《教你使用NCBI,PDB数据库》由会员分享，可在线阅读，更多相关《教你使用NCBI,PDB数据库（62页珍藏版）》请在金锄头文库上搜索。
1、,生物信息学,第三讲：序列的采集、存储和查询,本章内容提要,1. DNA测序 2. 序列数据的存储 3. 序列数据的文件格式 4. 序列数据的查询,1. DNA测序,1. DNA一次测序的长度为500bp。 2.基因组的测序方案：将大的染色体打断成100kbp的片断，插入到BAC (Bacterial Artificial Chromosome)中。再随机打断，克隆，然后再组装成长的序列(contig)。 3. EST (Expressed sequence tag) 测序：细胞中mRNA反转录成cDNA，方向不定，测序。 4. UniGene: 为每一个基因创造一个唯一的条目，收集这个基因所
2、有的ESTs. 5. GSS (基因组测序序列)：类似于ESTs，来源基因组。 6. HTG (高通量基因组序列)：高通量、尚未完工的DNA序列。,基因组测序：两种方案,1. DNA片段在染色体上的位置、方向已知。首先染色体被打断成150kbp左右的片段，然后克隆到BACs中，再进一步打碎，克隆，测序，组装。 2. “鸟枪法”，shotgun，随机将DNA片段打碎，克隆，测序，组装。DNA片段在染色体上的位置和方向未知。,2. 序列数据的存储,1. 核酸三大数据库：GenBank, EBI, DDBJ. 2. Ensembl数据库：基因组注释。 3. ESTs数据库； 4. UniGene数据
3、库 5. Refseq数据库； 6. NCBI的Gene信息数据库; 7. 蛋白质序列：Swissprot/TrEMBL/UniProt数据库。,三大数据库之间的联系,GenBank中测序最多的20个物种,161.0版，2007.08,dbEST: 表达序列标签数据库,2007.08，总序列45,660,524条，最多的20个物种如下,UniGene: An Organized View of the Transcriptom,Refseq数据库,1. 提供高质量的，无冗余的，完整的序列信息； 2. 包括基因组的DNA,转录成的RNA以及蛋白质序列信息。 3. 序列文件的标识符：DNA/RNA
4、序列，NM_XXXXXX；蛋白质序列：NP_XXXXXX,NCBI Gene,1. http:/www.ncbi.nlm.nih.gov/sites/entrez?db=gene 2. 序列从Refseq数据库中得到; 3. 详尽的注释信息，包括基因在基因组的定位，基因名称、蛋白质名称，基因结构，等等。,UniProt,1. 专家审核的蛋白质序列数据与知识库； 2. UniProt Knowledgebase：Release 12.1，2007.08 3. 包括： Swiss-Prot Release 54.1 of 21-Aug-2007: 277883 entries; TrEMBL Re
5、lease 37.1 of 21-Aug-2007: 4754787 entries,Swiss-Prot Release 54.1,TrEMBL Release 37.1,3. 序列数据的文件格式,1. DNA/RNA/氨基酸代码的标识 2. GenBank数据格式 3. UniProt 4. FASTA,GenBank数据格式,Definition: 标题,序列长度,数据类型,Accession number,版本号,GI number,GenBank的数据类型,UniProt数据格式,Accession number,FASTA格式,4. 序列数据的查询,某天，Prof. Gene发现人
6、的Hela细胞中，有丝分裂期间有异常情况：细胞不再分裂，而是开始凋亡(表型，phenotype)，通过实验的方法(例如，酵母双杂交)，发现了与有丝分裂期间某个蛋白可能相互作用的一个基因，测序结果如下(genotype)：,CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAG
7、ATGACGACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTGGACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGC,问题：,1. 这是哪个基因？ 2. 编码的蛋白质序列是怎样的？ 3. 有没有保守的功能结构域 (domain)？ 4. 它的功能是怎样的
8、？ 5. 它在真核生物中保守吗？ 6. 有没有三级结构信息？,NCBI: BLAST,http:/www.ncbi.nlm.nih.gov/,nucleotide blast,Megablast: 找基因序列,输入序列,提交序列,NM_001168.2：Survivin,UniGene,Geo: 基因表达信息,Gene info：基因信息,Survivin,Gene info: 17号染色体,功能注释：Gene Ontology,结论1,1. 该基因为人的Survivin基因，染色体定位：17号染色体，73721872-73733311；基因标识符：NM_001168.2; 2. 初步的功能分
9、析：细胞周期，caspase酶的抑制因子，等等。,NM_001168.2：Survivin,Human Survivin！,获取蛋白质的序列信息,Survivin：142aa,结论2,人的Survivin蛋白质包含142个氨基酸，序列标识符为：NP_001159.2,获取FASTA序列,FASTA格式的序列,PHI-BLAST: find domain,填入蛋白质的FASTA序列,BIR domain,结论3,Survivin具有保守的功能结构域BIR,UniProt: 蛋白质数据库,在人中做BLAST搜索,Survivin：O15392,Survivin的蛋白质信息,功能注释,结论4：功能分
10、析,1. 在瘤形成过程中可能起一定作用； 2. 阻碍G2/M期的细胞编程性凋亡； 3. Chromosomal passenger complex (CPC)的成员之一。 细胞亚定位：胞质，核。,人的Survivin在酵母中有同源物吗？,提交序列,在酵母中进行序列比对,酵母BIR1: P47134,酵母BIR1的信息,结论5：,人的Survivin在酵母中的同源物可能是BIR1。,PDB：三级结构数据库,Survivin的三级结构信息,Raswin: 三级结构显示,总结,现在，Prof. Gene知道了： 1. 该基因为人的Survivin基因，染色体定位：17号染色体，73721872-73
11、733311；基因标识符：NM_001168.2; 2. 人的Survivin蛋白质包含142个氨基酸，序列标识符为：NP_001159.2 3. Survivin具有保守的功能结构域BIR 4. Survivin的细胞亚定位：胞质，核，其功能有： (1) 在瘤形成过程中可能起一定作用； (2) 阻碍G2/M期的细胞编程性凋亡； (3) Chromosomal passenger complex (CPC)的成员之一。等等。 5. 人的Survivin在酵母中的同源物可能是BIR1。 6. Survivin的三级结构已知，在PDB中的标识符为1E31。,作业,某天，Prof. Gene在小鼠(
12、Mus musculus)中又发现了一个与有丝分裂相关的基因,通过DNA测序，得到部分序列：,GATGAGCTGCTTATCCTACAACGAGAAGTCGGACATCTGGTCCTTGGGCTGCCTGCTGTATGAGCTGTGTGCACTAATGCCTCCCTTTACAGCTTTCAACCAAAAAGAGCTAGCTGGGAAAATCAGGGAAGGGAGGTTCAGGCGCATCCCCTACCGCTACTCTGATGGCTTGAATGACCTCATCACTCGGATGCTGAATTTAAAGGACTACCATCGACCTTCAGTGGAAGAAATTCTGGAGAGCCCTTTGATA
13、GCAGACTTGGTTGCAGAAGAGCAAAGGAGAAATCTGGAGAGGAGAGGACGGCGCTCAGGCGAGCCTTCGAAGCTGCCGGACTCCAGCCCTGTGCTGAGCGAGCTCAAGTTGAAGGAAAGGCAACTGCAGGATCGAGAGCAAGCACTCAGAGCTCGGGAGGACATCCT,问题：,1. 这个基因在小鼠中是哪个基因？基因的标识符是什么？这个基因的在基因组上的定位是怎样的？ 2. 这个基因在人中的同源物是哪一个？标识符是什么？ 3. 在人中，这个基因标码的蛋白质是什么？具有什么样的功能？细胞亚定位在何处？这个基因是一个酶吗，什么酶？具有什么样的功能结构域？ 4. 这个基因在酵母中保守吗？如果保守，哪个基因是人中的同源物？ 5. 这个基因在人中的同源物，编码的蛋白质有3级结构的信息吗？如果有，给出在PDB中的标识符。,
