生物信息学ppt-.ppt

GenBank数据库介绍 主要内容： 基因组数据库的相关背景。 主要的基因组数据库资源。 GenBank序列数据库。 －－ GenBank序列格式。 举例介绍基因数据库的使用。 基因组数据库的发展历史 从历史上来看，蛋白质数据库是先于核苷酸数据库出现的。早在60年代初，Dayhoff和他的同事们收集了所有当时已知的氨基酸序列，这就是“蛋白质序列与结构图册”（Dayhoff et al.,1965）。这一蛋白质数据库后来成为PIR（George et al., 1997）。 基因组数据库的发展历史（续） DNA序列数据库最早于1982年在欧洲分子生物学实验室诞生，随即就开始了一个数据库爆炸的时代。 此后不久因一项NIH与洛斯阿拉莫斯国家实验室的合同而诞生了GenBank。 日本的DNA数据库（DDBJ），在几年后加入了数据收集的合作。 基因组数据库的发展历史（续） 1988年一次三方会议之后（现在称之为“国际DNA序列数据库合作计划”）达成了一项协议，对数据库的记录采用共同的格式，并且每个数据库只负责更新提交到这一数据库的那些数据。 现在三个中心都收集直接提交的数据，并在三者之间发布。 基因组数据库的发展历史（续） GenBank简介 GenBank数据库是由美国国立生物技术信息中心（NCBI）维护的一级核酸序列数据库。 GenBank数据库的数据来源有三种： 1、直接来源于测序工作者提交的序列； 2、与其它数据机构协作交换的数据； 3、美国专利局提供的专利数据。 核苷酸序列数据库分为三个子数据库： EST :表达序列标记数据库 GSS :基因组测序序列数据库 CoreNucleotide :包含所有未被以上两个子数据库收录的核苷酸序列 认识GenBank文件格式（特性表） FEATURES Location/Qualifiers source 1..539 /organism=Rattus norvegicus /strain=OLETF, LETO and Zucker /dev_stage=differentiated /sequenced_mol=cDNA to mRNA /tissue_type=adipose CDS 30..533 /partial /note=NCBI gi: 995615 /codon_start=1 /product=obese /translation=MCWRPLCRFLWLWSYLSYVQAVPIHKVQDDTKTLIKTIVTRIND ISHTQSVSARQRVTGLDFIPGLHPILSLSKMDQTLAVYQQILTSLPSQNVLQIAHDLE NLRDLLHLLAFSKSCSLPQTRGLQKPESLDGVLEASLYSTEVVALSRLQGSLQDILQQ LDLSPEC 来源（source）是唯一一个必须在所有GenBank记录中出现的特性 包含属和种的科学名称 存在的或者潜在的编码区 编码序列的翻译产物 编码序列的gi号 认识GenBank文件格式（序列） BASE COUNT 121 a 167 c 133 g 118 t ORIGIN 1 ccaagaagaa gaagacccca gcgaggaaaa tgtgctggag acccctgtgc cggttcctgt 61 ggctttggtc ctatctgtcc tatgttcaag ctgtgcctat ccacaaagtc caggatgaca 121 ccaaaaccct catcaagacc attgtcacca ggatcaatga catttcacac acgcagtcgg 181 tatccgccag gcagagggtc accggtttgg acttcattcc cgggcttcac cccattctga 241 gtttgtccaa ga