二生物信息學(xué)數(shù)據(jù)庫及檢索

常用數(shù)據(jù)庫簡介數(shù)據(jù)庫（Database）用于收集、整理、儲存、加工、發(fā)布和檢索數(shù)據(jù)的系統(tǒng)。生物類的數(shù)據(jù)庫種類很多投稿文章首先要將核苷酸序列或蛋白質(zhì)序列提交到相應(yīng)的數(shù)據(jù)庫中數(shù)據(jù)庫記錄通常包括兩部分原始數(shù)據(jù)對這些數(shù)據(jù)進(jìn)行的生物學(xué)意義的注釋一個數(shù)據(jù)庫通常鏈接了多個相關(guān)數(shù)據(jù)庫核苷酸數(shù)據(jù)庫－水稻抗病相關(guān)基因OsDR8

DQ176424Taxonomy數(shù)據(jù)庫Pubmed數(shù)據(jù)庫NCBI-Protein數(shù)據(jù)庫（一）數(shù)據(jù)庫工具建立純文本數(shù)據(jù)庫

GenBank

數(shù)據(jù)庫、EMBL核苷酸數(shù)據(jù)庫

MySQL

數(shù)據(jù)庫工具

SQL（結(jié)構(gòu)化查詢語言）是世界上流行的和標(biāo)準(zhǔn)化的數(shù)據(jù)庫語言能夠快速靈活存儲記錄文件和圖像下載網(wǎng)址

http:///

AceDB

數(shù)據(jù)庫工具AceDB：AC.elegans

DataBase（線蟲數(shù)據(jù)庫）被廣泛應(yīng)用的管理和提供基因組數(shù)據(jù)的工具數(shù)據(jù)形式豐富遺傳圖譜物理圖譜新陳代謝途徑序列等G1810.420.84RM2240.21R15060.21Xa26S128861.470.000.63L1044NBS119RM144Y6855RA0.00111gggctccaccactagtacccctcactacaggtagccataaaaaaaatcgatcaccaaaac61ccattattaggttgtgtactgatacagaaagttgggaaccaatctcccagcacagaaaac121ggtacggttcattagcgcgtgattaattaaatatttactattttttaaaaaaaatagatc181aatatgatttttaagcaactttcgtataaatactttttcaaaaaaacacaccgttttcta241gtttgaaaagcgtacacgcgtgaaatgagggagaaaggttggaaacgtgggattgcaaac（二）各種生物數(shù)據(jù)庫1、核苷酸數(shù)據(jù)庫

DNA、mRNA、tRNA、rRNA序列

RNA序列以cDNA序列的形式收集核苷酸序列直接來源于實驗數(shù)據(jù)大量氨基酸序列

主要是非實驗來源數(shù)據(jù)

codingsequence(CDS)數(shù)據(jù)庫種類很多GenBank、EMBL核苷酸數(shù)據(jù)庫、DDBJ信息資源共享：以天為基礎(chǔ)進(jìn)行數(shù)據(jù)庫之間的序列數(shù)據(jù)交換收集了專利的核苷酸序列UnitedStatesPatentandTrademarkOffice(USPTO)EuropeanPatentOffice(EPO)JapanPatentOffice(JPO)三大核苷酸數(shù)據(jù)庫國際核苷酸序列數(shù)據(jù)庫合作協(xié)議（InternationalNucleotideSequenceDatabaseCollaboration）收集的核苷酸來源（1）GenBank

/genbank/美國NCBI的數(shù)據(jù)庫，有部分蛋白質(zhì)序列數(shù)據(jù)每天更新，每年發(fā)行（release）六版Release185（2011.8.15）142284608

sequences130671233801

bases142284608

loci下載全部序列大概需要511GB來源于500,000多個物種大約12.2％來源于Homosapiens在GenBank數(shù)據(jù)庫中序列最多的20個物種GrowthofGenBank

(1982-2009)Basepairs/1,000,000,000Entries/1,000,000Locusname（位點名）Accessionnumber（注冊號或登陸號）GI（GenInfoidentifier）

NID（NucleotideID）

每個序列有一個flatfile

每條序列有三個專有的編號或標(biāo)識（identifier）

LOCUSline分支縮寫分支全稱PRI靈長類序列(primatesequences)ROD嚙齒類序列(rodentsequences)MAM其它哺乳類序列(othermammaliansequences)VRT其它脊椎動物序列(othervertebratesequences)INV無脊椎動物序列(invertebratesequences)PLN植物、真菌和海藻類序列(plant,fungal,andalgalsequences)BCT細(xì)菌序列(bacterialsequences)VRL病毒序列(viralsequences)PHG噬菌體序列(bacteriophagesequences)Thedivisions（分支）ofGenBank分支縮寫分支全稱SYN合成序列(syntheticsequences)UNA未注釋的序列(unannotatedsequences)EST表達(dá)序列標(biāo)簽(expressedsequencetags)PAT已專利的序列(patentsequences)STS序列標(biāo)簽位點(sequencetaggedsites)GSS基因組序列(genomesurveysequences)HTG高通量基因組序列(highthroughputgenomicsequences)HTC高通量cDNA序列(highthroughputcDNAsequences)Thedivisions（分支）ofGenBank（2）dbEST(DatabaseofExpressedSequenceTags)

/dbEST/index.html

GenBank的二級數(shù)據(jù)庫EST—cDNA

序列的一個片斷（5’端、3’端、CDS）

300－400bp Single-passsequence

GenBank

中64％以上的序列是EST（3）UniGene數(shù)據(jù)庫

/UniGene/NCBI的另一個核苷酸數(shù)據(jù)庫來源于同一基因的非重復(fù)EST組成基因序列群人、大鼠、小鼠、斑馬魚、牛、蛙等擬南芥、水稻、小麥、大麥、玉米等共計97個物種UniGene主頁輸入關(guān)鍵詞檢索（4）dbSTS(DatabaseofSequenceTaggedSites)

/dbSTS/index.html

GenBank的二級數(shù)據(jù)庫短序列（200-500bp）

已定位于染色體上的、序列已知的單拷貝DNA短片段檢索：GenBank主頁選擇UniSTS后輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容點擊“mv”查看染色體定位（5）dbGSS(DatabaseofGenomeSurveySequences)

/dbGSS/index.htmlcosmid/BAC/YACG1810.420.84RM2240.21R15060.21Xa26S128861.470.000.63L1044NBS119RM144Y6855RA0.0011TheGSSdivisionofGenBankissimilartotheESTdivision,withtheexceptionthatmostofthesequencesaregenomicinorigin,ratherthancDNA(mRNA).GenomeSurveySequencesaretypicallygeneratedandsubmittedtoNCBIbylabsperforminggenomesequencingandareused,amongstotherthings,asaframeworkforthemappingandsequencingofgenomesizepiecesincludedinthestandardGenBankdivisions.

GenBank的二級數(shù)據(jù)庫TheGSSdivisioncontains(butisnotlimitedto)thefollowingtypesofdata:random"singlepassread"genomesurveysequences.cosmid/BAC/YACendsequencesexontrappedgenomicsequencesAluPCRsequencestransposon-taggedsequences（6）HTG(High-ThroughputGenomicSequences)

/HTGS/

GenBank

的二級數(shù)據(jù)庫尚未完成測序的重疊群（>2kb）的序列新序列的增加速度很快cosmid/BAC/YACAtypicalHTGrecordmightconsistofallthefirstpasssequencedatageneratedfromasinglecosmid,BAC,YAC,orP1clonewhichtogethermakeupmorethan2kbandcontainoneormoregaps.abcabcdPhase0Phase1Phase2Phase3未知序列ecosmid/BAC/YAC（7）基因組數(shù)據(jù)庫

/entrez/query.fcgi?db=GenomeNCBI的另一個數(shù)據(jù)庫測序完成和正在測序物種基因組序列、遺傳圖、物理圖等序列收集在GenBank

數(shù)據(jù)形式豐富已經(jīng)完成測序的基因組Taxonomiccoverage（8）dbSNP(DatabaseofSingleNucleotidePolymorphisms)

/SNP/

NCBI的數(shù)據(jù)庫，創(chuàng)建于1998.9

約每100－300bp

有一個SNP

數(shù)據(jù)種類Singlenucleotidepolymorphism（SNP）Shortdeletion-InsertionpolymorphismInsertion/deletion(Indel)Deletion/insertion/substitution(DIS)

dbSNP主頁輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容代碼堿基互補(bǔ)代碼MA或CKRA或GYWA或TWSC或GSYC或TRKG或TMVA、C或GBHA、C或TDDA、G或THBC、G或TVNG、A、T或CN標(biāo)準(zhǔn)堿基多意代碼tyrosinekinase酪氨酸激酶

（9）EMBL(EuropeanMolecularBiologyLaboratory)NucleotideSequenceDatabase

EBI(EuropeanBioinformaticsInstitute)管理主要是歐洲國家產(chǎn)生的DNA和RNA序列序列數(shù)據(jù)文檔格式與GenBank

不同數(shù)據(jù)庫主頁http://www.ebi.ac.uk/embl/Access/index.html輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容（10）DDBJ(DNADataBankofJapan)主要是日本產(chǎn)生的DNA和RNA序列數(shù)據(jù)庫主頁http://www.ddbj.nig.ac.jp/Welcome-e.html輸入關(guān)鍵詞檢索到的條目每一條目詳細(xì)內(nèi)容發(fā)表文章要提供Accessionnumber（11）EPD(EukaryoticPromoterDatabase) http://www.genome.ad.jp/dbget/dbget2.html由WeizmannInstituteofScienceinRehovot(Israel)開創(chuàng)4806條真核生物啟動子序列（2010.11，release105）人類基因組中的啟動子大約19萬個同一個基因具有多個啟動子2、蛋白質(zhì)數(shù)據(jù)庫（1）SWISS-PROT由EBI和瑞士創(chuàng)辦有詳細(xì)注釋的序列，數(shù)據(jù)來源于實驗與44個數(shù)據(jù)庫相互參照（cross-reference）數(shù)據(jù)庫主頁http://www.ebi.ac.uk/swissprot/點擊Access在DatabaseAccess網(wǎng)頁選擇數(shù)據(jù)庫、輸入關(guān)鍵詞檢索到的條目（2）TrEMBL(TranslationofEMBL)

http://www.ebi.ac.uk/swissprot/EBI的數(shù)據(jù)庫提交到EMBL核苷酸數(shù)據(jù)庫中所有CDS的氨基酸序列

UniProt(UniversalProteinResource)合并了SWISS-PROT和TrEMBL數(shù)據(jù)庫檢索方法與檢索SWISS-PROT相同

數(shù)據(jù)格式（3）PIR(ProteinInformationResource)

由NationalBiomedicalResearchFoundation創(chuàng)辦可將蛋白質(zhì)序列分類

結(jié)構(gòu)域（4）PRF(ProteinResearchFoundation)

http://www.prf.or.jp/由日本的ProteinResearchFoundation創(chuàng)辦已發(fā)表在雜志上的蛋白質(zhì)序列修飾位點、S－S鍵等兩月更新一次（5）PDBSTR(Re-OrganizedProteinDataBank)

http://www.genome.ad.jp蛋白質(zhì)序列和二級結(jié)構(gòu)

螺旋結(jié)構(gòu)（6）Prosite

/prosite蛋白質(zhì)家族結(jié)構(gòu)域3、結(jié)構(gòu)數(shù)據(jù)庫（1）PDB(ProteinDataBank)

由BrookhavenNationalLaboratories創(chuàng)辦

蛋白質(zhì)核酸（DNA、RNA）其它（蛋白-核酸復(fù)合物）

71516個結(jié)構(gòu)圖（2011.3.1）可通過BLAST系統(tǒng)檢索

X射線衍射圖、核磁共振（NMR）光譜圖和電鏡圖（文字和三維結(jié)構(gòu)圖）TotalYearlyPDBContentGrowth（2）NDB（NucleicAcidDatabase）

/

核酸的結(jié)構(gòu)（3）DNA-BindingProteinDatabase

/DNA結(jié)合蛋白質(zhì)的X射線衍射結(jié)構(gòu)圖（4）SWISS-3DIMAGEhttp://www.expasy.ch/sw3d/蛋白質(zhì)的平面和立體圖來源于實驗結(jié)果理論模型4、酶和代謝數(shù)據(jù)庫（1）KEGG(KyotoEncyclopediaofGenesandGenomes)各種代謝、遺傳等路徑圖可檢索參于各種路徑的基因KEGG主頁http://www.genome.ad.jp/kegg/點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任何代謝路徑，如糖酵解/糖原異生途徑（Glycolysis/Gluconeogenesis)檢索GeneticInformationProcessingKEGG主頁點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任何遺傳信息路徑，如Proteinexport路徑可以查看參加這一路徑蛋白質(zhì)的信息檢索EnvironmentalInformationProcessingKEGG主頁點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任何EnvironmentalInformationProcessing路徑，如MAPKsignalingpathway路徑可以查看與這一路徑相連的其它信號路徑或參加這一路徑的蛋白質(zhì)信息檢索CelluarProcessesKEGG主頁點擊“PATHWAY”“PATHWAY”網(wǎng)頁點擊任何CellularProcesses路徑，如Cellcycle路徑可以查看與這一路徑相連的其它信號路徑或參加這一路徑的蛋白質(zhì)信息（2）PKR(ProteinKinaseResource)

/pkr/Welcome.do多種檢索內(nèi)容已知蛋白激酶的序列比較蛋白激酶分類蛋白激酶的三維結(jié)構(gòu)與疾病相關(guān)的蛋白激酶其它內(nèi)容5、物種分類數(shù)據(jù)庫物種分類界（Kingdom）門（Phylum）綱（Class）目（Order）科（Family）屬（Genus）種（Species）每一分類等級下可加設(shè)亞級（Sub-），如亞門、亞綱、亞科等。每一分類等級上可加設(shè)總級（Super-），如總綱、總目、總科等。動物界（Animal）脊索動物門（Chordata）脊椎動物亞門（Vertebrata）哺乳綱（Mammalia）嚙齒目（Rodentia）鼠科（Muridae）小家鼠屬（Mus）小家鼠種（musculus）舉例：Mouse：MusmusculusHuman：HomosapiensArabidopsis：Arabidopsisthaliana

Poplars:Populustrichocarpa(JGI)Pine(火炬忪):Pinustaeda

ThePineGenomeInitiative(/)Eucalyptus(桉樹):Eucalyptusglobulus(bluegum)TheInternationalEucalyptusGenomeNetwork(http://www.fabinet.up.ac.za/eucagen)幾個林木基因組Papaya(番木瓜)：Caricapapaya/papaya/Taxonomy/Taxonomy/taxonomyhome.html擬南芥系譜（lineage）各個物種的系譜樹在NCBIEntrezTaxonomyHomepage網(wǎng)頁點擊“tree”在“tree”網(wǎng)頁點擊任一物種名，如“Eukaryota”真核生物的系譜樹6、文獻(xiàn)數(shù)據(jù)庫各種雜志、書刊上發(fā)表的文章大多數(shù)有摘要（1）PubMed

/PubMed/美國國家醫(yī)學(xué)圖書館的數(shù)據(jù)庫醫(yī)學(xué)分子生物學(xué)基礎(chǔ)生物學(xué)

4800多種刊物，來源于70多個國家刊物年限：60年代中期至今（2）OMIM(OnlineMendelianInheritanceinMan)

NCBI的數(shù)據(jù)庫人類基因遺傳疾病

每天更新數(shù)據(jù)/Omim/檢索網(wǎng)頁（3）Agricola

/美國農(nóng)部農(nóng)業(yè)圖書館的數(shù)據(jù)庫農(nóng)業(yè)類刊物7、向數(shù)據(jù)庫提交和修改核苷酸和蛋白質(zhì)序列提交：Submission修改：Update數(shù)據(jù)庫中的數(shù)據(jù)由大家無償提供，共同享用（1）向GenBank提交或修改核苷酸序列

用BankIt

功能提交序列網(wǎng)上直接提交，簡單方便提交后立刻得到臨時編號一周內(nèi)得到Accessionnumber用Update

功能修改

GenBank

中的序列和相關(guān)信息

修改一次，version的編號就進(jìn)一位

用Sequin方法提交序列

可下載的電子表格自動確定CDS、ORF和查找重復(fù)序列（2）向SWISS-PROT提交或修改蛋白質(zhì)序列

網(wǎng)上直接操作只接收用蛋白質(zhì)直接測序的序列由核苷酸序列翻譯得到的蛋白質(zhì)序列將進(jìn)入TrEMBLJGIanimalsEnsembl數(shù)據(jù)庫檢索檢索數(shù)據(jù)庫的方法用關(guān)鍵詞或詞組進(jìn)行數(shù)據(jù)庫檢索

(Text-baseddatabasesearching)用核苷酸或蛋白質(zhì)序列進(jìn)行數(shù)據(jù)庫檢索

(Sequence-baseddatabasesearching)關(guān)鍵詞或詞組為基礎(chǔ)的數(shù)據(jù)庫檢索關(guān)鍵詞名詞、描述性詞、詞組序列注冊號(Accessionnumber)檢索體系EntrezSequenceRetrievalSystem(SRS)Integrateddatabaseretrievalsystem(DBGET)檢索須知（1）

連接詞AND,OR,NOT riceANDenzyme riceANDenzymeNOTkinase

retrotransposonORretroelement用引號將兩個單詞組成一個詞組“diseaseresistance”diseaseresistance=diseaseANDresistance檢索須知（2）

wildcard“*”放在單詞后使檢索范圍擴(kuò)大，但專一性降低

Wan*=所有以Wan開頭的單詞

enzyme*=enzyme+enzymes1.Entrez/Entrez/NCBI的檢索體系優(yōu)點：三種檢索體系中最容易操作的體系缺點：檢索范圍有限8大類35個與Entreze體系相連的數(shù)據(jù)庫NucleotideSequenceDatabases(8)

CoreNucleotide,EST,GSS,SNP,Gene,HomoloGene,UniSTS,PopSet

ProteinSequenceDatabses(2)Protein,ProteinClustersStructureDatabases(4)Structure,PubChemCompound,

3DDomains,CDDTaxonomyDatabases(1)TaxonomyGenomeDatabases(2)Genomes,

GenomeProjectExpressionDatabases(4)

UniGene,GEOProfiles,GEODataSets,GENSATLiteratureDatabases(9)

PubMed,PubMedCentral,SiteSearch,Books,OMIM,OMIA,Journals,NLMCatalog,MeSHOtherDatabases(5)Probe,dbGaP,PubChemSubstance,CancerChromosomes,PubChemBioAssayEntrez主頁/Entrez/Entrez系統(tǒng)中部分?jǐn)?shù)據(jù)庫之間的連接檢索方法（1）：數(shù)據(jù)庫之間檢索NCBI主頁選擇“EntrezHome”或Entrez主頁，輸入關(guān)鍵詞各個數(shù)據(jù)庫中檢索到的信息數(shù)量點擊相應(yīng)數(shù)據(jù)庫查看信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接檢索方法（2）：選擇數(shù)據(jù)庫檢索NCBI主頁選擇數(shù)據(jù)庫，輸入關(guān)鍵詞檢索到的信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接查看信息內(nèi)容選擇數(shù)據(jù)庫后，可選擇在這一數(shù)據(jù)庫中的檢索內(nèi)容、時間范圍、分子類型、基因位點等檢索到的信息目錄點擊“Limits”修改檢索時間范圍點擊“Go”檢索選擇時間范圍內(nèi)的數(shù)據(jù)分子量檢索檢索一個分子量為2002的蛋白質(zhì)，輸入“2002[MOLWT]”，結(jié)果目錄，詳細(xì)內(nèi)容與其他檢索詞相結(jié)合，如檢索人類分子量為2002的蛋白質(zhì)，輸入“2002[MOLWT]ANDhuman[ORGN]”其他專一檢索關(guān)鍵詞[欄目縮寫或全名]，如“2002[MOLWT]或2002[molecularweight]檢索在“Keywords”欄目中出現(xiàn)“kinase”的蛋白質(zhì)數(shù)據(jù)，輸入“kinase[Keyword]”，結(jié)果目錄范圍檢索檢索分子量在2002－2009之間的蛋白質(zhì)，輸入“2002:2009[MolecularWeight]”，結(jié)果的詳細(xì)內(nèi)容檢索核苷酸長短在3000－4000之間的DNA，輸入“3000:4000[SLEN]”，結(jié)果目錄檢索注冊號在AF123456－AF123478之間的核苷酸數(shù)據(jù)，輸入AF123456:AF123478[Accessionnumber]，結(jié)果目錄2.SRS(SequenceReterievalSystem)SRS（http://srs.ebi.ac.uk/）是一個開放的數(shù)據(jù)庫查詢系統(tǒng)，不同的SRS系統(tǒng)（版本）可以根據(jù)需要安裝不同的數(shù)據(jù)庫EuropeanBioinformaticsInstitute(EBI)的檢索體系優(yōu)點：檢索面寬缺點：操作復(fù)雜17大類194個數(shù)據(jù)庫與SRS體系相連Literature,BibliographyandReferencedatabasesNucleotidesequencedatabasesUniprotUniversalProteinResourceOtherproteinsequencedatabasesDeprecatedProteinDatabasesNucleotiderelateddatabasesProteinfunctiondatabasesProteinstructuredatabasesEnzymes,reactionsandmetabolicpathwaydatabases17大類194個數(shù)據(jù)庫與SRS體系相連（續(xù)）MutationandSNPdatabasesGeneontologyresourcesBiologicalResourcesCataloguesMappingdatabasesOtherdatabasesUserowneddatabasesApplicationresultdatabasesEMBOSSresultdatabasesSRS基本檢索規(guī)則與常用檢索規(guī)則不同的檢索規(guī)則用“|”代表“OR”，用“&”代表“AND”，用“!”代表“NOT”數(shù)字和日期檢索片段長度檢索時用“:”代表或，用“!”代表≠；如“12:”表示12，“:12”表示12，“!12:”表示>12，“:!12”表示<12，12:15表示12而15可以識別兩種日期格式：YYYYMMDD或DD-MMM-YYYY；如20020619或19-Jun-2002索引檢索（indexsearch）由數(shù)據(jù)庫名、域名和檢索詞三部分組成，數(shù)據(jù)庫和域名之間用“-”連接，域名與檢索詞之間用“:”（字符串檢索）或“#”（范圍檢索）分開，如：[pir-des:elastase]表示在蛋白質(zhì)數(shù)據(jù)庫PIR的des（description）域搜索關(guān)鍵詞“elastase”[swissprot-date#20010415:200220414]表示在蛋白質(zhì)數(shù)據(jù)庫SWISS-PROT中檢索從2001年4月15日到2002年4月14日的所有記錄[{swissprot

swissnew

sptrembl}-des:kinase]表示在SWISS-PROT、SWISSNEW和SPtrEMBL三個數(shù)據(jù)庫中的des域搜索關(guān)鍵詞“kinase”檢索方法（1）：快速檢索操作簡單，檢索數(shù)據(jù)庫有限適用于目標(biāo)明確的檢索在SRS主頁選擇數(shù)據(jù)庫種類，輸入關(guān)鍵詞檢索到的信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接查看信息內(nèi)容檢索方法（2）：深入檢索操作稍微復(fù)雜，可以檢索所有數(shù)據(jù)庫適用于范圍廣泛的檢索在SRS主頁點擊“LibraryPage”在“LibraryPage”網(wǎng)頁選擇數(shù)據(jù)庫，然后點擊“QueryForm”在“QueryForm”網(wǎng)頁輸入關(guān)鍵詞檢索檢索到的信息目錄，每一條信息與其它數(shù)據(jù)庫的相關(guān)信息鏈接3.DBGET(Integrateddatabaseretrievalsystem)