生物信息学（课堂PPT）.pptVIP

第二 章 核酸序列分析Nucleic?Acid?sequence?Analysis ;§2.1 生物信息学数据库Bioinformatics database;生物信息学最重要的任务是从海量数据中提取新知识;生物信息学数据存在的问题;一、 生物信息学数据库;生物信息数据库的分类 一级数据库 数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释 一级核酸数据库：EMBL database，GenBank database，DDBJ database 一级蛋白质序列数据库：SWISS-PORT database ， PIR database 一级蛋白质结构数据库： PDB database 二级数据库 对原始生物分子数据进???整理、分类的结果，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立 人类基因组图谱库GDB 蛋白质结构分类数据库SCOP，CATH 蛋白质序列功能位点数据库Prosite;《核酸研究》杂志——《Nucleic Acids Research》（/）自1993年起，每年都会在第一期推出生物数据库特刊，介绍上一年度的数据库增加和更新情况。 至2010年，生物信息学数据库总数已达1230个。;2021/3/29;核酸序列数据库;*;二、核酸数据库 1 、国际三大核酸数据库;GenBank：由美国国家生物技术信息中心(National Center for Biotechnology Information, NCBI)建立。该中心隶属于美国国家医学图书馆，位于美国国家卫生研究院(NIH)内。 EMBL：欧洲分子生物学实验室(European Molecular Biology Laboratory, 其下有European Bioinformatics Centre)，主要位于英国剑桥Cambridge和德国汉堡Hamburg。 DDBJ：日本DNA数据库(DNA Data Bank of Japan）, 由the National Institute of Genetics, NIG主管。;这3个大型数据库于1988年达成协议，组成合作联合体。它们每天交换信息，并对数据库DNA序列记录的统一标准达成一致。每个机构负责收集来自不同地理分布的数据（EMBL负责欧洲，GenBank负责美洲，DDBJ负责亚洲等），然后来自各地的所有信息汇总在一起，3个数据库的数据共享并向世界开放，故这3个数据库又被称为公共序列数据库（Public Sequence Database）。所以从理论上说，这3个数据库所拥有的DNA序列数据是完全相同的。你可以从中选择一个你喜欢的数据库；但是如果你的研究需要实时(24小时以内)的，则要注意这些数据库间的记录是会有差异的。 ;北京大学生物信息学中心(Centre of Bioinformatics, Peking University): 北京华大基因研究中心(中国科学院北京基因组研究所)： /bgi_new/index.htm 清华大学生物系生物信息研究室： 中国科学院上海生命科学研究院生物信息中心: ;三、基因组数据库;大肠杆菌E Coli—— ECDC数据库 http://www.uni-giessen.de/~gx1052/ECDC/ecdc.htm 酵母菌Yeast ——CYGD数据库 http://mips.gsf.de/genre/proj/yeast/index.jsp 线虫 Caenorhabditis elegans ——AceDB数据库 /genome.shtml 果蝇 Drosophila ——FlyBase数据库 / 老鼠 Mouse ——MGD数据库 /genome/guide/mouse;;四、 数据库格式;FASTA 序列格式包括三个部分： （1）在注释行的第一行用字符“”标识，后面是序列的名字和来源 （2）标准的单字符表示序列 （3）可选的“*”表示序列的结束，它可能出现也可能不出现，但它是许多序列分析程序正确读取序列所必须的。 FASTA格式是序列分析软件最常用的格式。这种格式提供了从一个窗口到另一个窗口非常方便的拷贝途径，因为序列中没有数字或其他非字符。FASTA序列格式和蛋白质信息资源NBRF格式很相似。;说明3点： 序列文件的第一行是由大于符号（＞）打头的任意文字说明，主要为标记序列用。 从第二行开始是序列本身，标准核苷酸符号或氨基酸单字母符号。通常核苷酸符号大小写均可，而氨基酸一般用大写字母。 文件中和每一行都不要超过80个字符（通常60个字符）。 ;核酸序列;组成序列信息字符串的符号必须为标准的国际生物化学联合会 （IUB）/国际纯粹与应用化学联合会 （IUPAC) 氨基酸或核苷酸的符号符号的大