生物分子数据库课件

1、第二章 生物分子数据库第一节 引言生物分子数据高速增长 分子生物学及相关领域研究人员迅速获得最新实验数据 建立生物分子数据库 数据库记录(entry, item)通常包括两部分 原始数据(序列组成等) 对这些数据进行的生物学意义的注释 一个数据库通常链接了多个相关数据库 核苷酸数据库水稻抗病相关基因OsDR8 DQ176424Taxonomy 数据库Pubmed 数据库NCBI-Protein 数据库其他数据库Cross-Reference生物分子数据库分类 一级数据库（有冗余）数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释 二级数据库（专业数据库）对原始生物分子数据进

2、行整理、分类的结果，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立的 常用的生物分子数据库 三大核酸序列数据库：Genbank、EMBL、DDBJ 特殊类型的核酸序列数据库：非编码RNA数据库（ncRNA）、表达序列标签数据库（dbEST）、miRNA、tRNAdb蛋白质序列数据库：PIR、 SWIS-PROT、 MIPS核酸和蛋白质三维结构数据库：核苷酸三维结构数据库（NDB）、普纳大学核酸结构数据库（BNASDB）、蛋白质结构数据库（PDB,MMDB）基因组相关数据库：人类基因组数据库（HGD）、基因组序列数据库（GSDB）、基因组在线数据库（GOLD）基因表达数据库:

3、 基因表达库（GEO）、斯坦福微阵列数据库（SMD）、ArrayExpress第二节 核酸序列数据库国际上权威的核酸序列数据库 （1）欧洲分子生物学实验室的EMBL embl-heidelberg.de （2）美国生物技术信息中心的GenBank /Web/Genbank/index.html （3）日本遗传研究所的DDBJ ddbj.nig.ac.jp/信息资源共享，以天为基础进行数据库之间的序列数据交换，三个数据库中的数据基本一致，仅在数据格式上有所差别属于国际合作项目，这三个几乎一致的数据库称为国际核酸序列数据库（INSD）这三个数据库是综合性的DNA和R

4、NA序列数据库，每条记录代表一个单独、连续、附有注释的DNA或RNA片段GenBank由美国国家医学图书馆的国家生物技术信息中心(NCBI)构建、维护和管理, NCBI位于美国马里兰国家健康研究所（NIH）。GenBank数据库的序列数据来源于序列发现者提交的序列、批量提交的表达序列标签（expressed sequence tag, EST）基因组测序序列（genome survey sequence, GSS）和其他测序中心提供的高通量数据，还包括美国专利商标局提供的已发表专利的序列数据。 一、NCBI简介/GenBank数据库 GenBank（/genba

5、nk/）数据库包含30万余种不同物种生物的核酸序列，这些数据主要来源于全世界不同实验室和大规模测序计划项目 大约12来源于Homo sapiens排列前6的物种：Homo sapiens、Mus musculus、Rattus norvegicus、Bos taurus、Zea mays、Danio rerio (zebrafish)GenBank核酸序列格式Locus name（位点名,座位名，同Accession）每条序列有三种专有标识符（identifier）和一个版本号GenInfo identifier （ GI ）/ Nucleotide ID （NID ）Accession nu

6、mber （登陆号，流水号，编号，注册号）10位字符属名第一字母种名第一字母6位字符的注册号2个字母6个阿拉伯数字 （present form）Version （与登录号相同，后面有数字1,2,3） Note： 序列发生变化时，GI号改变，登录号不改变， 但是版本号会发生改变GenBank核酸序列检索NCBI检索首页检索窗口的数据库选项下拉菜单 Entrez集成检索系统检索栏（for）输入“IL-2 human” Entrez Gene检索结果摘要格式显示页面 Entrez Gene全文报告页面 （前部分）Entrez Gene全文报告页面 （后部分）GenBank核酸序列提交欧洲生物信息学研

7、究所（EBI），是欧洲分子生物学实验室（EMBL）的一部分，EMBL-EBIEMBL-EBI的许多数据库是生物学家们熟知的，包括：EMBL-Bank（DNA和RNA序列）、Ensemble（基因组）、ArrayExpress（基于微阵列的基因表达数据）、UniProt（蛋白质序列）、InterPro（蛋白家族、域和基序）、Reactome（传导通路）和ChEBI（小分子），新的资源帮助研究者不仅了解构成生物体的分子部件，还了解这些部件是如何组合构成系统的。 二、EBI简介/ EBML数据库 SRS集成检索系统SRS快速文本检索窗口 SRS检索结果页面显示的检索结果 SRS蛋白质记录详细内容页面

8、 三、DDBJ数据库 日本DNA数据库DDBJ(DNA Data Bank of Japan)，于1984年建立，与NCBI的GenBank，EBI的EMBL数据库共同组成国际DNA数据库。他们开发了SQmateh工具，用来搜索基因或蛋白质中短的碱基或氨基酸序列区域，并建立了简便且易操作的SOAP(simple object aeeess protoco1)服务器。DDBJ主要收集来自日本研究者获得的序列数据，但也收集数据和发放编号给任何其他国家的研究者。 第三节 蛋白质数据库随着分子生物学的发展，人们获得了越来越多关于蛋白质序列、结构和功能的信息。世界各国的生物学家和计算机科学家合作利用这些

9、信息构建了蛋白质序列数据库、蛋白质三维结构数据库、蛋白质组数据库（二维凝胶电泳数据库）、信号传导及蛋白质-蛋白质相互作用相关数据库、DNA和蛋白质相互作用数据库等蛋白质相关数据库。 常用的蛋白质序列数据库： PIRMIPSSwiss-Prot（trEMBL） Present：UniProt数据库仓库 蛋白质功能、结构域和蛋白质家族有关的数据库： PROSITEInterProPfamProDomSMART 等 蛋白质三维结构相关数据库： PDBBioMagResBankSWISS-MODEL RepositoryModBaseCATHSCOPReLiBaseTOPSSWISS-3DIMAGEB

10、ioImage等 蛋白质二维凝胶电泳数据库： WORLD-2DPAGEPhoretix links 信号传导及蛋白质-蛋白质相互作用相关数据库：DIPINTERACTProNetKEGGCANSITESPADCSNDB等Frequently-used protein sequence database UniProt: 由 EBI (European Bioinformatics Institute)管理的数据库由两部分组成有详细注释的序列，数据来源于实验与40个数据库相互参照（cross-reference）Swiss-Prot/trEBMBUniProt包含3个部分：（1）UniProt

11、Knowledgebase（UniProt） 蛋白质序列、功能、分类、交叉引用等信息存取中心（2）UniProt Non-redundant Reference（UniRef）数据库 将密切相关的蛋白质序列组合到一条记录中 以便提高搜索速度；（3）UniProt Archive（UniParc） 资源库，记录所有蛋白质序列的历史。第四节 常用的数据库1、基因组数据库（GDB） 人类基因组计划所得到的图谱数据 目前GDB包含对下述三种对象的描述：（1）人类基因组区域 包括基因、克隆、PCR标记物、断点、细胞遗传学标记、易碎位点、 EST、综合区域、contigs、重复等； （2）人类基因组图谱，

12、 包含细胞遗传学图谱、连接图谱、辐射混合图谱、contig 图谱、集成图谱，所有这些图谱都可以被直观地显示出来；（3）人类基因组中的变化， 包括基因突变和基因多态性，加上等位基因频率数据。其它模式生物基因组数据库如：鼠基因组数据库 MGD（/）酵母基因组数据库 SGD（/Saccharomyces/）Ensembl (/）人类基因组数据库EnsemblEnsembl包括所有公开的人类基因组DNA序列，通过注释形成的关于序列的特征。 现在包括其他基因组，如大鼠、小鼠、线虫、果蝇等。例如：基因通过实验

13、发现的或者是通过GenScan程序预测的其他的特征：单核苷酸多态性（SNP）、重复序列等Ensembl 数据库结构图 2、表达序列标签数据库dbESTdbEST (/dbEST）是GenBank的一个部分,为GenBank的二级数据库EST（Expressed Sequence Tags）方法已被证明是识别转录序列的最有效方法，主要是从大量不同组织和器官得到的短mRNA片段，反转录成稳定的cRNA5端或3端的cDNA 序列单轮测序获得EST，300400 bp GenBank 中大约56的序列（65,255,769条序列，2019年）是 EST，这些序列来源于 1370个物种 3、蛋白质三维结构数据库显示分子结构（RasMol ， ChemView ）Science 309:1522 (2019)转录RNA折叠形成pri-miR