生物信息學簡單介紹

生物信息學Bioinformaticscontent1.生物信息學簡介2.生物信息學數(shù)據(jù)庫3.生物信息學軟件4.生物信息學門戶網(wǎng)站5.生物信息學在基因芯片技術(shù)中的作用1.生物信息學簡介

1.1生物信息學（Bioinformatics）這一名詞的由來1.2Bioinformatics的定義1.3獲取生物的完整基因組1.4發(fā)現(xiàn)新基因和新的核苷酸多態(tài)性1.5基因組中非編碼蛋白質(zhì)區(qū)域的結(jié)構(gòu)與功能1.1生物信息學（Bioinformatics）這一名詞的由來

八十年代末期，馬來西亞的美籍學者林華安（HwaA.Lim）認識到將計算機科學與生物學結(jié)合起來的重要意義，開始留意要為這一領(lǐng)域構(gòu)思一個合適的名稱。因此不久，他便進一步把它更改為“bio-informatics（或bio/informatics）”。但由于當時的電子郵件系統(tǒng)與今日不同，名稱中的-或/符號經(jīng)常會引起許多問題，林博士于是將其去除，“bioinformatics”就正式誕生了，林博士也因此贏得了“生物信息學之父”的美譽。20世紀50年代以來，生命科學進入了前所未有的高速發(fā)展階段，在短短幾十年積累了大量的數(shù)據(jù)。據(jù)不完全統(tǒng)計，目前在國際數(shù)據(jù)庫中記錄的DNA序列的堿基早已超過了100億；而隨著人類和其他模式生物基因組測序的完成，可以預(yù)計今后DNA序列數(shù)據(jù)的增長將更為驚人；與此同時，蛋白質(zhì)的一級結(jié)構(gòu)，即氨基酸序列的數(shù)據(jù)的積累也隨之增加，迄今已測定一萬多種蛋白質(zhì)的不同分辨率的空間結(jié)構(gòu)。這一切構(gòu)成了一個生物學數(shù)據(jù)的海洋。6WhatisBioinformatics?如何從海量數(shù)據(jù)中發(fā)掘出人類生存和發(fā)展所需的知識，誕生了一門新興的交叉科學生物信息學。1.2定義廣義：指對基因組研究中的相關(guān)生物信息的獲取、加工、存儲、分配、分析、和解釋。它包括了兩層含義：一是、對海量數(shù)據(jù)的收集、整理與服務(wù)；二是、從中發(fā)現(xiàn)新的規(guī)律。具體來說，生物信息學是把基因組DNA序列信息作為源頭，找到基因組序列中代表蛋白質(zhì)和RNA基因的編碼區(qū)，同時闡明基因組中大量存在的非編碼區(qū)的信息實質(zhì)，破譯隱藏在DNA序列中的遺傳語言規(guī)律。在此基礎(chǔ)上歸納、整理與基因組遺傳信息釋放及調(diào)控相關(guān)的轉(zhuǎn)錄普和蛋白質(zhì)普的數(shù)據(jù)，從而認識生物有機體的代謝、發(fā)育、分化、進化規(guī)律。狹義：采用信息科學技術(shù)，借助數(shù)學、生物學的理論、方法，對各種生物信息（包括核酸、蛋白質(zhì)等）的收集、加工、儲存、分析、解釋的一門學科。1.3獲取生物的完整基因組模式生物基因組計劃酵母、線蟲、果蠅、細菌、擬南芥等共約50多種已完成，70余種正在進行。目前總量已達60億堿基對！基因組研究的首要目標是獲得生物體的基因組全部核苷酸序列。humanArabidopsisThermotoga

maritimaEscherichiacoliBuchnerasp.APSRickettsia

prowazekiiUreaplasma

urealyticumBacillussubtilisDrosophilamelanogasterThermoplasma

acidophilumPlasmodiumfalciparumHelicobacterpylorimouseCaenorhabitis

elegansratBorrelia

burgorferiBorrelia

burgorferiAquifex

aeolicusNeisseria

meningitidis

Z2491Mycobacteriumtuberculosis模式生物virusesplasmidsbacteriafungiplantsalgaeinsectsmollusksreptilesbirdsmammalsGenomesizesinnucleotidepairs(base-pairs)10410810510610710111010109bonyfishamphibiansEscherichiacoli

大腸桿菌大腸桿菌是研究得最為詳盡的一個模式生物。這種只有1.6微米長的、可以迅速繁殖的單細胞原核生物，已經(jīng)成為實驗室和基因工程的重要工具。EscherichiacoliO157:H7EscherichiacoliK12模式生物(ModelOrganism)Drosophilamelanogaster

果蠅繁殖很快、容易誘發(fā)變異的小昆蟲。總長達1.8億核苷酸。

模式生物(ModelOrganism)Arabidopsisthaliana

擬南芥?zhèn)€體生活周期只有6周的十字花科小草，是一種理想的模式植物。模式生物(ModelOrganism)模式生物(ModelOrganism)小鼠（Mus

musculus）

基因組大小與人類相近，約30億個核苷酸對；1.4發(fā)現(xiàn)新基因和新的核苷酸多態(tài)性發(fā)現(xiàn)新基因是當前國際上基因組研究的熱點，使用生物信息學的方法是發(fā)現(xiàn)新基因的重要手段。比如啤酒酵母完整基因組所包含的基因約6000個，大約60%的基因是通過信息分析得到的。1.2.1基因的電腦克隆利用EST數(shù)據(jù)庫發(fā)現(xiàn)新基因也被稱為基因的電腦克隆。EST序列是基因表達的短的cDNA序列，它們攜帶著完整基因的某些片段的信息。目前，Genbank的EST數(shù)據(jù)庫中水稻EST序列已達124萬條，擬南芥達80萬條，而人類的EST序列已超過957萬余條，它大約覆蓋了人類基因的90%以上?；虻碾娔X克隆原理很簡單，就是找到屬于同一基因的所有EST片段，再把它們連接起來。由于EST序列是全世界很多實驗室隨機產(chǎn)生的，所以屬于同一基因的很多EST序列間必然有大量重復(fù)小片段，利用這些小片段作為標志就可以把不同的EST連接起來，直到發(fā)現(xiàn)了他們的全長，這樣就可以通過電腦克隆到一個基因。如果這個基因以前未曾發(fā)現(xiàn)過，那它就是一個新基因。但是進行電腦克隆基因的程序設(shè)計復(fù)雜，計算量巨大。1.2.2從基因組DNA中預(yù)測新基因從基因組序列預(yù)測新基因，本質(zhì)上是把基因組上編碼蛋白質(zhì)的區(qū)域和非編碼蛋白質(zhì)的區(qū)域區(qū)分開來。對于理論方法來講就是要找到在編碼區(qū)和非編碼區(qū)哪些數(shù)學、物理學特征是不一樣的。將這些序列與已知基因數(shù)據(jù)庫進行比較，就可以發(fā)現(xiàn)新基因。1.2.3發(fā)現(xiàn)核苷酸多態(tài)性

核苷酸多態(tài)性（singlenucleotidepolymorphism,SNP）是指基因組內(nèi)DNA中某一特定核苷酸位置上存在轉(zhuǎn)換、顛換、插入、缺失等變化?，F(xiàn)在普遍認為SNP研究是植物基因組計劃走向應(yīng)用的重要步驟之一。因為SNP將提供一個強有力的工具，用于與重要農(nóng)藝形狀相關(guān)基因的鑒定以及生物學的基礎(chǔ)研究等。1.5基因組中非編碼蛋白質(zhì)區(qū)域的結(jié)構(gòu)與功能近年來的研究表明，在細菌這樣的微生物中，非編碼蛋白質(zhì)的區(qū)域只占整個基因組序列的10%～20%。隨著生物的進化，非編碼區(qū)越來越多，在高等生物和人的基因組中非編碼序列已占基因組序列的絕大部分。這表明這些非編碼序列必定具有重要的生物功能。普遍的認識是，它們與基因的表達調(diào)控有關(guān)。對人類基因組來說，迄今為止，人們真正掌握規(guī)律的只有DNA上的編碼蛋白質(zhì)的區(qū)域（基因），最新資料說明這部分序列只占基因組的1.1%。僅占人類基因組1.1%的編碼區(qū)的相關(guān)研究已經(jīng)締造了數(shù)十名諾貝爾獎獲得者，98%非編碼區(qū)蘊含的成果數(shù)量將是十分可觀的，因此尋找這些區(qū)域的編碼特征、信息調(diào)節(jié)與表達規(guī)律是未來相當長時間內(nèi)的熱點課題，是取得重要成果的源泉。2.生物信息學數(shù)據(jù)庫數(shù)據(jù)庫是生物信息學的主要內(nèi)容，各種數(shù)據(jù)庫幾乎覆蓋了生命科學的各個領(lǐng)域。目前國際上已建立了許多公共生物信息學數(shù)據(jù)庫，包括核酸序列數(shù)據(jù)庫、蛋白質(zhì)序列數(shù)據(jù)庫、蛋白質(zhì)片段數(shù)據(jù)庫、生物大分子結(jié)構(gòu)數(shù)據(jù)庫和生物學文獻數(shù)據(jù)庫等。這些數(shù)據(jù)庫有專門的機構(gòu)建立和維護，這些機構(gòu)負責數(shù)據(jù)的收集、組織、管理和發(fā)布，并提供在線檢索和分析工具，向生物學研究人員提供有用的信息。生物信息分析已經(jīng)成為分子生物學研究必須要借助的一種方法。數(shù)據(jù)及其相關(guān)的分析軟件是生物信息學研究和應(yīng)用的重要基礎(chǔ)，也是分子生物學研究必備的工具。雖然分子生物學研究各個領(lǐng)域的側(cè)重點有所不同，但是研究對象之間存在著密切的內(nèi)在聯(lián)系，如DNA與蛋白質(zhì)序列之間、基因調(diào)控與基因表達之間的聯(lián)系等，因而實驗數(shù)據(jù)之間就必然存在著某些聯(lián)系。一個研究領(lǐng)域的相關(guān)數(shù)據(jù)會影響另一個領(lǐng)域的進展。各類數(shù)據(jù)庫已成為聯(lián)系分子生物學各個方面研究的橋梁和紐帶。生物信息學數(shù)據(jù)庫幾個明顯的特征：（1）數(shù)據(jù)庫更新速度不斷加快，數(shù)據(jù)量呈指數(shù)增長。如，核酸序列數(shù)據(jù)以每年翻番的速度增長，而增長更快的則是數(shù)據(jù)庫的使用頻率，每年增長幅度為200～

500%。（2）數(shù)據(jù)庫的復(fù)雜程度不斷增加。除基本數(shù)據(jù)之外，還包括大量的注釋、鏈接、參考文獻等信息。（3）數(shù)據(jù)庫使用的高度計算機和網(wǎng)絡(luò)化。許多數(shù)據(jù)庫服務(wù)器已從工作站升級到大型服務(wù)器，使數(shù)據(jù)庫能夠高效地管理數(shù)據(jù)和為用戶服務(wù)，并在專門的硬件上運行服務(wù)程序。（4）面向應(yīng)用。各個數(shù)據(jù)庫除了提供數(shù)據(jù)外還提供許多分析工具，如核酸數(shù)據(jù)庫提供的序列搜索、基因識別程序等。（5）二級數(shù)據(jù)庫的開發(fā)。在原始數(shù)據(jù)庫的基礎(chǔ)上進一步開發(fā)出許多二級數(shù)據(jù)庫，如蛋白質(zhì)分類數(shù)據(jù)庫、蛋白質(zhì)二級結(jié)構(gòu)數(shù)據(jù)庫等。2.1核酸序列數(shù)據(jù)庫1.GenBank/EMBL/DDBJ2.基因組數(shù)據(jù)庫3.表達序列標簽數(shù)據(jù)庫4.序列標記位點數(shù)據(jù)庫5.面向基因聚類數(shù)據(jù)庫GenBankEMBLDDBJ

2.1.13大核酸數(shù)據(jù)庫

Genbank

Genbank是美國國家生物技術(shù)信息中心(NCBI)建立和維護的DNA數(shù)據(jù)庫。由按物種及數(shù)據(jù)獲取手段分割成的17個子數(shù)據(jù)庫構(gòu)成。使用Entrez數(shù)據(jù)管理系統(tǒng)，通過該系統(tǒng)可以檢索基本的DNA基因圖譜、蛋白質(zhì)序列及結(jié)構(gòu)數(shù)據(jù)庫。其中通過與MEDLINE的連接，還能夠得到關(guān)于該序列的更進一步的信息，比如有關(guān)的文獻摘要甚至全文。

EMBL核酸序列數(shù)據(jù)庫EMBL是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，查詢檢索可以通過因特網(wǎng)上的序列提取系統(tǒng)(SRS)服務(wù)完成。DDBJ數(shù)據(jù)庫

日本DNA數(shù)據(jù)倉庫(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)。使用其主頁上提供的SRS工具進行數(shù)據(jù)檢索和序列分析。GenBankPublicfreeAvailableviaInternetEMBLDataLibraryDDBJ(DNADataBankofJapan)三大基因數(shù)據(jù)庫之間的關(guān)系

這三個機構(gòu)相互合作互通有無，數(shù)據(jù)庫中的數(shù)據(jù)基本一致，僅在格式上有些差異，但對某一特定序列的查詢，三個數(shù)據(jù)庫會給出一樣的結(jié)果。這三個數(shù)據(jù)庫的數(shù)據(jù)來源于世界各國眾多的研究機構(gòu)和核酸測序小組以及科學文獻。現(xiàn)在，用戶可以通過互聯(lián)網(wǎng)將核酸序列數(shù)據(jù)提交給這三個數(shù)據(jù)庫系統(tǒng)的任何一個。http:///http://www.ddbj.nig.ac.jp/searches-e.htmlhttp://www.ebi.ac.uk/embl/2.1.2基因組數(shù)據(jù)庫隨著核酸測序技術(shù)的迅速發(fā)展，已經(jīng)獲得一部分生物的全基因數(shù)據(jù)，如人、小鼠、大鼠、擬南芥、酵母等。這些數(shù)據(jù)對認識基因組信息的奧秘、了解生物體生長發(fā)育的規(guī)律至關(guān)重要。國際上有專門的機構(gòu)收集和管理這些數(shù)據(jù)。EntrezGenomes所收集的基因組數(shù)據(jù)量非常大。該數(shù)據(jù)庫還提供了一個基因組瀏覽工具MapViewer，利用這個工具，用戶可以很方便地得到所需要的數(shù)據(jù)。目前國際上有一些專門的模式生物基因組數(shù)據(jù)庫，這些數(shù)據(jù)庫側(cè)重于收集某種生物基因組的相關(guān)數(shù)據(jù)。2.1.3表達序列標簽數(shù)據(jù)庫（dbEST）表達序列標簽（EST）方法是識別轉(zhuǎn)錄序列的最有效方法。EST序列中含有大量的基因信息，利用這些信息可以發(fā)現(xiàn)新的基因，闡明基因的功能。表達序列標簽數(shù)據(jù)庫dbEST是GenBank的一個部分，該數(shù)據(jù)庫包括不同生物的EST序列及其他相關(guān)信息，主要是從大量不同的組織和器官得到短的mRNA片段。截止2004年4月，該數(shù)據(jù)庫含有2000萬個登陸項，EST數(shù)據(jù)庫的主要作用是通過搜索比較，給實驗新得到的一條cDNA序列或基因組序列賦予公認的功能。2.1.4序列標記位點數(shù)據(jù)庫dbSTS序列標記位點（sequensetaggedsites，STS）數(shù)據(jù)庫是NCBI的一個數(shù)據(jù)源，也是GenBank的一個部分，包含已知序列的序列標記位點組成和定位信息?？梢酝ㄟ^BLAST搜索STS序列，或者直接通過FTP下載序列。2.1.5面向基因聚類數(shù)據(jù)庫UniGene面向基因聚類數(shù)據(jù)庫UniGene將GenBank中的序列進行自動分類，形成面向基因群的非冗余集合。每個UniGene群包含代表一個惟一基因的多個序列，附有該基因相關(guān)的信息，如基因表達的組織類型、定位圖譜等。除了基因的序列之外，還包括大量的EST序列。UniGene即可以作為發(fā)現(xiàn)新基因的數(shù)據(jù)源，也可以作為進行大規(guī)模表達分析的輔助工具。需要指出的是，自動分類的過程還有待于進一步發(fā)展和完善。目前，UniGene中包括人類、果蠅、擬南芥、水稻等生物的相關(guān)數(shù)據(jù)，因為這些生物有大量的EST數(shù)據(jù)。2.2蛋白質(zhì)序列數(shù)據(jù)庫1.蛋白質(zhì)信息資源數(shù)據(jù)庫PIR2.SWISS-PROT3.TrEMBL4.蛋白質(zhì)數(shù)據(jù)庫UniProt2.2.1.蛋白質(zhì)信息資源數(shù)據(jù)庫ProteinInformationResource，簡稱PIR●這個數(shù)據(jù)庫是一個經(jīng)過注釋的、全面的和非冗余的蛋白質(zhì)序列數(shù)據(jù)庫。所有序列數(shù)據(jù)都經(jīng)過了處理，絕大多數(shù)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?！駷榱颂岣叩鞍踪|(zhì)預(yù)測和實驗數(shù)據(jù)之間的相互吻合度，PIR建立了一套系統(tǒng)，允許研究者們遞交、分類、提取文獻信息。PIR提供了在超家族、域和模體水平上的對蛋白的分類。PIR同時提供了蛋白的結(jié)構(gòu)和功能信息，并給出了與其他40個數(shù)據(jù)庫之間的相互參考。PIR還提供了一個非冗余的蛋白質(zhì)數(shù)據(jù)庫，包括從PIR-PSD，SWISS-PROT，TrEMBL，GenPept，PDB收集來的約800，000條序列，對每條序列給出了一個符合的名稱和相關(guān)文獻。為了提高數(shù)據(jù)庫的協(xié)同工作能力，PIR采用開發(fā)的數(shù)據(jù)庫框架，利用XML技術(shù)進行數(shù)據(jù)發(fā)布。除了蛋白質(zhì)序列數(shù)據(jù)以外，PIR還包含以下信息：（1）蛋白質(zhì)名稱、蛋白質(zhì)的分類、蛋白質(zhì)的來源；（2）關(guān)于原始數(shù)據(jù)的參考文獻；（3）蛋白質(zhì)功能和蛋白質(zhì)的一般特征，包括基因表達、翻譯后處理、活化等；（4）序列中相關(guān)的位點、功能區(qū)域。PIR提供三種類型的檢索服務(wù)：（1）基于文本的交互式查詢，用戶通過關(guān)鍵字進行數(shù)據(jù)查詢。（2）標準的序列相似性搜索，包括BLAST、FASTA等。（3）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)域搜索等。主頁的導(dǎo)航

2.2.2.SWISS－PROT

1.瑞士Geneva大學和歐洲生物信息學研究所(EBI)合作維護（1986年）；

2.在EMBL和GenBank數(shù)據(jù)庫上均建立了鏡像站點;3.數(shù)據(jù)庫包括了從EMBL翻譯而來的蛋白質(zhì)序列，這些序列經(jīng)過檢驗和注釋；

SWISS-PROT的網(wǎng)址：/sprotSWISS-PROT是目前國際上權(quán)威的蛋白質(zhì)序列數(shù)據(jù)庫。SWISS-PROT中的蛋白質(zhì)序列是經(jīng)過注釋的。SWISS-PROT中的數(shù)據(jù)來源于不同源地：（1）從核酸數(shù)據(jù)庫經(jīng)過翻譯推導(dǎo)而來；（2）從蛋白質(zhì)數(shù)據(jù)庫PIR挑選出合適的數(shù)據(jù)；（3）從科學文獻中摘錄；（4）研究人員直接提交的蛋白質(zhì)序列數(shù)據(jù)。SWISS-PROT有三個明顯特點（1）注釋。在SWISS-PROT中，數(shù)據(jù)分為核心數(shù)據(jù)和注釋兩大類。對于數(shù)據(jù)庫中的每一個序列登錄項，核心數(shù)據(jù)包括：序列數(shù)據(jù)、參考文獻、分類信息（蛋白質(zhì)生物來源的描述）等，而注釋包括：①蛋白質(zhì)的功能描述；②翻譯后修飾；③域和功能位點，如鈣結(jié)合區(qū)域、ATP結(jié)合位點等；④蛋白質(zhì)的二級結(jié)構(gòu)；⑤蛋白質(zhì)的四級結(jié)構(gòu)，如同構(gòu)二聚體、異構(gòu)三聚體等；⑥與其它蛋白質(zhì)的相似性；⑦由于缺乏該蛋白質(zhì)而引起的疾病；⑧序列的矛盾、變化等。（2）最小冗余。對于給定的蛋白質(zhì)，許多數(shù)據(jù)庫根據(jù)不同的文獻報道設(shè)置分立的登錄項，而在SWISS-PROT中，盡量將相關(guān)的數(shù)據(jù)歸并，降低數(shù)據(jù)庫的冗余程度。如果不同來源的原始數(shù)據(jù)有矛盾，則在相應(yīng)序列特征表中加以注釋。（3）與其它數(shù)據(jù)庫的連接。SWISS-PROT目前已經(jīng)建立了與其它30多個相關(guān)數(shù)據(jù)庫的交叉索引，即對于每一個SWISS-PROT的登錄項，有許多指向其它數(shù)據(jù)庫相關(guān)數(shù)據(jù)的指針，這便于用戶迅速得到相關(guān)的信息。例如，根據(jù)到蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫的索引，用戶不僅可以得到某個蛋白質(zhì)的序列，還可以進一步得到其結(jié)構(gòu)。現(xiàn)有的交叉索引有：到EMBL核酸序列數(shù)據(jù)庫的索引，到PROSITE模式數(shù)據(jù)庫的索引，到生物大分子結(jié)構(gòu)數(shù)據(jù)庫PDB的索引等。用戶可以通過網(wǎng)絡(luò)將蛋白質(zhì)序列數(shù)據(jù)提交給SWISS-PROT，或者對蛋白質(zhì)數(shù)據(jù)進行修改。SWISS-PROT提供序列序列查詢及相似蛋白質(zhì)序列搜索工具 2.2.3.TrEMBL目前大多數(shù)蛋白質(zhì)序列不是直接由實驗得到，而是通過DNA序列映射而得到的。TrEMBL

是一個計算機注釋的蛋白質(zhì)數(shù)據(jù)庫，作為SWISS-PROT數(shù)據(jù)庫的補充。網(wǎng)址是：(http://www.ebi.ac.uk/trembl/index.html)該數(shù)據(jù)庫主要包含從EMBL/Genbank/DDBJ核酸數(shù)據(jù)庫中根據(jù)編碼序列(CDS)翻譯而得到的蛋白質(zhì)序列，并且，這些序列尚未集成到SWISS-PROT數(shù)據(jù)庫中。TrEMBL有兩個部分，分別是SP-TrEMBL(SWISS-PROTTrEMBL)和REM-TrEMBL(REMaining

TrEMBL)。SP-TrEMBL包含最終將要集成到SWISS-PROT的數(shù)據(jù)，所有的SP-TrEMBL序列都已被賦予SWISS-PROT的登錄號。這部分數(shù)據(jù)可以看成是SWISS-PROT數(shù)據(jù)庫的預(yù)備庫。REM-TrEMBL包括所有不準備放入SWISS-PROT的數(shù)據(jù)，因此這部分數(shù)據(jù)都沒有登錄號。如人工合成的蛋白質(zhì)序列、申請專利的序列、偽基因?qū)?yīng)的蛋白質(zhì)序列等。TrEMBL數(shù)據(jù)庫的26.0版（2004年3月）擁有1069649條蛋白質(zhì)序列，總氨基酸長度達到335331748。EBI將上述3個蛋白質(zhì)數(shù)據(jù)庫（即PIR、SWISS-PROT和TrEMBL）統(tǒng)一起來，建立了一個蛋白質(zhì)數(shù)據(jù)倉庫UniProt（UniversalProteinResource），其網(wǎng)址為：http://www.ebi.ac.uk/uniprot/index.html）。

UniProt包含3個部分：（1）UniProtKnowledgebase（UniProt），這是蛋白質(zhì)序列、功能、分類、交叉引用等信息存取中心；（2）UniProtNon-redundantReference（UniRef）數(shù)據(jù)庫，該數(shù)據(jù)庫將密切相關(guān)的蛋白質(zhì)序列組合到一條記錄中，以便提高搜索速度；目前，根據(jù)序列相似程度形成3個子庫，即UniRef100、UniRef90和UniRef50；（3）UniProtArchive（UniParc），是一個資源庫，記錄所有蛋白質(zhì)序列的歷史。用戶可以通過文本查詢數(shù)據(jù)庫，可以利用BLAST程序搜索數(shù)據(jù)庫，也可以直接通過FTP下載數(shù)據(jù)。

2.2.4.蛋白質(zhì)數(shù)據(jù)庫UniProt蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫生物大分子結(jié)構(gòu)數(shù)據(jù)庫核酸序列數(shù)據(jù)庫主要有GenBank,EMBL,DDBJ等.蛋白質(zhì)序列數(shù)據(jù)庫主要有SWISS-PROT,PIR,TrEMBL等，蛋白結(jié)構(gòu)數(shù)據(jù)庫有PDB,MMDB等，與基因組有關(guān)的數(shù)據(jù)庫還有dbEST,OMIM等，

PDB（proteindatabank）