常用生物数据库 外显子、内含子、mRNA、CDS
生物学数据库
生物学数据库生物学数据库是存储和管理生物学数据的系统，可以帮助科研人员和学生在生物学领域的研究中获取和分析大量的生物学数据。
随着生物学研究的不断发展和进步，生物学数据库在科学研究中发挥着重要的作用。
本文将介绍生物学数据库的定义、分类、应用以及未来的发展前景。
一、定义生物学数据库是指用于收集、存储、管理和处理生物学数据的电子化系统。
生物学数据可以包括基因组序列、蛋白质结构、代谢途径等各种不同类型的数据。
通过生物学数据库，科研人员可以方便地访问和查询大量的生物学数据，为生物学研究提供了重要的数据支持。
二、分类生物学数据库根据数据类型和应用领域的不同，可以分为不同的分类。
以下是几种常见的生物学数据库分类：1. 基因组数据库：存储和管理各种生物体的基因组序列数据，如NCBI（美国国家生物技术信息中心）的GenBank数据库。
2. 蛋白质数据库：存储和管理蛋白质序列、结构和功能等相关信息的数据库，如PDB（蛋白质数据银行）。
3. 代谢数据库：存储和管理生物体的代谢途径和代谢产物等相关数据的数据库，如KEGG（京都基因与基因组百科全书）数据库。
4. 基因调控数据库：存储和管理基因表达调控相关数据的数据库，如ENCODE（人类基因组的功能元件）数据库。
5. 生物图谱数据库：存储和管理植物和动物生物图谱数据的数据库，如PlantGDB（植物基因数据库）和AnimalTFDB（动物转录因子数据库）。
三、应用生物学数据库在生物学研究中有着广泛的应用。
以下是一些常见的应用领域：1. 基因组学研究：通过基因组数据库，研究人员可以分析不同生物体的基因组序列，并进行基因组比较、基因功能预测等研究。
2. 蛋白质学研究：蛋白质数据库可以帮助研究人员了解蛋白质的序列、结构和功能等信息，以及进行蛋白质互作网络分析等研究。
3. 基因调控研究：基因调控数据库可以帮助研究人员预测和分析基因的转录调控网络，并研究基因的表达调控机制。
4. 代谢途径研究：通过代谢数据库，研究人员可以了解生物体的代谢途径和代谢产物，并分析代谢途径的调控机制等。
生物信息学数据库分类整理汇总
生物信息学数据库分类整理汇总生物信息学数据库是存储和管理生物学领域的大量数据的重要工具和资源，对于生物信息学研究、基因组学、蛋白质组学、转录组学等领域的研究具有重要的意义。
本文将对生物信息学数据库进行分类整理和汇总，方便生物信息学研究者更好地使用和了解这些数据库。
1.基因组数据库：- GenBank：美国国家生物技术信息中心（NCBI）维护的基因序列数据库，包含已知基因的核酸序列。
- Ensembl：英国恩格斯尔基因组项目维护的一个综合性基因组数据库，包含多种物种的基因组数据。
- UCSC Genome Browser：加利福尼亚大学圣克鲁兹分校开发的一个基因组浏览器，提供多种物种的基因组序列和注释信息。
2.蛋白质数据库：- UniProt：一个综合性的蛋白质数据库，集成了多个蛋白质序列和注释信息资源。
- Protein Data Bank (PDB)：存储大量已解析的蛋白质结构数据的数据库，提供原子级别的结构信息。
- Protein Information Resource (PIR)：收集和整理蛋白质序列、结构和功能信息的数据库。
3.转录组数据库：- NCBI Gene Expression Omnibus (GEO)：存储和共享大量的高通量基因表达数据的数据库。
- ArrayExpress：欧洲生物信息学研究所（EBI）开发的一个基因表达数据库，包含多种生物组织和疾病的表达数据。
4.疾病数据库：- Online Mendelian Inheritance in Man (OMIM)：记录人类遗传疾病和相关基因的数据库。
- Orphanet：收集和整理罕见疾病和相关基因的数据库。
5.代谢组数据库：- Human Metabolome Database (HMDB)：一个综合性的人类代谢物数据库，包括代谢产物的结构和功能信息。
- Kyoto Encyclopedia of Genes and Genomes (KEGG)：包含多种生物体代谢途径的数据库。
编码区和非编码区和内含子外显子
编码区和非编码区和内含子外显子我们都知道不论真核与原核生物都离不开基因，它储存着生长、发育、凋亡等几乎全部生命过程的信息。
那么基因有着哪些结构呢，接下来从三个层面来讨论基因的构成：一、DNA编码区Coding region基因在结构上，分为编码区和非编码区两部分。
真核生物的编码区是不连续的，分为外显子和内含子，在转录过程中会修剪内含子，并拼合外显子来形成转录产物。
在原核生物中，基因是连续的，也就是说无外显子和内含子之分。
外显子Exon外显子是在preRNA 经过剪切或修饰后，被保留的DNA部分，并最终出现在成熟RNA的基因序列中。
内含子Intron在真核生物中，内含子作为阻断基因的线性表达的一段DNA序列，是在preRNA 经过剪切或修饰后，被切除的DNA序列非编码区Non-coding region非编码区在对基因的表达调控中发挥重要作用，如启动子，增强子，终止子等都位于该区域，有意思的是在人类基因中非编码区的占比超过90%。
它们中的一部分可以转录为功能性RNA，比如tRNA（transfer RNA）, rRNA（ribosomal RNA）等；可以作为DNA复制，转录起始来对复制，转录和翻译起到调控作用；也可能是着丝粒与端粒的重要组成部分。
启动子Promoter启动子是特定基因转录的DNA区域，启动子一般位于基因的转录起始位点，5‘端上游，启动子长约100-1000bp。
在转录过程中，RNA聚合酶与转录因子可以识别并特异性结合到启动子特有的DNA序列（一般为保守序列），从而启动转录。
启动子本身并不转录而且也不控制基因活动，而是通过转录因子结合来调控转录过程。
在细胞核中，似乎启动子优先分布在染色体区域的边缘，可能是在不同染色体上共同表达基因。
此外，在人类中，启动子显示出每个染色体特有的某些结构特征。
CAAT Box 与Sextama boxCCAAT box（有时也缩写为CAAT box或CAT box）：具有GGCCAATCT 共有序列的不同核苷酸序列，是真核生物基因常有的调节区，位于转录起始点上游约-80bp处，可能也是RNA聚合酶的一个结合处，控制着转录起始的频率。
生物信息学复习题已附答案
本卷的答案仅做参考，如有疑问欢迎提出。
后面的补充复习题要靠你们自己整理答案了。
生物信息学复习题一、填空题1、识别基因主要有两个途径即基因组DNA外显子识别和基于EST策略的基因鉴定。
2、表达序列标签是从mRNA 中生成的一些很短的序列（300-500bp），它们代表在特定组织或发育阶段表达的基因。
3、序列比对的基本思想，是找出检测基因和目标序列的相似性，就是通过在序列中插入空位的方法使所比较的序列长度达到一致。
比对的数学模型大体分为两类，分别是整体比对和局部比对。
4、2-DE的基本原理是根据蛋白质等电点和分子量不同，进行两次电泳将之分离。
第一向是等电聚焦分离,第二向是SDS-PAGE分离。
5、蛋白质组研究的三大关键核心技术是双向凝胶电泳技术、质谱鉴定技术、计算机图像数据处理与蛋白质数据库。
二、判断题1、生物体的结构和功能越复杂的种类就越多，所需要的基因也越多，C值越大，这是真核生物基因组的特点之一。
（对）2、CDS一定就是ORF。
（对）3、两者之间有没有共同的祖先，可以通过序列的同源性来确定，如果两个基因或蛋白质有着几乎一样的序列，那么它们高度同源,就具有共同的祖先。
（错）4、STS，是一段200-300bp的特定DNA序列，它的序列已知，并且在基因组中属于单拷贝。
（对）5、非编码DNA是“垃圾DNA”，不具有任何的分析价值，对于细胞没有多大的作用。
（错）6、基因树和物种树同属于系统树，它们之间可以等同。
（错）7、基因的编码序列在DNA分子上是被不编码的序列隔开而不连续排列的。
( 对）8、对任意一个DNA序列，在不知道哪一个碱基代表CDS的起始时，可用6框翻译法，获得6个潜在的蛋白质序列。
（对）9、一个机体只有一个确定的基因组，但基因组内各个基因表达的条件和表达的程度随时间、空间和环境条件而不同。
（对）10、外显子和内含子之间没有绝对的区分，一个基因的内含子可以是另一个基因的外显子，同一个基因在不同的生理状况或生长发育的不同阶段，外显子组成也可以不同。
常用生物数据库 外显子、内含子、mRNA、CDS
常用生物数据库核酸序列数据库主要有GenBank, EMBL, DDBJ等.蛋白质序列数据库有SWISS-PROT, PIR, OWL, NRL3D, TrEMBL等，蛋白质片段数据库有PROSITE, BLOCKS, PRINTS等，三维结构数据库有PDB, NDB, BioMagResBank, CCSD等，蛋白质结构有关的数据库还有SCOP, CATH, FSSP, 3D-ALI, DSSP等，与基因组有关的数据库还有ESTdb, OMIM, GDB, GSDB等，文献数据库有Medline, Uncover等。
外显子、内含子、mRNA、CDS1.DNA复制：以DNA为模板，在DNA聚合酶的催化作用下，将四种游离的dNTP按照碱基互补配对原则合成新链DNA转录：以DNA为模版，在DNA指导的RNA聚合酶的作用下，将四种游离的NTP按照碱基互补配对的原则合成RNA翻译：以mRNA为模板，在核糖体内合成蛋白质的过程特点：模板特点原料引物DNA复制双链DNA 合成的新链与模板链一模四种dNTP 半保留复制需要一样四种NTP 半不连续转录不需要转录双链DNA 合成的新链除了把DNA上的T改为U外，其他一样翻译mRNA 3个碱基决定一个氨基酸20种游离的氨基酸2.mRNA（messenger RNA，信使RNA）信使RNA是由DNA经hnRNA剪接而成，携带遗传信息的能指导蛋白合成的一类单链核糖核酸。
3. 基因DNA分为编码区和非编码区，编码区包含外显子和内含子，一般非编码区具有基因表达的调控功能，如启动子在非编码区。
编码区则转录为mRNA并最终翻译成蛋白质。
外显子和内含子都被转录到mRNA前体hnRNA中，当hnRNA进行剪接变为成熟的mRNA 时，内含子被切除，而外显子保留。
实际上真正编码蛋白质的是外显子，而内含子则无编码功能，内含子存在于DNA中，在转录的过程中，DNA上的内含子也会被转录到前体RNA中，但前体RNA上的内含子会在RNA离开细胞核进行翻译前被切除。
基因分区
3.GC框(GC box)：有两个拷贝，位于CAAT的两侧，由GGCGGG组成，是一个转录调节区，有激活转录的功能。此外，RNA聚合酶III负责转录tRNA的DNA和5srDNA，其启动子位于转录的DNA顺序中，称为下游启动子。
外显子和内含子都被转录到mRNA前体hnRNA1中，当hnRNA进行剪接变为成熟的mRNA时，内含子被切除，而外显子保留。实际上真正编码蛋白质的是外显子，而内含子则无编码功能，
内含子存在于DNA中，在转录的过程中，DNA上的内含子也会被转录到前体RNA中，但前体RNA上的内含子会在RNA离开细胞核进行翻译前被切除。即内含子只转录。如果一个基因有n个内含子，一般总是把外显子分隔成n+1个部分。内含子的核苷酸数量可比外显子多许多许多倍。
（3）功能基因与功能基因的融合。
可分为两类：
A相同功能基因的融合，目的是增强基因的功能，扩大基因的应用范围，如杀虫基因之间的融合。
B．不同功能基因的融合，为特殊需要而构建，如生产无毒疫苗等。
（4）报告基因与抗药性基因的融合用于构建融合载体，以利于插入大片段的cDNA或作为双功能标记.
密码子表
决定氨基酸的密码子：61种，包括两种起始密码子
E：外显子
I：内含子
UT：非翻译区
GT-AG:内含子外显子接头
CDS (Sequence coding for amino acids in protein)蛋白质编码区
CDS是Coding sequence的缩写，是编码一段蛋白产物的序列，是结构基因组学术语。
常用生物数据库及数据格式
10
FASTQ sequence format
与fasta格式类似 一条序列一般占用四行 序列和质量值各占一行
11
GenBank028 bp DNA linear PLN 21-JUN-1999 DEFINITION Saccharomyces cerevisiae TCP1-beta gene, partial cds; and Axl2p (AXL2) and Rev7p (REV7) genes, complete cds. ACCESSION U49845 VERSION U49845.1 GI:1293613 KEYWORDS . SOURCE Saccharomyces cerevisiae (baker's yeast) ORGANISM Saccharomyces cerevisiae Eukaryota; Fungi; Ascomycota; Saccharomycotina; Saccharomycetes; Saccharomycetales; Saccharomycetaceae; Saccharomyces. REFERENCE 1 (bases 1 to 5028) AUTHORS Torpey,L.E., Gibbs,P.E., Nelson,J. and Lawrence,C.W. TITLE Cloning and sequence of REV7, a gene whose function is required for DNA damage-induced mutagenesis in Saccharomyces cerevisiae JOURNAL Yeast 10 (11), 1503-1509 (1994) PUBMED 7871890 ...... FEATURES Location/Qualifiers CDS <1..206 /codon_start=3 /product="TCP1-beta" /protein_id="AAA98665.1" /db_xref="GI:1293614" /translation="SSIYNGISTSGLDLNNGTIADMRQLGIVESYKLKRAVVSSASEA AEVLLRVDNIIRARPRTANRQHM" gene 687..3158 /gene="AXL2" ...... ORIGIN 1 gatcctccat atacaacggt atctccacct caggtttaga tctcaacaac ggaaccattg 61 ccgacatgag acagttaggt atcgtcgaga gttacaagct aaaacgagca gtagtcagct ...... 4981 tgccatgact cagattctaa ttttaagcta ttcaatttct ctttgatc //
基因组、ORF、CDS、CDNA
开放阅读框（或开放读码框架，open reading frame，ORF)是DNA上的一段碱基序列，由于拥有特殊的起始密码子和直到可以从该段碱基序列产生合适大小蛋白才出现的终止密码子，该段碱基序列编码一个蛋白。
当一个新基因被识别，其DNA序列被解读，人们仍旧无法搞清相应的蛋白序列是什么。
这是因为在没有其它信息的前提下，DNA序列可以按六种框架阅读和翻译（每条链三种，对应三种不同的起始密码子）。
ORF识别包括检测这六个阅读框架并决定哪一个包含以启动子和终止子为界限的DNA序列而其内部不包含启动子或终止子，符合这些条件的序列有可能对应一个真正的单一的基因产物。
ORF的识别是证明一个新的DNA序列为特定的蛋白质编码基因的部分或全部的先决条件。
An open reading frame (ORF) is a portion of a gene’s sequence that contains a sequence of bases， uninterrupted by stop sequences，that could potentially encode a protein. When a new gene is identified and its DNA sequence deciphered，it is still unclear what its corresponding protein sequence is. This is because， in the absence of any other knowledge， the DNA sequence can be translated or read in six possible reading frames (three for each strand， corresponding to three different start positions for the first codon). ORF identification involves scanning each of the six reading frames and determining which one(s) contains a stretch of DNA sequence bounded by a start and stop codon， yet containing no start or stop codons within it； a sequence meeting these conditions could correspond to the actual single product of the gene. The identification of an ORF provides the first evidence that a new sequence of DNA is part or all of a gene encoding for a particular protein.CDS是Coding sequence的缩写，是编码一段蛋白产物的序列，是结构基因组学术语ORF开放阅读框是基因序列的一部分，包含一段可以编码蛋白的碱基序列，不能被终止子打断。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
常用生物数据库
核酸序列数据库主要有GenBank, EMBL, DDBJ等.
蛋白质序列数据库有SWISS-PROT, PIR, OWL, NRL3D, TrEMBL等，蛋白质片段数据库有PROSITE, BLOCKS, PRINTS等，
三维结构数据库有PDB, NDB, BioMagResBank, CCSD等，
蛋白质结构有关的数据库还有SCOP, CATH, FSSP, 3D-ALI, DSSP等，与基因组有关的数据库还有ESTdb, OMIM, GDB, GSDB等，
文献数据库有Medline, Uncover等。
外显子、内含子、mRNA、CDS
1.DNA复制：以DNA为模板，在DNA聚合酶的催化作用下，将四种游离的dNTP按照碱基互补配对原则合成新链DNA
转录：以DNA为模版，在DNA指导的RNA聚合酶的作用下，将四种游离的NTP按照碱基互补配对的原则合成RNA
翻译：以mRNA为模板，在核糖体内合成蛋白质的过程
特点：
模板特点原料引物DNA复制双链DNA 合成的新链与模板链一模
四种dNTP 半保留复制需要
一样
四种NTP 半不连续转录不需要转录双链DNA 合成的新链除了把DNA上
的T改为U外，其他一样
翻译mRNA 3个碱基决定一个氨基酸20种游离
的氨基酸
2.mRNA（messenger RNA，信使RNA）
信使RNA是由DNA经hnRNA剪接而成，携带遗传信息的能指导蛋白合成的一类单链核糖核酸。
3. 基因DNA分为编码区和非编码区，编码区包含外显子和内含子，一般非编码区具有基因表达的调控功能，如启动子在非编码区。
编码区则转录为mRNA并最终翻译成蛋白质。
外显子和内含子都被转录到mRNA前体hnRNA中，当hnRNA进行剪接变为成熟的mRNA 时，内含子被切除，而外显子保留。
实际上真正编码蛋白质的是外显子，而内含子则无编码功能，
内含子存在于DNA中，在转录的过程中，DNA上的内含子也会被转录到前体RNA中，但前体RNA上的内含子会在RNA离开细胞核进行翻译前被切除。
4.CDS Sequence coding for amino acids in protein 蛋白质编码区
CDS是Coding sequence的缩写，是编码一段蛋白产物的序列，是结构基因组学术语。
与开放读码框ORF的区别
开放读码框是从一个起始密码子开始到一个终止密码子结束的一段序列；不是所有读码框都能被表达出蛋白产物，或者能表达出占有优势或者能产生生物学功能的蛋白。
CDS，是编码一段蛋白产物的序列。
cds必定是一个orf。
但也可能包括很多orf。
反之，每个orf 不一定都是cds。
Open reading frame (ORF) - a reading frame that does not contain a nucleotide triplet which stops translation before formation of a complete polypeptide. Coding sequence (CDS) - The portion of DNA that codes for transcription of messenger RNA ORF-----translation, CDS----transcription translation 是理论上的，而transcription则显然是事实存在的。
5.外显子拼接形成成熟的mRNA，多数基因都有UTR,它们也是外显子拼接的产物，所以，你会发现mRNA的长度要大于CDS，只有CDS才编码蛋白，AUG以前的mRNA编码前导序列。
外显子并不一定编码蛋白质，成熟mRNA的UTR也可以是外显子，外显子就是RNA 剪接后留下的部分
外显子与CDS区不是完全一致的，cds区一定属于外显子，但是外显子不一定是CDS区，也就是说外显子不一定都能翻译成蛋白的。
mRNA包括UTR和CDS！
内含子（intron）是断裂基因中外显子之间的间隔序列（intervening sequence，IVS），可参与前体RNA的转录，但其转录的RNA序列于转录后的加工中被切除，不包括于成熟的RNA分子中。
外显子（exon）在断裂基因中，转录成熟RNA中相应序列的DNA片段。
内含子和外显子的分界线在于：GU-AG法则。
即每个内含子的开始两个碱基都是是GU （或GT），最后两个是AG。