chapter3一次数据库查询.pptVIP

第三章 数据库查询 第一节 前言 生物信息数据库的应用： A. 数据库查询（database query） B. 数据库搜索（database search） 数据库查询和数据库搜索是分子生物信息学中两个常用术语。 数据库查询，是指对序列、结构以及各种数据库中的注释信息进行关键词匹配查找。 对蛋白质序列数据库SwissProt输入关键词insulin(胰岛素)，即可找出该数据库所有胰岛素或与胰岛素有关的序列条目。 数据库搜索是指通过特定的序列相似性比对算法，找出核酸或蛋白质序列数据库中与检测序列具有一定程度相似性的序列。 给定一个胰岛素序列，通过数据库搜索，可以在蛋白质序列数据库SwissProt中找出与该检测序列(query?sequence)具有一定相似性的序列。 数据库查询有时也称数据库检索，它和互联网上通过搜索引擎?(Search?engine)?查找需要的信息是一个概念。 数据库搜索是专门针对核酸和蛋白质序列数据库而言，其搜索的对象，不是数据库的注释信息，而是序列信息。 以SRS和Entrez为例， 介绍数据库查询的基本方法 第二节 SRS SRS：Sequence Retrieval System EMBL核酸序列数据库和蛋白质序列数据库SwissProt SRS已经成为欧洲各国主要生物信息中心必备的数据库查询系统 SRS成商业软件（英国剑桥的LION Bioscience），学术单位可以免费获使用，而非学术单位则需要购买使用权。 SRS是一个开放的数据库查询系统，不同的SRS系统可以根据需要安装不同的数据库。 从LION公司的网页上查到这些数据库的名称，并知道它们分别安装在何处(/2009/12/srs/) SRS系统使用方法 European Bioinformatics Institute (EBI) 的检索体系 网址：http://srs.ebi.ac.uk/srsbin/cgi-bin/wgetz?+srsq2+-noSession 优点：检索面宽 缺点：操作复杂 SRS系统的特点 1. 统一的用户界面 SRS具有为统一的Web用户界面，用户只需安装Netscape等网络浏览器即可通过Internet查询世界各地SRS服务器上的300多个数据库。SRS支持以文本文件形式存放的各种数据库，包括序列数据库EMBL、SwissProt，结构数据库PDB，资料数据库AAIndex、Biocat、dbcat，文献数据库MedLine等。 2. 高效的查询功能 生物信息数据库种类繁多，结构各异。如何快速、高效地对各种数据库进行查询，是数据库查询系统必须解决的问题。SRS系统采用了建立数据库索引文件的手段，较好地解决了这一问题。即使是含几百万个序列的EMBL数据库，只需几分钟即可实现整库查询，得到所需结果。此外，SRS系统具有查询结果相关处理功能，每次查询结果可作为进一步查询的子数据库，并可对其进行并、交等操作，对查询结果进行组合或筛选。 3. 灵活的指针链接 通过超文本指针链接实现信息资源的有机联系，是目前Internet信息服务的主要趋势。许多生物信息数据库均包含与其它相关数据库的代码，如SwissProt数据库中的蛋白质序列包含了该序列在EMBL、PDB、Prosite、Medline等其它数据库的代码。利用超文本链接，可将这些相关数据库联系在一起。 SRS采用实时方式，根据查询结果产生链接指针，而不是在原始数据库中增加超文本标记，既节省了存储空间，也便于数据库管理。 4. 方便的程序接口 将序列分析等常用程序整合到基本查询系统中，是SRS的另一个重要特点。用户可以对查询结果直接进行进一步分析处理。例如，查询所得的蛋白质序列，可立即用BLAST和FASTA查询程序进行数据库搜索，找出其同源序列；也可以用PrositeSearch程序，寻找功能位点；用ClustalW程序进行多重序列比对。 5. 开放的管理模式 在管理模式上，SRS采用了开放的方式。无论是数据库还是应用程序，均可进行扩充和更新。用户可在本地机上安装自己的SRS系统，并将自己的数据库添加到SRS系统中，还可与其它数据库实现超文本链接。也可自行编写应用程序，整合到SRS系统中。 6. 统一的开发平台 SRS系统中所有数据库均以文件系统方式存放，通过预先建立索引文件实现数据库查询。因此它不依赖于Oracle、Sybase等商业数据库管理软件，便于推广使用。为建立索引文件，特别是对EMBL这样大型数据库建立索引，系统的内存和CPU资源需要满足一定的要求 。 第三节 Entrez Entrez由美国NCBI开发，