生物信息学公开课一等奖优质课大赛微课获奖课件

1、生物信息学第二章：序列采集和存放第1页中心法则DNA：Deoxyribonucleic acid，脱氧核糖核酸；RNA：RiboNucleic Acid，核糖核酸；第2页碱基第3页核苷酸，Ribonucleotide 第4页脱氧核苷酸Deoxyribonucleotide第5页双脱氧核糖核苷酸Dideoxyribonucleotide第6页DNA结构第7页RNA结构第8页氨基酸结构第9页氨基酸性质及分类第10页氨基酸周期表第11页标准密码子第12页本章内容提要1. DNA测序2. 序列数据存放核酸序列数据库蛋白质序列数据库基因组数据库3. 序列数据文件格式第13页1. DNA测序DNA一次连续

2、测序长度约为500bp;EST (Expressed sequence tag) 测序：细胞中mRNA反转录成cDNA，方向不定测序;GSS (Genome Survey Sequences，基因组勘测序列)：类似于ESTs，起源基因组;HTG (High-throughput genome sequences，高通量基因组序列)：高通量、还未完工DNA序列;第14页DNA 测序试验方法(末端终止法）CATddGTPddTTPddATP(D)第15页第16页第17页使用寡核苷酸引物连续测序第18页基因组测序：两种方案策略1. 基因图谱法：DNA片段在染色体上位置、方向已知。首先染色体被打断成1

3、50200kbp左右大片段，然后克隆到BACs (Bacterial Artificial Chromosome)中，再深入随机打断，克隆，测序，依靠计算机组装成长序列(contig) 。2. “鸟枪法”（shotgun）：DNA片段在染色体上位置和方向未知。全基因组随机打断成小片段，克隆，双向测序，计算机组装成长序列。第19页人类基因组计划 基因组图谱：遗传图谱，物理图谱 遗传图谱(genetic map)：连锁图谱，显示所知基因和/或遗传标识相对距离位置与次序。物理图谱(physical map):表示一些基因和/或遗传标识之间在基因组上准确位置和距离（如间隔bp数目）图谱。第20页第21

4、页大规模测序方法第22页2. 序列数据存放核酸序列数据库国际三大核酸序列数据库：GenBank, EBML, DDBJRefSeq: The Reference Sequence DatabasedbEST: Expressed Sequences Tags数据库UniGene等蛋白质序列数据库UniProtSwiss-prot & TrEMBL, PIR基因组数据库: Ensembl第23页核酸数据库数据增加第24页GenBank由美国国立卫生研究院NIH下属国立生物技术信息中心NCBI建立。聚集并注释了全部公开核酸以及蛋白质序列。每个统计代表了一个单独、连续、带有注释DNA或RNA片段。第

5、25页GenBank中测序最多20个物种161.0版，第26页EMBL核酸序列数据库EMBL-EBI (European Bioinformatics Institute)维护;http:/www.ebi.ac.uk/embl/第27页NIG (National Institute of Genetics)CIB (Center for Information Biology)http:/www.ddbj.nig.ac.jp/index-e.htmlDDBJ第28页INSDC1998年，GenBank、EMBL和DDBJ共同成立了国际核酸序列数据库协会 （International Nucle

6、otide Sequence Database Collaboration,INSDC）三大核酸数据库之间天天将新测定或更新数据进行交换共享，确保数据信息完整与同时，每两个月更新一次版本。/第29页第30页三大数据库之间联络第31页RefSeq数据库1. 提供非冗余，高质量，经检验校正序列信息；2. 包含染色体、基因组（细胞器、病毒、质粒）、蛋白质、RNA等； 序列文件标识符：mRNA序列：NM_123456非编码RNA：NR_123456蛋白质序列： NP_123456 /RefSeq第32页第33页RefSeq统计特征截然不一样Accession号区分于其它GenBank命名格式序列，前缀

7、是两个字母加下划线 _;在Comment区域显示起源;使用正式命名;包含dbxrefs特征;蛋白序列在DBSOURCE区域标示 REFSEQ第34页GenBank VS. RefSeq第35页dbEST: 表示序列标签数据库最多20个物种：.08，总序列45,660,524条/dbEST/第36页UniGene: An Organized View of the Transcriptome为每一个基因创造一个唯一条目，搜集这个基因全部ESTs/unigene第37页Swiss-Prot & TrEMBL 最早广泛使用蛋白数据库；欧洲最主要蛋白序列数据库；http:/www.expasy.ch/

8、sprot/SIB（Swiss Institute of Bioinformatics）可由ExPASy（Expert Protein Analysis System）系统访问；全部序列条目均经过有经验分子生物学家和蛋白质化学家审核，所以又称为蛋白质教授库。第38页TrEMBL vs. GenPeptTrEMBL (Translation of EMBL)：计算机注释Swiss-Prot分支数据库，从EMBL库中cDNA序列翻译得到氨基酸序列数据库。GenPept：由GenBank翻译得到蛋白质序列，与TrEMBL类似，这两个数据库中序列错误率较大，都有较大冗余度。第39页PIR1984年，美

9、国国家医学研究基金会（NREF）正式开启蛋白质信息资源（Protein Information Resource, PIR）计划；美国最主要蛋白序列数据库;非冗余、高质量注释、全方面分类;PIR数据库按照数据性质和注释层次分为PIR1、PIR2、PIR3和PIR4。PIR1中序列已经验证，注释最为详尽。/第40页UniProtUniversal Protein Resource： Swiss-prot(TrEMBL), PIR两大蛋白数据库整合体；收录蛋白质序列目录最广泛、功效注释最全方面数据库；包含三个子库：UniProtKB（UniProt Knowledgebase）UniRef（Uni

10、Prot Reference Clusters）UniParc（Uniprot Archive）第41页第42页UniProtKBUniProt Knowledgebase： Release 15.4 ， 16-Jun- ，包含：Swiss-Prot Release 57.4 : 497293 entries TrEMBL Release 40.4 : 9145906 entries 包含蛋白质序列全方面信息，提供准确、丰富序列与功效注释。统计以6位字母和数字组成，例：Q5K8D3 第43页第44页Swiss-Prot Release 57.7第45页第46页TrEMBL Release 40

11、.4第47页较早基因组数据库- GDB为人类基因组计划(HGP)保留和处理基因组图谱数据。GDB目标是构建关于人类基因组百科全书，除了构建基因组图谱之外，还开发了描述序列水平基因组内容方法，包含序列变异和其它对功效和表型描述。第48页基因组数据库搜集一些生物整个基因组序列数据库;基因组计划Human Genome Projecthttp:/www.sanger.ac.uk/HGP/Sequencing Genomics Projectshttp:/www.sanger.ac.uk/Projects/ 从GenBank中选择同一物种核酸信息组成二级库;第49页The Ensembl projec

12、t produces genome databases for vertebrates and other eukaryotic species, and makes this information freely available online.EMBL-EBI和Sanger研究所共同开发。/基因组数据库-Ensembl第50页3. 序列数据文件格式DNA/RNA/氨基酸代码标识GenBank数据格式EMBL & UniProt数据格式FASTA 数据格式第51页DNA代码氨基酸代码第52页GenBank数据文件格式第53页GenBank数据文件格式第54页GenBank数据文件格式子库Locus名字定义 (标题)修改日期序列类型mRNA (= cDNA)rRNAsnRNADNA序列长度检索号Genbank号序列形状第55页GenBank数据类型第56页GenBank数据文件格式第57页GenBank数据文件格式第58页EMBL(UniProt)数据格式第59页EMBL和GenBank数据格式对比第60页FASTA格式第61页FASTA格式1I60:A|PDBID|CHAIN|SEQUENCEMKLCFNEATTLENSNLKLDLELCEKHGYDYIEIRTMDKLPEYLKDHSLDDLAEYFQTHHIKPLALNALVFFNNRDEKG