據(jù)庫分類一次數(shù)據(jù)庫(primarydatabase)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

基本數(shù)據(jù)庫或初始數(shù)據(jù)庫三類一次數(shù)據(jù)庫基因組數(shù)據(jù)庫

核酸和蛋白質(zhì)一級結(jié)構(gòu)序列數(shù)據(jù)庫生物大分子（主要是蛋白質(zhì)）三維空間結(jié)構(gòu)數(shù)據(jù)庫

2023/2/5生物信息學(xué)概論講義12生物信息數(shù)據(jù)庫生物信息數(shù)據(jù)庫分類二次數(shù)據(jù)庫(secondarydatabase)

對原始生物信息數(shù)據(jù)進(jìn)行分析、整理、歸納而形成的數(shù)據(jù)庫二次數(shù)據(jù)庫種類繁多以核酸數(shù)據(jù)庫為基礎(chǔ)構(gòu)建的二次數(shù)據(jù)庫以蛋白質(zhì)序列數(shù)據(jù)庫為基礎(chǔ)構(gòu)建的二次數(shù)據(jù)庫以具有特殊功能的蛋白質(zhì)為基礎(chǔ)構(gòu)建的二次數(shù)據(jù)庫以三維結(jié)構(gòu)原子坐標(biāo)為基礎(chǔ)構(gòu)建的數(shù)據(jù)庫……2023/2/513生物信息學(xué)數(shù)據(jù)庫工具生物信息數(shù)據(jù)庫染色體核酸蛋白質(zhì)基因組圖譜DNA序列蛋白質(zhì)序列蛋白質(zhì)結(jié)構(gòu)基因組數(shù)據(jù)庫核酸序列數(shù)據(jù)庫蛋白質(zhì)序列數(shù)據(jù)庫蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫二級數(shù)據(jù)庫復(fù)合數(shù)據(jù)庫基因組作圖序列測定結(jié)構(gòu)測定14從1994年開始，牛津大學(xué)出版的“核酸研究(NucleicAcidsResearch)”每年第一期是生物數(shù)據(jù)庫專輯，對每一個數(shù)據(jù)庫的性質(zhì)、內(nèi)容和更新狀況進(jìn)行綜合描述。http://www.oup.co.uk/nar/15NAR對數(shù)據(jù)庫的分類(2006)DNA序列庫/NucleotideSequenceDatabasesRNA序列庫/RNAsequencedatabases蛋白質(zhì)序列庫/Proteinsequencedatabases結(jié)構(gòu)數(shù)據(jù)庫/StructureDatabases基因組數(shù)據(jù)庫/GenomicsDatabases(non-vertebrate)代謝與信號轉(zhuǎn)導(dǎo)/MetabolicandSignalingPathways人類及其它脊椎動物基因組/HumanandotherVertebrateGenomes人類基因與疾病/HumanGenesandDiseases芯片數(shù)據(jù)及表達(dá)數(shù)據(jù)/MicroarrayDataandotherGeneExpressionDatabases蛋白質(zhì)組資源/ProteomicsResources其它分子生物學(xué)庫/OtherMolecularBiologyDatabases細(xì)胞器數(shù)據(jù)/Organelledatabases植物數(shù)據(jù)庫/Plantdatabases免疫學(xué)數(shù)據(jù)庫/Immunologicaldatabases16GenBank美國國家生物技術(shù)信息中心的數(shù)據(jù)庫提供Entrez檢索工具、BLAST序列搜索等服務(wù)17EMBL/EBIEMBLDatabase歐洲分子生物學(xué)實驗室(EuropeanMolecularBiologyLaboratory)核酸序列數(shù)據(jù)庫，為歐洲最主要的核酸序列數(shù)據(jù)庫，世界兩大核酸數(shù)據(jù)庫之一。目前此數(shù)據(jù)庫由其分支機構(gòu)—EBI(theEuropeanBioinformaticsInstitute，歐洲生物情報研究所)維護。北京大學(xué)已建立了EMBL中國鏡像數(shù)據(jù)庫，將該數(shù)據(jù)庫移植到中國本地，并提供部分的檢索服務(wù)http://www.I/mirror/mirror.html18EMBL/EBI19蛋白質(zhì)序列數(shù)據(jù)庫UniProtKB/Swiss-Prot蛋白序列數(shù)據(jù)庫，由日內(nèi)瓦大學(xué)醫(yī)學(xué)生物化學(xué)系(theDepartmentofMedicalBiochemistryoftheUniversityofGeneva)與EMBL(EuropeanMolecularBiologyLaboratory，歐洲分子生物學(xué)實驗室)共同維護UniProtKB/Swiss-Prot是對數(shù)據(jù)人工審讀很嚴(yán)格的數(shù)據(jù)庫，只有實際存在的蛋白質(zhì)才被收入，每一條數(shù)據(jù)都有詳細(xì)的注釋，包括功能、結(jié)構(gòu)域、翻譯后的修飾等，以及齊全的引文和相關(guān)鏈接。http://www.expasy.ch/sprot(北京大學(xué)生物信息中心也有鏡像)20蛋白質(zhì)序列數(shù)據(jù)庫PIR(ProteinIdentificationResource)維護者為美國華盛頓的全國生物醫(yī)學(xué)研究基金(NBRF)、德國馬普學(xué)會的慕尼黑蛋白質(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)。包含所有序列已知的自然界中野生型蛋白質(zhì)的信息，該數(shù)據(jù)庫的主要目的是提供按同源性和分類學(xué)組織的綜合的、非冗余的數(shù)據(jù)庫。每周更新，每季度發(fā)行新版。內(nèi)容分為四級，即：PIR1(完全分類清楚);PIR2(已檢查和分類);PIR3(未檢查);PIR4(未解碼翻譯)。/

21蛋白質(zhì)序列數(shù)據(jù)庫22結(jié)構(gòu)數(shù)據(jù)庫PDB:/

23文獻(xiàn)數(shù)據(jù)庫文獻(xiàn)數(shù)據(jù)庫包含已發(fā)表的科技論文的題錄和摘要，有時也提供全文及圖表等信息?？赏ㄟ^標(biāo)題、文摘、關(guān)鍵字或正文、作者、作者單位等字段對文獻(xiàn)數(shù)據(jù)庫進(jìn)行檢索。MEDLINE/PubMedISIWebofScienceScienceDirect24文獻(xiàn)數(shù)據(jù)庫MEDLINE/PubMed文獻(xiàn)數(shù)據(jù)庫PubMed是NCBI提供的對MEDLINE數(shù)據(jù)庫的在線訪問服務(wù)。PubMed包含了世界上70多個國家出版的4600多種生物醫(yī)學(xué)期刊的文獻(xiàn)引用和作者信息，總共超過1200萬條文獻(xiàn)引用信息，早期的數(shù)據(jù)可至20世紀(jì)60年代中期。OLDMEDLINE包含150多萬條從1953到1965年間的國際生物醫(yī)學(xué)期刊文獻(xiàn)引用和原文/PubMed/

25文獻(xiàn)數(shù)據(jù)庫26文獻(xiàn)數(shù)據(jù)庫ISIWebofScience通常所說的SCI是其中的一部分我校圖書館有訂閱/

ScienceDirectElsevierScience出版公司的ScienceDirect系統(tǒng)，收錄1,200多種全文電子期刊，學(xué)科涵蓋數(shù)學(xué)、物理、化學(xué)、天文學(xué)、醫(yī)學(xué)、生命科學(xué)、商業(yè)及經(jīng)濟管理、計算機科學(xué)、工程技術(shù)、能源科學(xué)、環(huán)境科學(xué)、材料科學(xué)、社會科學(xué)等。

2728常見序列格式29A-->adenosine/腺嘌呤

M-->AC(amino,氨基)C-->cytidine/胞嘧啶

S-->GC(strong,強鍵)G-->guanine/鳥嘌呤

W-->AT(weak,弱鍵)T-->thymidine/胸腺嘧啶

B-->GTCU-->uridine/尿嘧啶

D-->GATR-->GA(purine,嘌呤) H-->ACTY-->TC(pyrimidine,嘧啶) V-->GCAK-->GT(keto,酮基) N-->AGCT(任意堿基)-gapofindeterminatelength核苷酸IUB/IUPAC代碼NomenclatureandSymbolismforAminoAcidsandPeptideshttp://www.chem.qmul.ac.uk/iupac/AminoAcid/

30Aalanine PprolineBaspartateorasparagines QglutamineCcystine RarginineDaspartate SserineEglutamate TthreonineFphenylalanine UselenocysteineGglycine VvalineHhistidine WtryptophanIisoleucine YtyrosineKlysine ZglutamateorglutamineLleucine XanyMmethionine *translationstopNasparagine -gapofindeterminatelength氨基酸IUB/IUPAC代碼311.RAW序列格式原始序列數(shù)據(jù)，序列可以是一行也可以是多行，行的長度沒有限制。TTTGATGAAAATCGCTTAGGCCTTGCTCTTCAAACAATCCAGCTTCTTTCACTCTCAAGTTGCAAGAAGCAAGTGTAGCAATGTGCACGCGACAGCCGGGTGTGTGACGCTGGCCAATCAGAGCGCAGAGCTCCGAAAGTTTACCTTTTATGGCTAGAGCCGGCATCTGCCATATAAAAGAGCGCGCCCAGCGTCTCAGCCTCACTTTGAGCACACGCAGCTAGTGCGGAATATCATCTGCCTGTAACCCATTCTCTAAAGTCGACAAACCCCCCCAAACCTAAGGTGAGTTGATCT322.FASTA格式FASTA序列的第一行為描述行描述行的第一個字符必須是大于號“>”，后面可以是任何一個字符串，可以只是序列的名字或者訪問號，也可以包含很多的信息例如GenBank中檢索出的FASTA格式序列通常會把序列的LOCUS、訪問號、以及GenBank格式中的DEFINITION行都寫進(jìn)去從第二行開始是序列數(shù)據(jù)序列數(shù)據(jù)中間可以用回車符分割，序列數(shù)據(jù)中間不可以有空行。序列中可以使用標(biāo)準(zhǔn)IUB/IUPAC代碼來表示簡并性堿基和氨基酸殘基。通常核苷酸符號大小寫均可，而氨基酸一般用大寫字母，有些程序?qū)Υ笮懹忻鞔_要求。一個FASTA文件里面可以包含多個序列。33FASTA格式示例單個序列核酸序列氨基酸序列34FASTA格式示例多個序列>gi|114736|sp|P22063|AXO1_RATContactin2precursor(Axonin-1)(AxonalglycoproteinTAG-1)(Transientaxonalglycoprotein1)(TAX-1)MGTHARKKASLLLLVLATVALVSSPGWSFAQGTPATFGPIFEEQPIGLLFPEESAEDQVTLACRARASPP……KPPPRRPPGNISWTFSSSSLSLKWDPVVPLRNESTVTGYKMLYQNDLHPTPTLHLTSKNWIEIPVPEDIGHALVQIRTTGPGGDGIPAEVHIVRNGGTSMMVESAAARPAHPGPAFSCMVILMLAGYQKL>gi|127857|sp|P13592|NCA2_HUMANNeuralcelladhesionmolecule1,120kDaisoformprecursor(N-CAM120)(NCAM-120)(CD56antigen)MLQTKDLIWTLFFLGTAVSLQVDIVPSQGEISVGESKFFLCQVAGDAKDKDISWFSPNGEKLTPNQQRISVVWNDDSSSTLTIYNANIDDAGIYKCVVTGEDGSESEATVNVKIFQKLMFKNAPTPQEFREGEDAVIVCD……EPAKGEPSAPKLEGQMGEDGNSIKVNLIKQDDGGSPIRHYLVRYRALSSEWKPEIRLPSGSDHVMLKSLDWNAEYEVYVVAENQQGKSKAAHFVFRTSAQPTAIPATLGGNSASYTFVSLLFSAVTLLLLC>gi|14286138|sp|P20241|NRG_DROMENeuroglianprecursorMWRQSTILAALLVALLCAGSAESKGNRPPRITKQPAPGELLFKVAQQNKESDNPFIIECEADGQPEPEYSWIKNGKKFDWQAYDNRMLRQPGRGTLVITIPKDEDRGHYQCFASNEFGTATSNSVYVRKAELNAFKDEAAKTLEAVEGEPFMLKCAAPDGFPSPTVNWMIQESIDGSIKSINNSRMTLDPEGNLWFSNVTREDASSDFYY……NKSAGRQSVSSANKPGVESDTDSMAEYGDGDTGQFTEDGSFIGQYVPGKLQPPVSPQPLNNSAAAHQAAPTAGGSGAAGSAAAAGASGGASSAGGAAASNGGAAAGAVATYV353.GenBank文件格式GenBank序列文件以純文本方式描述GenBank序列文件由單個的序列條目組成。序列條目由字段組成，以雙斜杠“//”作結(jié)束標(biāo)記。每個字段由關(guān)鍵字起始，后面為該字段的具體說明。有些字段又分若干個次子字段，以次關(guān)鍵字或特性表說明符開始。序列條目的格式關(guān)鍵字從第一列開始，次關(guān)鍵字從第三列開始，特性表說明符從第五列開始。每個字段可以占一行，也可以占若干行。若一行中寫不下時，繼續(xù)行以空格開始。36GenBank文件格式序列條目的關(guān)鍵字包括LOCUS(代碼)DEFINITION(說明)ACCESSION(編號)NID符(核酸標(biāo)識)KEYWORDS(關(guān)鍵詞)SOURCE(數(shù)據(jù)來源)REFERENCE(文獻(xiàn))FEATURES(特性表)BASECOUNT(堿基組成)ORIGIN(堿基排列順序)近版的核酸序列數(shù)據(jù)庫引入新的關(guān)鍵詞SV(序列版本號)，用“編號.版本號”表示，并取代關(guān)鍵詞NID。37GenBank文件格式LOCUSHSU762541230bpDNAPRI05-JAN-1999DEFINITIONHumanneuropeptideYreceptortype2gene,completecds.ACCESSIONU76254NIDg4098211VERSIONU76254.1GI:4098211KEYWORDS.SOURCEhuman.ORGANISMHomosapiensEukaryota;Metazoa;Chordata;Craniata;Vertebrata;Mammalia;Eutheria;Primates;Catarrhini;Hominidae;Homo.REFERENCE1(bases1to1230)AUTHORSZastawny,R.L.TITLEHumanneuropeptideYY2receptorgeneJOURNALUnpublishedREFERENCE2(bases1to1230)AUTHORSZastawny,R.L.TITLEDirectSubmissionJOURNALSubmitted(24-OCT-1996)AllelixBiopharmaceuticalsInc.,6850GorewayDr.,Mississauga,ONL4V1V7,Canada記錄頭部標(biāo)識行唯一一個必須在所有GenBank記錄中出現(xiàn)的特性序列記錄的生物學(xué)意義檢索號1+5或2+6格式384.EMBL文件格式EMBL數(shù)據(jù)庫的每一個條目是一份純文本文件，每一行最前面是由兩個大寫字母組成的識別標(biāo)志。識別標(biāo)志包括ID(序列名稱) DE(序列簡單說明)AC(序列編號) SV(序列版本號) KW(與序列相關(guān)的關(guān)鍵詞) OS(序列來源的物種名) OC(序列來源的物種學(xué)名和分類學(xué)位置) RN(相關(guān)文獻(xiàn)編號或遞交序列的注冊信息) RA(相關(guān)文獻(xiàn)作者或遞交序列的作者) RT(相關(guān)文獻(xiàn)題目) RL(相關(guān)文獻(xiàn)雜志名或遞交序列的作者單位) RX(相關(guān)文獻(xiàn)Mediline引文代碼) RC(相關(guān)文獻(xiàn)注釋) RP(相關(guān)文獻(xiàn)其他注釋) CC(關(guān)于序列的注釋信息) DR(相關(guān)數(shù)據(jù)庫交叉引用號) FH(序列特征表起始) FT(序列特征表子項) SQ(堿基種類統(tǒng)計數(shù))。39IDAF111847standard;RNA;HUM;2788BP.序列名稱和基本性質(zhì)

XX字段分界標(biāo)志

ACAF111847序列接受號

XX

SVAF111847.1序列版本

XX

DT14-MAR-2000(Rel.63,Created)序列提交、更新日期

DT09-MAY-2001(Rel.67,Lastupdated,Version3)

XX

DEHomosapiensARFGAP1protein(ARFGAP1)mRNA,completecds.序列性質(zhì)簡要描述

XX

KW關(guān)鍵詞

XX

OSHomosapiens(human)來源種屬

OCEukaryota;Metazoa;Chordata;Craniata;Vertebrata;Euteleostomi;來源分類

OCMammalia;Eutheria;Primates;Catarrhini;Hominidae;Homo.

XX

40RN[1]參考文獻(xiàn)條目

RP1-2788文獻(xiàn)對應(yīng)序列位置

RXMEDLINE;20171380.文獻(xiàn)交叉索引

RXPUBMED;10704287.

RAZhangC.,YuY.,ZhangS.,LiuM.,XingG.,WeiH.,BiJ.,LiuX.,文獻(xiàn)作者

RAZhouG.,DongC.,HuZ.,ZhangY.,LuoL.,WuC.,ZhaoS.,HeF.;

RT"Characterization,chromosomalassignment,andtissueexpression文獻(xiàn)題目

RTofanovelhumangenebelongingtotheARFGAPfamily";

RLGenomics63(3):400-408(2000).文獻(xiàn)出處

XX

RN[2]

RP1-2788

RAZhangC.,YuY.,ZhangS.,OuyangS.,LuoL.,WeiH.,ZhouG.,

RAZhangY.,LiuM.,HeF.;

RT

RLSubmitted(06-AUG-1999)totheEMBL/GenBank/DDBJdatabases.

RLDept.ofGenomicsandProteomics,InstituteofRadiationMedicine,

RLBeijingTaipingRoad27,Beijing,Beijing100850,P.R.China

XX

DRENSEMBL;ENSG00000100262;ENST00000263245.庫間交叉索引

DRGOA;Q9NP61.

DRSWISS-PROT;Q9NP61;ARG3_HUMAN.

XX41FHKeyLocation/Qualifiers序列性質(zhì)表頭

FH

FTsource1..2788序列性質(zhì)數(shù)據(jù)

FT/chromosome="22“

FT/db_xref="taxon:9606"

FT/mol_type="mRNA“

FT/organism="Homosapiens“

FT/map="22q13.2“

FT/clone="FLB2127“

FT5'UTR1..57

FT/gene="ARFGAP1“

FTCDS58..1608

FT/codon_start=1

FT/db_xref="GOA:Q9NP61“

FT/db_xref="SWISS-PROT:Q9NP61“

FT/evidence=NOT_EXPERIMENTAL

FT/gene="ARFGAP1“

FT/product="ARFGAP1protein“

FT/protein_id="AAF40310.1"

FT/translation="MGDPSKQDILTIFKRLRSVPTNKVCFDCGAKNPSWASITYGVFLC

FTIDCSGSHRSLGVHLSFIRSTELDSNWSWFQLRCMQVGGNASASSFFHQHGCSTNDTNAK

FTYNSRAAQLYREKIKSLASQATRKHGTDLWLDSCVVPPLSPPPKEEDFFASHVSPEVSDT

FTAWASAIAEPSSLTSRPVETTLENNEGGQEQGPSVEGLNVPTKATLEVSSIIKKKPNQAK

FTKGLGAKKGSLGAQKLANTCFNEIEKQAQAADKMKEQEDLAKVVSKEESIVSSLRLAYKD

FTLEIQMKKDEKMNISGKKNVDSDRLGMGFGNCRSVISHSVTSDMQTIEQESPIMAKPRKK

FTYNDDSDDSYFTSSSSYFDEPVELRSSSFSSWDDSSDSYWKKETSKDTETVLKTTGYSDR

FTPTARRKPDYEPVENTDEAQKKFGNVKAISSDMYFGRQSQADYETRARLERLSASSSISS

FTADLFEEPRKQPAGNYSLSSVLPNAPDMAQFKQGVRSVAGKLSVFANGVVTSIQDRYGS"

FT3'UTR1609..2788

FT/gene="ARFGAP1"

XX42SQSequence2788BP;914A;531C;602G;74