生物信息学 NCBI数据库ppt课件.ppt

1 生物信息学课件 吴晓龙 2 讲述内容 一 生物信息学和我的实验室二 NCBI数据库 3 一 生物信息学和我的实验室 4 生物信息学 Bioinformatics 是在生命科学的研究中 以计算机为工具对生物信息进行储存 检索和分析的科学 它是当今生命科学和自然科学的重大前沿领域之一 同时也将是21世纪自然科学的核心领域之一 其研究重点主要体现在基因组学 Genomics 和蛋白质组学 Proteomics 两方面 具体说就是从核酸和蛋白质序列出发 分析序列中表达的结构功能的生物信息 1 生物信息学介绍 5 具体而言 生物信息学作为一门新的学科领域 它是把基因组DNA序列信息分析作为源头 在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测 然后依据特定蛋白质的功能进行必要的药物设计 基因组信息学 蛋白质空间结构模拟以及药物设计构成了生物信息学的3个重要组成部分 6 主要研究方向 1 序列比对2 蛋白质结构比对和预测3 基因识别非编码区分析研究4 分子进化和比较基因组学6 遗传密码的起源7 基于结构的药物设计8 生物系统的建模和仿真 7 简单重复序列简单重复序列 SimpleSequenceRepeats SSRs 也称微卫星序列 Microsatellites 或短串联重复序列 ShortTandemRepeats STRs 是由1 6个碱基对组成的串联重复DNA片段 SSRs在真核和原核生物的基因组中分布广泛 数量丰富 并具有较高的突变频率 如 A n ACG n ATCG ACCCTT n 2 我的实验室 8 简单重复序列与人类疾病 简单重复序列是广泛分布在人类基因组中的 尽管其中很多功能都不太清楚 但是既然存在总有它存在的意义 下面总结了一些人类基因组中由于SSR扩增或变异所引起的相关疾病 9 10 我们实验是近几年发的文章 11 12 13 14 NCBI数据库 1 国外的重要生物信息中心2 NCBI介绍 15 1 国外重要生物信息中心 16 17 NCBI 美国国家生物技术信息中心 NationalCenterforBiotechnologyInformation 前身是NIH所属的一个研究所的计算生物学研究室 1988年独立为NCBI 形式上属于国家医学图书馆 NationalLibraryofMedicine NLM 管理着许多著名数据库 如GenBank Medline dbSNP COG OMIM等提供Entrez BLAST等服务http www ncbi nlm nih gov NCBIhomepage 18 19 EBI 欧洲生物信息学研究所 EuropeanBioinformaticsInstitute 1994年建于英国剑桥 前身是德国海德堡的欧洲分子生物学实验室的信息服务部门EBI接收了原来EMBL数据库的管理和维护是欧洲分子生物学网 EMBnet 的一个特别节点http www ebi ac uk 主页 http www2 ebi ac uk 工具 http www3 ebi ac uk 服务 20 EMBLhomepage 20 21 NIG 日本国立遗传学研究所 NationalInstituteofGenetics 创立于1949年7月1日 属文部省管辖信息服务始于1984年维护管理着DDBJ1987年1月发行DDBJ第一版http www nig ac jp 22 DDBJhomepage 22 23 国际核苷酸序列数据库联盟 InternationalNucleotideSequenceDatabaseCollaboration INSDC 包括GenBank 美 http www ncbi nlm nih gov GenbankEMBL 欧 http www ebi ac uk embl DDBJ 日 http www ddbj nig ac jp 每天这三个数据库作数据同步操作在任何一个数据库操作 查找 投递数据等 是等效的 23 24 TIGR 基因组研究所 TheInstituteforGenomicResearch 是重要的测序中心1992年建立1995年参与完成首次全基因组测序 流感嗜血杆菌 拥有世界最大的cDNA数据库之一http www tigr org 25 基因图谱数据库RHdb 辐射杂交 人 鼠 GDB 人类 GeneMap 人类 NCBI 生物医学文献数据库MEDLINE3800多种生物医学期刊 通过PubMed查询 SCIISI提供的文献引用检索 收费 人类基因组相关数据库GDB 人类基因组 OMIM 遗传 变异 HGVbase 瑞典 变异 双等位序列 其他模式生物的基因组数据库DOGS DatabaseofGenomeSizes 丹麦 综合 线虫ACeDB Sanger果蝇FlyBase Berkeley小鼠MGD Japan酵母Stanford MIPS大肠杆菌WISCDNA结构数据库CUTG CodonUsageTabulatedfromGenBank 密码子使用频度表 日 EPD EukaryoticPromotorDatabase 真核生物启动子数据库 欧 TRANSFAC 真核生物基因表达调控因子的数据库 德 RepBase 重复序列 MicroSatellite 微卫星 COMPEL 复合元件 MPDB 分子探针 NDB 晶体 VectorDB 载体 EID 外显内含子 26 BioSino www biosino org是中国自主开发的核酸序列公共数据库发表我国学者提供的核酸序列 并接受注册登记有CDNAP和DDIB两个产品http www cdnap org http www biosino org DIDWeb index html 26 NCBI介绍 27 NCBI 美国国家生物技术信息中心 NationalCenterforBiotechnologyInformation 前身是NIH所属的一个研究所的计算生物学研究室 1988年独立为NCBI 形式上属于国家医学图书馆 NationalLibraryofMedicine NLM 管理着许多著名数据库 如GenBank Medline dbSNP OMIM等提供Entrez BLAST等服务http www ncbi nlm nih gov 28 它的使命包括四项任务 1 建立关于分子生物学 生物化学 和遗传学知识的存储和分析的自动系统 2 实行关于用于分析生物学重要分子和复合物的结构和功能的基于计算机的信息处理的 先进方法的研究 3 加速生物技术研究者和医药治疗人员对数据库和软件的使用 4 全世界范围内的生物技术信息收集的合作努力 29 NCBI数据库介绍Nucleotide美国国立卫生研究院GenBank Genome即基因组数据库 提供了多种基因组 完全染色体 Contiged序列图谱以及一体化基因物理图谱 Pubmed文献数据库 Structures即结构数据库或称分子模型数据库 MMDB 包含来自X线晶体学和三维结构的实验数据 MMDB的数据从PDB ProteinDataBank 获得 Taxonomy即生物学门类数据库 可以按生物学门类进行检索或浏览其核苷酸序列 蛋白质序列 结构等 30 31 Nucleotideandgenome Nucleotide该数据库由国际核苷酸序列数据库成员美国国立卫生研究院GenBank 日本DNA数据库 DDBJ 和英国HinxtonHall的欧洲分子生物学实验室数据库 EMBL 三部分数据组成 这三个组织联合组成国际核苷酸序列数据库协作体 每天交换各自数据库中的新增序列记录实现数据共享 其中的核酸序列数据也通过与基因组序列数据库 GSDB 合作获取 32 选择数据库 输入关键字 NCBI主页 进入Entrez检索 33 Entrez简介 Entrez是个全局的生物医学搜索引擎 他可以检索的数据库主要包括三类 1 文献数据库 PubMed PubMedCentral Journals Books OMIM OMIA 2 序列数据库 Nucleotide Protein Genome Strcture SNP 3 其他数据库 Taxonomy Gene Probe PopSet等 34 无对应结果 相关的结果 Entrez检索的结果 Entrez功能强大 在于它的大多数记录可相互链接 既可在同一数据库内链接 也可在数据库之间进行链接 Entrezbrowser来查询各种数据 集成搜索工具 35 基因组的相关的信息 查看详细结果 36 37 详细结果 序列部分 注释部分 下载格式选择 38 注释部分 基因位点 Locus 基因定义 Definition 基因存取号 Accession 关键词 Keywords 来源 Source 组织分类 Organism 参考文献 Reference 著者 Author 题目 Title 期刊 Journal 序列特征 Features 基因 Gene 蛋白质编码序列CDS cDNA 5 非翻译区 5 UTR 3 非翻译区3 UTR mRNA的polyA位置 polyA site 信使RNA mRNA 外显子 exon 内含子 intron 原序列 Origin 39 常用序列格式 FASTA格式 1 定义 在生物信息学中 FASTA格式 又称为Pearson格式 是一种基于文本用于表示核苷酸序列或氨基酸序列的格式 在这种格式中碱基对或氨基酸用单个字母来编码 且允许序列前添加序列名及注释 通常核苷酸符号大小写均可 而氨基酸常用大写字母 2 特点 简单使用最多例子 单序列 gi 9629267 ref NC 001798 1 Humanherpesvirus2 completegenomeAGTCCCCGTCCTGCCGCGCGGGGGCGGGCGCGGGAAAAAAGCCGCGCGGGGGCGCCCGCGGGAAGGCAGCCCCGCGGCGCGCGGGGGGAGGGGCGGCGCCCGCGGGGGAGCGGCCGGCTCCGGGGGAGGGACGGGGAAGG 40 多序列FASTA sequence1 E colictgcgagNcgcgcgatgatagMMM NNNngnnatgancgcggcgagcatgtagcatgctagctgtcgcgagcactUgaURRRrrrtrrrcggccgagatcaggcgatgcatgcgcagggagcagcgagcgacgagcacagcatgctagctagatgcatgctaVagvcgtaggcagccgcc sequence2 B subtilisctgcgagNcgcgcgatgatagctgactNntnatganncgcggcgagcatgtagcatgctagctgtcgcgagcactUctURRRrrrcrrrcggccgagatcaggcgatgcatgcgcagggagcagcgagcgacgagcacagcatgctagctagatgcatgctaVcgvcgtaggcagccgcc sequence3 B nattoctgcgagNcgcgcgatgatagMcgatcccnatgannncgcggcgagcatgtagcatgctagctgtcgcgagcactUggURRRrrrggrrcggccgagatcaggcgatgcatgcgcagggagcagcgagcgacgagcacagcatgctagctagatgcatgctaVaavcgtaggcagccgcc 41 42 FASTA序列格式中的核苷酸表示法 43 FASTA序列格式中的氨基酸表示法 44 GenBank查询 已知收录号 accessionnumber 的情况 选数据库 输入收录号 查询结果摘要 点击查看详细结果 45 向GenBank投递序列 GenBank提供多种工具投递序列 如BankIt 网上投递 适于少量的 注释简单的序列投递Sequin 本地投递 软件 适于大量的 复杂的序列投递可投递变异 种系发生 群体数据集图形界面操作选项多 功能强可向GenBank EMBL DDBJ中的任一数据库投递 PubMed 46 PubMed查找文献 选择PubMed文献数据库 47 PubMed主页 输入关键词 48 PubMed查询结果 所有结果 查看摘要 免费文章 增加筛选条件 49 显示单篇文章摘要 链接到原杂志 50 原文章所在杂志 PDF格式下载 51 下载页面 保存 52 53 关键词的选择 不是特殊情况 尽量使用名词原形 不使用复数 所有格等尽量使用专业用语 不使用the of and research等常用词作为关键词为了减少遗漏 使用尽可能少而精的关键词 Blast 54 序列比对 序列比对 sequencealignment 也称联配 队排 是生物信息学中最常用和最经典的手段 通过序列比对 可以推测基因和蛋白质的进化演变规律 或者推测基因和蛋白质的结构和功能 对于两个序列之间的比对 称之为双序列比对或成对比对 对于多序列之间的比对 称之为多序列比对 主要有BLAST和ClustalX两种工具 55 Blast比对 BLAST比对是BasicLocalAlignmentSearchTool 基本局部比对搜索工具 的英文简称 是一种序列类似性检索工具 NCBI提供了网络版BIAST搜索线服务 还提供了BLAST搜索程序和下载链接 有5个子程序 56 主要的blast程序 57 Blast结果给出的信息 Blast结果会列出跟查询序列相似性比较高 符合限定要求的序列结果 根据这些结果可以获取以下一些信息 1 查询序列可能具有某种功能2 查询序列可能是来源于某个物种3 查询序列可能是某种功能基因的同源基因 这些信息都可以应用到后续分析中 58 从主页进入blast 点此进入blast主页 59 Blast主页 核酸序列比对 60 参数设置 输入需要比对的序列 数据库选择 程序选择 比对 或选择fasta格式的文件 在此输入序列或序列登录号 AC 61 结果解读 结果有三部分组成 1 结果总览2 序列比对结果的描述3 各序列比对的详情 62 1 结果总览 红 粉 绿 蓝 黑五种颜色 红色同源性最高 排在最上面 其他依次降低 黑色最低 每一条线代表搜索匹