ok第四讲 提交序列和序列的分析.pptVIP

1、序列数据提交途径方式和方式 提交单位：1. The National Center for Biotechnology Information(NCBI)()；2. The DNA Databank of Japan(DDBJ)(www.ddbj.nig.ac.jp)；3. The Europe Molecular Biology Laboratory(EMBL)/ EBI Nucleotide Sequence Database (http://www.embl-heidelberg.de)。 网页提交：/BankIt 。 通过Sequin软件提交(Ftp:///sequin)。 Email：gbsub@ 磁盘邮寄：GenBank Submissions, National Center for Biotechnology Information, National Library of Medicine, Bldg. 38A, Room 8N-803, Bethesda, Maryland 20894。 悠悠的人类文明库，将留下你给后人提供的科学财富 ! 2、序列精度要求 DNA测序过程中的精度要求是相当高的，需要大量的时间和开支。在提交到GenBank等数据库之前都没有经过序列精确度的检测程序。常常序列在被某刊物上发表的同时被提交到数据库，得到了该刊物某种程度的检测。然而许多序列是在没有发表或还没有发表的情况下提交了。 对于完成诸如Human Genome Project大型测序工程的实验室，必须确保精度在1 error/10kb以内。这种精度对于绝大多数序列分析来说是足够的。而对于其他一般的实验室，其测序精度可能非常低(如EST测序)，约1/100，包括错误碱基以及碱基的错误插入或删除。 在翻译GenBank等数据库中EST序列的过程中，错误的碱基可能被翻译成错误的氨基酸。然而，最严重的问题是碱基的插入或删除引起的序列结构上的移位，这将在组装蛋白质的过程中出现很大的困难。 另外一种类型容易出错的数据库序列，即从致病生物体中出现免疫变化的序列片断，例如HIV病毒的蛋白质外壳的区域。 虽然低水平的精确度对定性鉴别等研究工作是适合的，但要进行更精细的分析(比如进化分析)，序列片断的精度必须得到保证。 3、序列的计算机存储 在序列分析程序中，必须确保序列文件仅包含一般的序列符号，而不包括文本编辑器所使用的特殊字符，这一点很重要。绝大多数文本编辑器在输入标准的ASCII字符的同时还会输入一些控制字符。这些控制字符只能被文本编辑程序正确识别。如果序列文件中包括这些控制字符，分析就会出错，当然这还取决于序列分析程序能否将它们过滤掉。编辑器通常仅用标准的ASCII字符来保存文件，这些文件将适用于绝大多数序列分析程序。 序列文件和其他包含非ASCII字符的数据文件也会在不同的机器之间传递过程中出现错误。一些通信软件可以设法忽略这些控制字符。例如，文件传输程序(FTP) 拥有可以由用户设置的ASCII和二进制码两种方式。其中ASCII方式常用于传输文本文件，而二进制码方式用来传输包含非ASCII码的压缩文件。 大多数序列分析程序不仅仅需要一个DNA或蛋白序列文件是标准的ASCII文件，而且还要规定特定的格式。计算机的窗口界面大大简化了这些问题，比如操作者仅仅需要在一个窗口(例如在浏览ENTREZ网页的窗口)中进行拷贝，而在另一个窗口(例如正在运行翻译程序的窗口)中进行粘贴。 序列分析常用方法小结 1、Genomic DNA and cDNA, 利用ORF Finder软件发现开放阅读框ORF(Open reading frame)。 网址：/gorf 2、编码蛋白质中的氨基酸序列蛋白质结构域预测：利用SMART(Simple Modular Rrvhitecture Research Tool)软件。 网址：http://smart.embl-heidelberg.de “授之以鱼，不如授之以渔。” 3、利用ScanProsite软件，进行蛋白质基序(motif)预测。 网址：/tools/scanprosite 蛋白质基序(motif)中的x表示任意氨基酸，其中的数字表示任意几个氨基酸；[ST]表示氨基酸为S or T；{P}表示除掉P之外的任意氨基酸。 如： ID ASN_GLYCOSYLATION; PATTERN. AC PS00001;DT APR-1990 (CREATED); APR-1990 (DATA UPDATE); APR-1990 (INFO UPDATE). DE N-glycosylation site. PA N-{P}-[ST]-{P}. CC /TAXO