教你使用NCBIPDB数据库PPT课件

1、,生物信息学,第三讲：序列的采集、存储和查询,本章内容提要,1.DNA测序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,1.DNA测序,1.DNA一次测序的长度为500bp。2.基因组的测序方案：将大的染色体打断成100kbp的片断，插入到BAC(BacterialArtificialChromosome)中。再随机打断，克隆，然后再组装成长的序列(contig)。3.EST(Expressedsequencetag)测序：细胞中mRNA反转录成cDNA，方向不定，测序。4.UniGene:为每一个基因创造一个唯一的条目，收集这个基因所有的ESTs.5.GSS(基因组测序序列)：

2、类似于ESTs，来源基因组。6.HTG(高通量基因组序列)：高通量、尚未完工的DNA序列。,基因组测序：两种方案,1.DNA片段在染色体上的位置、方向已知。首先染色体被打断成150kbp左右的片段，然后克隆到BACs中，再进一步打碎，克隆，测序，组装。2.“鸟枪法”，shotgun，随机将DNA片段打碎，克隆，测序，组装。DNA片段在染色体上的位置和方向未知。,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：Swi

3、ssprot/TrEMBL/UniProt数据库。,三大数据库之间的联系,GenBank中测序最多的20个物种,161.0版，2007.08,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,UniGene:AnOrganizedViewoftheTranscriptom,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,NCBIGene,1.http:/www.ncbi.nlm.

4、/sites/entrez?db=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。,UniProt,1.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,Swiss-ProtRelease54.1,TrEMBLRelease37.1,3.序

5、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,GenBank数据格式,Definition:标题,序列长度,数据类型,Accessionnumber,版本号,GInumber,GenBank的数据类型,UniProt数据格式,Accessionnumber,FASTA格式,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(geno

6、type)：,CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAGATGACGACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTG

7、GACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGC,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？,NCBI:BLAST,/,nucleotideblast,Megablast:找基因序列,输入序列,提交序列,NM_0

8、01168.2：Survivin,UniGene,Geo:基因表达信息,Geneinfo：基因信息,Survivin,Geneinfo:17号染色体,功能注释：GeneOntology,结论1,1.该基因为人的Survivin基因，染色体定位：17号染色体，73721872-73733311；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。,NM_001168.2：Survivin,HumanSurvivin！,获取蛋白质的序列信息,Survivin：142aa,结论2,人的Survivin蛋白质包含142个氨基酸，序列标识符为：NP_001

9、159.2,获取FASTA序列,FASTA格式的序列,PHI-BLAST:finddomain,填入蛋白质的FASTA序列,BIRdomain,结论3,Survivin具有保守的功能结构域BIR,UniProt:蛋白质数据库,在人中做BLAST搜索,Survivin：O15392,Survivin的蛋白质信息,功能注释,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。,人的Survivin在酵母中有同源物吗？,提交序列,在酵母中进行序列比对,酵母BIR1

10、:P47134,酵母BIR1的信息,结论5：,人的Survivin在酵母中的同源物可能是BIR1。,PDB：三级结构数据库,Survivin的三级结构信息,Raswin:三级结构显示,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，73721872-73733311；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

11、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。,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：,GATGAGCTGCTTATCCTACAACGAGAAGTCGGACATCTGGTCCTTGGGCTGCCTGCTGTATGAGCTGTGTGCACTAATGCCTCCCTTTACAGCTTTCAACCAAAAAGAGCTAGCTGGGAA

12、AATCAGGGAAGGGAGGTTCAGGCGCATCCCCTACCGCTACTCTGATGGCTTGAATGACCTCATCACTCGGATGCTGAATTTAAAGGACTACCATCGACCTTCAGTGGAAGAAATTCTGGAGAGCCCTTTGATAGCAGACTTGGTTGCAGAAGAGCAAAGGAGAAATCTGGAGAGGAGAGGACGGCGCTCAGGCGAGCCTTCGAAGCTGCCGGACTCCAGCCCTGTGCTGAGCGAGCTCAAGTTGAAGGAAAGGCAACTGCAGGATCGAGAGCAAGCACTCAGAGCTCGGGAGGACATCCT,问题：,1.这个基因在小鼠中是哪个基因？基因的标识