核酸數(shù)據(jù)庫的應用

關于核酸數(shù)據(jù)庫的應用

數(shù)據(jù)庫查詢和數(shù)據(jù)庫搜索是分子生物信息學中兩個常用序語。數(shù)據(jù)庫查詢是指對序列、結構以及各種二級數(shù)據(jù)庫中的注釋信息進行關鍵詞匹配查找。數(shù)據(jù)庫搜索是指通過特定的序列相似性比對算法，找出核酸或蛋白質(zhì)序列數(shù)據(jù)庫中與檢測序列具有一定程度相似性的序列。第2頁,共77頁，2024年2月25日，星期天第一節(jié)常用的核酸數(shù)據(jù)庫

一、GenBank－NCBI核酸序列數(shù)據(jù)庫1、GenBank核酸序列數(shù)據(jù)庫的檢索GenBank數(shù)據(jù)庫的簡單查詢是在NCBI首頁上的Search中直接查詢檢索窗口第3頁,共77頁，2024年2月25日，星期天利用著者進行查詢時，輸入格式應為作者的姓加上名的縮寫。如：Thomas點擊第4頁,共77頁，2024年2月25日，星期天點擊第5頁,共77頁，2024年2月25日，星期天第6頁,共77頁，2024年2月25日，星期天也可以用序列登記號（accessionnumber）進行一般查詢，如：AF477385點擊第7頁,共77頁，2024年2月25日，星期天第8頁,共77頁，2024年2月25日，星期天

高級檢索是通過NCBI的Entrez檢索系統(tǒng)實現(xiàn)。Entrez是NCBI的數(shù)據(jù)庫檢索查詢系統(tǒng)的核心。利用Entrez系統(tǒng)，可以檢索GenBank和其他數(shù)據(jù)庫的蛋白質(zhì)序列數(shù)據(jù)、基因組圖譜數(shù)據(jù)、來自分子模型數(shù)據(jù)庫（MMDB）的蛋白質(zhì)三維結構數(shù)據(jù)、種群序列數(shù)據(jù)集，以及有Pubmed獲得Medline的生物醫(yī)學文獻數(shù)據(jù)。第9頁,共77頁，2024年2月25日，星期天第10頁,共77頁，2024年2月25日，星期天Entrez提供方便實用的檢索服務，所有操作都可以在網(wǎng)絡瀏覽器上完成。利用Entrez界面提供的限制條件（Limit鍵）、索引（Index鍵）、檢索歷史（History鍵）和剪貼板（Clipboard鍵）等功能實現(xiàn)復雜的檢索查詢工作。

第11頁,共77頁，2024年2月25日，星期天

進入NCBI的Entrez主頁，用戶可以選擇組成Entrez系統(tǒng)的五個數(shù)據(jù)庫之一作為查詢起點。如以Nucleotide開始。選擇Nucleotide即進入EntrezNucleotidesearch界面，點擊Limits進入限定檢索界面。如上圖。完成各限制條件后，點擊Go即進行檢索。第12頁,共77頁，2024年2月25日，星期天第13頁,共77頁，2024年2月25日，星期天2、NCBI中的GenBank數(shù)據(jù)的格式LOCUSDEFINITION序列名稱基因定義ACCESSION序列編號序列接受號或登記號VERSION序列版本號DATE序列提交、創(chuàng)建和更新日期DISCRIPTION序列簡要描述KEYWORDS與序列相關的關鍵詞SOURCE序列的來源種屬ORGANISM序列的來源分類REFERENCE參考文獻編號或遞交序列信息REMARK參考文獻評述MEDLINE參考文獻交叉索引或遞交序列在Medline

中的存取號TITLEAUTHER參考文獻作者或遞交序列作者TITLE參考文獻題目JOURNAL參考文獻出處FEATURES序列特征表起始COMMENT序列注釋信息BASECOUNT序列起始標志ORIGEN序列數(shù)據(jù)第14頁,共77頁，2024年2月25日，星期天第15頁,共77頁，2024年2月25日，星期天·

LOCUSTG29EDGP839bpDNAlinearINV18-APR-1998DEFINITIONToxoplasmagondiiDNAencodinga29kDGRA.ACCESSION

Y13863VERSION

Y13863.1GI:2231107KEYWORDS29kDaprotein;densegranuleprotein;p29gene.SOURCE

ToxoplasmagondiiORGANISM

ToxoplasmagondiiEukaryota;Alveolata;Apicomplexa;Coccidia;Eimeriida;Sarcocystidae;Toxoplasma.REFERENCE1(bases1to839)AUTHORSFischer,H.G.,Stachelhaus,S.,Sahm,M.,etal.TITLEGRA7,JOURNAL

Mol.Biochem.Parasitol.91(2),251-262(1998)PUBMED9566518

1:Y13863.ReportsToxoplasmagondii...[gi:2231107]

第16頁,共77頁，2024年2月25日，星期天REFERENCE2(bases1to839)AUTHORSFischer,H.G.TITLEDirectSubmissionJOURNALSubmitted(16-JUN-997)FischerH.G.,InstituteforMedicalMicrobiologyandVirology,Heinrich-Heine-UniversitaetDuesseldorf,Universitaetsstr.1,D-40225Duesseldorf40225GERMANYFEATURES

Location/QualifiersCDS

79..789第17頁,共77頁，2024年2月25日，星期天Entrez

用途檢索大分子生物學數(shù)據(jù)獲取GenBank,EMBL等數(shù)據(jù)庫的核酸序列；獲取Swiss-prot,PIR,PRF,PDB等蛋白質(zhì)序列；從核酸序列翻譯到蛋白質(zhì)的序列；獲取基因和染色體圖譜；蛋白質(zhì)三維結構數(shù)據(jù)及大分子模式（MMDB）等其他生物信息數(shù)據(jù)庫檢索。PubMed書目文獻數(shù)據(jù)。第18頁,共77頁，2024年2月25日，星期天Entrez生命科學搜索引擎第19頁,共77頁，2024年2月25日，星期天Entrez跨庫檢索第20頁,共77頁，2024年2月25日，星期天檢索字段限制分子類型選擇基因位置限定序列片段限定數(shù)據(jù)更新日期限定功能欄核酸序列檢索第21頁,共77頁，2024年2月25日，星期天序列存取號基因定義數(shù)據(jù)庫標識符第22頁,共77頁，2024年2月25日，星期天代碼物種來源參考文獻特性專業(yè)評論第23頁,共77頁，2024年2月25日，星期天堿基數(shù)原序列復制后，可到BLAST中進行相似性對比第24頁,共77頁，2024年2月25日，星期天二、EMBL－歐洲核酸數(shù)據(jù)庫EMBL數(shù)據(jù)庫共有Genomes、Simplesequenceretrieval和SRS（序列提取系統(tǒng)）三種檢索方式。1、Genomes提供已完成測序的基因組數(shù)據(jù)，用戶可以通過生物分類名稱以分層點擊瀏覽的方式獲取相關信息，通過相關鏈接，用戶可獲得大量已完成測序的基因組數(shù)據(jù)。第25頁,共77頁，2024年2月25日，星期天網(wǎng)址為：http://www.ebi.ac.uk/genomes第26頁,共77頁，2024年2月25日，星期天2、Simplesequenceretrieval

：直接輸入序列接受號檢索核酸序列。網(wǎng)址:http://www.ebi.ac.uk/cgi-bin/emblfetch第27頁,共77頁，2024年2月25日，星期天3、SRS（序列提取系統(tǒng)）:是目前生物信息界應用最為廣泛的數(shù)據(jù)庫系統(tǒng)。網(wǎng)址：http://srs.ebi.ac.uk/檢索序列時只需用鼠標點擊“Search”，在輸入框中輸入擬檢索的信息即可。SRS的詳細信息參見：http://www.sanger.ac.uk/srs/srsman.html第28頁,共77頁，2024年2月25日，星期天第29頁,共77頁，2024年2月25日，星期天三、DDBJ－日本DNA數(shù)據(jù)庫包括Getentry、SRS、Afgate＆TAIS、Homology等幾種方法。前四種用于檢索DDBJ數(shù)據(jù)庫中原始數(shù)據(jù)，Homology采用FASTA/BLAST檢索對用戶提供的序列或片段做同源性分析。1、Getentry：通過登錄號檢索DDBJ核酸數(shù)據(jù)庫，最多可同時輸入10個號碼進行檢索，各號碼之間用空格或“，”分隔，連續(xù)號碼可用“-”表示。還可用Locusname、Genename、Productname、P-ID、Clonenumber和Patent號等檢索。第30頁,共77頁，2024年2月25日，星期天2、SRS：有快速檢索和高級檢索兩種途徑?？焖贆z索可同時選擇多個數(shù)據(jù)庫進行檢索，并且它只對來自“ID”、“Molecule”、“Discription”、“AccNumber”、“Keywords”、“Source”“Organism”、“Authors”、“Title”及“Comment”等10個默認字段的信息進行檢索。3、Afgate＆TAIS：比較簡單的關鍵詞檢索途徑，在檢索框內(nèi)輸入檢索策略，點擊startsearch按鈕即可完成。第31頁,共77頁，2024年2月25日，星期天第32頁,共77頁，2024年2月25日，星期天第二節(jié)常用的RNA數(shù)據(jù)庫及軟件一、Transterm---mRNA序列和翻譯調(diào)控元件數(shù)據(jù)庫1、Transterm數(shù)據(jù)庫簡介Transterm數(shù)據(jù)庫由新西蘭Otago大學生物化學系構建并維護，是一個mRNA序列和翻譯調(diào)控元件數(shù)據(jù)庫。

Transterm設計的目的是研究mRNA的構成以及翻譯過程中的調(diào)控信號。Transterm中收錄的mRNA序列包括多種功能成分，既可以對一種物種進行分析，也可以借此進行信息查詢。第33頁,共77頁，2024年2月25日，星期天每一個從GenBank內(nèi)提取的mRNA被分成以下部分：功能成分，起始編碼區(qū)，終止編碼區(qū)，即5’-UTR、3’-UTR和翻譯信號的側翼序列。網(wǎng)址：http://www.uther.otago.ac.nz/Transterm.html第34頁,共77頁，2024年2月25日，星期天2、Transterm數(shù)據(jù)檢索Transterm提供每一物種密碼子使用表格，還提供描述mRNA中已知的基序或特征的模式的總結。通過Transterm來源于GenBank的編碼區(qū)可被分割為5’側翼、起始區(qū)、全編碼區(qū)、終止區(qū)、3’側翼。在Transterm的WWW界面使用與數(shù)據(jù)庫文件和有關數(shù)據(jù)庫相關聯(lián)的圖表，可以搜索所有或部分數(shù)據(jù)庫內(nèi)容，找尋任一條符合條件的模式或用戶自定義的模式。第35頁,共77頁，2024年2月25日，星期天二、RDP-11-------核糖體數(shù)據(jù)庫由Maidak等人創(chuàng)建，提供一切與核糖體有關的數(shù)據(jù)、程序及相關服務計算機程序，包括rRNA在線數(shù)據(jù)分析、進化分類系統(tǒng)樹、rRNA相似序列的排列、序列注釋、rRNA二級結構圖以及各種相似序列比較分析和顯示軟件。網(wǎng)址：http://www.1、簡介第36頁,共77頁，2024年2月25日，星期天2、RDP-Ⅱ數(shù)據(jù)庫提供的分析工具(1)ProbeMatch：分析特異探針在數(shù)據(jù)庫中出現(xiàn)的頻率(2)SequenceMatch：通過nearestneighbors算法確定與用戶序列最相近的RDP-Ⅱ序列。(3)SequenceAlign：對使用者的數(shù)據(jù)進行排列，找到與使用者序列最相近的RDP-Ⅱ序列。(4)SimilarityMatrix：計算RDP-Ⅱ和/或使用者序列的相似性/不相似性矩陣。(5)ChimeraCheck：檢查用戶序列是否為嵌合型。第37頁,共77頁，2024年2月25日，星期天(6)AlignmentSlices：從RDP-Ⅱ全排列數(shù)據(jù)庫中抽取興趣部分，與相鄰序列精簡壓縮為一個序列，突出鄰近序列的差異性.(7)SequenceSelection：從動態(tài)展示的等級分類中選取序列，選出的序列可被下載并進行RDP-Ⅱ其他軟件分析。(8)T-RFLP：以ABI測序系統(tǒng)格式使用數(shù)據(jù)，建立一個相似性矩陣。第38頁,共77頁，2024年2月25日，星期天(9)TAPT-RFLP：在RDP數(shù)據(jù)庫中進行“T-RFLP實驗”，利于設計與分析。(10)(Sub)Trees：一種Javaapplet，可以用來展示、操縱種屬進化系統(tǒng)樹，產(chǎn)生新分支，或選取序列進行其他的RDP-Ⅱ分析。（11）PCA（principalComponentanalysis）：對那些較大的序列系統(tǒng)進行圖象化處理，PCA可通過網(wǎng)頁上的“SopplementaryMateriallinks”找到。第39頁,共77頁，2024年2月25日，星期天三、RNA二級結構預測借助計算機生物學可以很好地利用已知的RNA序列進行二級結構預測乃至三級結構建模。目前較成熟并實現(xiàn)自動化的軟件主要在二級結構預測的水平上。1、ViennaRNA軟件包綜合了兩種算法來預測RNA二級結構：一種是最小自由能的動態(tài)規(guī)劃算法，另一種是McCaskill的分割函數(shù)算法。除RNA折疊外，還可計算給定二級結構的RNA能量、RNA比熱及采用字符串聯(lián)配或編輯計算二級結構間距離，還為反折疊提供一種算法，搜索給定二級結構的RNA序列。第40頁,共77頁，2024年2月25日，星期天2、MFOLDZuker的主頁含眾多RNA結構站點的超鏈接，作為RNA相關網(wǎng)站的導航站點。該站點可以下載最新mfold軟件，也可以將序列提交給Zuker的mfold服務器完成。其中RNAstructure是Zuker預測RNA二級結構的Windows9X/WindowsNT版本，可以免費下載。3、RNAdraw

其主頁詳細介紹了程序的安裝、原理、使用和前景。大多數(shù)RNA二級結構預測均可在大型計算機上完成，一般實驗室不具備這些條件。第41頁,共77頁，2024年2月25日，星期天4、RNA世界可能是最全面的RNA站點，其超鏈接包括各種數(shù)據(jù)庫站點、網(wǎng)絡工具、序列、二級結構以及相關軟件?？梢院芊奖愕馗鶕?jù)PDB（proteindatabank）代碼或者NDB（nucleicaciddatabase）代碼來查找所需要RNA的結構信息，同時提供包括研究方法、參考文獻、可視化圖象軟件及相關數(shù)據(jù)庫等信息。5、其他核酸數(shù)據(jù)庫

HIVDatabaseHIV序列數(shù)據(jù)庫、IMGTImMunoGeneTics數(shù)據(jù)庫；dbEST表達序列標簽數(shù)據(jù)庫、BERLIN5SrRNA數(shù)據(jù)庫；EPD真核啟動子數(shù)據(jù)庫。第42頁,共77頁，2024年2月25日，星期天第三節(jié)核酸同源性序列比對的策略和方法序列比較的根本任務是：發(fā)現(xiàn)序列之間的相似性辨別序列之間的差異目的： 相似序列相似的結構，相似的功能 判別序列之間的同源性 推測序列之間的進化關系數(shù)據(jù)庫搜索就是一種基于兩兩比較的序列比對，因為它為兩個序列的功能片段之間的相互關系提供一個非常明確的圖譜。較多序列的比對是序列比對的一個重點方向，本節(jié)只介紹兩亮序列比對。第43頁,共77頁，2024年2月25日，星期天一、數(shù)據(jù)庫的相似性搜索

對于一個新序列的分析首要任務就是將其與各種數(shù)據(jù)庫進行比較搜索，發(fā)現(xiàn)是否存在同源序列。

數(shù)據(jù)庫相似性搜索能夠從數(shù)據(jù)庫海量中挑選出相關聯(lián)的序列。

最佳方式是搜索幾個不同的數(shù)據(jù)庫以發(fā)現(xiàn)最大可能多的同源序列。

第44頁,共77頁，2024年2月25日，星期天二、BLAST簡介

BLAST和FASTA是當前應用最廣泛的程序，最新版的BLAST和FASTA中已消除原有各自局限性。綜合程序速度和敏感性，本節(jié)介紹NCBI中的BLAST程序。

BLAST（basiclocalalignmentsearchtool，局部序列相似性對比工具）集速度、敏感性、彈性與統(tǒng)計處理的最佳組合于一身，能迅速找到非空位的相似片段。在報告相似性的同時，也報告這個相似性片段出現(xiàn)的可能性。

BLAST集成了一系列程序進行核酸和氨基酸序列不同類型的搜索，采用卡林氏統(tǒng)計描述結果的顯著性。第45頁,共77頁，2024年2月25日，星期天第46頁,共77頁，2024年2月25日，星期天BLAST是NCBI提供的用于核酸或蛋白質(zhì)序列相似性對比分析的一個軟件，已發(fā)展到包括BLASTP,BLASTN,BLASTX,TBLASTN,TBLASTX,MEGABLAST,PSI-BLAST,PHI-BLAST,RPS-BLAST等多個軟件和應用工具的多功能序列分析程序。1、BLASTN：最早的BLAST程序，用于鑒定測序所得序列和查找與之相似的序列。系最常用BLAST軟件。第47頁,共77頁，2024年2月25日，星期天程序

數(shù)據(jù)庫

查

詢

簡

述

blastpblastnblastxtblastntblastx蛋白質(zhì)核酸蛋白質(zhì)核苷酸(翻譯)核酸(翻譯)蛋白質(zhì)核苷酸核酸(翻譯)蛋白質(zhì)核酸(翻譯)可能找到具有遠源進化關系的匹配序列適合尋找分值較高的匹配，不適合遠源關系適合新DNA序列和EST序列的分析適合尋找數(shù)據(jù)庫中尚未標注的編碼區(qū)適合分析EST序列

第48頁,共77頁，2024年2月25日，星期天2、MEGABLAST：用于鑒定一個未知的核酸序列。若要了解測得一個未知核酸序列是否已發(fā)表在公開的核酸數(shù)據(jù)庫中，以及其相關的生物研究文獻時，這是一個最好的工具。它可有效地找到與序列相近的其他序列。3、Discontiguous

MEGABLAST：與MEGABLAST相似，主要用于相近的序列段比較短、并且相鄰的序列段不連續(xù)的搜索。相近序列不易查找時，該工具可以提高查詢靈敏度和查詢效果。第49頁,共77頁，2024年2月25日，星期天4、BLASTP：為查詢蛋白質(zhì)序列設計的軟件，主要用于鑒定蛋白質(zhì)的氨基酸序列和在數(shù)據(jù)庫中查找相似的序列。既可通過找到相似的已知蛋白質(zhì)的功能來鑒定一個未知的蛋白質(zhì)序列的功能，也可用于兩個或多個蛋白質(zhì)序列的比較。5、PSI-BLAST（點位重心BLAST）：最靈敏的BLAST程序，通過它可以找到一個蛋白質(zhì)的遠親序列。第50頁,共77頁，2024年2月25日，星期天6、PHI-BLAST（特異片段重心BLAST）：可以指定某一個蛋白質(zhì)序列片段，并以這個片段為重心查詢相關蛋白質(zhì)序列。7、BLASTX：把所需查詢的核酸序列翻譯成氨基酸序列,再在蛋白質(zhì)數(shù)據(jù)庫中查找。LBASTX可以將核酸序列翻譯成有6種可能的氨基酸序列后在進行查尋，對編碼區(qū)所有三聯(lián)密碼的組合所翻譯的氨基酸序列都查尋，提高了查尋靈敏度。第51頁,共77頁，2024年2月25日，星期天8、TBLASTN：與BLASTX相反，TBLASTN蛋白質(zhì)序列翻譯成可能的6種三聯(lián)密碼核酸序列，對尋找相似功能的核酸序列特別有用。多用于EST和大規(guī)模測序所做的序列分析，對三聯(lián)密碼的錯位有很高的容錯度。9、TBLASTX：把要查尋的核酸序列和進行比較的核酸序列都翻譯成6種可能的氨基酸序列后進行比較。10、RPS-BLAST：用于鑒定某些進化上比較穩(wěn)定的蛋白質(zhì)功能片段。數(shù)據(jù)來源于NCBI的CDD數(shù)據(jù)庫。11、CDART（conserveddomainarchitetureretrievaltool）：用于篩選特定蛋白質(zhì)數(shù)據(jù)庫中所有的蛋白質(zhì)功能片段和功能片段結構，并得到含有某一個或多個功能片段結構的所有蛋白質(zhì)序列。第52頁,共77頁，2024年2月25日，星期天三、BLAST應用舉例順序：①建立BLAST搜索，確定查詢序列；

②選擇適當?shù)乃阉鞒绦蚝拖鄳臄?shù)據(jù)庫，以及參數(shù)；

③發(fā)送查詢序列；

④讀取BLAST結果。1、具體步驟（1）確定查詢序列；（2）選擇數(shù)據(jù)庫和搜索程序：數(shù)據(jù)庫為核酸數(shù)據(jù)庫，程序為BLASTN；第53頁,共77頁，2024年2月25日，星期天（3）選擇默認的允許非空位的搜索；（4）E值限制，默認為10；（5）用默認矩陣BLOSUM62；（6）最后確認結果輸出格式。確認以上參數(shù)無誤后，點擊“BLAST”按鈕，同時也可以選擇E-mail回復結果。2、結果分析BLAST結果分兩部分，即圖形化結果和文字結果，后者又分為有意義的序列排列、兩兩對比結果、統(tǒng)計結果三部分。第54頁,共77頁，2024年2月25日，星期天選擇對比程序基因組對比特殊對比第55頁,共77頁，2024年2月25日，星期天第56頁,共77頁，2024年2月25日，星期天將序列數(shù)據(jù)庫中的復制序列在此粘貼第57頁,共77頁，2024年2月25日，星期天點擊第58頁,共77頁，2024年2月25日，星期天（1）圖形結果得分高低以不同顏色表示：≥200紅色，80-200分紅色，50-80綠色，40-50藍色，<40黑色，也表示同源性由高到低。第59頁,共77頁，2024年2月25日，星期天2、文字結果第60頁,共77頁，2024年2月25日，星期天第61頁,共77頁，2024年2月25日，星期天搜索的分值高低排列，即同源性從高到低。排列第一的是查詢序列本身。右側分別為隨機分值（score，S值）和期望值（expect，E值）。E值是特定匹配中基本的隨機噪聲。S值增加，E值呈指數(shù)性減少，即隨機噪聲降低，表明序列同源性較高。經(jīng)驗提示，DNA序列具有75%以上的同源性才具有潛在的生物學意義，但這種結果很難把握，必須實驗驗證，或要求研究者具有豐富的序列分析經(jīng)驗。第62頁,共77頁，2024年2月25日，星期天序列對比報告對比資源類似性圖譜第63頁,共77頁，2024年2月25日，星期天對比圖譜報告數(shù)據(jù)庫標識符基因定義類似性積分E值為匹配期望值。說明可以找到與搜索序列相匹配的其它序列的幾率。E值越接近零，越不可能找到其它的匹配序列，其背后的含義就是E值越少，匹配度越好第64頁,共77頁，202