第五章-数据库查询和数据库搜索PPT课件

1 第五章数据库搜索 2 简介 数据库查询 databasequery 对序列 结构以及各种二次数据库中的注释信息进行关键词的匹配与查找数据库搜索 databasesearch 通过特定的序列相似性比对算法 找出核酸或蛋白质序列数据库中与检测序列具有一定程度相似性的序列 3 二者区别主要操作对象 注释信息 序列信息采用方法手段 关键词匹配 序列比对主要目的及结果 查找包含注释信息的所有条目 查找具有一定相似性的序列信息 4 数据库查询系统Entrez 相关背景知识由NCBI开发 是一个为用户提供访问序列 定位 分类和结构数据的搜索和检索系统可提供序列和染色体图谱的图形视图集成了NCBI各种数据库中的信息提供丰富多样的搜索方式除了提供数据查询外 还提供生物分子数据分析工具 ORFFinder 5 涉及的数据库PubMed生物医学文献Medline检索GenBank核酸序列数据库Proteins蛋白质序列数据库StructuresPDB三维结构数据库Genomes基因组数据库OMIM人类基因和遗传疾病的分类数据库Taxonomy系统分类数据库LocusLink基因信息数据库PopSet种群亲缘关系核酸序列对比数据库 6 Entrez特点使用方便将序列 结构 文献 基因组 系统分类等不同类型的数据库有机地结合在一起有机结合了数据库和应用程序链接的数据库丰富多样 文献数据库 序列数据库 结构数据库 基因组数据库 系统分类数据库 Relatedsequence 工具 可直接找到与查询所得蛋白质序列同源的其它蛋白质 查询得到的蛋白质三维结构 还可通过Cn3D软件直接显示分子图形交叉索引查询通过超文本链接 用户可从一个数据库直接转入另一个数据库 方便在数据库之间进行数据挖掘支持模糊查询 7 使用方法进入NCBI主页 www ncbi nlm nih或http www ncbi nlm nih gov entrez 8 在search条中选定数据库 for条中输入关键词 单击 Go 9 屏幕上将会出现搜索结果 单击某一条目即可知该条目的详细信息 10 11 单击 AboutEntrez 进入Entrez帮助页面 各种数据库间相互关系框图 12 单击 EntrezTutorial 进入联机学习 Entrez将以查询人类基因为例 介绍各种数据库的查询方法 使用户熟悉Entrez的使用方法 pdf文件 13 Entrez其他功能Limits 限定字段查询 只在给定范围内查找 不同的数据库 可限定的范围不同Preview Index 预检索 索引检索 只列条目 不列明细History 查看历史纪录Clipboard 将查询结果复制至剪贴板 便于后面使用Details 查看检索结果的详细内容 14 数据库查询系统SRSSequenceRetrievalSystem 相关背景知识由欧洲分子生物学实验室 EuropeanMolecularBiologyLab EMBL 开发开放的数据库查询系统 即不同的SRS查询系统可根据用户需要安装不同的数据库网站地址 http srs embl de srs EMBL服务器 http srs ebi ac uk EBI 欧洲生物信息研究所 服务器 http www lionbio co uk publicsrs html 列出了全世界各地SRS服务器的url地址 可通过多种途径进行检索 名称 分类等级 序列等 15 EBMLSRS服务器界面 16 华南理工大学SRS服务器界面 17 SRS主要特点统一的用户界面安装通用网络浏览器即可查询世界上各地SRS服务器上的300多个数据库高效的查询功能建立数据库索引文件 可快速高效实现查询 并可以某次查询结果为子数据库进行进一步查询灵活的指针链接超文本指针链接方便的程序接口可将序列分析等应用程序嵌入至基本查询中 做进一步分析及处理开放的管理模式和统一的开发平台数据库以文件系统的方式进行存放 便于更新和二次开发 18 使用方法进入SRS主页 http srs ebi ac uk EBI服务器 19 在Find条中选定数据库类型nucleotides 核苷酸 matching条中输入关键词BRCA1 乳腺癌易感基因 单击 Search 20 出现搜索结果 包括该基因的登记序列号 长度 摘要性描述 首次登记时间 最后更新时间 相关文献 摘要 碱基对序列等 21 22 数据库搜索的基础是序列的相似性比对 即双序列比对 pairwisealignment 主要目的在于寻找同源序列同源序列 homologysequence 指从某一共同祖先经趋异进化而形成的不同序列 检测序列 probesequence 新测定的 希望通过数据库搜索确定其性质或功能的序列目标序列 subjectsequence 通过数据库搜索得到的 和检测序列具有一定相似性的序列生物序列相似性比较中绝大部分的问题在计算机科学领域中主要体现为字符串的匹配和查找 数据库搜索相似序列 23 相似性与同源性相似性 Similarity 指序列比对过程中用来描述检测序列和目标序列之间具有相同DNA碱基 氨基酸残基顺序所占比例的高低同源性 homology 如果两序列有一个共同的进化祖先 那么称其为同源的 当两序列同源时 它们的氨基酸 核苷酸序列通常有显著的一致性 identity 当相似程度高于50 时 比较容易推测检测序列和目标序列可能是同源序列 而当相似性程度低于20 时 就难以确定二者是否具有同源性 两序列或者同源 或者不同源 所谓 具有50 同源性 或 这些序列高度同源 等说法 都是不确切的 应该避免使用 24 局部相似性和整体相似性序列比对分类整体比对 从全长序列出发 考虑序列的整体相似性局部比对 考虑序列部分区域的相似性 由于蛋白质的功能位点往往由较短的序列片段组成 故尽管在序列的其它部位可能有插入 删除或突变 但是这些部位的序列仍然具有相当大的保守性 此时 局部相似性比对往往比整体比对具有更高的灵敏度 其结果更具生物学意义 25 在实际应用中 企图用整体比对算法找出只有局部相似性的两个序列之间的关系 显然是徒劳的 而用局部比对得到的结果也不能说明这两个序列的三维结构或折叠方式一定相同 BLAST和FastA等常用的数据库搜索程序均采用局部相似性比对的方法 具有较快的运行速度 而基于整体相似性比对的数据库搜索程序则需要超级计算机或专用计算机才能实现 26 数据库搜索工具BLAST BLAST BasicLocalAlignmentSearchingTool 利用retrievalsystem 可搜索世界上最大的核酸数据库EMBL Genbank DDBJ 最大的蛋白质数据库等 可以输入一段DNA RNA 蛋白序列 一段插入序列 t RNA序列 与HIV相关的序列等 从而分析这段序列的同源性 再根据同源性推论出它所具有的功能 还可以通过输入一段DNA序列 而知道它所编码的蛋白质的功能 以及它来源与是什么生物 27 可对新克隆并测定的DNA序列与基因库中序列进行同源性比较 以确定是否有与之相同或相似的序列存在 也可对蛋白质序列进行类似性检索 以确认新近表达和纯化的蛋白是否是新蛋白质 在浏览器地址栏中输入网址 http www ncbi nlm nih gov BLAST 再点击该页面上Nucleotide下的Nucleotide nucleotideBLAST blastn 链接 即可进入BLAST核酸序列同源性比较检索界面 28 29 常用BLAST系统程序及检索数据库类型 30 BLASTp 通过比较查询蛋白质序列与蛋白质数据库中的已知序列 寻找同源蛋白质序列并推导其功能 31 BLASTn 比较查询序列与DNA数据库中的已知序列 寻找同源核苷酸序列BLASTx 比较查询序列核苷酸序列 翻译成蛋白质序列 与蛋白质数据库中的已知序列 寻找同源蛋白质序列tBLASTn 比较查询蛋白质序列与DNA数据库中序列 翻译成蛋白质序列 寻找同源核苷酸序列tBLASTx 比较查询序列核苷酸序列 翻译成蛋白质序列 与DNA数据库中序列 翻译成蛋白质序列 寻找同源核苷酸序列 32 33 BLAST算法基本要点 序列片段对 segmentpair 指两个给定序列中的一对子序列 它们的长度相等 且可以形成无空位的完全匹配 将查询序列分为多个短片段及相似片段 筛选数据库 找出代查序列和目标序列间所有匹配程度超过一定阈值的序列片段对对具有一定长度的片段对根据给定的相似性阈值进行gap的插入和延伸 根据突变矩阵 BLOSUM62 计分排序 返回分值最高的匹配序列 称高分值片段对 highscoringpairs HSPs 34 序列的比较和检索步骤输入待检序列在 Search 输入框中输入待检基因的FASTA格式的完整序列 其间不能有空格或断行 设定需要比较检索的子序列的范围 可选 当用户需要对基因中的某一段序列进行同源性比较时 可输入这段序列在整个基因序列中的起止位置 如From 24To 200 选择比较检索的数据库BLAST可选择的数据库包括 nr 所有GenBank EMBL DDBJ PDB序列无重复 month 近30天内更新或修改的GenBank EMBL DDBJ PDB序列 Drosophilagenomedbest EST子库 dbsts STS子库 等 一般选择nr数据库即可 35 检索并显示比较结果检索结果有四种显示格式 Html 纯文本 ASN 1及XML格式 系统默认为Html格式 BLAST将给出检索结果报告号 RequestID 以及用户输入序列的长度选择显示格式 单击 Format 系统显示检索结果 36 BLAST以三种形式显示比对结果类似性图谱 以不同颜色标明数据库中不同基因的同源性高低 黑色 类似性积分小于40 蓝色一一40 50 绿色一一50 80 玫瑰红一一80 200 大红 一 200类似性积分表 按积分从