华中农业大学生物信息学课件Bioinf00

生物信息学王石平(华中农业大学生命科学技术学院)2005.2.23211.69.135.104/bio-informatics.files/bio-infor.htm /Embnetut/Gcg/index.htm一、数据库1．核苷酸数据库GenBank 、EMBL 、DDBJ （在使用方法和连接的数据库上有差异，但数据量相同。

） 注：氨基酸序列是非试验来源，为推倒的结果。

使用时要谨慎！！！！）（1）GenBank（NCBI）数据解释。

/注：Display 中选FASTA 形式，显示原始的核苷酸数据，便于复制。

每条序列的3种编号（identifier）无意义）定义（描述） 版本 X.Y 1.位点名（基本2.注册号 3.Geninforidentifier（GI 号） 6位（X12345）或8位数字（XY123456）；例外：自编号（一般为基因组序列）物种类型一般与Accession NO.相同（今6位型：属＋种＋X12345 8位型：与AC 相同10位数：早期8位数：现注：NID(Nucleotide ID） 1999.12取消，改用序列的数据可以更改，GI 号、NID 号变化，但AC 号不变。

GI 号。

Coding sequence 谨慎使用！！！！ 最后一条Reference 序列提交者的文章为。

可以知道这一基因的研究历史，便于研究。

（2）dbESTEST来源于mRNA－基因片度（300-400bp，数据长度足以分析编码的产物）或者全基因（已知）－5’端或3’端的cDNA序列（EST）－300-400bp single-pass sequence （可能有误，如果要求<0.1%的错误率，需要测序8-10次）－GenBank中71%以上的是EST序列。

/dbEST/index.html（3）UniGene来源于同一基因的非重复EST，组成基因序列群（contig）注：不同实验室各自采用poly（T）15法和随机引物合成的cDNA（不完整），不同的cDNA的加工、拼接，形成重叠群（Contig）/UniGene/（4）dbSTS （sequence tagged sites）a.短序列（200-500bp）b.已完成染色体上的定位c.可以与电子PCR相连用/dbSTS/index.html（5）dbGSS （genome survey sequence）a.基因组短序列b. cosmid、BAC、YAC外源插入片断末端序列c. Alu PCR 序列/dbGSS/index.html（6）HTG （high-throughput genome sequence）尚未完成测序的重叠群（>2kb）更新快！！！/HTGS/（7）dbSNP每100-300bp有一个SNP/SNP/（8）EMBL/embl/（9）DDBJhttp://www.ddbj.nig.ac.jp/（10）EPD （Eukaryotic Promoter Database）启动子数据库http://www.genome.jp/dbget/dbget2.html2．蛋白质数据库（1）SWISS-PROT/sprot/有详细的注释序列；与44个数据库相互参照（cross-reference）(2)TrEMBL (translation of EMBL)(3)PIR (Promoter information resource)/pir/表明了结构域（4）PRF （Promoter research foundation）http://www4.prf.or.jp/（5）PDBSTR （Re-organized Protein data Bank）/sprot/prosite.html蛋白质的二级结构、α-碳位置（6）Prosite蛋白质家族、结构域/prosite/3．结构数据库（1）PDB (Protein Data Bank)/pdb/(2) NDB (Nucleic Acid Database)/NDB/ndb.html(3)DNA-bind Protein database/NDB/structure-finder/protein/index.html（4）swiss-3D IMAGEhttp://www.expasy.ch/sw3d/4．酶和代谢数据库（1）KEGG （Kyoto Eneyclopedin of genes & genemes）http://www.genome.ad.jp/kegg/(2)PKR (Protein Kinase Resource)/kinases5．文献数据库（1）PubMed/PubMed/（2）OMIM/Omim（3）Agricola/农业相关的文献6．提交数据GenBankBankIt提交 网上直接提交，立即得到临时编号（1周内提供Aceesion No.）SequIn提交 下载软件填写表格，自动确定CDS、ORF和查找重复序列、查载体序列用Update功能修改二、检索数据库的方法1、用关键词或词组进行的数据库检索 Text-based database searching2、用和甘肃或蛋白质序列进行的数据库检索 Sequence-based database searching关键词：名词；描述性词、词组；Accession number体系：Entrz；Sequence retrieval system (SRS)；Integrated database retrieval system (DBGET) 检索须知1、连接词：AND OR NOT用引号将两个词组成一个词组“disease resistance”表示必须两个词先后顺序连续出现disease resistance 表示默认AND2、wild card “*”放在单词后使检索范围扩大，但是专一性降低Wan*=所有以Wan开头的单词 enzyme*=enzyme + enzymes 单复数同（1）Entrz（NCBI）优点：三种检索体系中最容易操作的； 缺点：检索范围有限8大类29个与Entrz体系相连的数据库1、Nucleiotide sequence database(6)GenBank; SNP; Gene; Homologene; UniSTS; ProSet2、Protein sequence database(1)Proteins3、Structure database(4)Structure; PubChem; Compound; 3D-Domain; CDD4、Taxonomy database(1)Taxonomy5、Genome database(2)Genomes; Genome Project6、Expression database(4)UniGene; GEO Profiles; GEO database;GENSAT注：数据库来源于mRNA－cDNA－protein（更确切）7、Literature database(7)PubMed（文摘）; PubMed central（全文）; Books; OMIM; Journals; NLM catalog; MeSH8、OthersPubChem substance; Cancer chromosome; PubChem BioAssay; SiteSearch检索方法：a、数据库间的检索 b、选择数据库 （可以限定检索内容和时间范围）（2）SRS (Sequence Retrieval System)/ 有不同的版本，可以下载。