教你使用NCBI_PDB數(shù)據(jù)庫【蒼松書苑】

1、生物信息學,第三講：序列的采集、存儲和查詢,本章內(nèi)容提要,1. DNA測序 2. 序列數(shù)據(jù)的存儲 3. 序列數(shù)據(jù)的文件格式 4. 序列數(shù)據(jù)的查詢,1. DNA測序,1. DNA一次測序的長度為500bp。 2.基因組的測序方案：將大的染色體打斷成100kbp的片斷，插入到BAC (Bacterial Artificial Chromosome)中。再隨機打斷，克隆，然后再組裝成長的序列(contig)。 3. EST (Expressed sequence tag) 測序：細胞中mRNA反轉(zhuǎn)錄成cDNA，方向不定，測序。 4. UniGene: 為每一個基因創(chuàng)造一個唯一的條目，收集這個基因所有

2、的ESTs. 5. GSS (基因組測序序列)：類似于ESTs，來源基因組。 6. HTG (高通量基因組序列)：高通量、尚未完工的DNA序列,基因組測序：兩種方案,1. DNA片段在染色體上的位置、方向已知。首先染色體被打斷成150kbp左右的片段，然后克隆到BACs中，再進一步打碎，克隆，測序，組裝。 2. “鳥槍法”，shotgun，隨機將DNA片段打碎，克隆，測序，組裝。DNA片段在染色體上的位置和方向未知,2. 序列數(shù)據(jù)的存儲,1. 核酸三大數(shù)據(jù)庫：GenBank, EBI, DDBJ. 2. Ensembl數(shù)據(jù)庫：基因組注釋。 3. ESTs數(shù)據(jù)庫； 4. UniGene數(shù)據(jù)庫 5

3、. Refseq數(shù)據(jù)庫； 6. NCBI的Gene信息數(shù)據(jù)庫; 7. 蛋白質(zhì)序列：Swissprot/TrEMBL/UniProt數(shù)據(jù)庫,三大數(shù)據(jù)庫之間的聯(lián)系,GenBank中測序最多的20個物種,161.0版，2007.08,dbEST: 表達序列標簽數(shù)據(jù)庫,2007.08，總序列45,660,524條，最多的20個物種如下,UniGene: An Organized View of the Transcriptom,Refseq數(shù)據(jù)庫,1. 提供高質(zhì)量的，無冗余的，完整的序列信息； 2. 包括基因組的DNA,轉(zhuǎn)錄成的RNA以及蛋白質(zhì)序列信息。 3. 序列文件的標識符： DNA/RNA序列，

4、NM_XXXXXX； 蛋白質(zhì)序列：NP_XXXXXX,NCBI Gene,1. /sites/entrez?db=gene 2. 序列從Refseq數(shù)據(jù)庫中得到; 3. 詳盡的注釋信息，包括基因在基因組的定位，基因名稱、蛋白質(zhì)名稱，基因結(jié)構(gòu)，等等,UniProt,1. 專家審核的蛋白質(zhì)序列數(shù)據(jù)與知識庫； 2. UniProt Knowledgebase：Release 12.1，2007.08 3. 包括： Swiss-Prot Release 54.1 of 21-Aug-2007: 277883 entries; TrEMBL Relea

5、se 37.1 of 21-Aug-2007: 4754787 entries,Swiss-Prot Release 54.1,TrEMBL Release 37.1,3. 序列數(shù)據(jù)的文件格式,1. DNA/RNA/氨基酸代碼的標識 2. GenBank數(shù)據(jù)格式 3. UniProt 4. FASTA,GenBank數(shù)據(jù)格式,Definition: 標題,序列長度,數(shù)據(jù)類型,Accession number,版本號,GI number,GenBank的數(shù)據(jù)類型,UniProt數(shù)據(jù)格式,Accession number,FASTA格式,4. 序列數(shù)據(jù)的查詢,某天，Prof. Gene發(fā)現(xiàn)人的He

6、la細胞中，有絲分裂期間有異常情況：細胞不再分裂，而是開始凋亡(表型，phenotype)，通過實驗的方法(例如，酵母雙雜交)，發(fā)現(xiàn)了與有絲分裂期間某個蛋白可能相互作用的一個基因，測序結(jié)果如下(genotype,CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAGATGAC

7、GACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTGGACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGC,問題,1. 這是哪個基因？ 2. 編碼的蛋白質(zhì)序列是怎樣的？ 3. 有沒有保守的功能結(jié)構(gòu)域 (domain)？ 4. 它的功能是怎樣的？ 5. 它

8、在真核生物中保守嗎？ 6. 有沒有三級結(jié)構(gòu)信息,NCBI: BLAST,,nucleotide blast,Megablast: 找基因序列,輸入序列,提交序列,NM_001168.2：Survivin,UniGene,Geo: 基因表達信息,Gene info：基因信息,Survivin,Gene info: 17號染色體,功能注釋：Gene Ontology,結(jié)論1,1. 該基因為人的Survivin基因，染色體定位：17號染色體，73721872-73733311；基因標識符：NM_001168.2; 2. 初步的功能分析：細胞周期，c

9、aspase酶的抑制因子，等等,NM_001168.2：Survivin,Human Survivin,獲取蛋白質(zhì)的序列信息,Survivin：142aa,結(jié)論2,人的Survivin蛋白質(zhì)包含142個氨基酸，序列標識符為：NP_001159.2,獲取FASTA序列,FASTA格式的序列,PHI-BLAST: find domain,填入蛋白質(zhì)的FASTA序列,BIR domain,結(jié)論3,Survivin具有保守的功能結(jié)構(gòu)域BIR,UniProt: 蛋白質(zhì)數(shù)據(jù)庫,在人中做BLAST搜索,Survivin：O15392,Survivin的蛋白質(zhì)信息,功能注釋,結(jié)論4：功能分析,1. 在瘤形成過

10、程中可能起一定作用； 2. 阻礙G2/M期的細胞編程性凋亡； 3. Chromosomal passenger complex (CPC)的成員之一。 細胞亞定位：胞質(zhì)，核,人的Survivin在酵母中有同源物嗎,提交序列,在酵母中進行序列比對,酵母BIR1: P47134,酵母BIR1的信息,結(jié)論5,人的Survivin在酵母中的同源物可能是BIR1,PDB：三級結(jié)構(gòu)數(shù)據(jù)庫,Survivin的三級結(jié)構(gòu)信息,Raswin: 三級結(jié)構(gòu)顯示,總結(jié),現(xiàn)在，Prof. Gene知道了： 1. 該基因為人的Survivin基因，染色體定位：17號染色體，73721872-73733311；基因標識符：N

11、M_001168.2; 2. 人的Survivin蛋白質(zhì)包含142個氨基酸，序列標識符為：NP_001159.2 3. Survivin具有保守的功能結(jié)構(gòu)域BIR 4. Survivin的細胞亞定位：胞質(zhì)，核，其功能有： (1) 在瘤形成過程中可能起一定作用； (2) 阻礙G2/M期的細胞編程性凋亡； (3) Chromosomal passenger complex (CPC)的成員之一。等等。 5. 人的Survivin在酵母中的同源物可能是BIR1。 6. Survivin的三級結(jié)構(gòu)已知，在PDB中的標識符為1E31,作業(yè),某天，Prof. Gene在小鼠(Mus musculus)中又

12、發(fā)現(xiàn)了一個與有絲分裂相關(guān)的基因,通過DNA測序，得到部分序列,GATGAGCTGCTTATCCTACAACGAGAAGTCGGACATCTGGTCCTTGGGCTGCCTGCTGTATGAGCTGTGTGCACTAATGCCTCCCTTTACAGCTTTCAACCAAAAAGAGCTAGCTGGGAAAATCAGGGAAGGGAGGTTCAGGCGCATCCCCTACCGCTACTCTGATGGCTTGAATGACCTCATCACTCGGATGCTGAATTTAAAGGACTACCATCGACCTTCAGTGGAAGAAATTCTGGAGAGCCCTTTGATAGCAGACTTGGTTGCAGAAGAGCAAAGGAGAAATCTGGAGAGGAGAGGACGGCGCTCAGGCGAGCCTTCGAAGCTGCCGGACTCCAGCCCTGTGCTGAGCGAGCTCAAGTTGAAGGAAAGGCAACTGCAGGATCGAGAGCAAGCACTCAGAGCTCGGGAGGACATCCT,問題,1. 這個基因在小鼠中是哪個基因？基因的