1第三章

生物信息學數據庫2內容提要主要的生物信息中心生物信息數據庫常見序列格式數據庫信息檢索系統向數據庫提交數據3主要的生物信息中心4主要生物信息中心NCBI美國國家生物技術信息中心，NationalCenterforBiotechnologyInformationNCBI管理著GenBank、UniGene、dbSNP等數據庫，提供Entrez、BLAST等數據庫檢索工具EBI，歐洲生物信息學研究所，EuropeanBioinformaticsInstitute1994年成立于英國劍橋，其前身為位于德國海德堡的歐洲分子生物學實驗室的信息部門。EBI接受了原來EMBL數據庫的管理和維護，并且是歐洲分子生物學網(EMBnet)的一個特別節點。http://www.ebi.ac.uk/EMBnet,歐洲分子生物學信息網建立于1988年，在荷蘭注冊。中國在1996年加入其成員國，EMBnet的中國節點設在北京大學生物信息中心PKUCBI。/5主要生物信息中心EMBL，歐洲分子生物學實驗室，EuropeanMolecularBiologyLaboratory主要實驗室設在德國海德堡http://www.embl-heidelberg.deNIG日本國立遺傳學研究所，NationalInstituteofGenetics維護和管理日本DNA數據庫DDBJ。該數據庫首先反映日本產生的數據，同EMBL、GenBank有合作關系。http://www.ddbj.nig.ac.jp6生物信息數據庫2023/2/57生物分子數據高速增長分子生物學及相關領域研究人員迅速獲得最新實驗數據建立生物分子數據庫2023/2/5生物信息學概論講義8生物信息數據庫生物信息數據庫的特點數據庫的更新速度不斷加快，數據量呈指數增長趨勢數據庫種類的多樣性。生物信息學各類數據庫幾乎覆蓋了生命科學的各個領域核酸序列數據庫蛋白質序列數據庫蛋白質、核酸、多糖三維結構數據庫基因組數據庫……..

9生物信息數據庫生物信息數據庫的特點數據庫的復雜性增加、層次加深數據庫之間相互引用，如PDB與文獻庫、蛋白質二級數據庫、蛋白質結構分類數據庫、蛋白折疊庫等十幾種數據庫直接關聯數據庫使用高度計算機化和網絡化幾乎所有的數據庫都可以在國際互聯網上訪問有的系統則將多個生物信息數據庫整合在一起，形成集成的生物信息數據庫系統

2023/2/5生物信息學概論講義10生物信息數據庫生物信息數據庫的特點面向應用各個數據庫服務器除了提供數據，還提供許多分析工具核酸數據庫提供的序列搜索基因識別程序蛋白質結構數據庫提供的結構比較程序結構模擬程序………

2023/2/5生物信息學概論講義11生物信息數據庫生物信息數據庫分類一次數據庫(primarydatabase)直接來源于實驗獲得的原始數據，只經過簡單的歸類整理和注釋

基本數據庫或初始數據庫三類一次數據庫基因組數據庫

核酸和蛋白質一級結構序列數據庫生物大分子（主要是蛋白質）三維空間結構數據庫

2023/2/5生物信息學概論講義12生物信息數據庫生物信息數據庫分類二次數據庫(secondarydatabase)

對原始生物信息數據進行分析、整理、歸納而形成的數據庫二次數據庫種類繁多以核酸數據庫為基礎構建的二次數據庫以蛋白質序列數據庫為基礎構建的二次數據庫以具有特殊功能的蛋白質為基礎構建的二次數據庫以三維結構原子坐標為基礎構建的數據庫……2023/2/513生物信息學數據庫工具生物信息數據庫染色體核酸蛋白質基因組圖譜DNA序列蛋白質序列蛋白質結構基因組數據庫核酸序列數據庫蛋白質序列數據庫蛋白質結構數據庫二級數據庫復合數據庫基因組作圖序列測定結構測定14從1994年開始，牛津大學出版的“核酸研究(NucleicAcidsResearch)”每年第一期是生物數據庫專輯，對每一個數據庫的性質、內容和更新狀況進行綜合描述。http://www.oup.co.uk/nar/15NAR對數據庫的分類(2006)DNA序列庫/NucleotideSequenceDatabasesRNA序列庫/RNAsequencedatabases蛋白質序列庫/Proteinsequencedatabases結構數據庫/StructureDatabases基因組數據庫/GenomicsDatabases(non-vertebrate)代謝與信號轉導/MetabolicandSignalingPathways人類及其它脊椎動物基因組/HumanandotherVertebrateGenomes人類基因與疾病/HumanGenesandDiseases芯片數據及表達數據/MicroarrayDataandotherGeneExpressionDatabases蛋白質組資源/ProteomicsResources其它分子生物學庫/OtherMolecularBiologyDatabases細胞器數據/Organelledatabases植物數據庫/Plantdatabases免疫學數據庫/Immunologicaldatabases16GenBank美國國家生物技術信息中心的數據庫提供Entrez檢索工具、BLAST序列搜索等服務17EMBL/EBIEMBLDatabase歐洲分子生物學實驗室(EuropeanMolecularBiologyLaboratory)核酸序列數據庫，為歐洲最主要的核酸序列數據庫，世界兩大核酸數據庫之一。目前此數據庫由其分支機構—EBI(theEuropeanBioinformaticsInstitute，歐洲生物情報研究所)維護。北京大學已建立了EMBL中國鏡像數據庫，將該數據庫移植到中國本地，并提供部分的檢索服務http://www.I/mirror/mirror.html18EMBL/EBI19蛋白質序列數據庫UniProtKB/Swiss-Prot蛋白序列數據庫，由日內瓦大學醫學生物化學系(theDepartmentofMedicalBiochemistryoftheUniversityofGeneva)與EMBL(EuropeanMolecularBiologyLaboratory，歐洲分子生物學實驗室)共同維護UniProtKB/Swiss-Prot是對數據人工審讀很嚴格的數據庫，只有實際存在的蛋白質才被收入，每一條數據都有詳細的注釋，包括功能、結構域、翻譯后的修飾等，以及齊全的引文和相關鏈接。http://www.expasy.ch/sprot(北京大學生物信息中心也有鏡像)20蛋白質序列數據庫PIR(ProteinIdentificationResource)維護者為美國華盛頓的全國生物醫學研究基金(NBRF)、德國馬普學會的慕尼黑蛋白質序列信息中心(MIPS)和日本國際蛋白質序列數據庫(JIPID)。包含所有序列已知的自然界中野生型蛋白質的信息，該數據庫的主要目的是提供按同源性和分類學組織的綜合的、非冗余的數據庫。每周更新，每季度發行新版。內容分為四級，即：PIR1(完全分類清楚);PIR2(已檢查和分類);PIR3(未檢查);PIR4(未解碼翻譯)。/

21蛋白質序列數據庫22結構數據庫PDB:/

23文獻數據庫文獻數據庫包含已發表的科技論文的題錄和摘要，有時也提供全文及圖表等信息。可通過標題、文摘、關鍵字或正文、作者、作者單位等字段對文獻數據庫進行檢索。MEDLINE/PubMedISIWebofScienceScienceDirect24文獻數據庫MEDLINE/PubMed文獻數據庫PubMed是NCBI提供的對MEDLINE數據庫的在線訪問服務。PubMed包含了世界上70多個國家出版的4600多種生物醫學期刊的文獻引用和作者信息，總共超過1200萬條文獻引用信息，早期的數據可至20世紀60年代中期。OLDMEDLINE包含150多萬條從1953到1965年間的國際生物醫學期刊文獻引用和原文/PubMed/

25文獻數據庫26文獻數據庫ISIWebofScience通常所說的SCI是其中的一部分我校圖書館有訂閱/

ScienceDirectElsevierScience出版公司的ScienceDirect系統，收錄1,200多種全文電子期刊，學科涵蓋數學、物理、化學、天文學、醫學、生命科學、商業及經濟管理、計算機科學、工程技術、能源科學、環境科學、材料科學、社會科學等。

2728常見序列格式29A-->adenosine/腺嘌呤

M-->AC(amino,氨基)C-->cytidine/胞嘧啶

S-->GC(strong,強鍵)G-->guanine/鳥嘌呤

W-->AT(weak,弱鍵)T-->thymidine/胸腺嘧啶

B-->GTCU-->uridine/尿嘧啶

D-->GATR-->GA(purine,嘌呤) H-->ACTY-->TC(pyrimidine,嘧啶) V-->GCAK-->GT(keto,酮基) N-->AGCT(任意堿基)-gapofindeterminatelength核苷酸IUB/IUPAC代碼NomenclatureandSymbolismforAminoAcidsandPeptideshttp://www.chem.qmul.ac.uk/iupac/AminoAcid/

30Aalanine PprolineBaspartateorasparagines QglutamineCcystine RarginineDaspartate SserineEglutamate TthreonineFphenylalanine UselenocysteineGglycine VvalineHhistidine WtryptophanIisoleucine YtyrosineKlysine ZglutamateorglutamineLleucine XanyMmethionine *translationstopNasparagine -gapofindeterminatelength氨基酸IUB/IUPAC代碼311.RAW序列格式原始序列數據，序列可以是一行也可以是多行，行的長度沒有限制。TTTGATGAAAATCGCTTAGGCCTTGCTCTTCAAACAATCCAGCTTCTTTCACTCTCAAGTTGCAAGAAGCAAGTGTAGCAATGTGCACGCGACAGCCGGGTGTGTGACGCTGGCCAATCAGAGCGCAGAGCTCCGAAAGTTTACCTTTTATGGCTAGAGCCGGCATCTGCCATATAAAAGAGCGCGCCCAGCGTCTCAGCCTCACTTTGAGCACACGCAGCTAGTGCGGAATATCATCTGCCTGTAACCCATTCTCTAAAGTCGACAAACCCCCCCAAACCTAAGGTGAGTTGATCT322.FASTA格式FASTA序列的第一行為描述行描述行的第一個字符必須是大于號“>”，后面可以是任何一個字符串，可以只是序列的名字或者訪問號，也可以包含很多的信息例如GenBank中檢索出的FASTA格式序列通常會把序列的LOCUS、訪問號、以及GenBank格式中的DEFINITION行都寫進去從第二行開始是序列數據序列數據中間可以用回車符分割，序列數據中間不可以有空行。序列中可以使用標準IUB/IUPAC代碼來表示簡并性堿基和氨基酸殘基。通常核苷酸符號大小寫均可，而氨基酸一般用大寫字母，有些程序對大小寫有明確要求。一個FASTA文件里面可以包含多個序列。33FASTA格式示例單個序列核酸序列氨基酸序列34FASTA格式示例多個序列>gi|114736|sp|P22063|AXO1_RATContactin2precursor(Axonin-1)(AxonalglycoproteinTAG-1)(Transientaxonalglycoprotein1)(TAX-1)MGTHARKKASLLLLVLATVALVSSPGWSFAQGTPATFGPIFEEQPIGLLFPEESAEDQVTLACRARASPP……KPPPRRPPGNISWTFSSSSLSLKWDPVVPLRNESTVTGYKMLYQNDLHPTPTLHLTSKNWIEIPVPEDIGHALVQIRTTGPGGDGIPAEVHIVRNGGTSMMVESAAARPAHPGPAFSCMVILMLAGYQKL>gi|127857|sp|P13592|NCA2_HUMANNeuralcelladhesionmolecule1,120kDaisoformprecursor(N-CAM120)(NCAM-120)(CD56antigen)MLQTKDLIWTLFFLGTAVSLQVDIVPSQGEISVGESKFFLCQVAGDAKDKDISWFSPNGEKLTPNQQRISVVWNDDSSSTLTIYNANIDDAGIYKCVVTGEDGSESEATVNVKIFQKLMFKNAPTPQEFREGEDAVIVCD……EPAKGEPSAPKLEGQMGEDGNSIKVNLIKQDDGGSPIRHYLVRYRALSSEWKPEIRLPSGSDHVMLKSLDWNAEYEVYVVAENQQGKSKAAHFVFRTSAQPTAIPATLGGNSASYTFVSLLFSAVTLLLLC>gi|14286138|sp|P20241|NRG_DROMENeuroglianprecursorMWRQSTILAALLVALLCAGSAESKGNRPPRITKQPAPGELLFKVAQQNKESDNPFIIECEADGQPEPEYSWIKNGKKFDWQAYDNRMLRQPGRGTLVITIPKDEDRGHYQCFASNEFGTATSNSVYVRKAELNAFKDEAAKTLEAVEGEPFMLKCAAPDGFPSPTVNWMIQESIDGSIKSINNSRMTLDPEGNLWFSNVTREDASSDFYY……NKSAGRQSVSSANKPGVESDTDSMAEYGDGDTGQFTEDGSFIGQYVPGKLQPPVSPQPLNNSAAAHQAAPTAGGSGAAGSAAAAGASGGASSAGGAAASNGGAAAGAVATYV353.GenBank文件格式GenBank序列文件以純文本方式描述GenBank序列文件由單個的序列條目組成。序列條目由字段組成，以雙斜杠“//”作結束標記。每個字段由關鍵字起始，后面為該字段的具體說明。有些字段又分若干個次子字段，以次關鍵字或特性表說明符開始。序列條目的格式關鍵字從第一列開始，次關鍵字從第三列開始，特性表說明符從第五列開始。每個字段可以占一行，也可以占若干行。若一行中寫不下時，繼續行以空格開始。36GenBank文件格式序列條目的關鍵字包括LOCUS(代碼)DEFINITION(說明)ACCESSION(編號)NID符(核酸標識)KEYWORDS(關鍵詞)SOURCE(數據來源)REFERENCE(文獻)FEATURES(特性表)BASECOUNT(堿基組成)ORIGIN(堿基排列順序)近版的核酸序列數據庫引入新的關鍵詞SV(序列版本號)，用“編號.版本號”表示，并取代關鍵詞NID。37GenBank文件格式LOCUSHSU762541230bpDNAPRI05-JAN-1999DEFINITIONHumanneuropeptideYreceptortype2gene,completecds.ACCESSIONU76254NIDg4098211VERSIONU76254.1GI:4098211KEYWORDS.SOURCEhuman.ORGANISMHomosapiensEukaryota;Metazoa;Chordata;Craniata;Vertebrata;Mammalia;Eutheria;Primates;Catarrhini;Hominidae;Homo.REFERENCE1(bases1to1230)AUTHORSZastawny,R.L.TITLEHumanneuropeptideYY2receptorgeneJOURNALUnpublishedREFERENCE2(bases1to1230)AUTHORSZastawny,R.L.TITLEDirectSubmissionJOURNALSubmitted(24-OCT-1996)AllelixBiopharmaceuticalsInc.,6850GorewayDr.,Mississauga,ONL4V1V7,Canada記錄頭部標識行唯一一個必須在所有GenBank記錄中出現的特性序列記錄的生物學意義檢索號1+5或2+6格式384.EMBL文件格式EMBL數據庫的每一個條目是一份純文本文件，每一行最前面是由兩個大寫字母組成的識別標志。識別標志包括ID(序列名稱) DE(序列簡單說明)AC(序列編號) SV(序列版本號) KW(與序列相關的關鍵詞) OS(序列來源的物種名) OC(序列來源的物種學名和分類學位置) RN(相關文獻編號或遞交序列的注冊信息) RA(相關文獻作者或遞交序列的作者) RT(相關文獻題目) RL(相關文獻雜志名或遞交序列的作者單位) RX(相關文獻Mediline引文代碼) RC(相關文獻注釋) RP(相關文獻其他注釋) CC(關于序列的注釋信息) DR(相關數據庫交叉引用號) FH(序列特征表起始) FT(序列特征表子項) SQ(堿基種類統計數)。39IDAF111847standard;RNA;HUM;2788BP.序列名稱和基本性質

XX字段分界標志

ACAF111847序列接受號

XX

SVAF111847.1序列版本

XX

DT14-MAR-2000(Rel.63,Created)序列提交、更新日期

DT09-MAY-2001(Rel.67,Lastupdated,Version3)

XX

DEHomosapiensARFGAP1protein(ARFGAP1)mRNA,completecds.序列性質簡要描述

XX

KW關鍵詞

XX

OSHomosapiens(human)來源種屬

OCEukaryota;Metazoa;Chordata;Craniata;Vertebrata;Euteleostomi;來源分類

OCMammalia;Eutheria;Primates;Catarrhini;Hominidae;Homo.

XX

40RN[1]參考文獻條目

RP1-2788文獻對應序列位置

RXMEDLINE;20171380.文獻交叉索引

RXPUBMED;10704287.

RAZhangC.,YuY.,ZhangS.,LiuM.,XingG.,WeiH.,BiJ.,LiuX.,文獻作者

RAZhouG.,DongC.,HuZ.,ZhangY.,LuoL.,WuC.,ZhaoS.,HeF.;

RT"Characterization,chromosomalassignment,andtissueexpression文獻題目

RTofanovelhumangenebelongingtotheARFGAPfamily";

RLGenomics63(3):400-408(2000).文獻出處

XX

RN[2]

RP1-2788

RAZhangC.,YuY.,ZhangS.,OuyangS.,LuoL.,WeiH.,ZhouG.,

RAZhangY.,LiuM.,HeF.;

RT

RLSubmitted(06-AUG-1999)totheEMBL/GenBank/DDBJdatabases.

RLDept.ofGenomicsandProteomics,InstituteofRadiationMedicine,

RLBeijingTaipingRoad27,Beijing,Beijing100850,P.R.China

XX

DRENSEMBL;ENSG00000100262;ENST00000263245.庫間交叉索引

DRGOA;Q9NP61.

DRSWISS-PROT;Q9NP61;ARG3_HUMAN.

XX41FHKeyLocation/Qualifiers序列性質表頭

FH

FTsource1..2788序列性質數據

FT/chromosome="22“

FT/db_xref="taxon:9606"

FT/mol_type="mRNA“

FT/organism="Homosapiens“

FT/map="22q13.2“

FT/clone="FLB2127“

FT5'UTR1..57

FT/gene="ARFGAP1“

FTCDS58..1608

FT/codon_start=1

FT/db_xref="GOA:Q9NP61“

FT/db_xref="SWISS-PROT:Q9NP61“

FT/evidence=NOT_EXPERIMENTAL

FT/gene="ARFGAP1“

FT/product="ARFGAP1protein“

FT/protein_id="AAF40310.1"

FT/translation="MGDPSKQDILTIFKRLRSVPTNKVCFDCGAKNPSWASITYGVFLC

FTIDCSGSHRSLGVHLSFIRSTELDSNWSWFQLRCMQVGGNASASSFFHQHGCSTNDTNAK

FTYNSRAAQLYREKIKSLASQATRKHGTDLWLDSCVVPPLSPPPKEEDFFASHVSPEVSDT

FTAWASAIAEPSSLTSRPVETTLENNEGGQEQGPSVEGLNVPTKATLEVSSIIKKKPNQAK

FTKGLGAKKGSLGAQKLANTCFNEIEKQAQAADKMKEQEDLAKVVSKEESIVSSLRLAYKD

FTLEIQMKKDEKMNISGKKNVDSDRLGMGFGNCRSVISHSVTSDMQTIEQESPIMAKPRKK

FTYNDDSDDSYFTSSSSYFDEPVELRSSSFSSWDDSSDSYWKKETSKDTETVLKTTGYSDR

FTPTARRKPDYEPVENTDEAQKKFGNVKAISSDMYFGRQSQADYETRARLERLSASSSISS

FTADLFEEPRKQPAGNYSLSSVLPNAPDMAQFKQGVRSVAGKLSVFANGVVTSIQDRYGS"

FT3'UTR1609..2788

FT/gene="ARFGAP1"

XX42SQSequence2788BP;914A;531C;602G;74