【導(dǎo)讀】生物分子數(shù)據(jù)庫應(yīng)滿足5個方面的。數(shù)據(jù)庫中的數(shù)據(jù)直接來源于實驗獲得的原始。對原始生物分子數(shù)據(jù)進(jìn)行整理、分類的結(jié)果，礎(chǔ)上針對特定的應(yīng)用目標(biāo)而建立的。三個數(shù)據(jù)庫中的數(shù)據(jù)基本一致，僅在。數(shù)據(jù)格式上有所差別，對于特定的查詢，這三個數(shù)據(jù)庫是綜合性的DNA和RNA序。續(xù)、附有注釋的DNA或RNA片段?！癆C”為登錄號行；“KW”為關(guān)鍵字行；“OG”行描述細(xì)胞組織；“RN”描述參考文獻(xiàn)的編號；“RX”、“DR”行描述交叉引用信息；“FH”為特征開始符號；FeatureKey，它是描述域生物功能的關(guān)鍵字；Location，指明特征在序列中的特定位置；序列結(jié)束的標(biāo)記是“//”。EMBL的序列數(shù)據(jù)用外在的ASCII文本文件來表示，文件頭由一系列的信息描述行所組成，3W服務(wù)器支持用戶使用FastA程序進(jìn)行核酸同源搜索。包括基因突變和基因多態(tài)性，加上等位基因頻率數(shù)據(jù)。大鼠、小鼠、線蟲、果蠅等。另一種更直觀的方式是顯示各染色體。了人類基因的90%。面向基因群的非冗余集合。除了基因的序列之外，還包括大量的EST序列。

　　

【正文】 ? BLAST的計算過程分為三個階段： （ 1）收集一系列高得分的串，形成高得分單詞表 （ 2）搜索種子 （ 3）擴(kuò)展種子 對于蛋白序列的搜索： ? 單詞表 ——所有 w個字符構(gòu)成的單詞 與查詢序列單詞比較得分超過 T – 這里， w和 T是兩個參數(shù) – 對于蛋白質(zhì)序列搜索推薦的 w值（即種子的長度）為 4 – 這一步所得到的高得分單詞表實際上是一些候選的種子 ? 掃描數(shù)據(jù)庫，搜索那些處于單詞表中的種子 – Hash table – 有限自動機(jī) ? 最后一步擴(kuò)展過程比較直觀。 – 當(dāng)擴(kuò)展時的得分低于該擴(kuò)展前面的最佳得分的某個下限時，擴(kuò)展停止。 對于 DNA序列搜索 ， ? 單詞表包含查詢序列長度為 w的所有單詞 – 壓縮數(shù)據(jù)，每個核酸僅用 2位（ bit）表示，4個核酸組成一個字節(jié) ? 搜索、擴(kuò)展過程與對蛋白質(zhì)序列的處理過程相似 ? BLAST是一個序列數(shù)據(jù)庫搜索程序家族 其中有許多特定用途的程序， BLAST 使用界面 實際應(yīng)用中傾向于蛋白質(zhì)序列搜索 ? 4種字符 Vs. 20種字符 ? DNA序列數(shù)據(jù)庫龐大、冗余 ? 打分矩陣 ? 蛋白質(zhì)序列比 DNA序列更加保守 VAST ? VAST是 NCBI的相似結(jié)構(gòu)搜索工具，它將一個新的蛋白質(zhì)三維結(jié)構(gòu)與 PDB或 MMDB數(shù)據(jù)庫中的結(jié)構(gòu)進(jìn)行比較。 ? 通過結(jié)構(gòu)相似搜索， VAST列出若干與查詢待查詢結(jié)構(gòu)相似的蛋白質(zhì)，用戶利用系統(tǒng)提供的交互顯示軟件 Cn3D（ Wang et al., 2020）觀察重疊的分子模型圖，詳細(xì)分析這些蛋白質(zhì)空間結(jié)構(gòu)的關(guān)系，分析蛋白質(zhì)因為進(jìn)化而改變的結(jié)構(gòu)區(qū)域 。 VAST的比較有三個步驟： ? 首先，在坐標(biāo)數(shù)據(jù)的基礎(chǔ)上，標(biāo)出所有構(gòu)成蛋白質(zhì)核心部分的 α螺旋和 β片層。 ? 然后根據(jù)這些二級結(jié)構(gòu)單位的位置計算向量。使用這些向量進(jìn)行結(jié)構(gòu)比對而不是整個一套坐標(biāo)。然后，算法試圖最佳地匹配這些向量，尋找類型和相對方位相同的成對結(jié)構(gòu)單位，并且在這些單位之間還要有同樣的連接方式。 ? 最后，在每個殘基位置上使用蒙特卡洛方法對結(jié)構(gòu)的比對進(jìn)行優(yōu)化。 第七節(jié) 數(shù)據(jù)庫集成 ? 集成數(shù)據(jù)庫的一種方法是構(gòu)造一個“數(shù)據(jù)倉庫”，使其包含各種數(shù)據(jù)庫中數(shù)據(jù)集，通過自動或手工方式添加注釋和連接 . – Entrez和 SRS就是這樣的一類系統(tǒng)。 ? 另一種實現(xiàn)數(shù)據(jù)庫集成的方法是設(shè)計智能查詢工具，進(jìn)行數(shù)據(jù)庫的虛擬集成。 Entrez ? 查詢和搜索系統(tǒng) ? 集成 NCBI各種數(shù)據(jù)庫中的信息 核酸序列 蛋白質(zhì)序列 生物大分子結(jié)構(gòu) 基因組數(shù)據(jù) 生物分類數(shù)據(jù)庫 孟德爾人類遺傳學(xué)數(shù)據(jù)（ OMIM） Pubmed Entrez集成系統(tǒng)結(jié)構(gòu)如圖 。 圖 、 Entrez數(shù)據(jù)庫系統(tǒng)結(jié)構(gòu)圖 2. SRS ? SRS（ Sequence Retrieval System）是 EMBL研制的一個基于 WEB的查詢系統(tǒng) ? SRS采用全菜單驅(qū)動方式 – 包括 EMBL、 EMBL_NEW、 SwissProt、 PIR等一級數(shù)據(jù)庫 – 還包括許多二級數(shù)據(jù)庫， 如蛋白質(zhì)家族和結(jié)構(gòu)域數(shù)據(jù)庫 Prosite、限制酶數(shù)據(jù)庫 ReBase、PDB序列子集數(shù)據(jù)庫 NRL_3D、真核基因啟動子數(shù)據(jù)庫 EPD、 數(shù)據(jù)庫 ECD、酶名稱和反應(yīng)數(shù)據(jù)庫 ENZYME、生物計算文獻(xiàn)數(shù)據(jù)庫 SEQANALREF等，還有與功能、疾病相關(guān)的數(shù)據(jù)庫，總共有 80個數(shù)據(jù)庫。 ? SRS在中國的鏡像站點(diǎn)建立在北京大學(xué)生物信息中心。 ExPASy ? ExPASy (Expert Protein Analysis System， 是由瑞士生物信息學(xué)研究所建立的一個蛋白組學(xué) WWW服務(wù)器，著重于分析蛋白質(zhì)序列和結(jié)構(gòu)。 ? 內(nèi)容： – 蛋白質(zhì)序列數(shù)據(jù)庫 SWISSPROT和 TrEMBL – 蛋白質(zhì)家族和結(jié)構(gòu)域數(shù)據(jù)庫 PROSITE – 2維和 3維聚丙烯酰胺凝膠電泳數(shù)據(jù)庫SWISS2DPAGE、 SWISS3DIMAGE等 第八節(jié) 生物信息分析工具 GCG ? GCG (Geics Computer Group) 軟件包 是一個序列分析、數(shù)據(jù)庫管理、數(shù)據(jù)挖掘和可視化工具的綜合系統(tǒng) ? 由 140多個獨(dú)立的程序組成，每個程序進(jìn)行一項單一的分析任務(wù)。 ? 廣泛應(yīng)用 ? GCG支持的兩種核酸數(shù)據(jù)庫 – GenBank數(shù)據(jù)庫 – 簡化版的 EMBL核酸序列數(shù)據(jù)庫 ? GCG支持的三種蛋白質(zhì)數(shù)據(jù)庫 – PIR – SWISSPROT – SPTrEMBL數(shù)據(jù)庫。 序列的兩兩比較 – Gap: – BestFit: – FrameAlign: – Compare： – DotPlot: – GapShow： – ProfileGap: 多個序列比較 – PileUp: – HmmerAlign： – PlotSimilarity： – Pretty： – PrettyBox： – MEME： – HmmerBuild： – HmmerCalibrate： – ProfileMake： – ProfileGap： – Overlap： – NoOverlap： – OldDistances： 按字符方式搜索數(shù)據(jù)庫 – LookUp： – StringSearch： – Names： 按序列搜索數(shù)據(jù)庫 ? BLAST： ? NetBLAST： ? FastA： ? Ssearch： ? TFastA/TfastX/FastX： ? FrameSearch： ? MotifSearch： ? HmmerSearch： ? ProfileSearch： ? ProfileSegments： ? FindPatterns： ? Motifs： ? WordSearch： ? HmmerPfam： ? Segments： DNA/RNA二級結(jié)構(gòu) ? Mfold 利用能量最小化方法，預(yù)測 DNA或者 RNA的最優(yōu)二級結(jié)構(gòu)或局部最優(yōu)二級結(jié)構(gòu)。 ? PlotFold 顯示由 Mfold預(yù)測的二級結(jié)構(gòu) ? StemLoop 發(fā)現(xiàn)序列中反向重復(fù)，用戶可以指定其長度、最大和最小環(huán)尺寸等參數(shù) 進(jìn)化分析 ? PAUPSearch： ? PAUPDisplay： ? Distances： ? Diverge： 片段拼接 ? GelStart： ? GelEnter： ? GelMerge： ? GelAssemble： ? GelView： ? GelDisassemble： 發(fā)現(xiàn)基因和模式識別 ? TestCode： ? CodonPreference： ? Frames： ? Repeat： ? Composition： ? CodonFrequency： ? Correspond： 作圖 ? Map： ? MapPlot： ? MapSort: ? PeptideMap： ? PlasmidMap： ? PeptideSort: 引物設(shè)計 ? Prime： ? PrimePair： ? MeltTemp： 1蛋白質(zhì)分析 ? ProfileScan： ? CoilScan： ? HTHScan： ? SPScan： ? Isoelectric: ? PepPlot： ? PeptideStructure： ? PlotStructure： 1其它實用程序 ? 關(guān)于序列的實用程序： – Reverse – Shuffle – Corrupt – Sample ? 關(guān)于數(shù)據(jù)庫的實用程序： – DataSet – GCGToBLAST