1 / 65

第二讲 生物信息数据库

第二讲 生物信息数据库. 分子生物学 及相关领域研究人员 迅速获得最新实验数据. 生物分子数据 高速增长. 建立生物分子数据库. v 生物信息数据库应满足 5 个方面 的主要需求. v （ 1 ）时间性 v （ 2 ）注释. v （ 3 ）支撑数据 v （ 4 ）数据质量 v （ 5 ）集成性. 生物信息数据库几个明显的特征：. （ 1 ）数据库的更新速度不断加快. 数据量呈指数增长趋势. （ 2 ）数据库使用频率增长更快. （ 3 ）数据库的复杂程度不断增加. （ 4 ）数据库网络化. （ 5 ）面向应用. （ 6 ）先进的软硬件配置.

burian
Download Presentation

第二讲 生物信息数据库

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第二讲 生物信息数据库

  2. 分子生物学 及相关领域研究人员 迅速获得最新实验数据 生物分子数据 高速增长 建立生物分子数据库

  3. v生物信息数据库应满足5个方面的主要需求 v（1）时间性 v（2）注释 v（3）支撑数据 v（4）数据质量 v（5）集成性

  4. 生物信息数据库几个明显的特征： （1）数据库的更新速度不断加快 数据量呈指数增长趋势 （2）数据库使用频率增长更快 （3）数据库的复杂程度不断增加 （4）数据库网络化 （5）面向应用 （6）先进的软硬件配置

  5. 一个数据库记录(entry)一般由两部分组成：  1. 原始序列数据(sequence data)  2. 描述这些数据生物学信息的注释(annotation)  注释中包含的信息与相应的序列数据同样重要和有应用 价值。 数据的完整性和注释工作量：  1. 序列数据广，序列注释不够完整  2. 库数据面窄，序列注释全面 数据库的动态更新：  1. 不断增加  2. 不断修正

  6. 分子生物信息数据库种类繁多。归纳起来，大体分子生物信息数据库种类繁多。归纳起来，大体 可以分为4个大类，即基因组数据库、核酸和蛋白 质一级结构数据库、生物大分子(主要是蛋白质)三 维空间结构数据库、以及由上述3类数据库和文献 资料为基础构建的二次数据库。 基因组数据库来自基因组作图，序列数据库来自 序列测定，结构数据库来自X射线衍射和核磁共振 等结构测定。这些数据库是分子生物学的基本数据 资源，通常称为基本数据库、初始数据库，也称一 次数据库。

  7. v生物信息数据库 一级数据库 v数据库中的数据直接来源于实验获得的原始 数据，只经过简单的归类整理和注释 二级数据库 v对原始生物分子数据进行整理、分类的结 果，是在一级数据库、实验数据和理论分析 的基础上针对特定的应用目标而建立的 。

  8. 生物信息数据库 基因组 数据库 核酸序列 数据库 蛋白质序列 数据库 蛋白质结构 数据库 染色体 核酸 蛋白质 基因组图谱  DNA序列 蛋白质序列 蛋白质结构 基因组作图 序列测定 结构测定

  9. 国际著名的生物信息中心 • NCBI  National Center for Biotechnology Information (US)  • EBI  European Bioinformatics Institute (EU)  • HGMP  Human Genome Mapping Project Resource Centre  (UK） • ExPASy  Expert of Protein Analysis System (Switzerland )  • CMBI  Centre of Molecular and Biomolecule (The Netherlands)  • ANGIS  National Genome Information Service (Australia)  • NIG  National Institute of Genetics (Japan)  • BIC   National Bioinformatics Centre (Singapore)

  10. 一级数据库简介

  11. 1、核酸序列数据库

  12. 国际上权威的核酸序列数据库 （1）欧洲分子生物学实验室的EMBL  http://www.embl­heidelberg.de （2）美国生物技术信息中心的GenBank  http://www.ncbi.nlm.nih.gov/Web/Genbank/index.html （3）日本遗传研究所的DDBJ  http://www.ddbj.nig.ac.jp

  13. 三大主要核酸序列数据库 由美国国立生物技术信息中心（NCBI）维护的一级核酸序列数据库 GenBank 相互合作，每天交换更新核苷酸序列数据 由欧洲分子生物学实验室与1982年创建，并由欧洲生物信息中心(EBI)负责维护 EMBL DDBJ 创建于1986年，由日本国家遗传学研究所负责管理 DDBJ

  14. •三个数据库中的数据基本一致，仅在 数据格式上有所差别，对于特定的查 询，三个数据库的响应结果一样。 • 这三个数据库是综合性的DNA和RNA序 列数据库，每条记录代表一个单独、连 续、附有注释的DNA或RNA片段。

  15. 美国的核酸数据库GenBank 从1979年开始建 • 设,1982年正式运行〖Banson,D.A. et al. (1998) Nucleic Acids Res. 26, 1­7〗

  16. 欧洲分子生物学实验室的EMBL数据库也于1982年开始服务欧洲分子生物学实验室的EMBL数据库也于1982年开始服务

  17. 日本于1984年开始建立国家级的核酸数据库DDBJ，并于1987年正式服务。日本于1984年开始建立国家级的核酸数据库DDBJ，并于1987年正式服务。

  18. 2 、基因组数据库 来源于人类基因组计划及各种模式生物基因组计划  1977 年，最早获得的生物基因组全序列是噬菌体(53kb)  1995年，第一个自由生物体流感嗜血菌(H.inf)被完全测被完全测序

  19. 部分生物基因组计划网址 老鼠(Mouse)  小鼠(Rat)  狗(Dog)  牛(Cow)  猪(Pig)  羊(Sheep)  鸡(Chicken)  http://www.informatics.jax.org/mgd.html  http://ratmap.gen.gu.se  http://mendel.berkeley.edu/dog.html  http://locus.jouy.inra.fr/cgi­bin/bovmap/intro2.pl  http://www.ri.bbsrc.ac.uk/pigmap/pigbase/pigbase.html  http://dirk.invermay.cri.nz  http://www.ri.bbsrc.ac.uk/chickmap/chickbase/manager.html  斑马鱼(Zebra fish) http://zfish.uoregon.edu  线虫(C. elegans)  http://www.ddbj.nig.ac.jp/htmls/celegans/html/CE_INDEX.html  果蝇(Drosophila) http://morgan.harvard.edu  蚊子(Mosquito)  http://klab.agsci.colostate.edu  拟南芥(Arabidopsis) http://genome­www.stanford.edu/Arabidopsis  棉花(Cotton)  玉米(Maize)  水稻(Rice)  大豆(Soya)  树(Trees)  http://algodon.tamu.edu  http://www.agron.missouri.edu  http://www.staff.or.jp  http://mendel.agron.iastate.edu:8000/main.html  http://s27w007.pswfs.gov

  20. GDB （美国、加拿大）  1990年，John Hopkins大学建立，后由加拿大儿童医院生物信息 中心管理.  数据内容： 基因单位、PCR位点、细胞遗传标记、EST、contig、重复片段、基 因组图谱 与其它分子生物信息网络资源（EMBL、GenBank…）的链接

  21. AceDB  线虫基因组数据库。既是一个数据库，又是一个数据库管理系统。 提供很好的图形界面，用户能够从大到整个基因组小到序列的各 个层次观察和分析基因组数据。  http://www.acedb.org  数据内容： 限制性图谱，基因结构信息，质粒图谱，序列数据，参考文献…

  22. 3 、蛋白质序列数据库 

  23. SWISS －PROT 1.  瑞士日内瓦大学医学生物化学系和欧洲生物信息学研究所(EBI) 合作维护（1986年）；  2. 在EMBL和GenBank数据库上均建立了镜像站点;  3. 数据库包括了从EMBL翻译而来的蛋白质序列，这些序列经过 检验和注释；  4. 数据记录包括两部分： 序列 注释(结构域、功能位点、跨膜区域、二硫键位置、翻 译后的修饰、突变体等)  5. 数据存在滞后性 Æ 数据库的建立  SWISS­PROT的网址： http://cn.expasy.org/sprot  TrEMBL的网址： http://www.ebi.ac.uk/trembl/index.html

  24. SWISS­PROT (http://www.expasy.ch/sprot/sprot­top.html） 是目前国际上比较权威的蛋白质序列数据库,其中的蛋白 质序列是经过注释的 SWISS-PROT中的数据来源于不同源地： (1) 从核酸数据库经过翻译推导而来； (2) 从蛋白质数据库PIR挑选出合适的数据； (3) 从科学文献中摘录； (4) 研究人员直接提交的蛋白质序列数据 SWISS-PROT有三个明显的特点 :

  25. （1）注释 在SWISS-PROT中，数据分为核心数据和注释两大类。 核心数据包括： 序列数据、参考文献、分类信息（蛋白质生物来源的描述） 注释包括： （A)蛋白质的功能描述； (B)翻译后修饰； (C)域和功能位点，如钙结合区域、ATP结合位点等； (D)蛋白质的二级结构； (E)蛋白质的四级结构，如同构二聚体、异构三聚体等； (F)与其它蛋白质的相似性； (G)由于缺乏该蛋白质而引起的疾病； (H)序列的矛盾、变化等。

  26. （2 ）最小冗余 • 尽量将相关的数据归并，降低数据库的冗余程度。 • 如果不同来源的原始数据有矛盾，则在相应序列特征表中加以注释。 （3 ）与其它数据库的连接 • 对于每一个登录项，有许多指向其它数据库相关数据的 指针，这便于用户迅速得到相关的信息。 • 现有的交叉索引有： • 到EMBL核酸序列数据库的索引， • 到PROSITE模式数据库的索引， • 到生物大分子结构数据库PDB的索引等 。

  27. TrEMBL (http://www.ebi.ac.uk/trembl/index.html) 是与SWISS-PROT相关的一个数据库。 包含从EMBL核酸数据库中根据编码序列(CDS)翻译而得到的蛋白 质序列，并且这些序列尚未集成到SWISS-PROT数据库中。 TrEMBL有两个部分： （1）SP-TrEMBL(SWISS-PROT TrEMBL) 包含最终将要集成到SWISS-PROT的数据，所有的SP-TrEMBL 序列都已被赋予SWISS-PROT的 登录号。 （2）REM-TrEMBL(REMaining TrEMBL) 包括所有不准备放入SWISS-PROT的数据，因此这部分数据都没有 登录号。

  28. Example 进入网站，后在搜索栏里键入关键词，点击“ＧＯ”图标

  29. 在搜索结果里找需要的信息即可

  30. PIR (protein information resource)  1. 由美国NCBI翻译自GenBank的DNA序列(1984年)；  2. 在EMBL和GenBank数据库上均建立了镜像站点；  3.  数据依据注释的质量分为4类。 网址： http://www­nbrf.georgetown.edu/  PIR数据库的分类情况 (Release 51.03)  分类名称  (Name)  PIR1  PIR2  PIR3  PIR4  说明  (Comment)  已分类、已注释  (Classified and annotated)  已注释(Annotated)  未核实(Unverified)  未翻译(Unencoded or  untranslated)  记录数  (Number of entries)  13572  69368  7508  196 

  31. PIR（Protein Information Resource） § 目的： 帮助研究者鉴别和解释蛋白质序列信息， 研究分子进化、功能基因组。 § 它是一个全面的、经过注释的、非冗余的蛋白 质序列数据库。 § 所有序列数据都经过整理，超过99%的序列已 按蛋白质家族分类，一半以上还按蛋白质超家 族进行了分类。

  32. 除了蛋白质序列数据之外，PIR还包含以下信息：除了蛋白质序列数据之外，PIR还包含以下信息： (1)蛋白质名称、蛋白质的分类、蛋白质的来源 (2)关于原始数据的参考文献；  (3)蛋白质功能和蛋白质的一般特征，包括基因 表达、翻译后处理、活化等；  (4)序列中相关的位点、功能区域。

  33. PIR提供三种类型的检索服务: 一是基于文本的交互式查询， 用户通过关键字进行数据查询。 二是标准的序列相似性搜索，包括BLAST、FastA等。 三是结合序列相似性、注释信息 和蛋白质家族信息的高级搜索， 包括按注释分类的相似性搜索、 结构域搜索等。

  34. 三个子数据库

  35. 输入蛋白质代码1zni后search Example

  36. 4 、蛋白质结构数据库

  37. PDB （protein data bank ）  1. 目前最主要的蛋白质分子结构数据库；  2.  1970年代建立，美国Brookhaven国家实验室维护管理;  3.  1988年，由美国RCSB(research collaboratory for  structural biology)管理；  4.  以文本格式存放数据，包括原子坐标、物种来源、测定 方法、提交者信息、一级结构、二级结构等；  5.  PDBsum数据库：PDB注释信息综合数据库，具有检 索、分析、可视化的功能。  PDB的网址：http://www.rcsb.org/pdb(美国)  PDBsum的网址：http://www.biochem.ucl.ac.uk/bsm/pdbsum

  38. PDB（Protein Data Bank） PDB中含有通过实验（X射线晶体衍射，核磁共振 NMR）测定的生物大分子的三维结构  –蛋白质  –核酸  –糖类  –其它复合物 

  39. •  一种是隐式序列信息(implicit sequence)  PDB的隐式序列即为立体化学数据， 包括每个原子的名称和原子的三维坐标。 • 一种是显式序列信息（explicit sequence） • 在PDB文件中，以关键字SEQRES作为显式序列标记，以该关键字打头的每一行都是关于序列的信息。

  40. 以胰岛素（insulin）1zni为例 Example • 进入网站后，在搜索栏键入关键词insulin 后点击search键，得到如下页面

  41. 在搜索栏里输入蛋白质ＩＤ（PDB ID）1zni后搜索

  42. 用rasmol软件打开下载的1zni.pdb文件

  43. HPDB Example • 蛋白质数据库（HPDB），建于2004年，由河北大学建立和负责。 • 对每个蛋白质分子结构说明部分做了中文翻译（最新加入数据库的分子除外），内容包括分子结构定性描述、样品的来源、表达载体、宿主、化学分析方法、分子结构组成成分等。 • 支持中文查询。 HPDB数据库的网址：http://hpdb.hbu.cn/

  44. 直接输入汉字“胰岛素”后搜索

More Related