生物信息技術(shù)第三次作業(yè).doc

實用生物信息技術(shù)課程第3次作業(yè)UniProt數(shù)據(jù)庫檢索及數(shù)據(jù)條目注釋信息1. UniProt蛋白質(zhì)序列數(shù)據(jù)庫1) 參閱Swiss-Prot和TrEMBL統(tǒng)計報表（Release Statistics），列表說明這兩個子庫的總數(shù)據(jù)量，以及不同蛋白質(zhì)證據(jù)（Protein Existence）的數(shù)據(jù)條目數(shù)。數(shù)據(jù)庫子庫總數(shù)據(jù)量Protein Existence數(shù)據(jù)條目數(shù)蛋白水平證據(jù)轉(zhuǎn)錄水平證據(jù)同源性推斷預測不確定Swiss-Prot5427828208762272380832157051886TrEMBL542474682201393131313573938397202040 2) 列表說明Swiss-Prot和TrEMBL中數(shù)據(jù)條目數(shù)列前10位的物種，包括中文名、英文名和拉丁文學名。 表1 Swiss-Prot中數(shù)據(jù)條目數(shù)列前10位的物種Swiss-Prot中文名英文名拉丁文學名1智人HumanHomo sapiens2小家鼠MouseMus musculus3擬南芥Mouse-ear cressArabidopsis thaliana4大鼠RatRattus norvegicus 5釀酒酵母Bakers yeastSaccharomyces cerevisiae6牛BovineBos taurus7裂殖酵母Fission yeastSchizosaccharomyces pombe8大腸桿菌strain K12Escherichia coli9枯草桿菌strain 168Bacillus subtilis10盤基網(wǎng)柄菌Slime moldDictyostelium discoideumTrEMBL中文名英文名拉丁文學名1人類免疫缺陷病毒HIVHuman immunodeficiency virus 12未培養(yǎng)細菌Uncultured bacteriauncultured bacterium3智人HumanHomo sapiens 4小麥WheatTriticum aestivum5粳稻RiceOryza sativa subsp. japonica6丙型肝炎病毒HCVHepatitis C virus7乙型肝炎病毒HBVHepatitis B virus8大豆SoybeanGlycine max9宏基因組mine drainage metagenomemine drainage metagenome10二棱大麥Two-rowed barleyHordeum vulgare var. distichum 表2 TrEMBL中數(shù)據(jù)條目數(shù)列前10位的物種3) 列表說明以下已基本完成基因組測序的重要模式生物數(shù)據(jù)條目數(shù)總數(shù)N、已審閱序列條目數(shù)Nr、具有蛋白質(zhì)證據(jù)的序列條目數(shù)Np、在參考序列數(shù)據(jù)庫RefSeq中具有mRNA序列的序列條目數(shù)Nm、在蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫PDB中具有結(jié)構(gòu)的序列條目數(shù)Nb。物種拉丁文學名英文名NNrNpNmNb人Homo sapiensHuman1364952027014233136275211小鼠Mus musculusMouse 7347916658820874721465大鼠Rattus norvegicusRat 33577788734072918534雞Allus domestiausChicken 237292257705481174非洲爪蟾Xenopus laevisAfrican clawed frog16014338257849159斑馬魚Danio rerioZebrafish55756291639330664黑腹果蠅Drosophila melanogasterDrosophila melanogaster39998322019741910351秀麗線蟲Caenorhabditis elegansCaenorhabditis elegans26657346114891475115釀酒酵母Saccharomyces cerevisiaeBakers yeast792767807532252521098大腸桿菌K12Escherichia coliStrain K12156605970275327481319擬南芥Arabidopsis thalianaMouse-ear cress532701266512934135995071粳稻Oryza sativa subsp kengJaponica 秈稻Oryza sativa indicaIndica 玉米Zea maysMaize 6287773834720334棉花Gossypium sppCotton 571425210322. 序列條目注釋信息1) 以人血紅蛋白alpha亞基為例，說明一般注釋信息（General Annotation）主要包括哪些內(nèi)容。亞基結(jié)構(gòu)：兩個alpha亞基和兩個beta亞基的四聚體組成成熟的血紅蛋白A；2個alpha亞基和2個deltal亞基的四聚體組成成熟的血紅蛋白A2；2個alpha亞基和2個epsilon亞基的四聚體組成胚胎早期的的血紅蛋白Gower-2；2個alpha亞基和2個gamma亞基的四聚體組成胎兒期的血紅蛋白F。組織特性：血液紅細胞。轉(zhuǎn)錄以后修飾：起始的甲硫氨酸在各種thionville中沒有裂開，并且進行乙?；Ｉ婕暗娜祟惣膊∝氀℉EIBAN）MIM:140700】：細胞非球形的Dacie類型1的溶血性貧血。脾臟切除后，幾乎沒有好轉(zhuǎn)，紅細胞中的嗜堿性的夾雜物被證明為海因茨小體。脾臟切除前分散或點狀的嗜堿性粒細胞明顯。大多數(shù)情況下可能是血紅蛋白病的實例。血紅蛋白呈現(xiàn)熱不穩(wěn)定性。海因茨小體也觀察到與Ivemark綜合征(無脾與心血管異常)和還原型谷胱甘肽過氧化物酶的缺乏。注釋：這類病可能是由于突變效應在基因中的表達。 Alpha-地中海貧血（A-THAL）MIM:604131:地中海貧血的一種形式。地中海貧血是常見的單基因疾病，主要在發(fā)生地中海和東南亞人口。alpha-地中海貧血的標志是一個失衡globin-chain生產(chǎn)成的人HbA分子。 鏈水平的產(chǎn)物的范圍可以從沒有到幾乎正常的水平。刪除兩個 -珠蛋白基因的副本導致(0)-地中海貧血,也稱為純合子的地中海貧血。由于沒有完整的鏈,主要的胎兒血紅蛋白四聚物的gamma鏈(Bart血紅蛋白),基本上沒有攜帶氧的能力。這將導致胎兒組織氧饑餓導致產(chǎn)前殺傷力或早期新生兒死亡。兩個基因?qū)е碌膿p失輕微alpha-地中海貧血,也稱為雜合的alpha-地中海貧血。 影響個人小紅細胞和心肌梗死。假如四分之三的Alpha珠蛋白基因起作用，人基本就沒有癥狀。很少的alpha-地中海貧血類型是由于突變引起的（非刪除的alpha-地中海貧血）血紅蛋白H病（HBH）MIM:613978：一種alpha-thalassemia由于損失三個基因。 這將導致高水平的四聚物的四種鏈(血紅蛋白H),導致嚴重和致命的貧血。治療,大多數(shù)病人死在童年或者青春期的早期階段。注釋:這類病可能是由于突變效應在基因中的表達。其他信息：使血液呈現(xiàn)紅色。序列相似性：屬于珠蛋白家族。2) 以人血紅蛋白alpha亞基為例，說明序列特征注釋信息（Sequence Annotation）主要包括哪些內(nèi)容。序列特征注釋信息（Sequence Annotation）包括一些重要序列信息的發(fā)生位點、序列長度、具體說明、圖示以及特征識別。具體重要序列信息包括分子處理如起始氨基酸的去除，重要位點如金屬結(jié)合位點，氨基酸修飾位點如糖基化，自然突變位點，實驗水平的一些信息，以及序列的二級結(jié)構(gòu)。3) 以人血紅蛋白alpha亞基為例，說明數(shù)據(jù)庫交叉鏈接（Cross Reference）主要包括哪些數(shù)據(jù)庫。序列數(shù)據(jù)庫：Genbank EMBL DDBJ PIR Uni Gene RefSeq3D結(jié)構(gòu)數(shù)據(jù)庫：PDB ProteinModelPortal SMR ModBase MobiDB蛋白質(zhì)相互作用數(shù)據(jù)庫：BioGrid DIP IntAct MINT STRING化學庫：ChEMBL DrugBankPTM數(shù)據(jù)庫：PhosphoSite 二維凝膠數(shù)據(jù)庫：SWISS-2DPAGE UCD-2DPAGE DOSAC-COBS-2DPAGE REPRODUCTION-2DPAGE蛋白質(zhì)組數(shù)據(jù)庫：PRIDE PaxDb Peptide Atlas協(xié)議和材料數(shù)據(jù)庫：DNASU StructuralBiologyKnowledgebase基因組注釋數(shù)據(jù)庫：Emsemble KEGG UCSC GeneID物種特異數(shù)據(jù)庫：CTD GeneCards HGNC HPA MIM分子系統(tǒng)數(shù)據(jù)庫：InParanoid KO OMA TreeFam酶和通路數(shù)據(jù)庫：Reactome 基因表達數(shù)據(jù)庫：Bgee CleanEx Array Genevestigator家族和結(jié)構(gòu)域數(shù)據(jù)庫：Gene3D InterPro PANTHER Pfam PRINTS其他：EvolutionaryTrace Genewiki NextBio ChiTaRS PRO3. 數(shù)據(jù)庫檢索1) 寫出從UniProt數(shù)據(jù)庫中檢索已審閱的人珠蛋白（globin）家族12個亞基的步驟。列表說明這12個珠蛋白的登錄號、蛋白質(zhì)名稱、和序列長度。其中與血紅蛋白alpha亞基差異最大的序列是哪個？相同位點百分比？與血紅蛋白beta亞基差異最小的序列是哪個？差異位點共多少個？在UniProtKB中利用高級檢索，依次增加Organism：human、ProteinFamily:globin兩個限定條件后，選中reviewed的序列，即可出現(xiàn)庫中已審閱的人珠蛋白家族的12個亞基。登錄號蛋白名稱序列長度P02008血紅蛋白亞基142P69905血紅蛋白亞基142P68871血紅蛋白亞基147P02042血紅蛋白亞基147P69891血紅蛋白-1亞基147P69892血紅蛋白-2亞基147P02144肌紅蛋白154Q8WWM9細胞珠蛋白190Q9NPG2神經(jīng)珠蛋白151P09105血紅蛋白-1亞基142P02100血紅蛋白亞基147Q6B0K9血紅蛋白亞基141與血紅蛋白alpha亞基差異最大的序列是神經(jīng)珠蛋白，相同位點百分比為22%。與血紅蛋白beta亞基差異最小的序列是血紅蛋白亞基，差異位點共10個。2) 寫出從UniProt數(shù)據(jù)庫中檢索以下序列條目的步驟和結(jié)果：擬南芥序列條目總數(shù)，其中已審閱條目數(shù)，已審閱序列中具有蛋白質(zhì)證據(jù)全長序列條目數(shù)，上述序列中膜蛋白總數(shù)、注釋為跨膜蛋白數(shù)且具有信號肽的序列數(shù)。1，在UniProtKB數(shù)據(jù)庫搜索欄中選擇advanced search ，然后根據(jù)organism:Arabidopsis thaliana得到擬南芥序列條目總數(shù)為53221。2，在results里點擊reviewed，得到已審閱的條目數(shù)為12720。3，在results里點擊complete proteome set，并在field中選擇ProteinExistence，再選擇Evidence at protein level，得到已審閱序列中具有蛋白質(zhì)證據(jù)全長序列的條目數(shù)為4407。4，在field中選擇SubcellularLocation，在Term中輸入membrane，搜索后得到膜蛋白總數(shù)為1292。5，在field中選擇sequence annotation，在topic中選擇transmembrane，得到蛋白數(shù)為837。6，在field中選擇sequence annotation，在topic中選擇signal peptide，得到蛋白數(shù)為112。4. 利用高級檢索功能，從UniProt數(shù)據(jù)庫中檢索你課題相關(guān)或最感興趣的蛋白質(zhì)，閱讀其一般注釋信息、序列特征注釋信息，相關(guān)文獻，并通過數(shù)據(jù)庫交叉鏈接，總結(jié)該蛋白質(zhì)的研究進展。玉米ARF-1:玉米生長素應答因子1，屬于小GTP酶超家族，一般位于高爾基體裝飾完成，控制調(diào)節(jié)種子的發(fā)芽。蛋白序列長度為181，在第一個氨基酸發(fā)生甲基化，有24-31、67-71和126-129三個核酸結(jié)合區(qū)域。1996.2.1發(fā)布在Uniprot數(shù)據(jù)庫，2013.9.18完成修正。生長素是植物生長過程中必不可缺的一類激素，在植物生長發(fā)育的各個階段都起到重要作用。近年來，對植物中的ARF基因不論是信號途徑的轉(zhuǎn)導還是表達機制的研究都成為熱點問題。全面的分析ARF家族基因，對于ARF基因的分子克隆和分子進化的研究具有重要指導意義。通過ARF基因序列的整合比對分析可知典型的ARF基因含有三個結(jié)構(gòu)域，分別為N末端DNA結(jié)合域（DBD）、中間核心區(qū)域(MR)、C末端二聚化結(jié)構(gòu)域(CTD)(結(jié)構(gòu)域III和IV)。參考水稻ARF基因家族的命名方法，對玉米的ARF基因家族進行了命名，分別為ZmARF1-ZmARF35。 有研究通過構(gòu)建系統(tǒng)進化樹分析了ARF類型基因的進化關(guān)系，結(jié)果顯示這些基因主要分布于四個分枝，而與擬南芥、楊樹、葡萄和水稻的ARF基因家族進行比較分析發(fā)現(xiàn)玉米與水稻同源性最高，這表明ARF類型基因的進化可能是伴隨著單/雙子葉植物差異分離進化而發(fā)生的。并確定35個ARF基因分散的分布在玉米的十條染色體上，5號染色體上最多，有6個基因；2、7、8、9號染色體最少，各有1個基因，沒有出現(xiàn)明顯的基因簇現(xiàn)象，與其他物種的染色體定位具有相同特性。 對玉米ARF類型基因的結(jié)構(gòu)進行分析，同屬一個進化