序列采集存储查询~生物信息学

序列采集存储查询~生物信息学第一页，共59页。本章内容提要1.DNA测序（删除）2.序列数据的存储3.序列数据的文件格式4.序列数据的查询第二页，共59页。2.序列数据的存储1.核酸三大数据库：GenBank,EBI,DDBJ.2.Ensembl数据库：基因组注释。3.ESTs数据库；4.UniGene数据库5.Refseq数据库；6.NCBI的Gene信息数据库;7.蛋白质序列：Swissprot/TrEMBL/UniProt数据库。第三页，共59页。三大数据库之间的联系第四页，共59页。GenBank中测序最多的20个物种161.0版，2007.08第五页，共59页。dbEST:表达序列标签数据库2007.08，总序列45,660,524条，最多的20个物种如下第六页，共59页。UniGene:AnOrganizedViewoftheTranscriptom第七页，共59页。Refseq数据库1.提供高质量的，无冗余的，完整的序列信息；2.包括基因组的DNA,转录成的RNA以及蛋白质序列信息。3.序列文件的标识符：DNA/RNA序列，NM_XXXXXX；蛋白质序列：NP_XXXXXX第八页，共59页。第九页，共59页。NCBIGene1.http://=gene2.序列从Refseq数据库中得到;3.详尽的注释信息，包括基因在基因组的定位，基因名称、蛋白质名称，基因结构，等等。第十页，共59页。UniProt1.专家审核的蛋白质序列数据与知识库；2.UniProtKnowledgebase：Release12.1，2007.083.包括：Swiss-ProtRelease54.1of21-Aug-2007:277883entries;TrEMBLRelease37.1of21-Aug-2007:4754787entries第十一页，共59页。Swiss-ProtRelease54.1第十二页，共59页。TrEMBLRelease37.1第十三页，共59页。3.序列数据的文件格式1.DNA/RNA/氨基酸代码的标识2.GenBank数据格式3.UniProt4.FASTA第十四页，共59页。GenBank数据格式Definition:标题序列长度数据类型Accessionnumber版本号GInumber第十五页，共59页。GenBank的数据类型第十六页，共59页。UniProt数据格式Accessionnumber第十七页，共59页。FASTA格式第十八页，共59页。4.序列数据的查询某天，Prof.Gene发现人的Hela细胞中，有丝分裂期间有异常情况：细胞不再分裂，而是开始凋亡(表型，phenotype)，通过实验的方法(例如，酵母双杂交)，发现了与有丝分裂期间某个蛋白可能相互作用的一个基因，测序结果如下(genotype)：CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAGATGACGACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTGGACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGC第十九页，共59页。问题：1.这是哪个基因？2.编码的蛋白质序列是怎样的？3.有没有保守的功能结构域(domain)？4.它的功能是怎样的？5.它在真核生物中保守吗？6.有没有三级结构信息？第二十页，共59页。NCBI:BLASThttp:///第二十一页，共59页。nucleotideblast第二十二页，共59页。Megablast:找基因序列输入序列第二十三页，共59页。提交序列第二十四页，共59页。NM_001168.2：SurvivinUniGeneGeo:基因表达信息Geneinfo：基因信息第二十五页，共59页。Survivin第二十六页，共59页。Geneinfo:17号染色体第二十七页，共59页。功能注释：GeneOntology第二十八页，共59页。结论11.该基因为人的Survivin基因，染色体定位：17号染色体，73721；基因标识符：NM_001168.2;2.初步的功能分析：细胞周期，caspase酶的抑制因子，等等。第二十九页，共59页。NM_001168.2：Survivin第三十页，共59页。HumanSurvivin！第三十一页，共59页。获取蛋白质的序列信息第三十二页，共59页。Survivin：142aa第三十三页，共59页。结论2人的Survivin蛋白质包含142个氨基酸，序列标识符为：NP_001159.2第三十四页，共59页。获取FASTA序列第三十五页，共59页。FASTA格式的序列第三十六页，共59页。PHI-BLAST:finddomain第三十七页，共59页。填入蛋白质的FASTA序列第三十八页，共59页。BIRdomain第三十九页，共59页。结论3Survivin具有保守的功能结构域BIR第四十页，共59页。UniProt:蛋白质数据库第四十一页，共59页。在人中做BLAST搜索第四十二页，共59页。Survivin：O15392第四十三页，共59页。Survivin的蛋白质信息第四十四页，共59页。功能注释第四十五页，共59页。结论4：功能分析1.在瘤形成过程中可能起一定作用；2.阻碍G2/M期的细胞编程性凋亡；3.Chromosomalpassengercomplex(CPC)的成员之一。…细胞亚定位：胞质，核。第四十六页，共59页。人的Survivin在酵母中有同源物吗？第四十七页，共59页。提交序列第四十八页，共59页。在酵母中进行序列比对第四十九页，共59页。酵母BIR1:P47134第五十页，共59页。酵母BIR1的信息第五十一页，共59页。结论5：人的Survivin在酵母中的同源物可能是BIR1。第五十二页，共59页。PDB：三级结构数据库第五十三页，共59页。Survivin的三级结构信息第五十四页，共59页。Raswin:三级结构显示第五十五页，共59页。总结现在，Prof.Gene知道了：1.该基因为人的Survivin基因，染色体定位：17号染色体，73721；基因标识符：NM_001168.2;2.人的Survivin蛋白质包含142个氨基酸，序列标识符为：NP_001159.23.Survivin具有保守的功能结构域BIR4.Survivin的细胞亚定位：胞质，核，其功能有：(1)在瘤形成过程中可能起一定作用；(2)阻碍G2/M期的细胞编程性凋亡；(3)Chromosomalpassengercomplex(CPC)的成员之一。等等。5.人的Survivin在酵母中的同源物可能是BIR1。6.Survivin的三级结构已知，在PDB中的标识符为1E31。第五十六页，共59页。作业某天，Prof.Gene在小鼠(Musmusculus)中又发现了一个与有丝分裂相关的基因,通过DNA测序，得到部分序列：GATGAGCTGCTTATCCTACAACGAGAAGTCGGACATCTGGTCCTTGGGCTGCCTGCTGTATGAGCTGTGTGCACTAATGCCTCCCTTTACAGCTTTCAACCAAAAAGAGCTAGCTGGGAAAATCAGGGAAGGGAGGTTCAGGCGCATCCCCTACCGCTACTCTGATGGCTTGAATGACCTCATCACTCGGATGCTGAATTTAAAGGACTACCATCGACCTTCAGTGGAAGAAATTCTGGAGAGCCCTTTGATAGCAGACTTGGTTGCAGAAGAGCAAAGGAGAAATCTGGAGAGGAGAGGACGGCGCTCAGGCGAGCCTTCGAAGCTGCCGGACTCCAGCCCTGTGCTGAGCGAGCTCAAGTTGAAGGAAAGGCAACTGCAGGATCGAGAGCAAGCACTCAGAGCTCGGGAGGACATCCT

第五十七页，共59页。问题：1.这个基因在小鼠中是哪个基因？基因的标识符是什么？这个基因的在基因组上的定位是怎样的？