如何在ncbi上检索

1、如何在ncbi上检索NCBI包括五个部分，第一部分是欢迎进入NCBI,包才NCBI的最新信息、计划与活动、读者来信、服务地址和用户评论等。第二部分是基因序列数据库(GenBank),包括基因库概述、检索与投稿。第三部分是数据库服务，包括免费的PubMed检索、Entrez检索、BLAST序列族性检索、电子邮件服务(详见本章第四节卜匿名FTP服务。第四部分是NCBI的其它资源。GenBank的检索在NCBI主页的第二部分点击"SearchingGenBank",即可进入GenBank的检索屏幕。NCBI?提供了五种检索，即Entrez浏览检索、BLAST序列类似性检索、dbE

2、ST检索、dbSTS?检索和文本检索(TextSearching)o一、Entrez浏览检索1.Entrez检索的数据库及其检索信息Entrez浏览器(EntrezBrowser)可以检索以下与NCBI?链接的基因序列数据库的分子生物数据和书目文献资料。？(1) GenBank、EMBL、DDBJ中的DNA序列；？(2) SWISS-PROT、PIR、PRF、PDB中的蛋白质序列以及DNA序列数据库中翻译的蛋白质序列；？(3)基因和染色体图像数据；？(4)PDB以及收入NCBI分子模型数据库(MMDB)的蛋白质三维结构；？(5)通过PubMed检索Medline和PreMedline数据库。？

3、2.Entrez检索功能？Entrez提供了以下三种检索功能。？(1)自由词检索功能？用户可以通过文本词、关键词、截词、期刊名或文献的作者检索Entrez数据库。截词用*号，期刊名必须用Medline刊名缩写，作者姓名必须是姓在前，名在后，用首字母缩写。？索引词表(ListTerms)检索功能？索引词表检索是当你键入检索词，Entrez？在你选定的字段中显示从该检索词开始的一个索引词表窗口，这时，你可以选择一个或几个词进行检索，这对单词拼写不准确时非常有用。？例如:在输入框中键入"P53",选择文本字段(TextWords)和索引词表(ListTerms)？检索功能，再点击

4、"Search",这时返回一个以"P53"开始的索引词表窗口，浏览选择一个或几个索引词，点击"Search",Entrez将返回检索结果。？(3)自动检索功能？自动检索功能就是Entrez浏览器根据用户输入的检索式自动进行检索，返回当前检索式检出的文献数，如满意，可进一步取得检索结果，如不满意，则可对当前检索式进行修改，直到用户满意为此。例如在输入框键入"P53”,？选择所有字段和自动检索功能，？点击"？Search？",？Entrez返回一个Web页，包括当前检出文献数、加词检索和修改当前检索三个部分。

5、如果你对检出文献数不满意(过多或过少),可以在加词检索部分增加更专指的检索词，以提高查准率，也可以在修改当前检索部分选择某一布尔算符(AND、OR、NOT、ANDNOT),对当前的检索策略进行修改，直到你满意为止。？对于检出文献，用户可以选择浏览格式进行浏览，也可以打印或存盘。？3Entrez检索规则(1)Entrez支持"*"号截词检索；？(2)Entrez对你键入的词可以进彳亍逻辑识别。例如：键入"LipmanDJGenomics",Entrez将它识别为作者的姓名LipmanDJ和自由词？Genomics？,？并将提问式转换为"？Lipm

6、an？DJ？"？ANDGenomics。对于Entrez不能识别的提问式，如bac1,必须加双引号，？系统就会将它们作为一个词进行检索；(3)Entrez支持复杂的布尔逻辑检索；(4)Entrez支持限定字段检索；字段标识符的全称如下：WORD=TextWord,TITL=TitleWord,MESH=MeshTerm,MAJR=MeSH?Major?Topic,?AUTH=AuthorName,JOUR=JournalName,ECNO=EC/RNNumber,GENE=GeneName,DATE=PublicationYear,PDAT=Publication/CreationD

7、ate,MDAT=ModificationDate,PAGE=FirstPage,VOL=Volume,KYWD=Keyword,ORGN=Organism,ACCN=AccessionNumber,PROT=ProteinName,SUBS=Substance,PROP=Property,FKEY=FeatureKey和PTYP=PublicatonType二、BLAST序列类似性检索序列类似性检索就是将新测定的核酸或蛋白质序列对核酸或蛋白质序列数据库进行检索，找出与之相似的序列，从而评判新测定的序列是重复别人的工作，还是在前人的基础上有所创新，或是发现了新的序列。现在用于序列类似性检索的软

8、件很多，下面主要介绍GenBank的序列类似性检索工具枣BLAST。1 .BLAST简介BLAST是BasicLocalAlignmentSearchTool的英文缩写，意即碱基局部对准检索工具，是一种序列类似性检索工具。它采用统计学记分系统，能将真正配对的序列同随机产生的干扰序列区别开来；同时采用启发式算法系统，即采用的是局部对准算法(LocalAlignmentAlgorithm),而不是全序列对准算法(GlobalAlignmentAlgorithm)。全序列对准算法是在检索结果中两个被比较序列所有片断均类似；而局部对准算法是找出两个被比较序列的“最类似”片断，并得出可能只包含两个序列的

9、某个部分的对准结果。在BLAST的基础上，NCBI又开发了BLAST2.0、GappedBLAST和PSI-BLAST。BLAST2.0?是一种新的BLAST检索工具，它对BLAST作了改进，运行速度更快，灵敏度更高，同时具有GappedBLAST和PSI-BLAST两种软件的新功能。GappedBLAST允许在对准的序列中引入空位(？碱基缺失或插入),引入"空位"(Gaps)意味着在比较两个相关序列时不会出现中断(Break)现象。这些空位对准的记分系统更能反映相关序列的类似程度。PSI-BLAST的全称是Position-Specific?IteratedBLAST,意

10、即特殊位置重复BLAST,它提供了自动、易用的概貌(Pro巾le)检索，是查找序列同源(SequenceHomologues)的有效方法。目前，PSI-BLAST?仅用于比较蛋白质查询序列与蛋白质数据库中的序列的类似程度。2 .使用NCBIBLAST服务的四种基本方法(1)经由WWW使用的BLAST使用BLAST最容易的方法是WWW方式。在用户的浏览器中键入NCBI的URL地址:http/,进入NBCI主页，然后链接到BLAST主页。BLAST?主页提供了好几种BLAST检索软件，包括BLAST、BLAST2.0、GappedBLAST和PSI-BLAS

11、T等，其中BLAST和BLAST2.0提供了基本检索和高级检索两种模式。(2)网络版的BLASTBLAST2是标准的网络BLAST客户软件，它可以通过NCBI匿名的FTP服务器()下的/blast/network/blast2/获取。PowerBlast是用于大规模分析基因序列的网络BLAST客户应用软件，它可以通过？NCBI?匿名的FPT服务器()下的/blast/network/blast2/powerBLAST/获取。(3)独立运行的BLASTBLAST2.0可以在本地计算机上独立运行，也可以在自建的序列

12、数据库中进行BLAST检索，？还可以下载NCBI数据库中白记录。BLAST运行的软硬件环境为IRIX6.2>Solaris2.5、？PECOSF1(第四版)和Win32系统。可独立运行的BLAST2.0在NCBI匿名的FTP服务器(ftp:)下的/blast/executables/获取。(4)电子邮件的BLAST通过电子邮件对基因库进行BLAST检索(详见本章第四节二)。3.BLAST的检索方法(1)BLAST数据库白选择BLAST检索的数据库包括两大类：一类是肽序列数据库，另一类是核酸序列数据库。肽序列数据库包括：nr:所有无冗余基因库CDS转录产物、

13、PDB、SwissProt以及PIR序列month:最近30天注释的所有新增的或修订的基因库CDS转录产物、PDB、SwissProt?和PIR序列。SwissProt:SwissProt蛋白质序列数据库中最新的主要注释(无更新)序列。yeast:Yeast(SaccharomycesCerevisiae)蛋白质序列。E.coli:E.coli基因CDS转录产物。pdb:从Brookhaven蛋白质序列数据和三维结构衍生出来的序列。Kabat:免疫学上感兴趣的蛋白质序列Kabat数据库。alu:从重复序列数据库(REPBASE)选取的Alu重复序列，适用于过滤查询序列中Alu重复序列。通过匿名

14、FTP从下的/pub/jmc/alu目录中获取。核酸序列数据库包括：nr:所有无冗余的GenBank+EMBL+DDBJ+PDB序列；但不包括EST、STS、GSS或HTGS序列。month:最近30天注释的新增加的或修订的GenBank+EMBL+DDBJ+PDB序歹UdbEST:GenBank+EMBL+DDBJ+PDB中EST部分的无冗余数据。dbSTS:GenBank+EMBL+DDBJ+PDB中STS部分的无冗余数据。htgs:高允许能力(HighThroughput)基因序列。yeast:yeast(SaccharomycesCerevisiae厚因

15、核酸序歹U。E.coli:大肠杆菌(E.coli)基因核酸序列。pdb:蛋白质数据库。Kabat:免疫学上感兴趣的核酸序列Kabat数据库。Vector:GenBank载体数据库。mito:线粒体序列数据库。alu:从重复序列数据库(REPBASE)选取的Alu重复序列，适用于过滤查询序列中Alu重复序列。通过匿名FTP从下的/pub/jmc/alu目录中获取。epd:真核生物的启动子数据库。gss:基因搜寻序列，包括单递基因数据、外切核酸酶捕获序列和AluPCR序列。(2) BLAST程序的选择BLAST是一种碱基局部对准检索工具，实质上是一种序列类似性检索工

16、具，它运行？blastp?、blastn、blastx、tblastn、？tblastx?等五种程序的启发式检索算法；这五种程序是利用改进的Karlin和Altschul的统计学方法来描述检索结果的显著性。这些程序不支持主题形式检索，也就是不支持主题词、自由词、文本词等检索。下面介绍五种程序的基本功能。blastp:将待查询的蛋白质序列及其互补序列一起对蛋白质序列数据库进行查询；blastn:将待查询的核酸序列及其互补序列一起对核酸序列数据库进行查询；blastx:先将待查询的核酸序列按六种可读框架(逐个向前三个碱基和逐个向后三个碱基读码)翻译成蛋白质序列，然后将翻译结果对蛋白质序列数据库进行

17、查询；tblastn:先将核酸序列数据库中的核酸序列按六种可读框架翻译成蛋白质序列，然后将待查询的蛋白质序列及其互补序列对其翻译结果进行查询；？tblastx:?先将待查询的核酸序列和核酸序列数据库中的核酸序列按六种可读框架翻译成蛋白质序列，然后再将两种翻译结果从蛋白质水平进行查询。因此，根据你查询的目的和序列选择合适的blast程序，有助于获得满意的检索结果。(3) BLAST参数的设置BLAST提供了许多参数可限制你的检索，以达到满意的结果。对于BLAST基本检索，？系统预设的参数默认值即可满足需要，不需要你重新设定。但是对于BLAST高级检索，可开窗选择如下几种参数，也可在输入框增加其它

18、参数。直方图(Histogram):显示每次检索评分的直方图。有yes、no两种选择，默认值为yes描述(Descriptions):限定描述性类似序列的条数。有default、0、10、50、100、250?、500等七种选择，默认值为100。对准(Alignments):限定检出高积分片断配对(High-scoringSegmentPairs,HSPs)的数据库序列的条数，有default>0、10、50、100、250、500等七种选择，默认值为50。如果检索到的数据库序列超出设定值，BLAST仅显示最具统计学意义的配对序列，直到设定值。期望值(Expect,E值):它是期望数据库

19、中具有某一统计学意义配对序列的值。有default>0.001、0.01、0.1、1、10、100、1000等选择值，？默认值为？10?,一般地，期望值越低，限制越严格，甚至会导致无随机配对序列。Cutoff:设定高积分片断配对(HSPs)的Cutoff值。有default>60、70、80、90、100、110等七种选择值，其默认值一般通过期望值来计算得出。一般地，Cutoff值越高，其限制就越严格，甚至会导致无随机配对序列。矩阵(Matrix):为BLAST、BLASTX、TBLASTN和TBLASTX程序指定一个交替记分矩阵。其默认值为BLOSUM62,有PAM40、PAM120、PAM250和IDENTITY等四种有效选择。但交替记分矩阵对BLASTN不起作用。股(Strand):把BLASTN检索限定在数据库序列的股的首端或末端；或者把BLASTN、BLASTX、TBLASTX检索限定在查询序列股的首端或末端的机读部分。？过滤器?(?Filter)?:过滤器可以过滤查询序列中低成分复杂性？(？Low?Compositional?Complexity)片断。它只过虑查询序列及其转录产物中的低成分复杂性片断，？不能过虑数据库序列中的低成分复杂性片断。用户可以在BLAST和BLAST2.0?的高级检索中选择相应的过滤程序以消除对检索结果的干扰，如不用过滤