生物信息學(xué)之?dāng)?shù)據(jù)庫(kù)及在線分析工具

生物信息學(xué)之?dāng)?shù)據(jù)庫(kù)及在線分析工具第一頁(yè)，共六十二頁(yè)，2022年，8月28日一、數(shù)據(jù)庫(kù)（Database）用于收集、整理、儲(chǔ)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(kù)種類很多（序列、結(jié)構(gòu)、生物分子互作、其他）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(kù)中第二頁(yè)，共六十二頁(yè)，2022年，8月28日

數(shù)據(jù)庫(kù)記錄通常包括兩部分

原始數(shù)據(jù)對(duì)這些數(shù)據(jù)進(jìn)行的生物學(xué)意義的注釋

一個(gè)數(shù)據(jù)庫(kù)通常鏈接了多個(gè)相關(guān)數(shù)據(jù)庫(kù)

核苷酸數(shù)據(jù)庫(kù)－水稻抗病相關(guān)基因OsDR8

Taxonomy數(shù)據(jù)庫(kù)Pubmed數(shù)據(jù)庫(kù)NCBI-Protein數(shù)據(jù)庫(kù)第三頁(yè)，共六十二頁(yè)，2022年，8月28日（一）數(shù)據(jù)庫(kù)工具

建立純文本數(shù)據(jù)庫(kù)GenBank數(shù)據(jù)庫(kù)、EMBL核苷酸數(shù)據(jù)庫(kù)

數(shù)據(jù)庫(kù)工具SQL（結(jié)構(gòu)化查詢語(yǔ)言）是世界上流行的和標(biāo)準(zhǔn)化的數(shù)據(jù)庫(kù)語(yǔ)言能夠快速靈活存儲(chǔ)記錄文件和圖像下載網(wǎng)址

AccessSQLOracle第四頁(yè)，共六十二頁(yè)，2022年，8月28日AceDB數(shù)據(jù)庫(kù)工具AceDB：AC.elegansDataBase（線蟲數(shù)據(jù)庫(kù)）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第五頁(yè)，共六十二頁(yè)，2022年，8月28日（二）各種生物數(shù)據(jù)庫(kù)1、核苷酸數(shù)據(jù)庫(kù)

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(lái)源于實(shí)驗(yàn)數(shù)據(jù)大量氨基酸序列

主要是非實(shí)驗(yàn)來(lái)源數(shù)據(jù)

codingsequence(CDS)第六頁(yè)，共六十二頁(yè)，2022年，8月28日EXONINTRONCDS(codingsequence)ORF(openreadingframe)第七頁(yè)，共六十二頁(yè)，2022年，8月28日

數(shù)據(jù)庫(kù)種類很多

三大核苷酸數(shù)據(jù)庫(kù)GenBank、EMBL核苷酸數(shù)據(jù)庫(kù)、DDBJUnitedStatesPatentandTrademarkOffice(USPTO)EuropeanPatentOffice(EPO)JapanPatentOffice(JPO)收集了專利的核苷酸序列信息資源共享：以天為基礎(chǔ)進(jìn)行數(shù)據(jù)庫(kù)之間的序列數(shù)據(jù)交換第八頁(yè)，共六十二頁(yè)，2022年，8月28日（1）GenBank

美國(guó)NCBI的數(shù)據(jù)庫(kù)，有部分蛋白質(zhì)序列數(shù)據(jù)每天更新，每年發(fā)行六版release

Release172（）106,073,709entries105,277,306,080bases來(lái)源于260,000多個(gè)物種大約12％的序列來(lái)源于人（Homosapiens）第九頁(yè)，共六十二頁(yè)，2022年，8月28日……GrowthofGenBank第十頁(yè)，共六十二頁(yè)，2022年，8月28日Locusname（位點(diǎn)名）Accessionnumber（注冊(cè)號(hào)或登陸號(hào)）GI（GenInfoidentifier）

NID（NucleotideID）

每個(gè)序列有一個(gè)flatfile

每條序列有三個(gè)專有的編號(hào)或標(biāo)識(shí)（identifier）LOCUSlineSamplerecord第十一頁(yè)，共六十二頁(yè)，2022年，8月28日ThedivisionsofGenBank分支縮寫分支全稱PRI靈長(zhǎng)類序列(primatesequences)ROD嚙齒類序列(rodentsequences)MAM其它哺乳類序列(othermammaliansequences)VRT其它脊椎動(dòng)物序列(othervertebratesequences)INV無(wú)脊椎動(dòng)物序列(invertebratesequences)PLN植物、真菌和海藻類序列(plant,fungal,andalgalsequences)BCT細(xì)菌序列(bacterialsequences)VRL病毒序列(viralsequences)PHG噬菌體序列(bacteriophagesequences)SYN合成序列(syntheticsequences)第十二頁(yè)，共六十二頁(yè)，2022年，8月28日ThedivisionsofGenBank分支縮寫分支全稱UNA未注釋的序列(unannotatedsequences)EST表達(dá)序列標(biāo)簽(expressedsequencetags)PAT已專利的序列(patentsequences)STS序列標(biāo)簽位點(diǎn)(sequencetaggedsites)GSS基因組勘察序列(genomesurveysequences)HTG高產(chǎn)出基因組序列(highthroughputgenomicsequences)HTC高產(chǎn)出cDNA序列(highthroughputcDNAsequences)ENV環(huán)境樣品序列(Environmentalsamplingsequences)第十三頁(yè)，共六十二頁(yè)，2022年，8月28日（2）dbEST(DatabaseofExpressedSequenceTags)

GenBank的二級(jí)數(shù)據(jù)庫(kù)5’端或3’端的cDNA序列（EST）

200-500bp “Single-passread”sequenceGenBank中60％以上的序列是EST第十四頁(yè)，共六十二頁(yè)，2022年，8月28日（3）UniGene數(shù)據(jù)庫(kù)

NCBI的另一個(gè)核苷酸數(shù)據(jù)庫(kù)來(lái)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、蛙等擬南芥、水稻、小麥、大麥、玉米等共計(jì)100多個(gè)物種UniGene主頁(yè)輸入關(guān)鍵詞檢索第十五頁(yè)，共六十二頁(yè)，2022年，8月28日（4）dbSTS(DatabaseofSequenceTaggedSites)

GenBank的二級(jí)數(shù)據(jù)庫(kù)

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(gè)STS

檢索：GenBank主頁(yè)選擇UniSTS后輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容點(diǎn)擊“mv”查看染色體定位第十六頁(yè)，共六十二頁(yè)，2022年，8月28日contig第十七頁(yè)，共六十二頁(yè)，2022年，8月28日（5）dbGSS(DatabaseofGenomeSurveySequences)

GenBank的二級(jí)數(shù)據(jù)庫(kù)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/YACG1810.420.84RM2240.21R15060.21Xa26S128861.470.000.63L1044NBS119RM144Y6855RA0.0011第十八頁(yè)，共六十二頁(yè)，2022年，8月28日（6）HTG(High-ThroughputGenomicSequences)

GenBank的二級(jí)數(shù)據(jù)庫(kù)尚未完成測(cè)序的重疊群（>2kb）的序列

新序列的增加速度很快cosmid/BAC/YAC第十九頁(yè)，共六十二頁(yè)，2022年，8月28日Phase0Phase1Phase2Phase3第二十頁(yè)，共六十二頁(yè)，2022年，8月28日逐步克隆法clone-by-clonereliablebutslow,andthemappingstepcanbeespeciallytime-consuming鳥槍法shotgunpotentiallyveryfast,butitcanbeextremelydifficulttoputtogethersomanytinypiecesofsequenceallatonce.第二十一頁(yè)，共六十二頁(yè)，2022年，8月28日水稻基因組全基因組大?。?30Mb；

每個(gè)Reads讀長(zhǎng)450bp；

故覆蓋每個(gè)水稻基因組所需反應(yīng)：100萬(wàn)；

覆蓋水稻基因組8X，需要800萬(wàn)反應(yīng)；

每個(gè)反應(yīng)的測(cè)序成本為19元，800萬(wàn)反應(yīng)總共需15200萬(wàn)人民幣；

人力費(fèi)800萬(wàn)人民幣。中國(guó)水稻基因組計(jì)劃的經(jīng)費(fèi)預(yù)算第二十二頁(yè)，共六十二頁(yè)，2022年，8月28日（7）基因組數(shù)據(jù)庫(kù)

NCBI的另一個(gè)數(shù)據(jù)庫(kù)測(cè)序完成和正在測(cè)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(cè)序的基因組（截止2009年2月）

GenomeProject——Statistics第二十三頁(yè)，共六十二頁(yè)，2022年，8月28日（8）dbSNP(DatabaseofSingleNucleotidePolymorphisms)

單核苷酸多態(tài)性數(shù)據(jù)庫(kù)

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

數(shù)據(jù)種類SNPInsertion/deletion(Indel)Deletion/insertion/substitution(DIS)

發(fā)現(xiàn)致病基因、進(jìn)化分析…第二十四頁(yè)，共六十二頁(yè)，2022年，8月28日dbSNP主頁(yè)輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)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)堿基多意代碼第二十五頁(yè)，共六十二頁(yè)，2022年，8月28日

（9）EMBL(EuropeanMolecularBiologyLaboratory)

NucleotideSequenceDatabaseEBI(EuropeanBioinformaticsInstitute)管理主要是歐洲國(guó)家產(chǎn)生的DNA和RNA序列序列數(shù)據(jù)文檔格式與GenBank不同數(shù)據(jù)庫(kù)主頁(yè)輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容第二十六頁(yè)，共六十二頁(yè)，2022年，8月28日（10）DDBJ(DNADataBankofJapan)

主要是日本產(chǎn)生的DNA和RNA序列數(shù)據(jù)庫(kù)主頁(yè)輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容

發(fā)表文章要提供Accessionnumber第二十七頁(yè)，共六十二頁(yè)，2022年，8月28日（11）EPD(EukaryoticPromoterDatabase)

由WeizmannInstituteofScienceinRehovot(Israel)開創(chuàng)4809條真核生物啟動(dòng)子序列（2009.2）人類基因組中的啟動(dòng)子大約19萬(wàn)個(gè)同一個(gè)基因具有多個(gè)啟動(dòng)子第二十八頁(yè)，共六十二頁(yè)，2022年，8月28日2、蛋白質(zhì)數(shù)據(jù)庫(kù)（1）SWISS-PROT由EBI和瑞士創(chuàng)辦有詳細(xì)注釋的序列，數(shù)據(jù)來(lái)源于實(shí)驗(yàn)與44個(gè)數(shù)據(jù)庫(kù)相互參照（cross-reference）數(shù)據(jù)庫(kù)主頁(yè)點(diǎn)擊SRS在查詢網(wǎng)頁(yè)輸入關(guān)鍵詞檢索到的條目第二十九頁(yè)，共六十二頁(yè)，2022年，8月28日（2）TrEMBL(TranslationofEMBL)EBI的數(shù)據(jù)庫(kù)提交到EMBL核苷酸數(shù)據(jù)庫(kù)中所有CDS的氨基酸序列SWISS-PROT和TrEMBL數(shù)據(jù)庫(kù)合并

UniProt(UniversalProteinResource)

檢索方法與檢索SWISS-PROT相同

查詢結(jié)果和數(shù)據(jù)格式第三十頁(yè)，共六十二頁(yè)，2022年，8月28日（3）PIR(ProteinInformationResource)

由NationalBiomedicalResearchFoundation創(chuàng)辦蛋白質(zhì)家族分類

蛋白質(zhì)整合信息第三十一頁(yè)，共六十二頁(yè)，2022年，8月28日（4）PRF(ProteinResearchFoundation)

由日本的ProteinResearchFoundation創(chuàng)辦已發(fā)表在雜志上的蛋白質(zhì)序列修飾位點(diǎn)、S－S鍵等兩月更新一次第三十二頁(yè)，共六十二頁(yè)，2022年，8月28日（6）Prosite

蛋白質(zhì)家族結(jié)構(gòu)域第三十三頁(yè)，共六十二頁(yè)，2022年，8月28日3、結(jié)構(gòu)數(shù)據(jù)庫(kù)（1）PDB(ProteinDataBank)

由BrookhavenNationalLaboratories創(chuàng)辦

蛋白質(zhì)核酸其它57,103個(gè)結(jié)構(gòu)圖（2009.2）

可通過(guò)BLAST系統(tǒng)檢索第三十四頁(yè)，共六十二頁(yè)，2022年，8月28日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）第三十五頁(yè)，共六十二頁(yè)，2022年，8月28日（2）SWISS-3DIMAGE

蛋白質(zhì)的平面和立體圖

來(lái)源于實(shí)驗(yàn)結(jié)果理論模型第三十六頁(yè)，共六十二頁(yè)，2022年，8月28日4、酶和代謝數(shù)據(jù)庫(kù)（1）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(yè)點(diǎn)擊“PATHWAY”“PATHWAY”網(wǎng)頁(yè)點(diǎn)擊任何代謝路徑，如糖酵解/糖原異生途徑（Glycolysis/Gluconeogenesis)第三十七頁(yè)，共六十二頁(yè)，2022年，8月28日

檢索GeneticInformationProcessingKEGG主頁(yè)點(diǎn)擊“PATHWAY”“PATHWAY”網(wǎng)頁(yè)點(diǎn)擊任何遺傳信息路徑，如Proteinexport路徑可以查看參加這一路徑蛋白質(zhì)的信息第三十八頁(yè)，共六十二頁(yè)，2022年，8月28日

檢索EnvironmentalInformationProcessingKEGG主頁(yè)點(diǎn)擊“PATHWAY”“PATHWAY”網(wǎng)頁(yè)點(diǎn)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(hào)路徑或參加這一路徑的蛋白質(zhì)信息第三十九頁(yè)，共六十二頁(yè)，2022年，8月28日

檢索CellularProcessesKEGG主頁(yè)點(diǎn)擊“PATHWAY”“PATHWAY”網(wǎng)頁(yè)點(diǎn)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(hào)路徑或參加這一路徑的蛋白質(zhì)信息第四十頁(yè)，共六十二頁(yè)，2022年，8月28日（2）PKR(ProteinKinaseResource)多種檢索內(nèi)容

已知蛋白激酶的序列比較蛋白激酶分類蛋白激酶的三維結(jié)構(gòu)其它參考資料第四十一頁(yè)，共六十二頁(yè)，2022年，8月28日5、物種分類數(shù)據(jù)庫(kù)

物種分類界（Kingdom）門（Phylum）綱（Class）目（Order）科（Family）屬（Genus）種（Species）每一分類等級(jí)下可加設(shè)亞級(jí)（Sub-），如亞門、亞綱、亞科等。每一分類等級(jí)上可加設(shè)總級(jí)（Super-），如總綱、總目、總科等。第四十二頁(yè)，共六十二頁(yè)，2022年，8月28日動(dòng)物界（Animal）脊索動(dòng)物門（Chordata）脊椎動(dòng)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）舉例：Mouse：MusmusculusHuman：HomosapiensArabidopsis：Arabidopsisthaliana

第四十三頁(yè)，共六十二頁(yè)，2022年，8月28日Taxonomy擬南芥系譜（lineage）各個(gè)物種的系譜樹在NCBIEntrezTaxonomyHomepage網(wǎng)頁(yè)點(diǎn)擊“tree”在“tree”網(wǎng)頁(yè)點(diǎn)擊任一物種名，如“Eukaryota”真核生物的系譜(lineage)第四十四頁(yè)，共六十二頁(yè)，2022年，8月28日6、文獻(xiàn)數(shù)據(jù)庫(kù)

各種雜志、書刊上發(fā)表的文章大多數(shù)有摘要第四十五頁(yè)，共六十二頁(yè)，2022年，8月28日（1）PubMed

美國(guó)國(guó)家醫(yī)學(xué)圖書館的數(shù)據(jù)庫(kù)醫(yī)學(xué)分子生物學(xué)基礎(chǔ)生物學(xué)

5300多種刊物，來(lái)源于70多個(gè)國(guó)家刊物年限：1948年至今第四十六頁(yè)，共六十二頁(yè)，2022年，8月28日（2）OMIM(OnlineMendelianInheritanceinMan)NCBI的數(shù)據(jù)庫(kù)人類基因遺傳疾病

每天更新數(shù)據(jù)

條目第四十七頁(yè)，共六十二頁(yè)，2022年，8月28日（3）Agricola

美國(guó)農(nóng)部農(nóng)業(yè)圖書館的數(shù)據(jù)庫(kù)農(nóng)業(yè)類刊物第四十八頁(yè)，共六十二頁(yè)，2022年，8月28日7、向數(shù)據(jù)庫(kù)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(kù)中的數(shù)據(jù)由大家無(wú)償提供，共同享用第四十九頁(yè)，共六十二頁(yè)，2022年，8月28日GrowthofSequenceand3DStructureDatabases第五十頁(yè)，共六十二頁(yè)，2022年，8月28日Signedby256researchers第五十一頁(yè)，共六十二頁(yè)，2022年，8月28日（1）向GenBank提交或修改核苷酸序列

用BankIt

功能提交序列網(wǎng)上直接提交，簡(jiǎn)單方便提交后立刻得到臨時(shí)編號(hào)一周內(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(hào)就進(jìn)一位

用Sequin方法提交序列

可下載的電子表格自動(dòng)確定CDS、ORF和查找重復(fù)序列第五十二頁(yè)，共六十二頁(yè)，2022年，8月28日（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(cè)序的序列由核苷酸序列翻譯得到的蛋白質(zhì)序列將進(jìn)入TrEMBL第五十三頁(yè)，共六十二頁(yè)，2022年，8月28日（三）上機(jī)操作

熟悉各種數(shù)據(jù)庫(kù)重點(diǎn)了解GenBank和SWISS-PROT

的各種功能和適用范圍第五十四頁(yè)，共六十二頁(yè)，2022年，8月28日Xa26nucleicacidsequence(DQ426646,6000bp):…ATGGCCATGGGTCCACACGCAGTGAGATGAATGCTAGATCTCACGAGAAAAAAGAAATACATCTCAGGGGTTGTGATGTACTGGATAATTTGCTCGTCATATTAACCATTAGCTTACTCTAGTTGATGTGGGCATGGATGGAGCCGGCAGCCGGCGATCCTATTTAA…Xa26aminoacidsequence(ABD84047,1103aa):…MALVRLPVWIFVAALLIASSSTVPCASSLGPIASKSNSSDTDLAALLAFKAQLSDPNNILAGNWTTGTPFCRWVG