《讀懂GeneBank數(shù)據(jù)》PPT課件.ppt

1、生物信息學(xué)數(shù)據(jù)庫分類核酸序列數(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)庫基因組數(shù)據(jù)庫生物信息學(xué)數(shù)據(jù)庫EMBL http:/歐洲分子生物學(xué)實(shí)驗(yàn)室生物信息學(xué)數(shù)據(jù)庫www。EMBL-海德堡基因銀行美國生物技術(shù)信息中心/Genbank/DDBJ http:/www.ddbj.nig.ac.jp/日本國家遺傳學(xué)研究所Searches-e.html核酸序列數(shù)據(jù)庫，基因銀行數(shù)據(jù)庫結(jié)構(gòu)，功能：了解序列數(shù)據(jù)庫的格式有助于提高數(shù)據(jù)庫檢索的效率和準(zhǔn)確性。DDBJ數(shù)據(jù)庫的內(nèi)容和格式與GenBank相同，因此在此不再贅述。本文分別介紹了EMBL和GenBank的數(shù)據(jù)庫結(jié)構(gòu)，

2、以及對GenBank數(shù)據(jù)庫數(shù)據(jù)的注釋。GenBank數(shù)據(jù)庫包含所有已知的核酸序列和蛋白質(zhì)序列，以及相關(guān)的文獻(xiàn)和生物學(xué)注釋。NCBI可以提供廣泛的數(shù)據(jù)查詢、序列相似性搜索和其他分析服務(wù)。數(shù)據(jù)庫序列文件：注釋內(nèi)容文章索引文件：搜索目錄摘要，基因銀行數(shù)據(jù)庫結(jié)構(gòu)，完整的基因銀行數(shù)據(jù)庫，包括序列文件，索引文件和其他相關(guān)文件。索引文件是根據(jù)數(shù)據(jù)庫中的作者和引用建立的，用于數(shù)據(jù)庫查詢?；螂氖菑幕驇熘械暮怂嵝蛄蟹g而來的蛋白質(zhì)序列數(shù)據(jù)庫。數(shù)據(jù)庫的數(shù)據(jù)格式是FastA。GenBank數(shù)據(jù)庫結(jié)構(gòu)，GenBank中最常用的序列文件。序列文件的基本單位是序列條目，它包括兩個(gè)部分：核苷酸堿基排列順序和注釋。生物信息

3、資源中心通過計(jì)算機(jī)網(wǎng)絡(luò)提供數(shù)據(jù)庫文件。評論項(xiàng)目：文章的格式，(/GenBank/,GenBank，基因銀行搜索頁，D31716，描述部分，CDs是多肽鏈中的重復(fù)單元(序列和結(jié)構(gòu)基序)，其程度可以通過比較分析來確定。分子進(jìn)化使用這樣的結(jié)構(gòu)域作為構(gòu)建模塊，這些結(jié)構(gòu)域可以在不同的排列中重組，以制造具有不同功能的不同蛋白質(zhì)。CD s編碼序列，帶有終止密碼子的polyA_signal，D31716，特征表，序列本身，關(guān)鍵字，Cds是肽鏈中的重復(fù)單元，d31716，序列本身，序列末端，4859 bp，D31716，GenBank數(shù)據(jù)記錄，GenBank數(shù)據(jù)記錄，Ge

4、nBank數(shù)據(jù)庫結(jié)構(gòu)，GenBank序列文件由單個(gè)序列條目組成。序列條目由字段組成，每個(gè)字段都以一個(gè)關(guān)鍵字開始，后面是字段的特定描述。該字段分為幾個(gè)子字段，從子關(guān)鍵字或?qū)傩员砻枋龇_始。每個(gè)序列條目都用雙斜線“/”標(biāo)記。GenBank數(shù)據(jù)庫結(jié)構(gòu)和序列條目的格式非常重要。關(guān)鍵字從第一列開始，次要關(guān)鍵字從第三列開始，屬性表描述符從第五列開始。每個(gè)字段可以占用一行或多行。如果有一行不能寫，那么接下來的一行就以空格開始?；驇鞌?shù)據(jù)庫中的數(shù)據(jù)和物種：基因庫數(shù)據(jù)庫是根據(jù)大約100，000個(gè)物種的基因組序列記錄的，其中56%是人類(所有序列的34%是人類EST序列)。每個(gè)基因庫數(shù)據(jù)記錄包含序列的簡要描述、它

5、的學(xué)名、物種分類名、參考文獻(xiàn)和序列特征表。以及序列本身、基因庫數(shù)據(jù)庫、序列特征表：包括對序列生物學(xué)特征的注釋，如編碼區(qū)、轉(zhuǎn)錄單位、重復(fù)區(qū)、突變位點(diǎn)或修飾位點(diǎn)等。所有數(shù)據(jù)記錄分為16類，如細(xì)菌、病毒、靈長類、嚙齒類、EST數(shù)據(jù)、基因組測序數(shù)據(jù)、大規(guī)?；蚪M序列數(shù)據(jù)等。其中科技英語數(shù)據(jù)分為幾個(gè)文件，注釋內(nèi)容，序列條目關(guān)鍵詞：軌跡，定義，訪問，NID，關(guān)鍵詞，來源，參考，特征，基數(shù)和起源。新版本的核酸序列數(shù)據(jù)庫將引入一個(gè)新的關(guān)鍵字SV(序列版本號)，它將由“編號”表示。版本號”，并替換關(guān)鍵字NID、LOCES、LOCES(代碼):它是序列條目的標(biāo)記或標(biāo)識符，它包含該序列的功能：例如，HUMCYCLO

6、X代表人環(huán)氧合酶。序列長度、類型、物種、來源、進(jìn)入日期和其他描述性字段是對該序列的簡單描述。訪問，訪問(號碼):唯一和永久的。當(dāng)文獻(xiàn)中引用該序列時(shí)，應(yīng)以該數(shù)字為準(zhǔn)。關(guān)鍵字，關(guān)鍵字字段：由序列提交者提供，包括序列基因產(chǎn)物的其他相關(guān)信息，SOURCE，SOURCE字段：子關(guān)鍵字組織(種和屬):表明生物體的分類地位，REFERENCE，REFERENCE字段：描述序列中的相關(guān)文件，包括作者、標(biāo)題和期刊，按子關(guān)鍵字列出。MEDLINE代碼：這個(gè)代碼實(shí)際上是一個(gè)超文本鏈接，點(diǎn)擊它可以直接調(diào)用上面的文檔摘要。一個(gè)序列可以有多個(gè)文檔，它們由不同的序列號表示，序列的哪一部分與文檔相關(guān)。FEATURES，F(xiàn)EA

7、TURES(屬性表):具有特定的格式，用于詳細(xì)描述序列特征。屬性表中帶有/db-xref/符號的字符可以連接到其他數(shù)據(jù)庫，如分類法9606和蛋白質(zhì)序列數(shù)據(jù)庫PID:g181254。序列中各部分的位置見表，包括5個(gè)非編碼區(qū)、編碼區(qū)、3個(gè)非編碼區(qū)、多聚腺苷酸化重復(fù)區(qū)等。信號肽和通過翻譯獲得的最終蛋白質(zhì)產(chǎn)物的堿基含量字段給出序列中的堿基組成。ORIGIN，ORIGIN是序列的第一行，然后基本序列以雙斜線“/”結(jié)束。GenBank數(shù)據(jù)庫格式，F(xiàn)ASTA格式gi | 1293613 | GB | u 49845.1 | scu 49845釀酒酵母TCP-1基因，部分CDs以及Axl2p (AXL2)和R

8、ev7p (REV7)基因，完成了CDs gatCCTCCATACTACAAGAGGTATCTCACTCACTAGTTAGATTACTAACAGACCACATAGATAGATTCAGTCAGATAGTCAGCTCATCTCATCTTATATATATATATATATATATATATATATATATATATATATATATATATATATATATAGACCAGATAGTATATATATACAGACCATAGATATAGTCAGTCAGTCAGTCAGTCAGTCAGTCAGTCAGATTACTATTATATATATATATATATATATATATATATACACATACATACATACATACAT

9、ACATACATACATACATACATACATACATACATA大于號()表示(/) FASTA格式的新文件的開始和結(jié)束，沒有特殊要求。FASTA格式序列的提交，GenBank數(shù)據(jù)庫格式(1)，F(xiàn)ASTA格式的特點(diǎn)：它只存儲最少量的信息，并把存儲的信息轉(zhuǎn)換成簡單的字符串。人和計(jì)算機(jī)對存儲的信息都有很強(qiáng)的可讀性。FASTA格式在許多分子生物學(xué)軟件包中被廣泛使用。GenBank數(shù)據(jù)庫格式(2)，GenBank平面文件(gbff) : GenBank，EMBL和DDBJ每天同步更新他們的數(shù)據(jù)庫。他們?nèi)绾谓粨Q數(shù)據(jù)？GBFF GBFF文件格式是GenBank數(shù)據(jù)庫的基本信息單元，也是應(yīng)用最廣泛的生物信

10、息學(xué)序列格式之一。,基因座SCU 49845 5028英國石油公司脫氧核糖核酸計(jì)劃編號21-1999年6月定義釀酒酵母TCP1-基因，部分CD，和Axl2p (AXL2)和Rev7p (REV7)基因，完全CD .登錄U49845版本U49845.1 GI:1293613關(guān)鍵字SOURCE .面包師酵母。生物釀酒酵母真核生物；真菌；子囊菌門；半子囊菌；酵母菌；酵母菌科；釀酒酵母。參考文獻(xiàn)1(堿基1至5028)作者托爾佩，洛杉磯，吉布斯，體育，尼爾森，j。和勞倫斯，c . w . TITLE REV7的克隆和測序，REV7是一種基因，其功能是在釀酒酵母雜志酵母10 (11)，1503-1509

11、(1994) MEDLINE 95176709中進(jìn)行脫氧核糖核酸損傷誘導(dǎo)誘變所必需的10 (7)，777-793(1996)MEDLINE 96194260 REFERENCE 3(基數(shù)1至5028) AUTHORS Roemer，t . TItle Direct Submission JourNal Submited(1996年2月22日)特里羅默，生物學(xué)，耶魯大學(xué)，康涅狄格州紐黑文，美國特征位置/限定符來源1.5028/生物體=釀酒酵母/db _ xref=分類單元：4932/染色體=9/圖譜=9個(gè)CDS 1.206/codon _ start=3/product=TCP1-/protei

12、n _ id=AA98665.1/db _ xref=GI33601293614/translation=SSIYNGSTLDLNNGTIMARQVISKLVVSASSEA AEVLLRVDNIIRARPTANRQHM基因687.3158 /gene=AXL2 CDS 687.3158/gene=AXL2/note=質(zhì)膜糖蛋白/密碼子_ start=1/函數(shù)=釀酒酵母軸向出芽模式所需/product=AXL2p/protein _ id=AAA 98666.1/db _ xref=GI 33601293615/translation=MTQLILLSLTATISLLHVATYPYPIKYPPOVRNESF(有部分序列未列出vdfsnksnvnvgqvkdihgripml BASE COUNT 1510 a 1074 c 835g 1609t ORIGIN 1 gatcctccat at ctccacct caggtttaga tcaacaac ggaaccattg 61 ccgacatgag acagttaggt at cgtcgaga gttacaagct aacgagcca gtagtct(有部分序列未列出)4921 ttttttttttcagtgt tagattgctc taattctttg agc