教你使用NCBI_PDB数据库.ppt

生物信息学 第三讲 序列的采集 存储和查询 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 1 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 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 2 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 三大数据库之间的联系 GenBank中测序最多的20个物种 161 0版 2007 08 dbEST 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 UniGene AnOrganizedViewoftheTranscriptom Refseq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 XXXXXX NCBIGene 1 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 UniProt 1 专家审核的蛋白质序列数据与知识库 2 UniProtKnowledgebase Release12 1 2007 083 包括 Swiss ProtRelease54 1of21 Aug 2007 277883entries TrEMBLRelease37 1of21 Aug 2007 4754787entries Swiss ProtRelease54 1 TrEMBLRelease37 1 3 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 UniProt4 FASTA GenBank数据格式 Definition 标题 序列长度 数据类型 Accessionnumber 版本号 GInumber GenBank的数据类型 UniProt数据格式 Accessionnumber FASTA格式 4 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 CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAGATGACGACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTGGACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGC 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 NCBI BLAST http nucleotideblast Megablast 找基因序列 输入序列 提交序列 NM 001168 2 Survivin UniGene Geo 基因表达信息 Geneinfo 基因信息 Survivin Geneinfo 17号染色体 功能注释 GeneOntology 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 NM 001168 2 Survivin HumanSurvivin 获取蛋白质的序列信息 Survivin 142aa 结论2 人的Survivin蛋白质包含142个氨基酸 序列标识符为 NP 001159 2 获取FASTA序列 FASTA格式的序列 PHI BLAST finddomain 填入蛋白质的FASTA序列 BIRdomain 结论3 Survivin具有保守的功能结构域BIR UniProt 蛋白质数据库 在人中做BLAST搜索 Survivin O15392 Survivin的蛋白质信息 功能注释 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 人的Survivin在酵母中有同源物吗 提交序列 在酵母中进行序列比对 酵母BIR1 P47134 酵母BIR1的信息 结论5 人的Survivin在酵母中的同源物可能是BIR1 PDB 三级结构数据库 Survivin的三级结构信息 Raswin 三级结构显示 总结 现在 Prof Gene知道了 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 人的Survivin蛋白质包含142个氨基酸 序列标识符为 NP 001159 23 Survivin具有保守的功能结构域BIR4 Survivin的细胞亚定位 胞质 核 其功能有 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 等等 5 人的Survivin在酵母中的同源物可能是BIR1 6 Survivin的三级结构已知 在PDB中的标识符为1E31 作业 某天 Prof Gene在小鼠 Musmusculus 中又发现了一个与有丝分裂相关的基因 通过DNA测序 得到部分序列 GATGAGCTGCTTATCCTACAACGAGAAGTCGGACATCTGGTCCTTGGGCTGCCTGCTGTATGAGCTGTGTGCACTAATGCCTCCCTTTACAGCTTTCAACCAAAAAGAGCTAGCTGGGAAAATCAGGGAAGGGAGGTTCAGGCGCATCCCCTACCGCTACTCTGATGGCTTGAATGACCTCATCACTCGGATGCTGAATTTAAAGGACTACCATCGACCTTCAGTGGAAGAAATTCTGGAGAGCCCTTTGATAGCAGACTTGGTTGCAGAAGAGCAAAGGAGAAATCTGGAGAGGAGAGGACGGCGCTCAGGCGAGCCTTCGAAGCTGCCGGACTCCAGCCCTGTGCTGAGCGAGCTCAAGTTGAAGGAAAGGCAACTGCAGGATCGAGAGCAAGCACTCAGAGCTCGGGAGGACATCCT 问题 1 这个基因在小鼠中是哪个基因 基因的标识符是什么 这个基因的在基因组上的定位是怎样的 2 这个基因在人中的同源物是哪一个 标识