4.1生物信息数据库简介.pptVIP

第四章 生物信息数据库 4.1 生物信息数据库简介 4.1.1 生物信息数据库基本概况 4.1.2 生物信息数据库分类 4.1.3 数据库专业组织 4.1.4 全球生物数据库概览 4.1.1 生物信息数据库基本概况 1960年代 第一个分子生物学数据库 由Fred Sanger的胰岛素序列测定（1955） 蛋白质数据库PSD（Protein Sequence Database） 由Margaret Dayhoff 创立，即PIR的前身；1978，scoring matrices——PAM 生物信息数据库应满足5个方面的主要需求 1 时间性 新发表的数据，应该能够在很短的时间内（几个小时至几天）通过国际互连网访问。 2 注释 每一个基本数据（如序列），应附加一致的、深层次的辅助说明信息 3 支撑数据 提供访问原始数据 4 数据质量 数据库管理机构对数据来源进行检查 5 集成性 例如，从某个核酸序列出发，通过交叉索引，可进一步得到对应的基因、蛋白质序列、蛋白质结构，得到蛋白质功能的信息。 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,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 核酸研究（NAR）上收录的2000-2009年生物数据库数量增长趋势 4.1.2 生物信息数据库分类 分生物信息数据库种类繁多四个大类 基因组数据库 核酸和蛋白质一级结构序列数据库 生物大分子(主要是蛋白质)三维空间结构数据库 以上述三类数据库和文献资料为基础构建的 “二次数据库 ” 一次数据库 基因组数据库来自基因组作图 序列数据库来自序列测定 （表达数据……） 结构数据库来自X-衍射和核磁共振结构测定 也称基本数据库、初始数据库 二次数据库 根据生命科学不同研究领域的实际需要，对基因组图谱、核酸和蛋白质序列、蛋白质结构以及文献等数据进行分析、整理、归纳、注释，构建具有特殊生物学意义和专门用途的二次数据库，是数据库开发的有效途径。 也称专门数据库、专业数据库、专用数据库、复合数据库 特点比较 一次数据库的数据量大，更新速度快，用户面广，通常需要高性能的计算机硬件、大容量的磁盘空间和专门的数据库管理系统支撑。 二次数据库的容量则要小得多，更新速度也不象一次数据库那样快，也可以不用大型商业数据库软件支撑。 基因组数据库 基因组数据库是分子生物信息数据库的重要组成部分，主要包括人以及鼠、河豚鱼、拟南芥、水稻、线虫、果蝇、酵母、大肠杆菌等各种模式生物。 GDB人类基因组数据库 AceDB线虫基因组数据库http://sanger.ac.uk 模式生物 基因组计划研究中具有代表性的 若干种生物，如小鼠、线虫、酿酒酵母、大肠杆菌等。 通过模式生物的研究，可以了解相关的其他生物的特征。 部分生物基因组计划网址 GDB 序列数据库 核酸序列数据库 EMBL(Europe molecular biology laboratory http://ebi.ac.uk/embl) GENBANK (NCBI ) DDBJ (DNA Data Bank of Japan http://ddbj.nig.ac.jp ) 蛋白质序列数据库 PIR ( protein info.resource ) SWISS-PROT (http://www.expasy.ch) 结构数据库 蛋白质结构数据库 PDB 通过X射线晶体衍射和NMR测定的结构数据 蛋白质结构分类数据库SCOP将蛋白质按传统分类方法分成?型、?型 、?/?型、 ?+?型、多结构域蛋白、膜蛋白和细胞表面蛋白、小蛋白等七大类。CATH将蛋白质分为?主类、 ?主类、 ?-?类、低二级结构类（二级结构成分含量很低的蛋白质分子） 二次数据库 基因组二次数据库 蛋白质序列二次数据库 蛋白质结构二次数据库 以核酸数据库为基础构建的二次数据库基因调控转录因子数据库TransFac，真核生物启动子数据库EPD，克隆载体数据库Vector，密码子使用表数据库CUTG，miRNA数据库等 以蛋白质序列数据库构建的二次数据库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Prints，同源蛋白家族数据库Pfam，同源蛋白结构域数据库Blocks， 蛋白质相互作用数据库等 以具有特殊功能的蛋白为基础构建的有免疫球