生物信学　课件.pptVIP

课程内容 数据仓库的定义 (W.H.Inmon)： 面向主题的、集成的、稳定的、历史的数据集合，用于支持战略决策制订 (而传统的操作型数据库是面向应用的、细节的、可更新的、瞬时的) 1）面向主题的：每个主题对应于一个宏观分析领域 2）集成的：入库之前，要进行加工集成 (转成面向主题的) 3）稳定的：几乎不更新（覆盖） 4）历史的：一般要用到过去5-10年的数据 数据挖掘的定义：一种决策支持过程，主要基于人工智能、机器学习、统计学等技术，高度自动化地分析原始数据，做出正确的决策 从大量的、不完整的、有噪声的、模糊的、随机的……数据中, 提取隐含其中的、人们事先不知道的、潜在有用的……信息和知识的过程、技术…… NCBI National Center for Biotechnology Information / 全球最大的生物信息资源中心 DNA 序列、蛋白质序列、出版物、数据挖掘工具等 KEGG数据库组织框架 其他数据库 Rat Genome Database / 大鼠基因组相关数据 专用工具 (如VCMap – 可视化比较作图软件) 其他数据库 UTRdb (非翻译区数据库) r.it/BIG/UTRHome/ 有关 3’ 和 5’ UTR信息 主要的序列数据格式 FASTA GenBank SwissProt ASN.1 XML FASTA格式 用于各种FASTA 工具 简要说明之后就是序列 没有注释信息, 只有序列 例: GenBank格式 GenBank用纯文本文件 注释、作者 、版本等信息 例: SWISS-PROT格式 用于SWISS-PROT 数据库 包括注释信息 例: XML格式 eXtensible Markup Language 类似HTML 国际标准 半结构化 例: ASN.1格式 国际标准 半结构化格式 用于NCBI 数据 例: 格式转换 通常一种工具采用一种格式, 可用 (在线) 软件进行格式转换 ReadSeq /seq-util/Options/readseq.html SEQIO /~gusfield/seqio.html 数据下载 查询并选择数据库数据 从网页直接下载数据 用脚本下载数据 Perl / BioPerl 用FTP批量下载数据 如 在一个项目中同时采用上述多种方法 Information on relations between molecules Genomes Genes Pathway Orthologs Expression Sequence similarity Chemicals and their reactions KEGG 光合作用代谢通路 rbcL 基因及一个光合作用通路 蛋白质相互作用数据库 （1） 蛋白质相互作用数据库 （2） 蛋白质相互作用数据库 （3） 蛋白质相互作用数据库 （4） 蛋白质相互作用数据库 （5） gi|1040960|gb|U35641.1|MMU35641 Mus musculus Brca1 mRNA, complete cds GGCACGAGGATCCAGCACCTCTCTTGGGGCTTCTCCGTCCTCGGCGCTTGGAAGTACGGATCTTTTTTCT CGGAGAAAAGTTCACTGGAACTGGAAGAAATGGATTTATCTGCCGTCCAAATTCAAGAAGTACAAAATGT CCTTCATGCTATGCAGAAAATCTTAGAGTGTCCGATCTGTTTGGAACTGATCAAAGAACCTGTTTCCACA AAGTGTGACCACATATTTTGCAAATTTTGTATGCTGAAACTTCTTAACCAGAAGAAAGGGCCTTCACAAT GTCCTTTGTGTAAGAATGAGATAACCAAAAGGAGCCTACAGGGAAGCACAAGGTTTAGTCAGCTTGCTGA AGAGCTGCTGAGAATAATGGCTGCTTTTGAGCTTGACACGGGAATGCAGCTTACAAATGGTTTTAGTTTT TCAAAAAAGAGAAATAATTCTTGTGAGCGTTTGAATGAGGAGGCGTCGATCATCCAGAGCGTGGGCTACC GGAACCGTGTCAGAAGGCTTCCCCAGGTCGAACCTGGAAATGCCACCTTGAAGGACAGCCTAGGTGTCCA GCTGTCTAACCTTGGAATCGTGAGATCAGTGAAGAAAAACAGGCAGACCCAACCTCGAAAGAAATCTGTC TACATTGAACTAGACTCTGATTCTTCTGAAGAGACAGTAACTAAGCCAGGT