生物信息学5生物信息数据库.ppt

第三章 生物信息数据库 人类基因组计划（Human Genome Project, HGP） 1990年启动，预计2003年完成。由美、日、德、法、英、中六国参加。测出人类约 3,000,000,000 碱基对的序列（相当于每页3,000个字母，共需100万页印完）。中国承担其中的 1%。 模式生物基因组计划 酵母、线虫、果蝇、细菌共约50多种已完成，水稻等70余种正在进行。目前总量已达60亿碱基对！ 已经完成全序列测定的基因组 Homo sapiens 智人 Escherichia coli大肠杆菌 Saccharomyces cerevisiae酿酒酵母 秀丽线虫Caenorhabditis elegans一种透明的、生活在海滩泥沙中的小虫。 Drosophila melanogaster果蝇 Arabidopsis thaliana拟南芥 实验一 生物信息数据库信息检索 一、实验内容： 1、 了解NCBI、DDBJ、EMBL上网的方法自学各网站相关介绍。2、 了解北大生物信息学中心等几大中文生物信息学网站。3、 了解一些生物论坛中有关生物信息学的部分。如：Biooo和Bioon。4、 利用NCBI的Entrenz查询系统和EBI的SRS检索文献和核酸或蛋白质序列。（phyA）并对照所学复习各字段的含义。5、 将所得记录的ID或Accession记录下来备用。 二、作业 1、 记录相关网站及论坛网址（或如何查询到该网址的方法）。 （1）NCBI ：/ （2）DDBJ? ：http://www.ddbj.nig.ac.jp/ （3）EMBL ：/ （ 4 ）北大生物信息学中心?? /chinese/ （5）中科院计算所智能信息处理重点实验室生物信息学: /index.php （6）北大生物信息中心: /chinese/documents/bioinfor/overview/web1/1.html （7）生物谷：/ （8）中国生物论坛：Http:/// （9）丁香园论坛 ： /cms/ （10）生物秀 /Index.htm 2、 找到编码拟南芥（arabidopsis）phyA（光敏色素A）基因的核酸序列编号。并记录查找过程。 一、 引言 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。 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 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。 5、蛋白质结构分类数据库 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： / 196 未翻译(Unencoded or untranslated) PIR4 7508 未核实(Unverified) PIR3 69368 已注释(Annotated) PIR2 13572 已分类、已注释 (Classified and annotated) PIR1 记录数 (Number of entries) 说明 (Comment) 分类名称 (Name) PIR数据库的分类情况(Release 51.03) 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。 1、PIR（Protein Information Resource） 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。 三个子数据库 4、蛋白质结构数据库 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Brookh