生物信息学资源检索分析

❖ 网址：
（六）OWL
❖ 1994年由英国里兹（Leeds）大学和 Warrington的Daresbury国家实验室合作创 建并维护的一个复合型数据库。
❖ 数据来源于SWISS-PROT、PIR、GenPept、 SWISS-PROT、PDB、பைடு நூலகம்RL3D等数据库，去 重后整合而成的非冗余蛋白质序列数据库。
第八章 生物信息学资源检索
生物信息学数据库概述
一 生物信息学数据库的类型 二 生物信息数据收集与存贮 三 生物信息学数据库的查找
2
一、生物信息学数据库的类型
按收录信息内容分
突变数据库
图谱数据库
文献数据库
类型
序列数据库
结构数据库
3
二、生物信息数据收集与存贮
生物信息数据 收集与存贮
（一）生物信 息数据的收集
International Protein Information Database, JIPID）与 德国的慕尼黑蛋白质序列信息中心（Munich Information Center for Protein Sequences, MIPS）合作成立国际蛋白质 序列信息中心（PIR-International）。 ❖ 第75.03版的PIR数据库按照数据的性质和注释详略分成四个子库： PIR1、PIR2、PIR3和PIR4。 ▪ PIR1中的序列已经验证，注释最为详尽； ▪ PIR2中包含尚未确定的冗余序列； ▪ PIR3中的序列尚未加检验，也未加注释； ▪ PIR4包括其他渠道获得的序列，既未验证，也无注释。 ❖ 网址：
❖
（四）GenPept
❖ 由GenBank中的cDNA序列翻译得到的蛋白质 序列数据库。
❖ 网址：）
（五）UniProt
❖ 将PIR 、SWISS-PROT和TrEMBL3个蛋白质数据库 统一起来组建而成，包含3个部分： ▪ （1）UniProt Knowledgebase（UniProtKB），这是 蛋白质序列、功能、分类、交叉引用等蛋白质知识库， 记录经过人工筛选和注释； ▪ （2）UniRef （UniProt Non-redundant Reference） 数据库，将密切相关的蛋白质序列组合到一条记录中， 以便提高搜索速度；目前，根据序列相似程度形成3个 子库，即UniRef100、UniRef90和UniRef50； ▪ （3）UniParc（UniProt Archive），是UniProt存档库， 收录所有蛋白质序列。用户可以通过文本查询数据库， 可以利用BLAST程序搜索数据库，也可以直接通过 FTP下载数据。
6
三、生物信息学数据库的查找
❖通过搜索引擎查找 ❖通过专门的生物信息学数据库目录查询
▪ 从2000年开始，《Nucleic Acids Research 》 设立了一个数据库目录（）。
❖通过生物信息学中心资源导航查询
▪ 一些著名的生物信息学中心不仅自己建立和维 护大量的生物信息数据库，而且一般在网上提 供资源导航。
（二）生物信 息数据的存贮
4
（一）生物信息数据的收集
数据库与数据库合作
4．数据交换
数据库与测序中心合作
3．成批发送
数据库与期刊合作
2．直接发送
建库的初期
1．人工收集
5
（二）生物信息数据的存贮
存贮格式
1．记录格式 主要有：
EMBL格式、 GenBank格 式
2．序列格式： FASTA格式， 又称Pearson 格式
❖ 到2009年10月，SWISS-PROT（57.11版）收录了 512994条序列，包含180531504个氨基酸。
❖ 网址：
（三）TrEMBL
❖ 创建于1996年，意即“Translation of EMBL”，是计算 机翻译并注释的蛋白质序列数据库，收录的序列是从EMBL中 的cDNA序列翻译得到的。记录采用SWISS-PROT数据库 格式。
❖ TrEMBL分为两个部分：SP-TrEMBL和REM-TrEMBL。 ▪ SP-TrEMBL的条目已经专家分类并且给予SWISS-PROT存 取号，但尚未通过人工审查，最终将收入SWISS-PROT。 ▪ REM-TrEMBL包含其他剩余序列，主要是免疫球蛋白、T细 胞受体、少于8个氨基酸碱基的多肽、人工合成序列、专利 序列等。
核酸序列数据库
❖GenBank ：由美国国家生物技术信息中心 (NCBI)管理和维护大型、综合性的公共核 酸序列数据库，包括所有已知的核酸序列和 蛋白质序列，以及与它们相关的文献和生物 学注释。
❖ 网址：
8
国际核酸序列数据库协作体
DDBJ
EMBL
INSDC
GenBank
9
GenBank检索
❖ Entrez是NCBI生物信息学数据库集成检索系统， 可以检索以下生物信息学数据库。
❖例如，查找H1N1流感病毒（H1N1 Flu Virus） 的核酸序列。其检索步骤是：
（1）进入Entrez主页（），在提问框输入H1N1 Flu Virus。
（2）点击“GO”，得到各个数据库的检索结果。
（3）点击“Nucleotide: Core subset of nucleotide sequence records”，得到 GenBank核酸序列数据库中的4801条记录简要格式（Summary）。
(4）点击记录的标题，即可获取该记录的详细信息。
蛋白质数据库
一 蛋白质序列数据库 二 蛋白质结构数据库 三 蛋白质功能数据库
16
一、蛋白质序列数据库
（四）GenPept
（三）TrEMBL
（五）UniProt （六）OWL
（二）SWISS-PROT （一）PIR
17
（一）PIR
❖ 创建于1984年。 ❖ 1988年，美国NBRF、日本国际蛋白质信息数据库（Japan
PIR主页
（二）SWISS-PROT
❖ 创建于1986年 ❖ 由瑞士生物信息学研究所（Swiss Institute of
Bioinformatics，SIB）和欧洲生物信息研究所（EBI） 共同维护和管理。
❖ 1994年，SIB创建蛋白质专家分析系统(Expert Protein Analysis System，ExPASy) ()，除了开 发、维护和管理SWISS-PROT数据库外，还提供蛋白 质序列、结构、功能和蛋白质2D-PAGE图谱等蛋白质信 息资源