中国科技大学系列：《生物信息学》.PPTVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 三大数据库之间的联系 RefSeq数据库 1. 提供非冗余的，高质量的，经检验校正的序列信息； 2. 包括染色体、基因组（细胞器、病毒、质粒）、蛋白质、RNA等； 序列文件的标识符： mRNA序列：NM_123456 非编码RNA：NR_123456 蛋白质序列： NP_123456 /RefSeq RefSeq记录的特征 截然不同的Accession号区别于其它GenBank命名格式的序列，前缀是两个字母加下划线 _; 在Comment区域显示来源; 使用正式命名; 包括dbxrefs的特征; 蛋白序列在DBSOURCE区域标示 ‘REFSEQ’ GenBank VS. RefSeq dbEST: 表达序列标签数据库 最多的20个物种： 2007.08，总序列45,660,524条 /dbEST/ UniGene: An Organized View of the Transcriptome 为每一个基因创造一个唯一的条目，收集这个基因所有的ESTs /unigene Swiss-Prot TrEMBL 最早广泛使用的蛋白数据库；欧洲最主要的蛋白序列数据库；http://www.expasy.ch/sprot/ SIB（Swiss Institute of Bioinformatics） 可由ExPASy（Expert Protein Analysis System）系统访问； 所有序列条目均经过有经验的分子生物学家和蛋白质化学家审核，因此又称为蛋白质专家库。 TrEMBL vs. GenPept TrEMBL (Translation of EMBL)：计算机注释的Swiss-Prot分支数据库，从EMBL库中的cDNA序列翻译得到的氨基酸序列数据库。 GenPept：由GenBank翻译得到的蛋白质序列，与TrEMBL类似，这两个数据库中的序列错误率较大，均有较大的冗余度。 PIR 1984年，美国国家医学研究基金会（NREF）正式启动蛋白质信息资源（Protein Information Resource, PIR）计划； 美国最主要的蛋白序列数据库; 非冗余、高质量注释、全面分类; PIR数据库按照数据的性质和注释层次分为PIR1、PIR2、PIR3和PIR4。PIR1中的序列已经验证，注释最为详尽。 / UniProt Universal Protein Resource： Swiss-prot(TrEMBL), PIR两大蛋白数据库的整合体； 收录蛋白质序列目录最广泛、功能注释最全面的数据库； 包含三个子库： UniProtKB（UniProt Knowledgebase） UniRef（UniProt Reference Clusters） UniParc（Uniprot Archive） UniProtKB UniProt Knowledgebase： Release 15.4 ， 16-Jun-2009 ，包括： Swiss-Prot Release 57.4 : 497293 entries TrEMBL Release 40.4 : 9145906 entries 包含蛋白质序列全面的信息，提供准确、丰富的序列与功能注释。 记录以6位字母和数字组成，例：Q5K8D3 Swiss-Prot Release 57.7 TrEMBL Release 40.4 较早的基因组数据库- GDB 为人类基因组计划(HGP)保存和处理基因组图谱数据。 GDB的目标是构建关于人类基因组的百科全书，除了构建基因组图谱之外，还开发了描述序列水平的基因组内容的方法，包括序列变异和其它对功能和表型的描述。 基因组数据库 收集某些生物整个基因组序列的数据库; 基因组计划 Human Genome Project http://www.sanger.ac.uk/HGP/ Sequencing Genomics Projects http://www.sanger.ac.uk/Projects/ 从GenBank中选择同一物种的核酸信息组成的二级库; The Ensembl project produces genome databases for vertebrates and other eukaryotic species, and makes this information freely available online. EMBL-EB