生物信息数据库-类型.ppt

《生物信息数据库-类型.ppt》由会员分享，可在线阅读，更多相关《生物信息数据库-类型.ppt（70页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、NCBI生物信息学生物信息学生物信息学生物信息学曹毅生命科学学院NCBI第二章第二章第二章第二章 生物信息数据库生物信息数据库生物信息数据库生物信息数据库数据库的类型NCBI*3第一节 引言生物分子数据生物分子数据高速增长高速增长 分子生物学分子生物学及相关领域研究人员及相关领域研究人员迅速获得最新实验数据迅速获得最新实验数据 建立生物分子数据库建立生物分子数据库 NCBI序列数据库结构数据库基因组数据库一次数据库一次数据库DNADNA序列序列序列序列蛋白质序列蛋白质序列蛋白质序列蛋白质序列蛋白质蛋白质蛋白质蛋白质结构结构结构结构人类基因组以及人类基因组以及人类基因组以及人类基因组以及其它生物

2、基因组其它生物基因组其它生物基因组其它生物基因组生物信息学数据库生物信息学数据库数据库管理系统数据库管理系统Oracle/sybaseOracle/sybase大型计算机服务器大型计算机服务器大容量磁盘空间大容量磁盘空间NCBI序列数据库序列数据库序列数据库序列数据库结构数据库结构数据库结构数据库结构数据库基因组数据库基因组数据库基因组数据库基因组数据库二次数据库二次数据库文献数据库文献数据库文献数据库文献数据库专家专家生物信息学数据库生物信息学数据库NCBI*6vv生物分子数据生物分子数据库应满库应满足足5 5个方面的主要需求个方面的主要需求v（1 1）时间时间性性v（2 2）注）注释释 v

3、（3 3）支撑数据）支撑数据 v（4 4）数据）数据质质量量 v（5 5）集成性）集成性 NCBI*7生物分子数据库几个明显的特征（1 1）数据库的更新速度不断加快）数据库的更新速度不断加快 数据量呈指数增长趋势数据量呈指数增长趋势 （2 2）数据库使用频率增长更快）数据库使用频率增长更快 （3 3）数据库的复杂程度不断增加）数据库的复杂程度不断增加 （4 4）数据库网络化）数据库网络化 （5 5）面向应用）面向应用（6 6）先进的软硬件配置）先进的软硬件配置NCBI*8vv生物分子数据生物分子数据库库 一级数据库一级数据库v数据库中的数据直接来源于实验获得的原始数据，只经过简单的数据库中的数

4、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归类整理和注释 二级数据库二级数据库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、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 。NCBI*9第二节第二节 核酸序列数据库核酸序列数据库n n国国国国际际际际上上上上权权权权威的核酸序列数据威的核酸序列数据威的核酸序列数据威的核酸序列数据库库库库 （1 1）欧洲分子生物学）欧洲分子生物学实验实验室的室的EMBL EMBL （2 2）美国生物技）美国生物技术术信息中

5、心的信息中心的GenBank GenBank （3 3）日本）日本遗传遗传研究所的研究所的DDBJ DDBJ NCBI1 1、核酸序列数据库、核酸序列数据库n n1988,1988,由由此此三三家家组组成成了了国国际际核核酸酸序序列列数数据据库库协协作作组组织织（INSDCINSDC），规规定定：数数据据交交换换与与共共享享（每每2424小小时时进进行行一一次次），使使用用统统一一的的数数据据记记录录格格式式处处理理提提交交数数据据，以以保保证证各各数数据据库库相相应应记记录录在在内内容容上上的的一一致致性性，数据的数据的维护维护与更新。与更新。n n三三个个数数据据库库中中的的数数据据基基本

6、本一一致致，仅仅在在数数据据格格式式上上有有所所差差别别，对对于于特特定的定的查询查询，三个数据，三个数据库库的响的响应结应结果一果一样样。n n 这这三三个个数数据据库库是是综综合合性性的的DNADNA和和RNARNA序序列列数数据据库库，每每条条记记录录代代表表一一个个单单独、独、连续连续、附有注、附有注释释的的DNADNA或或RNARNA片段。片段。NCBIGenBank：NCBIEMBL NCBIDDBJ NCBI22 November 2010Total nucleotides:301,588,430,608 NCBI22 November 2010Number of entries

7、:199,575,971 NCBINCBI*17NCBI*18“ID”为序列的标识符行，包括登录号、类型，分子的长度“AC”为登录号行；“XX”为分隔符号行；“DT”为创建和更新日期行“DE”为序列描述行；“KW”为关键字行；“OG”行描述细胞组织；“OS”行描述生物体种属；“OC”行描述生物体分类信息；“RN”描述参考文献的编号；“RP”描述参考文献的页码；“RA”描述参考文献的作者；“RT”描述参考文献的题目；“RL”描述参考文献的出处；“RC”描述参考文献的注解；“RX”、“DR”行描述交叉引用信息；“FH”为特征开始符号；“FT”为特征表行（1）Feature Key，它是描述域生物功

8、能的关键字；（2）Location，指明特征在序列中的特定位置；（3）Qualifiers，描述关于一个特征的辅助信息；文件体由序列本身所组成，由“SQ”标志的行开始。序列结束的标记是“/”。EMBL核酸数据库中的每一个序列数据被赋予一个登录号，它是一个永久性的唯一标识 EMBL的序列数据用外在的ASCII文本文件来表示，而每一个文件分为文件头和文件体两大部分 文件头由一系列的信息描述行所组成，文件头实际上对应于一个序列的注释（annotation）NCBI*19使用使用EMBL（1）CD-ROM形式（2）ftp服务器（3）Gopher服务器（4）WWW服务器这是目前最常用的一种形式 NCBI

9、*20EMBL提供一些与序列相关的提供一些与序列相关的检检索操作（基于索操作（基于3W服服务务器）器）（1）序列查询最简单的查询就是通过序列的登录号（如X58929）或序列名称（如SCARGC）直接查询。（2）核酸同源性搜索）核酸同源性搜索3W服务器支持用户使用FastA程序进行核酸同源搜索。FastA根据给定的目标序列在数据库中搜索其同源序列。NCBI*21n n基因基因基因基因组组组组数据数据数据数据库库库库（GDBGDB）n n人人人人类类类类基因基因基因基因组组组组数据数据数据数据库库库库EnsemblEnsembln n表达序列表达序列标记标记数据数据库库dbESTdbESTn n面

10、向基因聚面向基因聚面向基因聚面向基因聚类类类类数据数据数据数据库库库库UniGeneUniGeneNCBI*222、基因组数据库（基因组数据库（GDBGDB）人类基因组计划所得到的图谱数据人类基因组计划所得到的图谱数据 目前GDB包含对下述三种对象的描述：（1）人类基因组区域 包括基因、克隆、PCR标记物、断点、细胞遗传学标记、易碎位点、EST、综合区域、contigs、重复等；（2）人类基因组图谱，包含细胞遗传学图谱、连接图谱、辐射混合图谱、contig 图谱、集成图谱，所有这些图谱都可以被直观地显示出来；（3）人类基因组中的变化，包括基因突变和基因多态性，加上等位基因频率数据。NCBI*2

11、3与染色体相关的信息NCBI*24其它模式生物基因组数据库如：如：鼠基因组数据库鼠基因组数据库 MGDMGD（）（）酵母基因组数据库酵母基因组数据库 SGDSGD（）（）NCBI*25Ensembl(Ensembl(）3 3 3 3、人类基因组数据库、人类基因组数据库、人类基因组数据库、人类基因组数据库EnsemblEnsemblEnsemblEnsemblEnsembl包括所有公开的人包括所有公开的人类类基因基因组组DNA序列，通序列，通过过注注释释形形成的关于序列的特征。成的关于序列的特征。现现在包括其他基因在包括其他基因组组，如大鼠、小鼠、，如大鼠、小鼠、线线虫、果虫、果蝇蝇等。等。例如

12、：基例如：基因因通通过实验发现过实验发现的的或者是通或者是通过过GenScan程序程序预测预测的的其他的特征：其他的特征：单单核苷酸多核苷酸多态态性（性（SNP）、重复序列等）、重复序列等NCBI*26Ensembl 数据库结构图 NCBI*27Ensembl提供多种查询方式 通过关键字查询用BLAST进行相似序列的搜索 另一种更直观的方式是显示各染色体用户可以在染色体水平上选择感兴趣的位点，逐层放大浏览整个基因组NCBI*28NCBI*29人的第人的第9号染号染色体及大鼠对色体及大鼠对应的染色体片应的染色体片段段NCBI*304、表达序列标记数据库dbESTEST（Expressed Seq

13、uence Tags）方法已被证明是识别转录序列的最有效方法，EST序列大约覆盖了人类基因的90%。DbEST(）是GenBank的一个部分，该数据库包括不同生物的EST序列数据及其它相关信息，主要是从大量不同组织和器官得到的短mRNA片段。WEB页面或emailFTP有关EST的数据dbEST数据库NCBI*315、面向基因聚类数据库、面向基因聚类数据库UniGeneUniGene(http:/www.ncbi.nlm.nih.gov/UniGene/)数据库将GenBank中的序列进行自动分类，形成面向基因群的非冗余集合。每个UniGene群包含:代表一个唯一基因的多个序列，附有该基因相关

14、的信息，如基因表达的组织类型、定位图谱除了基因的序列之外，还包括大量的EST序列。目前，UniGene中包括人类、大鼠、小鼠、牛的相关数据，因为这些生物有大量的EST数据。NCBI*32第三节第三节 蛋白质序列数据库蛋白质序列数据库n n目的：目的：目的：目的：帮助研究者鉴别和解释蛋白质序列信息，帮助研究者鉴别和解释蛋白质序列信息，帮助研究者鉴别和解释蛋白质序列信息，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。研究分子进化、功能基因组。研究分子进化、功能基因组。研究分子进化、功能基因组。n n它是一个全面的、经过注释的、非冗余的蛋白质序列数据它是一个全面的、经过注释的、非冗余

15、的蛋白质序列数据它是一个全面的、经过注释的、非冗余的蛋白质序列数据它是一个全面的、经过注释的、非冗余的蛋白质序列数据库。库。库。库。n n所有序列数据都经过整理，超过所有序列数据都经过整理，超过所有序列数据都经过整理，超过所有序列数据都经过整理，超过99%99%99%99%的序列已按蛋白质家的序列已按蛋白质家的序列已按蛋白质家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。族分类，一半以上还按蛋白质超家族进行了分类。族分类，一半以上还按蛋白质超家族进行了分类。族分类，一半以上还按蛋白质超家族进行了分类。1 1、PIRPIR（Protein Information Resource

16、Protein Information Resource）NCBI*33除了蛋白除了蛋白除了蛋白除了蛋白质质质质序列数据之外，序列数据之外，序列数据之外，序列数据之外，PIRPIR还还还还包含以下信息：包含以下信息：包含以下信息：包含以下信息：(1)(1)蛋白蛋白蛋白蛋白质质质质名称、蛋白名称、蛋白名称、蛋白名称、蛋白质质质质的分的分的分的分类类类类、蛋白、蛋白、蛋白、蛋白质质质质的来源；的来源；的来源；的来源；(2)(2)关于原始数据的参考文献；关于原始数据的参考文献；关于原始数据的参考文献；关于原始数据的参考文献；(3)(3)蛋白蛋白蛋白蛋白质质质质功能和蛋白功能和蛋白功能和蛋白功能和蛋白

17、质质质质的一般特征，包括基因表达、翻的一般特征，包括基因表达、翻的一般特征，包括基因表达、翻的一般特征，包括基因表达、翻译译译译后后后后处处处处理、活化等；理、活化等；理、活化等；理、活化等；(4)(4)序列中相关的位点、功能区域。序列中相关的位点、功能区域。序列中相关的位点、功能区域。序列中相关的位点、功能区域。NCBI*34PIR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。NCBI*35三个子数据库NCB

18、I*362、SWISS-PROT SWISS-PROT(）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 NCBI*37 （1）注释注释在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；(D)蛋白质的二级结构；(E)蛋白质的四级结构；(F)与其它

19、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。SWISS-PROT有三个明显的特点：（2）最小冗余）最小冗余（3）与其它数据库的连接）与其它数据库的连接NCBI*38NCBI*39NCBI*40 提交序列数据提交序列数据（a）编辑电编辑电子表格子表格（b)利用利用Authorin程序程序（c）WWW服服务务器器 使用使用SWISS-PROT（a）CD-ROM形式形式（b）ftp服服务务器器（c）Gopher服服务务器器（d）WWW服服务务器（器（SRS）与序列相关的操作与序列相关的操作（a）序列）序列查询查询（b）搜索同源蛋白）搜索同源蛋白质质序列序列NCBI*

20、41TrEMBL()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)（2）REM-TrEMBL(REMaining TrEMBL)3、TrEMBLNCBI*42第四节第四节 生物大分子结构数据库生物大分子结构数据库1 1、PDBPDB（Protein Data BankProtein Data Bank）蛋白蛋白质质核酸核酸糖糖类类其它复合物其它复合物 n n一种是一种是显显式序列信息（式序列信息（explicit sequencee

21、xplicit sequence）n n一种是一种是隐隐式序列信息式序列信息(implicit sequence)(implicit sequence)NCBI*43Current Holding DataSubmit DataKeyword SearchIntroduction to selected molecular DataNCBI*44Download DataPDB File FormatRelated SoftwareNCBI*45HEADER HYDROLASE 19-FEB-97 1ADZ TITLE THE SOLUTION STRUCTURE OF THE SECOND

22、KUNITZ DOMAIN OF TITLE 2 TISSUE FACTOR PATHWAY INHIBITOR,NMR,30 STRUCTURES COMPND MOL_ID:1;COMPND 2 MOLECULE:TISSUE FACTOR PATHWAY INHIBITOR;。COMPND 8 BIOLOGICAL_UNIT:MONOMER SOURCE MOL_ID:1;。SOURCE 7 EXPRESSION_SYSTEM_PLASMID:PFLAG KEYWDS HYDROLASE,INHIBITOR,COAGULATION EXPDTA NMR,30 STRUCTURES AUT

23、HOR M.J.M.BURGERING,L.P.M.ORBONS REVDAT 1 25-FEB-98 1ADZ 0 JRNL AUTH M.J.BURGERING,L.P.ORBONS,A.VAN DER DOELEN,。REMARK 1 REFERENCE 1 REMARK 1 AUTH M.T.STUBBS II REMARK 1 TITL STRUCTURAL ASPECTS OF FACTOR XA INHIBITION 。REMARK 999 SEQUENCE REMARK 999 1ADZ SWS P10646 1-111 NOT IN ATOMS LIST REMARK 999

24、 1ADZ SWS P10646 183-304 NOT IN ATOMS LIST REMARK 999 THE FIRST NINE RESIDUES ARE NOT PART OF THE TFPI DOMAIN II REMARK 999 SEQUENCE BUT ARE FROM THE PFLAG PEPTIDE CLONING VECTOR.DBREF 1ADZ 1 71 SWS P10646 TFPI_HUMAN 112 182 SEQADV 1ADZ ASP 1 SWS P10646 ILE 112 ENGINEERED SEQADV 1ADZ TYR 2 SWS P1064

25、6 ILE 113 ENGINEERED SEQRES 1 71 ASP TYR LYS ASP ASP ASP ASP LYS LEU LYS PRO ASP PHE SEQRES 2 71 CYS PHE LEU GLU GLU ASP PRO GLY ILE CYS ARG GLY TYR SEQRES 3 71 ILE THR ARG TYR PHE TYR ASN ASN GLN THR LYS GLN CYS SEQRES 4 71 GLU ARG PHE LYS TYR GLY GLY CYS LEU GLY ASN MET ASN SEQRES 5 71 ASN PHE GLU

26、 THR LEU GLU GLU CYS LYS ASN ILE CYS GLU SEQRES 6 71 ASP GLY PRO ASN GLY PHE HELIX 1 1 ASP 12 PHE 15 5 4 HELIX 2 2 ASN 34 THR 36 5 3 HELIX 3 3 LEU 57 ILE 63 1 7 SHEET 1 A 2 ARG 29 ASN 33 0 SHEET 2 A 2 GLN 38 PHE 42-1 N PHE 42 O ARG 29 CRYST1 1.000 1.000 1.000 90.00 90.00 90.00 P 1 1 ORIGX1 1.000000

27、0.000000 0.000000 0.00000 ORIGX2 0.000000 1.000000 0.000000 0.00000 ORIGX3 0.000000 0.000000 1.000000 0.00000 SCALE1 1.000000 0.000000 0.000000 0.00000 SCALE2 0.000000 1.000000 0.000000 0.00000 SCALE3 0.000000 0.000000 1.000000 0.00000 图4.5 PDB文件 PDB文件 示意NCBI*46显示分子结构（显示分子结构（RasMol RasMol，ChemView C

28、hemView）NCBI*472、MMDB(Molecular Modeling Database)n n分子模型分子模型分子模型分子模型MMDB MMDB 是（是（是（是（NCBINCBI）所开）所开）所开）所开发发发发的生物信息数据的生物信息数据的生物信息数据的生物信息数据库库库库集集集集成系成系成系成系统统统统EntrezEntrez的一个部分，数据的一个部分，数据的一个部分，数据的一个部分，数据库库库库的内容包括来自于的内容包括来自于的内容包括来自于的内容包括来自于实验实验实验实验的生物大分子的生物大分子的生物大分子的生物大分子结结结结构数据。构数据。构数据。构数据。n n与与与与PD

29、BPDB相比，相比，相比，相比，对对对对于数据于数据于数据于数据库库库库中的每一个生物大分子中的每一个生物大分子中的每一个生物大分子中的每一个生物大分子结结结结构，构，构，构，MMDBMMDB具有具有具有具有许许许许多附加的信息，如分子的生物学功能、多附加的信息，如分子的生物学功能、多附加的信息，如分子的生物学功能、多附加的信息，如分子的生物学功能、产产产产生生生生功能的机制、分子的功能的机制、分子的功能的机制、分子的功能的机制、分子的进进进进化化化化历历历历史等史等史等史等 。n n还还还还提供生物大分子三提供生物大分子三提供生物大分子三提供生物大分子三维结维结维结维结构模型构模型构模型构模

30、型显显显显示、示、示、示、结结结结构分析和构分析和构分析和构分析和结结结结构比构比构比构比较较较较工具。工具。工具。工具。NCBI*48MMDB 实用工具NCBI*49第五节第五节 其它生物分子数据库其它生物分子数据库n n单碱基多态性数据库单碱基多态性数据库单碱基多态性数据库单碱基多态性数据库dbSNP dbSNP dbSNP dbSNP n n蛋白质结构分类数据库蛋白质结构分类数据库蛋白质结构分类数据库蛋白质结构分类数据库SCOPSCOPSCOPSCOPn n蛋白质二级结构数据库蛋白质二级结构数据库蛋白质二级结构数据库蛋白质二级结构数据库DSSPDSSPDSSPDSSPn n蛋白质同源序列

31、比对数据库蛋白质同源序列比对数据库蛋白质同源序列比对数据库蛋白质同源序列比对数据库HSSPHSSPHSSPHSSPn n人类基因和遗传疾病的分类数据库人类基因和遗传疾病的分类数据库人类基因和遗传疾病的分类数据库人类基因和遗传疾病的分类数据库 OMIMOMIMOMIMOMIMNCBI*50n n真核基因启真核基因启真核基因启真核基因启动动动动子数据子数据子数据子数据库库库库EPDEPDn n基因基因基因基因调调调调控信息的集成数据控信息的集成数据控信息的集成数据控信息的集成数据库库库库TRRDTRRDn n真核基因真核基因真核基因真核基因顺顺顺顺式式式式调调调调控元件和反式作用因子数据控元件和反

32、式作用因子数据控元件和反式作用因子数据控元件和反式作用因子数据库库库库n nTRANSFACTRANSFACn n人和老鼠基因表达信息数据人和老鼠基因表达信息数据人和老鼠基因表达信息数据人和老鼠基因表达信息数据库库库库BODYMAPBODYMAPn n蛋白蛋白蛋白蛋白质质质质家族和家族和家族和家族和结结结结构域数据构域数据构域数据构域数据库库库库PROSITEPROSITEn n京都基因和基因京都基因和基因京都基因和基因京都基因和基因组组组组百科全百科全百科全百科全书书书书n n生物信息数据生物信息数据生物信息数据生物信息数据库库库库的目的目的目的目录录录录数据数据数据数据库库库库DBCatD

33、BCatn n生物学、医学文献引用数据生物学、医学文献引用数据生物学、医学文献引用数据生物学、医学文献引用数据库库库库PubMedPubMedNCBI*51n n核酸序列核酸序列变变化化单单碱基多碱基多态态性性SNPsSNPs（Single nucleotide polymorphismsSingle nucleotide polymorphisms）n nSNPsSNPs对对人人类遗传类遗传学研究和医学学研究和医学应应用具有重要的意用具有重要的意义义无无论对论对于人于人类类种群种群遗传遗传学的研究，学的研究，还还是是对对疾病性状分析或个体疾病性状分析或个体化医化医疗疗，都需要深入地研究，都需

34、要深入地研究SNPsSNPs。1、单碱基多态性数据库dbSNP（http:/www3.ncbi.nlm.nih.gov/SNP/)，NCBI*52单倍型数据NCBI*532 2、蛋白质结构分类数据库、蛋白质结构分类数据库SCOPSCOPn nSCOPSCOP数据库数据库 (）的目标是提供关于已知结构的蛋白质之间）的目标是提供关于已知结构的蛋白质之间结构和进化关系的详细描述，包括蛋白质结构数据库结构和进化关系的详细描述，包括蛋白质结构数据库PDBPDB中中的所有条目。的所有条目。n nSCOPSCOP数据库除了提供蛋白质结构和进化关系信息外，对于每数据库除了提供蛋白质结构和进化关系信息外，对于每

35、一个蛋白质还包括下述信息：到一个蛋白质还包括下述信息：到PDBPDB的连接，序列，参考文的连接，序列，参考文献，结构的图像等。献，结构的图像等。n n可以按结构和进化关系对蛋白质分类，分类结果是一个具有可以按结构和进化关系对蛋白质分类，分类结果是一个具有层次结构的树，其主要的层次是家族、超家族和折叠层次结构的树，其主要的层次是家族、超家族和折叠:(1)(1)家族：具有明显的进化关系家族：具有明显的进化关系 (2)(2)超家族：具有远源进化关系，具有共同的进化源超家族：具有远源进化关系，具有共同的进化源 (3)(3)折叠类：主要结构相似折叠类：主要结构相似NCBI*54NCBI*553 3、蛋白

36、质二级结构数据库、蛋白质二级结构数据库DSSPDSSPn nDSSPDSSP（）（）是一个二是一个二级结级结构推构推导导数据数据库库。对对生物大分子数据生物大分子数据库库PDBPDB中的任何一个蛋白中的任何一个蛋白质质，根据其三，根据其三维结维结构构推推导导出出对应对应的二的二级结级结构。构。n n研究蛋白研究蛋白质质序列与蛋白序列与蛋白质质二二级结级结构及空构及空间结间结构的关系构的关系n n除了二除了二级结级结构以外，构以外，DSSPDSSP还还包括蛋白包括蛋白质质的几何特征及溶的几何特征及溶剂剂可及表面。可及表面。NCBI*56The DSSP codeH=alpha helix B=r

37、esidue in isolated beta-bridge E=extended strand,participates in beta ladder G=3-helix(3/10 helix)I=5 helix(pi helix)T=hydrogen bonded turn S=bend 例：NCBI*574 4、蛋白质同源序列比对数据库、蛋白质同源序列比对数据库HSSPHSSPn nHSSP(HSSP(）n n二二级级数据数据库库。n n数据来源于数据来源于PDBPDB，或来源于，或来源于SWISS-PROT SWISS-PROT n n对对于于PDBPDB中的每一个蛋白中的每一个蛋白质

38、质，HSSPHSSP将与其同源的所有蛋白将与其同源的所有蛋白质质序列序列对对比排列起来，从而将相似序列的蛋白比排列起来，从而将相似序列的蛋白质质聚集成聚集成结结构同源的家族。构同源的家族。n nHSSPHSSP有助于分析蛋白有助于分析蛋白质质的保守区域，研究蛋白的保守区域，研究蛋白质质的的进进化关化关系，有助于蛋白系，有助于蛋白质质的分子的分子设计设计。NCBI*58From PDBFrom Swiss-prot多重序列比对多重序列比对已知结构 未知结构NCBI*595、OMIMn nOMIM(Online Mendelian Inheritance in Man),OMIM(Online M

39、endelian Inheritance in Man),是关于人是关于人类类基基因和因和遗传遗传疾病的分疾病的分类类数据数据库库 。该该数据数据库库收集了已知的人收集了已知的人类类基因及由于基因及由于这这些基因突些基因突变变或者缺失而或者缺失而导导致的致的遗传遗传疾病。疾病。n nOMIMOMIM的使用非常方便的使用非常方便查询查询程序根据程序根据输输入到入到检检索窗口的一个或几个索窗口的一个或几个词执词执行行简单简单的的查询查询，返回含有返回含有该词该词的文档的列表，用的文档的列表，用户户可以在列表中可以在列表中选择选择一个或更多一个或更多的异常的异常查查看其看其OMIMOMIM记录记录的

40、全文的全文 http:/www.ncbi.nlm.nih.gov:80/entrez/query.fcgi?db=OMIM NCBI*60浏览染色体浏览染色体NCBI*616、EPDn nEPD()EPD()n n是真核基因启是真核基因启动动子数据子数据库库提供从提供从EMBLEMBL中得到的真核基因的启中得到的真核基因的启动动子序列，目子序列，目标标是帮是帮助助实验实验研究人研究人员员、生物信息学研究人、生物信息学研究人员员分析真核基因的分析真核基因的转转录录信号。信号。NCBI*627、TRRDn nTRRDTRRD是一个关于基因是一个关于基因调调控信息的集成数据控信息的集成数据库库，该该

41、数据数据库库搜集真核生搜集真核生物基因物基因转录调转录调控区域控区域结结构和功能的信息。构和功能的信息。每一个每一个TRRDTRRD的条目的条目对应对应于一个基因，包含特定基因各种于一个基因，包含特定基因各种结结构功能特性构功能特性 n n包括七个相关的数据表：包括七个相关的数据表：（1 1）基因描述表）基因描述表TRRDGENES TRRDGENES（2 2）控制区域表）控制区域表TRRDLCR TRRDLCR（3 3）调调控区域表控区域表TRRDUNITS TRRDUNITS（4 4）转录转录因子因子结结合位点表合位点表TRRDSITES TRRDSITES（5 5）转录转录因子表因子表T

42、RRDFACTORS TRRDFACTORS（6 6）表达模式表）表达模式表TRRDEXP TRRDEXP（7 7）实验实验来源表来源表TRRDBIB TRRDBIB NCBI*638、TRANSFACn nTRANSFAC TRANSFAC（）是真核基因（）是真核基因顺顺式式调调控元件和反式作用因控元件和反式作用因子数据子数据库库，数据搜集的，数据搜集的对对象从酵母到人象从酵母到人类类 n nTRANSFACTRANSFAC包括包括6 6类类数据数据 ：（1 1）SITESITE类类数据数据 （2 2）GENEGENE类类数据数据 （3 3）FACTORFACTOR类类数据数据 （4 4）C

43、ELLCELL类类数据数据 （5 5）CLASSCLASS类类数据数据 （6 6）MATRIXMATRIX数据数据 NCBI*649、BODYMAPn nBODYMAP(BODYMAP(）n n是关于人和老鼠基因表达信息的数据是关于人和老鼠基因表达信息的数据库库，基因表达数据来，基因表达数据来自于不同自于不同组织组织、不同、不同细细胞以及不同胞以及不同时时刻。刻。这这里的基因表达里的基因表达数据数据实际实际上是上是33端的端的ESTEST。n n通通过过分析分析这这些数据，用些数据，用户户可以初步掌握基因活性，了解可以初步掌握基因活性，了解组组织织中中mRNAmRNA的的组组成，研究基因表达成

44、，研究基因表达规规律律,发现发现新的基因新的基因 。NCBI*6510、PROSITEn nPROSITE()PROSITE()是蛋白是蛋白质质家族和家族和结结构域数据构域数据库库，包含具有生物学，包含具有生物学意意义义的位点、模式、可帮助的位点、模式、可帮助识别识别蛋白蛋白质质家族的家族的统计统计特征。特征。n nPROSITEPROSITE中涉及的序列模式包括中涉及的序列模式包括酶酶的催化位点、配体的催化位点、配体结结合位合位点、与金属离子点、与金属离子结结合的残基、二硫合的残基、二硫键键的半胱氨酸、与小分子的半胱氨酸、与小分子或其它蛋白或其它蛋白质结质结合的区域等。合的区域等。n nPR

45、OSITEPROSITE还还包括根据多序列比包括根据多序列比对对而构建的序列而构建的序列统计统计特征，能特征，能更敏感地更敏感地发现发现一个序列是否具有相一个序列是否具有相应应的特征。的特征。NCBI*6611.KEGG n nPATHWAY PATHWAY 整合当前在分子互动网络（比如通道，联合体）的知识整合当前在分子互动网络（比如通道，联合体）的知识n nGENES/SSDB/KO GENES/SSDB/KO 提供关于在基因组计划中发现的基因和蛋白质的相关知识，提供关于在基因组计划中发现的基因和蛋白质的相关知识，n nCOMPOUND/GLYCAN/REACTIONCOMPOUND/GLY

46、CAN/REACTION 提供生化复合物及反应方面的知识提供生化复合物及反应方面的知识 （）利用基因信息对更高层次和更复杂细胞活动和生物体行为作出计算推测 NCBI*6712、DBCatn nDBCatDBCat是生物信息数据是生物信息数据库库的目的目录录数据数据库库，它收集了，它收集了500500多个生多个生物信息学数据物信息学数据库库的信息，并根据它的信息，并根据它们们的的应应用用领领域域进进行了分行了分类类DNADNARNARNA蛋白蛋白质质基因基因组组图谱图谱蛋白蛋白质结质结构构文献著作等基本文献著作等基本类类型，型，（）NCBI*68DBCat中分中分类类数据数据库库个数个数 数据对

47、象数据库个数DNA87RNA29Protein94Genomic58Mapping29Protein structure18Literature43Miscellaneous153NCBI*6913、PubMedn nPubMedPubMed（）是是NCBINCBI维维护护的的生生物物学学、医医学学文文献献引引用用数数据据库库，提提供供对对MEDLINEMEDLINE、Pre-MEDLINEPre-MEDLINE等等文文献献数数据据库库的的引引用用查查询询和和对对大量网大量网络络科学科学类电类电子期刊的子期刊的链链接。接。n n利用利用EntrezEntrez系系统统可以可以对对PubMedPubMed进进行方便的行方便的查询检查询检索。索。NCBI*70 Thanks a lot！