基于生物信息学数据库的研究与应用
- 格式：pdf
- 大小：176.79 KB
- 文档页数：2
ｊ ＿
霪 霉ｉ 誊誊 垂 ； 羞 ｌｌ蓍奁强暖 蠹Ｉ８ｆ器薹鞠Ｉ究 中国科技信息ｚｏ ｏ年第ｚｚ期ｃＨ・ＮＡ ＳＣ Ｎｃ ＡＮＤ ｃＨＮ ｏＧＹ・Ｎ ＭＡＴ・ №ｖ．ｚｏ，ｏ
置；鬻 善 薯 鍪 ｉ誊 嚣誊
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—８９７２．２０１０．２２．０１ ５
基于生物信息学数据库的研究与应用
张敏辉高晓玲四川教育学院计算机科学系６１ １ １ ３ｏ
摘要 随着生物信息学的发展，生物信息数据库日 趋完善。本文阐述了生物信息学数据库在生 物信息学的发展过程中发挥的巨大作用；介 绍了世界上主要的生物信息学数据库及其分 类和特点；论述了如何利用生物信息学数据 库以及对生物信息学数据库的展望。 关键调 誊 ｌｌ 褰 生物信息学；数据库；数据挖掘
引言
生物信息学是存生命科学的研究 中，生物学与计算机科学及应用数学
等多学科相互交叉而形成的一门新兴的
综合性学科。它以海量生物学实验数
据为基本研究对象，进行数据的获 取、加工、存储、检索与分析，从而实
现揭示相关生物学意义的目的。在人类
基因组计划的推动下，各种类型的生物 数据，如核酸序列、蛋白质序列和蛋白
质结构的生物信息数据，呈现指数增长
的迅猛趋势。为ｒ对这些规模庞大、结 构复杂的生物数据进行有效的管理和使
用，早在七、八 年代，世界各地的科 研人员就建立 大量的生物信息数据
库。【 Ｉ
１ 生物信息学数据库的分类及特
占
生物信息学的重要内容之一就是 生物信息学数据库，ｌ ９ ６ ０年左右，
Ｍａｒｇａｒｅｔ Ｄａｙｈｏｆｆ创屯国际蛋白质序
列数据库（Ｐ Ｓ Ｄ）。ｌ ９ ８ ２年，Ｌ Ｏ Ｓ Ａｌａｍｏ ｓ建立第一个核酸序列数据库
ＧｅｎＢａｎｋ。现在这些数据库中的数据
已经是天文数字，而且每日都在增长。１２１
现在，生物信息学各级各类数据库
几乎覆盖了生命科学的各个领域，大部
分是免费的。这些数据库基本上可以分 为两类：一次数据库和二次数据库。其
中，核酸和蛋白质一级结构序列数据
库、基因组数据库生物犬分了‘（主要是
蛋白质）三维空间结构数据库构成一次 数据库，以上述３类数据库和文献资料
为基础构建的二次数据库
１．１一次数据库
一般说来，一次数据库的数据库
量大，更新速度快，用户面广，通
常需要高性ｉＩ￣，９计算机硬件、大容量
的磁盘空间和专门的数据库管理系统支
撑。例如，欧洲生物信息学研究所用
Ｏ ｒａｃｌｅ数据库软件管理、维护核酸数
据库ＥＭＢＬ。而基因组数据库ＧＤＢ的 管理、运行则基于ＳＹｂａ ｓｅ数据库系 统，即使是安装其镜像。也需要有
Ｓｙｂａｓｅ支撑。Ｏｒａｃｌｅ和Ｓｙｂａｓｅ均为 流行的数据库管理商业软件。而二次
数据库的容量则要小得多，更新速度
也不像一次数据库那样快，也可以不 用大型商业数据库软件支撑。许多二
次数据库的开发基于Ｗｅｂ浏览器，使
用超文本语言ＨＴＭ［ 和Ｊａｖａ程序编写 的图形界面，有的还带有搜索程序。
这类针对不同问题开发的二次数据库的
最大特点是使用方便，特别适用于计
算机使用经验并不丰富的生物学家。
１．２二次数据库 二次数据库种类繁多，以核酸数
据库为基础构建的 次数据库有基因调
｛卒转录因子数据库ＴｒａｎｓＦａｃ，真核生 物启动了数据库ＥＩ Ｄ，克隆载体数据库 Ｖｅｃｔｏｒ，密码子使用表数据库Ｃ ＵＴＧ
等。以蛋白质序列数据库为基础构建的
二次数据库有蛋白质功能位点数据库
Ｐｒｏｓｉｔｅ，蛋白质功能位点序列片段数 据库Ｉ ｒ ｉ ｎ ｔ ｓ，同源蛋白家族数据库
Ｐｆａｍ，同源蛋白结构域数据库Ｂｌｏｃｋｓ。
以具有特殊功能的蛋白为基础构建的二
次数据库有免疫球蛋白数据库Ｋａｂａｔ，
蛋白激酶数据库ＰＫｉｎａｓｅ等。以三维结
构原子坐标为基础构建的数据库为结构 分子生物学研究提供了有效的工具，如
蛋白质二级结构构象参数数据库 ＤＳＳＰ，已知空ｌ 】结构的蛋白质家族数 泛地应用Ｆ ＤＮＡ或蛋白质序列分析。 库必将在生命科学各个领域的研究中起 据库ＦＳＳＰ，已知空间结构的蛋白质及 ２．２数据挖掘技术 到蘑要的支撑作用。
其同源蛋白数据库ＨＳＳＰ等。蛋白质Ｉ口１ 生物信息学的诞生及发展使得核 目前我国的许多科研人员非常重
环分类数据库则是用于蛋Ｃｉ质结构、功 酸、蛋白质结构和功能的数据，各种 视对国际生物信息、学数据库的利用以开
能和分子设计研究的专１ １数据库。此 疾病相关数据及生物文献数据都飞速增 展自己的研究１：作。很多高校和科研
外，酶、限制性内切酶、辐射杂交、 长。但由此也带来一系列问题：一方 机构已经开展了车物信息、学的研究和建
氯基酸特性表、序列分析文献等，也 面，１３益增长的数据对信息的采集和 立生物信息学数据库以及开发相应的软 属于二次数据库或专１＇１数据库。 处理提出了窄自 的要求；另一・方面， 件。这些都觅分说明＿ｒ我国对利用国际
生物信息数据库具有以１ 特点： 如何从已经积累的海量数据和知识出 生物信息、学数据库以及开腱生物信息学
（１）数据库种类的多样性。生物信 发，从ＤＮＡ序列中识别编码蛋白质的 研究的重视。有理由相信，我国的生
启、各类数据库几乎覆盖了生命科学的各 基 ，以及调控基因表达的各种信 物信息学研究任２１世纪将取得更大的 个领域。（２）数据库的更新和增长 号，预测蛋白质的功能和结构，解读 进展。
快。数据库的更新周期越来越短，有 生物的遗传密码，进行药物设计等，
些数据库每天更新，数据的规模以指 都是日前而临的 大挑战。而数据挖 数形式增长。（３）数据库的复杂程 掘技术是解决 述问题强有力的工具，
度不断；Ｌ￣Ｄｎ。数据库中除了基本数据 它能够有效地从大量数据中提取潜在的
之外，还包括大量的注释、链接、参 信启、与知识。数据挖掘就是从大量不
考文献等信息。（４）数据库使用网 完全的、有噪声的、模糊的或随机的
络化。几乎所有的数据库都可以在互 数据中，提取潜在的、，ｋｆｒｌ事先不知
联网上访问，并且公共数据库之间相 道但又是有用的信息和知识。数据挖 互链接，使用户可以迅速得到大量的 掘是一种从大型数据库或数据仓库中提
相关生物分子信息。 取隐藏的预测性信息的新技术，它能
２ 生物信息学数据库的应用 开采出潜在的知识，找出最有价值的
２．１ Ｊ￣＜７７ｉｌｌ：Ｌ较 信息，指导商业行为或辅助科学研
序列比较的一个基本操作就是序 究。目前，序列分析、基因表达、
＂￣ｉｌｂＬ对（Ａｌｉｇｎｍｅｎｔ），即将两个序列的 源性研究、蛋白质结构预测以及药
各个元素按照对应等同关系进行排列， 物设计等领域都为数据挖掘提供了广阔
其结果是两个序列共有的排列顺序， 的研究空间，也显示出了数据挖掘在
这是序列相似程度的一一种定性描述， 达些方面的发展潜力。
它反应了在什么部位两个序列相似， ３、生物信息学数据库应用展望 在什么部位两个序列存在差别。最优 生物信息学是一门新兴学科，作参鹰文献 蓑 ｉ
排列反应了两个序列的最大相似程度和 为一种生物学数据处理、分析的工 …ｃ 。 ｃ兄 Ｌ ｍ Ｈ Ａ－ 最少的不同之处，寻找最优排列的一 具，已经成为生命科学研究中必可不 Ｅｌｅｃｔｒｏｐｈｏｒｅｓｉｓ， 。 。。ｍ ｇ ａｎｄ ｔｈｅ
般算法就是动态规划算法。一个新序 少的研究手段，目前各相关数据库通 Ｈ“ｍ ｇｅｎｏｍｅｓ【Ｍ』・Ｎｅｗ Ｊｅｒｓｅｙ：ｗ。 。 列与数据库中的某个序列的比较在很短 过信息、资源整合，逐步形成了构架于 ｓ。ｉ。 ｉｆｉ。Ｐ ｂｌｌ。ｈｉ ｇ Ｃｏ．１ ９９１ ５８一
的时间内就可以完成，但由于ＤＮＡ序 这类数据库之上的数据整合平台，为 ６ ２・ 列数据库的数据量巨大，逐个比较需 生物信息、学的研究构建信息平台。网 ［２］欧洲分子生物学实验室（ＥＭＢＬ）的
要很长的时间。因此，对于ＤＮＡ序 络技术飞速发展，为生物信息学数据 核酸序列数据库（１３ｔ７／ＯＬ】・［２ｏＯｅ一 。一
列搜索比较算法，要求具有较高的速 库网络化提供了极大的便利，目前基 ’２ Ｊ・“ Ｐ：／／ｗｗｗ・ｅｂｉ＿ 。・“ｋ／。ｍｂ ・
度。目前在序列搜索方面有多种不同 本所有的生物信息学数据库均已经和网 【 Ｊ Ａ “ ・Ｚｗｅｉｇ，Ｄ。帅 Ｋ 。 “’ ，
的实用程序，但较成功的两个程序是 络连接，随着网络信息、检索工具、搜索 ｇｏｂｅｒ￣Ｍ・Ｋ ｈ ，ｅｔ ・ｕｃＳｃ ｇ。 。ｍ。
ＢＬＡＳｒ和ＦＡＳＴＡ，它们能够根据所 引擎功能的逐步完善，为分子生物学家 。ｗ。。 。 ＿Ｊ』・Ｇ。“。ｍ ， 。。０，
蠹 篓 －４－ ；７ 数据库或蛋白质序列数据库中找出同源 遇。结合基因组学、蛋白组学、转录组 ，１ａＲ １一、 仃Ⅱｌｌ新亩 瞳；＋
序列。它们采取专门的技术以加快搜 学、比较基因组学等新兴生物学分支的 算机科学系．硕士研究生，讲师：研究方向 索速度，如ＢＬＡＳＴ采用的是局部序列 兴起，生物信息学数据库的进一步完 软件技术．信息管理技术； 比对技术。现在，这两个程序已被广 善，数据量的日益增多，生物信息数据 妻囊玲ｌ研罢 差 秦 喜
