生物信息学第二讲数据库与数据存储格式上篇资料.ppt

* 理解数据库的概念 了解几种主要的生物大分子信息数据库 本章要求 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 ?shell+sed+awk+C才能完成的任务，只需perl脚本就可以完成了。而且应用领域一直在拓宽，支持面向对象程序设计。 * * * * * * * * * ?GenBank statistics ?From 1982 to the present, the number of bases in GenBank has doubled approximately every 18 months. 1980年开始建设，1982年正式运行 欧洲主要的核酸序列收集单位 欧洲生物信息中心（EBI),德国海德堡站点负责维护 EMBL数据库 EMBL数据库的数据来源有三种： 直接来源于测序工作者提交的序列（Sanger测序中心） 与其它数据机构协作交换的数据 欧洲专利局提供的专利数据 日本1984年开始建立，并于1987年正式服务。 亚洲唯一的核酸序列数据库 生物信息学中心和日本国家遗传研究所的DNA数据库（CIB-DDBJ),共同组建。 DDBJ数据库 DDBJ数据库的数据来源有二种： 研究者提交的序列（90%直接来源于日本） 与其它数据机构协作交换的数据 蛋白质序列数据库 重要蛋白质序列数据库： SWISS－PROT(欧洲) PIR(美国) 蛋白质序列数据库 SWISS-PROT和PIR是国际上两个主要的蛋白质序列数据库，目前这两个个数据库在EMBL和GenBank数据库上均建立了镜像 (mirror) 站点。 SWISS-PROT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。 PIR数据库的数据由美国家生物技术信息中心(NCBI)翻译自GenBank的DNA序列。 二种蛋白质数据库种类和特点 名称 维护 单位 注释 冗余度 数据量 更新 SWISS－PROT EBI 部分完善 小 中等 较慢 PIR NCBI 完善 较大 较大 较慢 SWISS－PROT 蛋白数据库 1986创建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 在EMBL和GenBank数据库上均建立了镜像站点; 数据库包括了从EMBL翻译而来的蛋白质序列，经过 检验和注释； 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 数据存在滞后性 * Swiss-prot储存数据增速放缓 /sprot PIR 蛋白数据库 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。 分类名称 (Name) 说明 (Comment) 记录数 (Number of entries) PIR1 已分类、已注释 (Classified and annotated) 13572 PIR2 已注释(Annotated) 69368 PIR3 未核实(Unverified) 7508 PIR4 未翻译(Unencoded or untranslated) 196 PIR数据库的分类情况 * * / 三个子数据库 生物大分子三维结构数据库 蛋白质结构数据库 PDB 蛋白质分类数据库 SCOP和CATH PDB蛋白结构数据库 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 http://www.ebi.ac.uk/thornton-rv/d