蛋白质序列PIR和PDB使用方法 (2).doc

摘要随着核酸数据库不断发展以及数据库的建立，蛋白质序列、结构、功能不断引起人们的重视，生命科学的研究中蛋白质的研究显得尤为重要，一系列的蛋白质序列数据随之产生，数据库也在研究蛋白质的过程中有着不可或缺的地位。本文主要通过实验说明蛋白质序列数据库PIR及蛋白质结构数据库PDB的使用方法，返回结果的含义，以及如何下载数据和批量下载数据。前言由于蛋白质序列测定技术先于DNA序列测定技术问世，蛋白质序列的搜集也早于DNA序列。蛋白质序列数据库的雏形可以追溯到60年代。60年代中期到80年代初，美国国家生物医学研究基金会(National Biomedical Research Foundation，简称NBRF)Dayhoff领导的研究组将搜集到的蛋白质序列和结构信息以“蛋白质序列和结构地图集”(Atlas of Protein Sequence and Structure)的形式发表，主要用来研究蛋白质的进化关系。时至今日，国际上已建立了许多关于生物分子的数据库，主要包括基因组图谱数据库、核酸序列数据库、蛋白质序列数据库、蛋白质结构数据库、生物大分子结构数据库等。这些数据库均为公共数据库，由特定的组织维护、以及发布相关序列信息，供生物研究学者使用，称为生物研究中的必要工具之一，随着科学技术的发展，这些数据库不断壮大，也为研究人员提供了大量有用的数据。本文主要通过课程实验，展示蛋白质序列数据库PIR及蛋白质结构数据库PDB的相关使用方法。本论蛋白质序列数据库PIR介绍1984年，“蛋白质信息资源”(Protein Information Resource，简称PIR)计划正式启动，蛋白质序列数据库PIR也因此而诞生。与核酸序列数据库的国际合作相呼应，1988年，美国的NBRF、日本的国际蛋白质信息数据库(Japanese International Protein Information Database，简称JIPID)和德国的慕尼黑蛋白质序列信息中心(Munich Information Center for Protein Sequences，简称MIPS)合作成立了国际蛋白质信息中心(PIR-International)，共同收集和维护蛋白质序列数据库PIR。PDB是目前最主要的收集生物大分子(蛋白质、核酸和糖)三维结构的数据库,是通过X射线单晶衍射、核磁共振、电子衍射等实验手段确定的蛋白质、多糖、核酸、病毒等生物大分子的三维结构数据库。随着晶体衍射技术的不断改进,结构测定的速度和精度也逐步提高。90年代以来,随着多维核磁共振溶液构象测定方法的成熟,使那些难以结晶的蛋白质分子的结构测定成为可能。蛋白质分子结构数据库的数据量迅速上升。据2000年5月统计，PDB数据库中已经存放了1万2千多套原子坐标,其中大部分为蛋白质，包括多肽和病毒。此外,还有核酸、蛋白和核酸复合物以及少量多糖分子。近年来,核酸三维结构测定进展迅速。PDB数据库中已经收集了800多套核酸结构数据。 PDB数据库允许用户用各种方式以及布尔逻辑组合(AND、OR和NOT)进行检索，可检索的字段包括功能类别、PDB代码、名称、作者、空间群、分辨率、来源、入库时间、分子式、参考文献、生物来源等项。用户不仅可以得到生物大分子的各种注释、坐标、三维图形、VAML等,并能从一系列指针连接到与PDB有关的数据库，包括SCOP、CATH、Medline、ENZYME、SWISS-3DIMAGE等。可通过FTP下载PDB数据。所有的PDB文件均有压缩和非压缩版以适应用户传输需要。PDB的电子公告版BBS和电子邮件兴趣小组(Mailing List)为用户提供了交流经验和发布新闻的空间。在PDB的服务器上还提供与结构生物学相关的多种免费软件如Rasmol、Mage、PDBBrowser、3DB Brower等。PIR应用首页介绍：主要包含以下几项：1、About PIR：对网站历史、发展、及各类刊物的介绍；2、Database：包括PIR-PSD、PIR-NREF、Uniprot等数据库；3、Search/Analysis：对蛋白质序列分析的多种途径；4、Download：网站提供的蛋白质下载；5、Surpport：一些其他链接，包括支持等；6、其他一些与PIR相关的介绍链接；蛋白质搜索点击Search/Analysis进入蛋白质序列搜索，包括Text Search、Batch Retrieval、BLAST/FASTA Search、Peptide Match、Pattern Search、Multiple Alignment、Pairwise Alignment等，以下以Text Search为例（其他与此类似，在此不详细介绍）：点击Text Search进入：主要包括选择数据库以及选择的领域等；输入mouse进入关于鼠的蛋白质序列：主要包括蛋白质序列ID、Name（名字）、Length（长度）、PIRSF ID、Matched Fields（匹配领域）等；点击PIRSF ID即可进入相应的蛋白质序列TEXT详细信息页：主要有PIRSF Number、PIRSF Name、PIRSF Size、PIRSF Hierarchy、Taxonomy Range、Keyword等，在这里可以很清楚的了解相关蛋白质序列的详细的相关信息；蛋白质序列搜索点击Databases进入蛋白质序列搜索以下以PIRSF为例：在TEXT SEARCH搜索框中输入蛋白质序列ID（PIRSF016331）即可进入：点击ID编号即可进入详细信息PIRSF Number蛋白质序列的PIRSF ID号PIRSF Name蛋白质序列的命名PIRSF Size蛋白质序列的大小PIRSF Hierarchy蛋白质序列PIRSF等级Taxonomy Range蛋白质序列的分类范围Length Range蛋白质序列的长度范围Keyword关键字Representative member代表成员Seed Members种子成员以及其他相关信息在此不一一列举蛋白质序列下载点击Download进入蛋白质序列下载界面：主要包括iProClass、PIRSF、PRO等；点击PRO进入下载目录：点击任意目录进入下载文件界面：*.txt文件需要复制（下图为txt文件），pdf及文件夹可以直接下载：蛋白质结构数据库PDB简介蛋白质数据库（Protein Data Bank，简称PDB）是一个专门收录蛋白质及核酸的三维结构资料的数据库。这些资料和数据一般是世界各地的结构生物学家经由X射线晶体学或NMR光谱学实验所得，并释放到公有领域供公众免费使用。蛋白质数据库Protein Data Bank(PDB)是一个蛋白质、核酸等生物大分子的结构数据的数据库，由Worldwide Protein Data Bank监管。PDB可以经由网络免费访问，是结构生物学研究中的重要资源。为了确保PDB资料的完备与权威，各个主要的科学杂志、基金组织会要求科学家将自己的研究成果提交给PDB。在PDB的基础上，还发展出来若干依据不同原则对PDB结构数据进行分类的数据库，例如GO将PDB中的数据按基因进行了分类。Protein Data Bank(PDB)的历史可以追溯到1971年，当时Brookhaven国家实验室的Walter Hamilton决定在Brookhaven建立这个数据库。1973年Hamilton去世后，Tom Koeztle接管了PDB。1994年1月，Joel Sussman被任命为PDB负责人。在1998年10月，PDB被移交给了Research Collaboratory for Structural Bioinfor-matics(RCSB)，并与1999年6月移交完毕，新的负责人是Rutgers大学（RCSB成员）的Helen M. Berman。2003年，PDB作为wwPDB的核心，成为了一个国际性组织。同时，wwPDB的其他成员，包括PDBe、PDBj、BMRB，也为PDB提供了数据积累、处理和发布的中心。值得一提的是，虽然PDB的数据是由世界各地的科学家提交的，但每条提交的数据都会经过wwPDB工作人员的审核与注解，并检验数据是否合理。PDB及其提供的软件现在对公众免费开放。PDB应用首页介绍：主要包括页首All Categories（所有分类）、 Author（作者）、 Macromolecule（大分子）、 Sequence （序列）、Ligand（匹配）；页中features molecules（特征分子，可以以多种形式查看）、explore archive(以各种方式搜索存档)、latest structures（最新序列）；以及左侧的PDB-101、MyPDB等；右侧的new structures（新结构）new features（新特征）等；在搜索框中输入相关的ID、大分子名称、作者等即可查询相关蛋白质结构；蛋白质结构搜索以PDB最新结构4DK6为例：搜索结果可点击相关标题进行查看相关信息，主要包括summary（综述）、sequence（序列）、annotations（注释）、seq.similarity（相似序列）、3D similarity（相似三维结构）、methods（方法）、links（链接）等；主要引文分子描述来源相关蛋白ID，点击可进入视图形式，点击view in Joml可查看蛋白质空间结构的详细信息以及其他相关内容，此处不一一列举；下载序列分析，点击右侧的Download files即可下载相关结构信息在此只列举下载文件的一部分：HEADER RNA BINDING PROTEIN/IMMUNE SYSTEM 03-FEB-12 4DK6TITLE STRUCTURE OF EDITOSOME PROTEINCOMPND MOL_ID: 1;COMPND 2 MOLECULE: SINGLE DOMAIN ANTIBODY VHH;COMPND 3 CHAIN: A, B;COMPND 4 ENGINEERED: YES;COMPND 5 MOL_ID: 2;COMPND 6 MOLECULE: RNA-EDITING COMPLEX PROTEIN MP81;COMPND 7 CHAIN: C, D;COMPND 8 ENGINEERED: YES;COMPND 9 MUTATION: YESSOURCE MOL_ID: 1;SOURCE 2 ORGANISM_SCIENTIFIC: LAMA;SOURCE 3 ORGANISM_TAXID: 9839;SOURCE 4 EXPRESSION_SYSTEM: ESCHERICHIA COLI;SOURCE 5 EXPRESSION_SYSTEM_TAXID: 562;SOURCE 6 EXPRESSION_SYSTEM_STRAIN: BL21DE3;SOURCE 7 EXPRESSION_SYSTEM_VECTOR_TYPE: PLASMID;SOURCE 8 EXPRESSION_SYSTEM_PLASMID: PRSF;SOURCE 9 MOL_ID: 2;SOURCE 10 ORGANISM_SCIENTIFIC: TRYPANOSOMA BRUCEI;SOURCE 11 ORGANISM_TAXID: 5691;SOURCE 12 EXPRESSION_SYSTEM: ESCHERICHIA COLI;SOURCE 13 EXPRESSION_SYSTEM_TAXID: 562;SOURCE 14 EXPRESSION_SYSTEM_STRAIN: BL21DE3;SOURCE 15 EXPRESSION_SYSTEM_VECTOR_TYPE: PLASMID;SOURCE 16 EXPRESSION_SYSTEM_PLASMID: PRSFKEYWDS KREPA1, VHH, SINGLE DOMAIN ANTIBODY, PROTEIN BINDING, RNA BINDINGKEYWDS 2 PROTEIN-IMMUNE SYSTEM COMPLEXEXPDTA X-RAY DIFFRACTIONAUTHOR Y.-J.PARK,W.HOLPDB数据库格式PDB的ID编码PDB中登记入册的结构记录拥有一个唯一的包含字母与数字的被称为PDB-ID或PDB编码的四位字符串，可由数字09和大写字母AZ组合而成。因此可能的组合方案超过了130万种，没有按某特定顺序分配PDB-ID。但蛋白质数据库PDB的索引编撰者尽量设计好的记忆方法，使结构名称易于记忆。PDB格式相关介绍PDB和它的一些镜像站点提供由每个PDB记录的所有文本信息索引的文本搜索引擎，可按一些专门的查询项目（如提交数据、作者姓名、结构表达）检索。PDB最新的搜索引擎，3DB Atlas，可用于PDB记录检索。3DB Atlas也是链接有PDB结构数据第三方注解的基本数据库，支持大量的到基于因特网三维结构服务的其它网点的链接。其中包括了一些二维、三维浏览器。创建的图像有助于调整三维结构方向，以获得观察结合位点这类确定特征的最好视角。3DB可相应链接NCBI的MMDB服务（Hogue等，1996），提供了一条到Entrez（Schuler等，1996）系统（包括序列、分类、PubMed/