生物信息學(xué) 第三章 生物信息數(shù)據(jù)庫及其信息檢索

第三章

生物信息數(shù)據(jù)庫及其信息檢索生物科學(xué)與技術(shù)學(xué)院本章主要內(nèi)容生物信息學(xué)數(shù)據(jù)庫類型序列數(shù)據(jù)庫結(jié)構(gòu)數(shù)據(jù)庫

功能數(shù)據(jù)庫其它專業(yè)數(shù)據(jù)庫生物信息學(xué)數(shù)據(jù)庫的檢索檢索方法概述檢索實(shí)踐和案例生物信息學(xué)數(shù)據(jù)庫的地位和作用經(jīng)典生物醫(yī)學(xué)實(shí)驗(yàn)大量零碎數(shù)據(jù)數(shù)據(jù)收集整理大規(guī)模組學(xué)實(shí)驗(yàn)海量組學(xué)數(shù)據(jù)數(shù)據(jù)存儲(chǔ)、注釋數(shù)據(jù)庫生物醫(yī)學(xué)應(yīng)用理論分析檢索查詢生物學(xué)研究生物信息學(xué)數(shù)據(jù)庫類型核酸研究（NucleicAcidsResearch）雜志的每年第一期為生物信息學(xué)數(shù)據(jù)庫?？珍涀钪饕纳飳W(xué)相關(guān)數(shù)據(jù)庫，歸類并展示在/nar/database/c/。核酸序列數(shù)據(jù)庫RNA序列數(shù)據(jù)庫蛋白質(zhì)序列數(shù)據(jù)庫結(jié)構(gòu)數(shù)據(jù)庫基因組數(shù)據(jù)庫(非脊椎動(dòng)物)代謝與信號(hào)通路數(shù)據(jù)庫人類與其他脊椎動(dòng)物基因組人類基因與疾病微陣列數(shù)據(jù)庫與其他基因表達(dá)數(shù)據(jù)庫蛋白質(zhì)組資源其他分子生物學(xué)數(shù)據(jù)庫細(xì)胞器數(shù)據(jù)庫植物數(shù)據(jù)庫免疫學(xué)數(shù)據(jù)庫細(xì)胞生物學(xué)數(shù)據(jù)庫生物信息學(xué)數(shù)據(jù)庫類型序列數(shù)據(jù)庫結(jié)構(gòu)數(shù)據(jù)庫功能數(shù)據(jù)庫其它專業(yè)數(shù)據(jù)庫GooglevsBaidu膚淺的百姓工具他可以更厲害！甚至超過windows、Linux或Mac等操作系統(tǒng)一、序列數(shù)據(jù)庫主要收錄核酸和蛋白質(zhì)序列的數(shù)據(jù)庫，包括由基因組計(jì)劃產(chǎn)生的基因組及其表達(dá)序列，由基因組序列所推測(cè)的編碼和非編碼核酸和蛋白質(zhì)序列，以及個(gè)別生物學(xué)實(shí)驗(yàn)中測(cè)序獲得的核酸和蛋白質(zhì)序列。基因組序列數(shù)據(jù)庫：GenomeDatabase(GDB)數(shù)據(jù)庫（

/）包括人、鼠、斑馬魚和果蠅4種真核生物基因組的注釋分析。由EMBL-EBI和Sanger研究所聯(lián)合開發(fā)。UCSCGenomeBrowser（/）加州大學(xué)圣克魯茲分校建立,包括各種脊椎和無脊椎動(dòng)物，以及主要模式生物的基因組數(shù)據(jù)。核酸序列數(shù)據(jù)庫GenBank（

/Genbank）EMBL（

http://www.ebi.ac.uk/embl/）DDBJ（

http://www.ddbj.nig.ac.jp/）三個(gè)數(shù)據(jù)庫每天互相交換數(shù)據(jù)GenBank可通過NCBI的檢索系統(tǒng)Entrez獲取，Entrez集成來自主要DNA和蛋白序列數(shù)據(jù)庫的數(shù)據(jù)，包括物種、基因組、定位、蛋白結(jié)構(gòu)和結(jié)構(gòu)域等信息其他各種專業(yè)核酸數(shù)據(jù)庫非冗余參考序列數(shù)據(jù)庫RefSeq密碼子使用數(shù)據(jù)庫CodonUsageDatabaseCUTG基因可變剪接數(shù)據(jù)庫ASDB轉(zhuǎn)錄因子數(shù)據(jù)庫TRANSFACNCBI(NationalCenterofBiotechnologyInformation）美國(guó)國(guó)立生物技術(shù)信息中心三大數(shù)據(jù)庫之間的聯(lián)系A(chǔ)TTGACTAPrimaryvs.DerivativeDatabasesACGTGCTTGACACGTGAATTGACTATATAGCCGACGTGCACGTGCACGTGCTTGACATTGACATTGACACGTGACGTGACGTGAATTGACTAATTGACTAATTGACTAATTGACTATATAGCCGTATAGCCGTATAGCCGTATAGCCGGenBankTATAGCCGTATAGCCGTATAGCCGTATAGCCGATGACATTGAGAATTATTCCGAGAATTCCGAGAATTATTCCGAGAATTCCSequencingCentersGAGAATTCCGAGAATTCCUniGeneRefSeqGenomeAssemblyLabsCuratorsAlgorithmsTATAGCCGAGCTCCGATACCGATGACAAGenBank中測(cè)序最多的20個(gè)物種humanArabidopsisThermotogamaritimaEscherichiacoliBuchnerasp.APSRickettsiaprowazekiiUreaplasmaurealyticumBacillussubtilisDrosophilamelanogasterThermoplasmaacidophilumPlasmodiumfalciparumHelicobacterpylorimouseCaenorhabitiselegansratBorreliaburgorferiBorreliaburgorferiAquifexaeolicusNeisseriameningitidisZ2491Mycobacteriumtuberculosis模式生物與基因測(cè)序virusesplasmidsbacteriafungiplantsalgaeinsectsmollusksreptilesbirdsmammalsGenomesizesinnucleotidepairs(base-pairs)10410810510610710111010109bonyfishamphibians蛋白質(zhì)序列數(shù)據(jù)庫UniProt（）

由Swiss-Prot、TrEMBL和PIR蛋白質(zhì)數(shù)據(jù)庫聯(lián)合構(gòu)建，提供蛋白質(zhì)序列和功能注釋的核心資源。由三個(gè)子庫組成：（1）UniProtKB，知識(shí)庫（2）UniRef：參考簇（3）UniParc，所有公開的蛋白質(zhì)序列，包括每個(gè)序列源數(shù)據(jù)庫的追溯信息。IPI（http://www.ebi.ac.uk/IPI/）國(guó)際蛋白質(zhì)索引數(shù)據(jù)庫，針對(duì)蛋白質(zhì)組研究中利用數(shù)據(jù)庫搜索鑒定蛋白的策略而構(gòu)建的參考數(shù)據(jù)庫，月更新，整合國(guó)際上主要的蛋白質(zhì)數(shù)據(jù)庫（SwissProt，Refseq，PIR，TrEMBL，RefSeq，Ensembl，H-InvDB翻譯的蛋白數(shù)據(jù)），整合過程中，直接接受手工注釋結(jié)果。Nr（

/refseq/）NCBI構(gòu)建，非冗余蛋白質(zhì)數(shù)據(jù)庫，為每個(gè)蛋白質(zhì)序列記錄賦予一個(gè)唯一的gi號(hào)，并將序列完全一致的非冗余蛋白質(zhì)合并成簇。二、結(jié)構(gòu)數(shù)據(jù)庫核酸和蛋白質(zhì)的空間結(jié)構(gòu)數(shù)據(jù)庫，一般通過X射線衍射和核磁共振獲得數(shù)據(jù)，也有同源建模等計(jì)算方法獲得。結(jié)構(gòu)數(shù)據(jù)庫(核酸)NDB核酸結(jié)構(gòu)數(shù)據(jù)庫（/）收錄核酸的晶體結(jié)構(gòu)數(shù)據(jù)，包含X射線衍射和核磁共振的結(jié)果，可通過ADIT(theAutoDepInputTool)同時(shí)將結(jié)構(gòu)存儲(chǔ)到NDB和PDB中，提供序列號(hào)檢索功能，可以用NDB或PDB的ID號(hào)檢索，結(jié)果包含核酸結(jié)構(gòu)的簡(jiǎn)要信息和圖片Rfam數(shù)據(jù)庫（http://rfam.sanger.ac.uk/）RNA家族多重序列比對(duì)，一致性二級(jí)結(jié)構(gòu)和協(xié)方差模型，基于多重序列比對(duì)的非編碼RNA家族的變異模式結(jié)構(gòu)數(shù)據(jù)庫（蛋白質(zhì)）PDB（/pdb/）RCSB(ResearchCollaboratoryforStructuralBioinformatics)專門用于處理和發(fā)布生物大分子三維結(jié)構(gòu)的知識(shí)庫，提供數(shù)據(jù)庫的檢索和下載服務(wù)，以及PDB數(shù)據(jù)文件格式和其它文檔的說明，使用軟件可對(duì)PDB數(shù)據(jù)庫記錄用多種模式顯示生物大分子三維結(jié)構(gòu)。蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫SCOP（

http://scop.mrc-lmb.cam.ac.uk/scop/）包含從PDB數(shù)據(jù)庫中提取的所有結(jié)構(gòu)域，并詳細(xì)描述已知蛋白質(zhì)結(jié)構(gòu)之間的關(guān)系MMDBNCBI的分子模型數(shù)據(jù)庫。NCBI蛋白結(jié)構(gòu)數(shù)據(jù)庫（/sites/entrez?db=structure/）包括由x射線衍射和核磁共振實(shí)驗(yàn)得到的所有PDB生物分子三維結(jié)構(gòu)，與原始的PDB結(jié)構(gòu)相比，增加一些附加信息：經(jīng)程序驗(yàn)證的顯性化學(xué)圖像信息、一致的二級(jí)結(jié)構(gòu)衍生定義、與MEDLINE相匹配的引用、基于源自生物實(shí)體的蛋白質(zhì)或核酸鏈進(jìn)行分類的分子匹配。三、功能數(shù)據(jù)庫收錄生物分子的功能數(shù)據(jù)，由ID號(hào)與序列和結(jié)構(gòu)數(shù)據(jù)鏈接組織表達(dá)譜和亞細(xì)胞定位根據(jù)不同組織中的EST、SAGE或芯片雜交信號(hào)，繪制出不同組織中表達(dá)基因的圖譜：BodyMap（http://bodymap.ims.u-tokyo.ac.jp/）Unigene（/sites/entrez?db=unigene

）SAGEmap（/projects/SAGE/）GEO（/projects/geo/）StanfordMicroarrayDatabase（/microarray）亞細(xì)胞定位數(shù)據(jù)庫PSORTdb（/）DBSubLoc（/dbsubloc.html）膜蛋白質(zhì)數(shù)據(jù)庫TMPDB（http://bioinfo.si.hirosaki-u.ac.jp/~TMPDB/）

線粒體蛋白質(zhì)數(shù)據(jù)庫MitoP2（http://www.mitop.de:8080/mitop2/）蛋白翻譯后修飾dbPTM（.tw/）磷酸化、糖基化和硫修飾，也收錄和蛋白質(zhì)翻譯后修飾相關(guān)的生物信息。O-GlycBase（http://www.cbs.dtu.dk/databases/OGLYCBASE/）只收錄O糖基化數(shù)據(jù)PhosphoBase（/）只收錄磷酸化位點(diǎn)的數(shù)據(jù)RESID（http://www.ebi.ac.uk/RESID/）收錄蛋白質(zhì)修飾的注釋和結(jié)構(gòu)的數(shù)據(jù)蛋白質(zhì)-蛋白質(zhì)相互作用數(shù)據(jù)庫DIP（/）由實(shí)驗(yàn)驗(yàn)證的蛋白質(zhì)-蛋白質(zhì)相互作用數(shù)據(jù)，包括蛋白質(zhì)的信息、相互作用的信息和檢測(cè)相互作用的實(shí)驗(yàn)技術(shù)IntAct（http://www.ebi.ac.uk/intact）提供用于蛋白質(zhì)相互作用數(shù)據(jù)存儲(chǔ)、展示和分析的開源數(shù)據(jù)庫和工具包，可對(duì)相互作用數(shù)據(jù)在網(wǎng)頁上進(jìn)行文本和圖像的展示，允許用戶通過GO注釋或InterPro結(jié)構(gòu)域注釋進(jìn)行網(wǎng)絡(luò)的擴(kuò)充代謝網(wǎng)絡(luò)和信號(hào)途徑KEGG大百科（http://www.genome.ad.jp/kegg/）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(shí)庫，GENES收錄完整和部分測(cè)序的基因組序列；PATHWAY數(shù)據(jù)庫存儲(chǔ)更高級(jí)的功能信息，包括圖解的細(xì)胞生化過程和同系保守的子通路等信息；LIGAND數(shù)據(jù)庫收錄關(guān)于化學(xué)物質(zhì)、酶分子和酶反應(yīng)等信息。反應(yīng)通路(KEGG)glycolysispathway(糖酵解)京都基因與基因組百科全書(KyotoEncyclopediaofGenesandGenomes)全細(xì)胞通路四、其它專業(yè)數(shù)據(jù)庫人類基因和疾病數(shù)據(jù)庫OMIM（/sites/entrez?db=omim）收錄所有已知的遺傳病、遺傳性狀和基因，除簡(jiǎn)略描述各種疾病的臨床特征、診斷、治療和預(yù)防外，還提供致病基因的連鎖關(guān)系、染色體定位、組織結(jié)構(gòu)、動(dòng)物模型及其參考文獻(xiàn)等信息dbSNP（/sites/entrez?db=SNP）收錄已經(jīng)識(shí)別的SNPs的數(shù)據(jù)庫HapMapProject()收錄了三大人群(非洲人,高加索人和亞洲人群)主要的變異模式,所選擇的SNPs具有相對(duì)代表性CGED(http://lifesciencedb.jp/cged/)收錄多種癌癥的臨床和基因表達(dá)數(shù)據(jù)，更新到2007年基于電泳和生物質(zhì)譜的蛋白質(zhì)組數(shù)據(jù)庫SWISS-2DPAGE（/ch2d/）收錄各種雙向電泳或SDS的電泳圖，并提供蛋白在電泳圖中的位置及其信息PRIDE（http://www.ebi.ac.uk/pride/）數(shù)據(jù)庫收集國(guó)際蛋白質(zhì)組計(jì)劃所產(chǎn)出的鑒定結(jié)果數(shù)據(jù)PeptideAtlas（/）收錄大規(guī)模LC-MS/MS實(shí)驗(yàn)鑒定的蛋白信息，并將信息匹配到Ensembl數(shù)據(jù)庫dbLEP（）為肝臟蛋白質(zhì)組計(jì)劃設(shè)計(jì)，提供鑒定結(jié)果及可追溯的信息，包括可供評(píng)估結(jié)果質(zhì)量的鑒定肽段數(shù)和質(zhì)譜圖譜等，同時(shí)還提供大量的注釋信息，更新到2007年免疫學(xué)數(shù)據(jù)庫IMGT（http://imgt.cines.fr）關(guān)于免疫球蛋白、T細(xì)胞受體、主要組織相容性復(fù)合體以及人類和哺乳動(dòng)物免疫系統(tǒng)相關(guān)蛋白的綜合數(shù)據(jù)庫，由序列數(shù)據(jù)庫、基因組和結(jié)構(gòu)數(shù)據(jù)庫、網(wǎng)站資源數(shù)據(jù)庫和各種研究工具數(shù)據(jù)庫組成dbMHC（/mhc/）提供人類組織相容性抗原（HLA）的序列數(shù)據(jù)和臨床上干細(xì)胞移植及風(fēng)濕性關(guān)節(jié)炎等數(shù)據(jù)，也提供全世界90多個(gè)人群的HLA位點(diǎn)、等位基因和單倍型頻率的遺傳檢測(cè)工具Taxonomy分類學(xué)數(shù)據(jù)庫北京華大基因研究中心(中科院基因組研究所)楊煥明/國(guó)家人類基因組南方研究中心(上海)陳竺、趙國(guó)屏/國(guó)家人類基因組北方研究中心(北京)強(qiáng)伯勤/清華大學(xué)生物系生物信息研究室孫之榮/北京大學(xué)生物信息學(xué)中心羅靜初/chinese/復(fù)旦大學(xué)理論生物中心鐘揚(yáng)/我國(guó)的一些主要研究中心和數(shù)據(jù)庫生物信息學(xué)數(shù)據(jù)庫的檢索檢索方法概述檢索實(shí)踐和案例生物信息學(xué)數(shù)據(jù)庫的檢索主要檢索系統(tǒng)和工具Entrez(NationalCenterforBiotechnologyInformation,NCBI）SRS(EuropeanBioinformaticsInstitute,EBI）ExPasyExpertProteinAnalysisSystem(SwissInstituteofBioinformatics,SIB)日本、歐洲、美國(guó)其他研究機(jī)構(gòu)的工具平臺(tái)……復(fù)雜檢索1、限制字段類別常用的有:Author:BaoYM[au]Title:stress[ti]Tilte/Abstract：stress[title/abstract]Date:1999:2009[dp]2、布爾邏輯運(yùn)算：AND、OR、NOT必須大寫。邏輯符的運(yùn)算次序是從左至右，括號(hào)內(nèi)的檢索式可作為一個(gè)單元，優(yōu)先運(yùn)行。布爾邏輯檢索允許在檢索詞后面附加字段標(biāo)識(shí)例如：rice[ti]ANDBaoYM[au]AND2008:2009[dp]同樣存在限制字段:常用的有:Author:BaoYM[au]title:SNARE[ti]organism:rice[organism]或者直接輸入:Accession:AY077725[Accession]GeneName:ZFP15[GeneName]ProteinName:ZFP15[ProteinName]如:BaoYM[au]ANDSNARE[ti]ANDrice[organism]如果沒有限定，就是任意字段。如何獲取GenBank中的序列?Entrez(NationalCenterforBiotechnologyInformation,NCBI）選擇數(shù)據(jù)庫當(dāng)沒有進(jìn)入號(hào)時(shí)輸入關(guān)鍵詞（英文和