教你使用NCBI_PDB数据库

Bioinformatics,2009-2010,Semester1,SoochowBioinformatics,2009-2010,Semester1,Soochow生物信息学第三讲：序列的采集、存储和查询Bioinformatics,2009-2010,Semester1,Soochow本章内容提要1.DNA测序2.序列数据的存储3.序列数据的文件格式4.序列数据的查询Bioinformatics,2009-2010,Semester1,Soochow1.DNA测序1.DNA一次测序的长度为500bp。2.基因组的测序方案：将大的染色体打断成100kbp的片断，插入到BAC(BacterialArtificialChromosome)中。再随机打断，克隆，然后再组装成长的序列(contig)。3.EST(Expressedsequencetag)测序：细胞中mRNA反转录成cDNA，方向不定，测序。4.UniGene:为每一个基因创造一个唯一的条目，收集这个基因所有的ESTs.5.GSS(基因组测序序列)：类似于ESTs，来源基因组。6.HTG(高通量基因组序列)：高通量、尚未完工的DNA序列。Bioinformatics,2009-2010,Semester1,Soochow基因组测序：两种方案1.DNA片段在染色体上的位置、方向已知。首先染色体被打断成150kbp左右的片段，然后克隆到BACs中，再进一步打碎，克隆，测序，组装。2.“鸟枪法”，shotgun，随机将DNA片段打碎，克隆，测序，组装。DNA片段在染色体上的位置和方向未知。Bioinformatics,2009-2010,Semester1,SoochowBioinformatics,2009-2010,Semester1,Soochow2.序列数据的存储1.核酸三大数据库：GenBank,EBI,DDBJ.2.Ensembl数据库：基因组注释。3.ESTs数据库；4.UniGene数据库5.Refseq数据库；6.NCBI的Gene信息数据库;7.蛋白质序列：Swissprot/TrEMBL/UniProt数据库。Bioinformatics,2009-2010,Semester1,Soochow三大数据库之间的联系Bioinformatics,2009-2010,Semester1,SoochowGenBank中测序最多的20个物种161.0版，2007.08Bioinformatics,2009-2010,Semester1,SoochowdbEST:表达序列标签数据库2007.08，总序列45,660,524条，最多的20个物种如下Bioinformatics,2009-2010,Semester1,SoochowUniGene:AnOrganizedViewoftheTranscriptomBioinformatics,2009-2010,Semester1,SoochowRefseq数据库1.提供高质量的，无冗余的，完整的序列信息；2.包括基因组的DNA,转录成的RNA以及蛋白质序列信息。3.序列文件的标识符：DNA/RNA序列，NM_XXXXXX；蛋白质序列：NP_XXXXXXBioinformatics,2009-2010,Semester1,SoochowBioinformatics,2009-2010,Semester1,SoochowNCBIGene1.=gene2.序列从Refseq数据库中得到;3.详尽的注释信息，包括基因在基因组的定位，基因名称、蛋白质名称，基因结构，等等。Bioinformatics,2009-2010,Semester1,SoochowUniProt1.专家审核的蛋白质序列数据与知识库；2.UniProtKnowledgebase：Release12.1，2007.083.包括：Swiss-ProtRelease54.1of21-Aug-2007:277883entries;TrEMBLRelease37.1of21-Aug-2007:4754787entriesBioinformatics,2009-2010,Semester1,SoochowSwiss-ProtRelease54.1Bioinformatics,2009-2010,Semester1,SoochowTrEMBLRelease37.1Bioinformatics,2009-2010,Semester1,Soochow3.序列数据的文件格式1.DNA/RNA/氨基酸代码的标识2.GenBank数据格式3.UniProt4.FASTABioinformatics,2009-2010,Semester1,SoochowGenBank数据格式Definition:标题序列长度数据类型Accessionnumber版本号GInumberBioinformatics,2009-2010,Semester1,SoochowGenBank的数据类型Bioinformatics,2009-2010,Semester1,SoochowUniProt数据格式AccessionnumberBioinformatics,2009-2010,Semester1,SoochowFASTA格式Bioinformatics,2009-2010,Semester1,Soochow4.序列数据的查询某天，Prof.Gene发现人的Hela细胞中，有丝分裂期间有异常情况：细胞不再分裂，而是开始凋亡(表型，phenotype)，通过实验的方法(例如，酵母双杂交)，发现了与有丝分裂期间某个蛋白可能相互作用的一个基因，测序结果如下(genotype)：CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAGATGACGACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTGGACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGCBioinformatics,2009-2010,Semester1,Soochow问题：1.这是哪个基因？2.编码的蛋白质序列是怎样的？3.有没有保守的功能结构域(domain)？4.它的功能是怎样的？5.它在真核生物中保守吗？6.有没有三级结构信息？Bioinformatics,2009-2010,Semester1,SoochowNCBI:BLAST:找基因序列输入序列Bioinformatics,2009-2010,Semester1,Soochow提交序列Bioinformatics,2009-2010,Semester1,SoochowNM_001168.2：SurvivinUniGeneGeo:基因表达信息Geneinfo：基因信息Bioinformatics,2009-2010,Semester1,SoochowSurvivinBioinformatics,2009-2010,Semester1,SoochowGeneinfo:17号染色体Bioinformatics,2009-2010,Semester1,Soochow功能注释：GeneOntologyBioinformatics,2009-2010,Semester1,Soochow结论11.该基因为人的Survivin基因，染色体定位：17号染色体，73721872-73733311；基因标识符：NM_001168.2;2.初步的功能分析：细胞周期，caspase酶的抑制因子，等等。Bioinformatics,2009-2010,Semester1,SoochowNM_001168.2：SurvivinBioinformatics,2009-2010,Semester1,SoochowHumanSurvivin！Bioinformatics,2009-2010,Semester1,Soochow获取蛋白质的序列信息Bioinformatics,2009-2010,Semester1,SoochowSurvivin：142aaBioinformatics,2009-2010,Semester1,Soochow结论2人的Survivin蛋白质包含142个氨基酸，序列标识符为：NP_001159.2Bioinformatics,2009-2010,Semester1,Soochow获取FASTA序列Bioinformatics,2009-2010,Semester1,SoochowFASTA格式的序列Bioinformatics,2009-2010,Semester1,SoochowPHI-BLAST:finddomainBioinformatics,2009-2010,Semester1,Soochow填入蛋白质的FASTA序列Bioinformatics,2009-2010,Semester1,SoochowBIRdomainBioinformatics,2009-2010,Semester1,Soochow结论3Survivin具有保守的功能结构域BIRBioinformatics,2009-2010,Semester1,SoochowUniProt:蛋白质数据库Bioinformatics,2009-2010,Semester1,Soochow在人中做BLAST搜索Bioinformatics,2009-2010,Semester1,SoochowSurvivin：O15392Bioinformatics,2009-2010,Semester1,SoochowSurvivin的蛋白质信息Bioinformatics,2009-2010,Semester1,Soochow功能注释Bioinformatics,2009-2010,Semester1,Soochow结论4：功能分析1.在瘤形成过程中可能起一定作用；2.阻碍G2/M期的细胞编程性凋亡；3.Chromosomalpassengercomplex(CPC)的成员之一。…细胞亚定位：胞质，核。Bioinformatics,2009-2010,Semester1,Soochow人的Survivin在酵母中有同源物吗？Bioinformatics,2009-2010,Semester1,Soochow提交序列Bioinformatics,2009-2010,Semester1,Soochow在酵母中进行序列比对Bioinformatics,2009-2010,Semester1,Soochow酵母BIR1:P47134Bioinformatics,2009-2010,Semester1,Soochow酵母BIR1的信息B