2第二章生物信息数据库：2序列注释格式1课件.ppt

分子数据库结构 曹毅 GenBank数据库结构 作用：了解序列数据库的格式，有助于更好地提高数据库检索的效率和准确性。 DDBJ数据库的内容和格式与GenBank相同，此处不作详细介绍。 分别介绍EMBL和GenBank的数据库结构 GenBank数据库数据注释(/genbank/ ) GenBank库包含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著作和生物学注释。 NCBI可提供广泛的数据查询、序列相似性有哪些信誉好的足球投注网站以及其它分析服务。 数据库 序列文件：注释内容——文章 索引文件：检索目录——文摘 GenBank数据库结构 完整的 GenBank数据库包括序列文件，索引文件以及其它有关文件。 索引文件是根据数据库中作者、参考文献等建立的，用于数据库查询。 GenPept是由GenBank中的核酸序列翻译而得到的蛋白质序列数据库 数据格式为FastA。 GenBank数据记录 GenBank数据记录 GenBank数据库结构 GenBank中最常用的是序列文件。 序列文件的基本单位：是序列条目，包括核苷酸碱基排列顺序和注释两部分。 生物信息资源中心通过计算机网络提供该数据库文件。 注释条目：文章的格式 GenBank数据库结构 GenBank序列文件由单个的序列条目组成。 序列条目由字段组成，每个字段由关键字起始，后面为该字段的具体说明。 字段分若干次子字段，以次关键字或特性表说明符开始。 每个序列条目以双斜杠“//”作结束标记 GenBank数据库结构 序列条目的格式非常重要，关键字从第一列开始，次关键字从第三列开始，特性表说明符从第五列开始。 每个字段可占一行，也可以占若干行。 若一行中写不下时，继续行以空格开始 GenBank数据库 物种：GenBank 库里的数据按来源于大约100,000个物种，其中56%是人类的基因组序列(所有序列中的34%是人类的EST序列) 记录：每条GenBank数据记录包含对序列的简要描述，它的科学命名，物种分类名称，参考文献，序列特征表，及序列本身 GenBank数据库 序列特征表：包含对序列生物学特征注释如：编码区、转录单元、重复区域、突变位点或修饰位点等 分类：所有数据记录被划分为如细菌类、病毒类、灵长类、啮齿类，以及EST数据、基因组测序数据、大规模基因组序列数据等16类，其中EST数据等又被分成若干文件 注释内容 序列条目关键字： LOCUS (代码), DEFINITION (说明)， ACCESSION(编号)， NID符(核酸标识), KEYWORDS (关键词)， SOURCE (数据来源)， REFERENCE (文献)， FEATURES (特性表)， BASE COUNT (碱基组成) ORIGIN (碱基排列顺序)。 先版的核酸序列数据库将引入新的关键词SV (序列版本号)，用“编号.版本号”表示，并取代关键词NID LOCUS LOCUS (代码)：是该序列条目的标记，或者说标识符， 蕴涵这个序列的功能：如HUMCYCLOX表示人的环氧化酶。 序列长度 类型 种属来源以 录入日期等 说明字段是有关这一序列的简单描述 ACCESSION ACCESSION (编号)：具有唯一性和永久性，在文献中引用这个序列时，应该以此编号为准。 KEYWORDS KEYWORDS (关键词)字段：由该序列的提交者提供，包括 该序列的基因产物 其它相关信息 SOURCE SOURCE (数据来源)字段：说明该序列是从什么生物体、什么组织得到的 次关键字ORGANISM (种属)：指出该生物体的分类学地位 REFERENCE REFERENCE(文献)字段：说明该序列中的相关文献，包括 AUTHORS (作者), TITLE (题目)及 JOURNAL(杂志名)等, 以次关键词列出。 MEDLINE的代码：该代码实际上是个超文本链接，点击它可以直接调用上述文献摘要。 一个序列可有多篇文献,以不同序号表示，并给出该序列中哪一部分与文献有关。 FEATURES FEATURES (特性表)：具有特定的格式，用来详细描述序列特性。 特性表中带有‘/db-xref/’标志的字符可以连接到其它数据库，如分类数据库(taxon 9606), 以及蛋白质序列数据库(PID：g181254)。 序列中各部分的位置都在表中标明，5’非编码区，编码区，3’非编码区，多聚腺苷酸重复区域等。 翻译所得信号肽以及最终蛋白质产物 碱基含量字段，给出序列中的碱组成 ORIGIN ORIGIN行是序列的引导行 下面便是碱基序列 以双斜杠行“//”结束。 GenBank数据库—数据库格式 FASTA格式 gi|1293613|gb|U49845.1|SCU49845 Saccharomyces