第三章生物信息数据库检索及其应用

第三章生物信息数据库检索及其应用分子生物学数据库得应用可以分为两个主要方面数据库查询(databasequery)数据库搜索(databasesearch)。数据库查询定义:就是指对序列、结构以及各种二次数据库中得注释信息进行关键词匹配查找。如:在蛋白质序列数据库SwissProt中输入关键词insulin(胰岛素),即可找出该数据库所有胰岛素或与胰岛素有关得序列条目(Entry)数据库检索她和互联网上通过搜索引擎(Searchengine)查找需要得信息就是一个概念。就是数据库查询得一种数据库搜索定义:在分子生物信息学中有特定含义,她就是指通过特定得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得序列。通过数据库搜索,可以在序列数据库中找出与该检测序列(querysequence)具有一定相似性得序列。数据库查询、检索和搜索在生物信息学中,数据库搜索就是专门针对核酸和蛋白质序列数据库而言,搜索得对象,不就是数据库得注释信息,而就是序列信息数据库查询和数据库搜索在生物信息学中就是两个完全不同得概念,所要解决得问题、所采用得方法和得到得结果均不相同核酸数据库序列查询系统GenBank

查询检索通过因特网上得序列查询系统(Entrez)服务完成。NCBI得网址就是:EMBL核酸序列数据库

查询检索通过因特网上得序列提取系统(SRS)服务完成。

数据库网址就是:。

SRS得网址就是:。DDBJ数据库

使用主页上提供得SRS工具进行数据检索和序列分析,DDBJ得网址就是:。序列数据库检索EMBL:(SequenceRetrievalSystem,SRS)NCBI:(Entrez)就是NCBI为用户提供整合得访问序列、定位、分类、和结构数据得搜索和检索系统。NCBI大家学习辛苦了，还是要坚持继续保持安静GenBankNCBI网站网址:GenBank数据库就是由美国国立生物技术信息中心(NCBI)维护得一级核酸序列数据库。GenBank数据库得数据来源有三种:1、直接来源于测序工作者提交得序列;2、与其她数据机构协作交换得数据;3、美国专利局提供得专利数据。简介检索界面简介1、基本检索界面Nucleotide数据库分为三个子数据库:EST:表达序列标记数据库GSS:基因组测序序列数据库CoreNucleotide:包含所有未被以上两个子数据库收录得核苷酸序列检索界面简介1、基本检索界面2、跨库检索界面简介检索界面基本检索功能(一)字段限制检索、强制短语检索(二)特殊标志符检索(四)范围检索(三)序列长度检索简介检索界面基本检索功能(一)字段限制检索、强制短语检索rasras[GENE]检索限定词:1、基因名称得检索限定词:[GENE]or[GENENAME]2、生物体名称得检索限定词:[ORGN]or[ORGANISM]3、作者姓名得检索限定词:[AUTH]or[AUTHOR]简介检索界面基本检索功能(二)特殊标志符检索(一)字段限制检索、强制短语检索特殊标志符得格式(核酸序列)

:1、序列辨认号(GI):一串阿拉伯数字

e、g、:特殊标志符得格式(核酸序列)

:2、GenBank/EMBL/DDBJ序列接受号:

(1)1个字母+5个阿拉伯数字

e、g、:U12345(2)2个字母+6个阿拉伯数字

e、g、:AY123456,Af1234561、序列辨认号(GI):一串阿拉伯数字

e、g、:(1)mRNA记录(NM_*):e、g、:NM_000492(2)基因组得DNA重叠群(NT_*):e、g、:NT_000347(3)完整得基因组或染色体(NC_*):e、g、:NC_000907(4)基因组得局部区域(NG_*):e、g、:NG_000019(5)从人类基因组注释、加工得到得序列模型(XM,XP,orXR_*):

e、g、:XM_000483特殊标志符得格式(核酸序列):3、RefSeq(ReferenceSequence)序列接受号:特殊标志符得格式(核酸序列):4、PDB序列接受号:１个阿拉伯数字＋３个字母

e、g、:１TUP序列接受号得检索限定词为[ACCN]or[ACCESSION]简介检索界面基本检索功能(一)字段限制检索、强制短语检索(二)特殊标志符检索(三)序列长度检索序列长度得检索限定词:[SLEN]1510[SLEN]简介检索界面基本检索功能(一)字段限制检索、强制短语检索(二)特殊标志符检索(四)范围检索(三)序列长度检索范围检索:中间用冒号连接1、序列接受号范围检索:

AF114696:AF114714[ACCN]2、序列长度范围检索:

3000:4000[SLEN]3、日期范围检索:

2005/01:2006/09/26[MDAT]or[PDAT]简介检索界面基本检索功能特征栏辅助检索限制检索(Limits)索引检索(Preview/Index)检索史管理(History)剪贴板管理(Clipboard)详细匹配过程(Details)限制检索检索史管理预检索/索引检索剪贴板管理详细匹配过程限制检索包含其余四种检索简介检索界面基本检索功能特征栏辅助检索限制检索(Limits)限制检索范围限制检索范围排除某种类型得序列限制分子类型限制分子类型

限制基因位点

限制基因位点限制序列片段得显示限制序列片段得显示限制数据来源限制数据来源限制数据发布日期限制数据发布日期限制数据修订日期限制数据修订日期简介检索界面基本检索功能特征栏辅助检索限制检索(Limits)索引检索(Preview/Index)索引检索输入框序列特性关键词索引简介检索界面基本检索功能特征栏辅助检索限制检索(Limits)索引检索(Preview/Index)检索史管理(History)简介检索界面基本检索功能特征栏辅助检索限制检索(Limits)索引检索(Preview/Index)检索史管理(History)剪贴板管理(Clipboard)简介检索界面基本检索功能特征栏辅助检索限制检索(Limits)预检索/索引检索(Preview/Index)检索史管理(History)详细匹配过程(Details)剪贴板管理(Clipboard)简介检索入口基本检索功能特征栏辅助检索检索结果得显示GenBank记录中特性表中得主要关键词:关键词解释关键词解释misc_feature生物学特性无法用特性表关键词描述得序列promoter转录起始区misc_difference序列特性无法用特性表关键词描述得序列CAAT_signal真核启动子上游得CAAT盒,与RNA结合相关conflict同一序列在不同得研究中在位点或区域上有差异TATA_signal真核启动子得TATA盒unsure序列不能确定得区域-35_signal原核启动子中得-35框old_sequence该序列对以前得版本做过修订-10_signal原核启动子得Pribow盒variation包含稳定突变得序列GC_signal真核启动子得GC盒modified_base修饰过得核苷酸RBS核糖体结合位点gene已识别为基因或已命名得序列区域polyA_signalRNA转录本得剪切识别位点misc_signal无法用信号特性关键词描述得信号序列enhancer增强子关键词解释关键词解释attenuator与转录终止有关得序列CDS蛋白质编码序列terminator转录终止序列sig_peptide编码信号肽得序列rep_origin双链DNA复制起始区transit_peptide转运蛋白编码序列misc_RNA无法用RNA关键词描述得转录物或RNA产物mat_peptide编码成熟肽得序列prim_transcript初始转录本intron内含子precursor_RNA前体RNApolyA_siteRNA转录本得多聚腺苷酸化位点mRNA信使RNArRNA核糖体RNA5’clip前体转录本中被剪切掉得5’端序列tRNA转运RNA3’clip前体转录本中被剪切掉得3’端序列scRNA小细胞质RNA5’UTR5’非翻译区snRNA小核RNA3’UTRexon3’非翻译区外显子snoRNA加工和修饰rRNA得小核RNA关键词解释关键词解释immunoglobulin_relatedrepeat_unit单个得重复元件C_region免疫相关蛋白上得不变区LTR长末端重复序列D_segment免疫球蛋白重链得可变区,T细胞受体β链Satellite卫星重复序列J_segment免疫球蛋白重链、轻链以及T细胞α、β、γ得结合链misc_binding无法描述得核酸序列结合位点N_region插入重排免疫球蛋白片段间得核苷酸primer_bind复制、转录得引物结合位点S_region免疫球蛋白重链得开关区protein_bind蛋白质结合区V_region编码免疫球蛋白得可变区N末端得序列STS测序标签位点V_segment编码免疫球蛋白得可变区得序列misc_reb无法用重组特性关键词描述得重组事件repeat_region基因组中所包含得重复序列iDNA通过重组所消除得DNA关键词解释关键词解释misc_structure无法用结构关键词描述得核酸序列高级结构或构型stem_loop发夹结构D_loop线粒体中DNA中得取代环GenBank记录中特性表中得限定词:限定词含义限定词含义/allele=给定基因得等位基因/codon_start=相对于序列第一个碱基,编码序列密码子得偏移量/bound_moiety=嵌合范围/country=DNA样本得来源国/cell_type=获得序列得细胞类型/db_xref=其她数据库信息得交叉索引号/citation=已被引用得参考文献数/direction=DNA复制方向/clone_lib=获得序列得克隆文库/environmental_sample=序列直接从环境材料中获得而没有指明来源物种限定词含义限定词含义/exception=指明DNA序列未按通常得生物学规律翻译,如RNA编辑/PCR_conditi-ons=描述PCR得反应条件/frequency=在种群中发生变异得频率/pop_variant=获得序列得群体变异种名称/germline如果序列就是DNA并来源于免疫球蛋白家族,则表示该序列来源于未重排DNA/product=序列编码产物得名称/insertion_seq=序列来源于某种插入元件/anticodon=tRNA反义密码子得位置及她所编码得氨基酸/isolate=序列来源得生物个体/cell_line=获得序列得细胞系/lab_host=为扩增序列来源物种所用得实验室宿主/chromosome=获得序列得染色体/macronuclear指明DNA来源于染色体分化得大核期/clone=获得序列得克隆子/note=评论及附加信息/codon=指出与参考密码子不同得密码子/organelle=获得序列得细胞器/EC_number=序列产物得酶学编号限定词含义限定词含义/cons_splice=区分内含子剪切位点和“5‘-GT、AG-3'”剪切位点/map=相关特性在基因图谱上得位置/cultivar=所获序列植物得栽培变种/mod_base=被修饰碱基得简写/dev_stage=序列来源于某种生物得特定发育阶段/number=从5’→3’注明遗传元件得顺序/evidence=序列特性来源于实验还就是推理/organism=提供测序用遗传物质得物种得科学名称/focus指出在记录中得来源特性在其她物种中还有不同得来源特性/phenotype=序列特性所导致得表型/function=序列所代表得功能/plasmid=获得序列得质粒名称/haplotype=序列来源于某种物种得单倍体/protein_id=蛋白质得检索号/isolation_sou-rce=描述序列来源物种得生理、环境和地理信息/proviral整合在基因组中得前病毒/label=序列特性得俗名/rearranged如果序列就是DNA并来源于免疫球蛋白家族,则表示该序列来源于重排DNA限定词含义限定词含义/rpt_family=重复序列/transposon=转座子/rpt_unit=指明重复区域得重复元件构成/variety=获得序列得生物变种/serotype=同一物种得不同血清学特征/pseudo假基因/sex=获得序列得物种性别/replace=表明特性间得间隔序列已被替换/specimen_vou-cher=指明来源物种保存于什么地方/rpt_type=重复序列得组织方式/strain=获得序列得菌珠/sequenced_m-ol=获得序列得分子类型/sub_species=获得序列得