[理学]第二章 生物数据库.ppt

第二章 生物信息数据库 本章主要内容 ——核酸序列数据库 ——蛋白序列数据库 ——结构数据库 ——其它生物信息数据库 ——生物数据格式 ——数据库检索 生物数据库发展特征 数据库使用频率增长更快 使用频率年增长接近于500% 数据库的复杂程度不断增加 除基本数据外，包括大量注释、链接、参考文献等信息。 数据库网络化 几乎所有数据库都可通过互联网访问，且相关数据之间相互链接。有的系统将多个生物数据库整合在一起，形成数据库集成系统。 面向应用 各数据库提供许多分析工具，如核酸数据库提供序列搜索、基因识别工具等。 生物信息数据库类型 核酸序列数据库 蛋白质序列数据库 蛋白质结构数据库 基因组数据库 二级数据库（专业数据库） 核酸序列数据库 三大核酸序列数据库 GenBank /Genbank/index.html EMBL（European Molecular Biology Laboratory Nucleotide Sequence Database） http://www.ebi.ac.uk/embl/ DDBJ（DNA Data Bank of Japan） http://www.ddbj.nig.ac.jp/index-e.html EMBL核酸序列数据库：由欧洲生物信息学研究所(EBI)维护的核酸序列数据库，查询检索可以通过SRS系统完成。 DDBJ数据库：是一个全面的核酸序列数据库，与Genbank和EMBL核酸库合作交换数据。 1988年，GenBank\EMBL\DDBJ三个中心达成了国际核苷酸序列数据库合作协议（International Nucleotide Sequence Database Collaboration），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。 蛋白序列数据库 蛋白质序列数据库——UniProt UniProt (Universal Protein Resource) 2002年在NIH资助下由SWISS-PROT 、 TrEMBL 和 PIR数据库合并而成 蛋白质序列数据库——UniProt 蛋白结构数据库 基因组数据库 其他生物信息数据库 TRANSFAC转录因子数据库是关于转录因子以及与DNA结合位点的数据库。 DIP蛋白质相互作用数据库（Database of Interacting Proteins）收集了由实验验证的蛋白质－蛋白质相互作用 Gene Ontology(GO)数据库 基因功能的传统分类 数据库格式 序列数据库格式（ FASTA ） gi|995614|dbj|D49653|RATOBESE Rat mRNA for obese. CCAAGAAGAAGAAGACCCCAGCGAGGAAAATGTGCTGGAGACCCCTGTGCCGGTTCCTGTGGCTTTGGTCCTATCTGTCCTATGTTCAAGCTGTGCCTATCCACAAAGTCCAGGATGACACCAAAACCCTCATCAAGACCATTGTCACCAGGATCAATGACATTTCACACACGCAGTCGGTATCCGCCAGGCAGAGGGTCACCGGTTTGGACTTCATTCCCGGGCTTCACCCCATTCTGAGTTTGTCCAAGATGGACCAGACCCTGGCAGTCTATCAACAGATCCTCACCAGCTTGCCTTCCCAAAACGTGCTGCAGATAGCTCATGACCTGGAGAACCTGCGAGACCTCCTCCATCTGCTGGCCTTCTCCAAGAGCTGCTCCCTGCCGCAGACCCGTGGCCTGCAGAAGCCAGAGAGCCTGGATGGCGTCCTGGAAGCCTCGCTCTACTCCACAGAGGTGGTGGCTCTGAGCAGGCTGCAGGGCTCTCTGCAGGACATTCTTCAACAGTTGGACCTTAGCCCTGAATGCTGAGGTTTC 以上这个FASTA文件中包含了GenBank检索号码、Accession number 、LOCUS名称、以及GenBank记录中的DEFINATION字段。 一种最简单的fasta序列形式可以表示为： D49653 CCAAGAAGAAGAAGACCCCAGCGAGGAAAATGTGCTGGAGACCCCTGTGCCGGTTCCTGTGGCTTTGGTCCTATCTGTCCTATGTTCAAGCTGTGCCTATCCACAAAGTCCAGGATGACACCAAAACCCTCATCAAGACCATTGTCACCAGGATCAATGACATTTCACACACGCAGTCGGT