生物信息学数据库.docxVIP

数据库是生物信息学的主要内容， 各种数据库几乎覆盖了生命科学的 各个领域。核酸序列数据库有 GenBank, EMBL, DDBJ 等，蛋白质序 列数据库有 SWISS-PROT, PIR, OWL, NRL3D, TrEMBL 等， 蛋白质片 段数据库有 PROSITE, BLOCKS, PRINTS 等， 三维结构数据库有 PDB, NDB, BioMagResBank, CCSD 等，与蛋白质结构有关的数据库还有 SCOP, CATH, FSSP,3D-ALI, DSSP等，与基因组有关的数据库还有 ESTdb, OMIM, GDB, GSDB 等，文献数据库有 Medline, Uncover 等。 另外一些公司还开发了商业数据库 ,如 MDL 等。 生物信息学数据库覆 盖面广，分布分散且格式不统一 , 因此一些生物计算中心将多个数据 库整合在一起提供综合服务， 如 EBI 的 SRS(Sequence Retrieval System) 包含了核酸序列库、蛋白质序列库，三维结构库等 30 多个数据库及 CLUSTALW、 PROSITESEARCH 等强有力的搜索工具，用户可以进 行多个数据库的多种查询。 基因和基因组数据库 Genbank Genbank库包含了所有已知的核酸序列和蛋白质序列， 以及与它们相 关的文献著作和生物学注释。它是由美国国立生物技术信息中心 (NCBI)建立和维护的。它的数据直接来源于测序工作者提交的序列； 由测序中心提交的大量EST序列和其它测序数据；以及与其它数据 机构协作交换数据而来。Genbank每天都会与欧洲分子生物学实验室 (EMBL)的数据库，和日本的DNA数据库(DDBJ)交换数据，使这三 个数据库的数据同步。Genbank的数据可以从NCBI的FTP服务器上 免费下载完整的库，或下载积累的新数据。 NCBI 还提供广泛的数据 查询、序列相似性搜索以及其它分析服务，用户可 以从 NCBI 的主页上找到这些服务。 Genbank库里的数据按来源于约55,000个物种，其中56%是人类的 基因组序列(所有序列中的34%是人类的EST序歹U)。每条Genbank 数据记录包含了对序列的简要描述，它的科学命名，物种分类名称， 参考文献，序列特征表，以及序列本身。序列特征表里包含对序列生 物学特征注释如：编码区、转录单元、重复区域、突变位点或修饰位 点等。所有数据记录被划分在若干个文件里，如细菌类、病毒类、灵 长类、啮齿类，以及EST数据、基因组测序数据、大规模基因组序 列数据等16类，其中EST数据等又被各自分成若干个文件。 (1)Genbank数据检索 NCBI的数据库检索查询系统是 Entrez。Entrez是基于 Web界面的综 合生物信息数据库检索系统。 利用 Entrez 系统， 用户不仅可以方便地 检索Genbank的核酸数据，还可以检索来自 Genbank和其它数据库 的蛋白质序列数据、基因组图谱数据、来自分子模型数据库 (MMDB) 的蛋白质三维结构数据、 种群序列数据集、以及由PubMed获得Medline的文献数据。 Entrez提供了方便实用的检索服务，所有操作都可以在网络浏览器上 完成。用户可以利用Entrez界面上提供的限制条件(Limits)、索引 (Index)、检索历史(History)和剪贴板(Clipboard)等功能来实现复杂的 检索查询工作。 对于检索获得的记录， 用户可以选择需要显示的数据， 保存查询结果，甚至以图形方式观看检索获得的序列。更详细的 Entrez使用说明可以在该主页上获得。 ⑵向Genbank提交序列数据 测序工作者可以把自己工作中获得的新序列提交给 NCBI ，添加到 Genbank数据库。这个任务可以由基于 Web界面的BankIt或独立程 序Sequin来完成。BankIt是一系列表单，包括联络信息、发布要求、 引用参考信息、序列来源信息、以及序列本身的信息等。用户提交序 列后，会从电子邮件收到自动生成的数据条目， Genbank的新序列编 号，以及完成注释后的完整的数据记录。用户还可以在 BankIt 页面 下修改已经发布序列的信息。 BankIt 适合于独立测序工作者提交少量 序列，而不适合大量序列的提交，也不适合提交很长的序列，EST序 列和GSS序列也不应用BankIt提交。BankIt 使用说明和对序列的要求可详见其主页面 大量的序列提交可以由Sequin程序完成。Sequin程序能方便的编辑 和处理复杂注释，并包含一系列内建的检查函数来提高序列的质量保 证。它还被设计用于提交来自系统进化、种群和突变研究的序列，可 以加入比对的数据。Sequin除了用于编辑和修改序列数据记录， 还可 以用于序列的分析，任何以F