资源描述
第二章：序列的采集和存储 DNA：Deoxyribonucleic acid，脱氧核糖核酸；RNA：RiboNucleic Acid，核糖核酸； r1. DNA测序r2. 序列数据的存储核酸序列数据库蛋白质序列数据库基因组数据库r3. 序列数据的文件格式 rDNA一次连续测序的长度约为500bp;rEST (Expressed sequence tag) 测序：细胞中mRNA反转录成cDNA，方向不定测序;rGSS (Genome Survey Sequences，基因组勘测序列)：类似于ESTs，来源基因组;rHTG (High-throughput genome sequences，高通量基因组序列)：高通量、尚未完工的DNA序列; CAT ddGTPddTTPddATP(D) r1. 基因图谱法：DNA片段在染色体上的位置、方向已知。首先染色体被打断成150200kbp左右的大片段，然后克隆到BACs (Bacterial Artificial Chromosome)中，再进一步随机打断，克隆，测序，依靠计算机组装成长的序列(contig) 。r2. “鸟枪法”（shotgun）：DNA片段在染色体上的位置和方向未知。全基因组随机打断成小片段，克隆，双向测序，计算机组装成长的序列。 r 基因组图谱：遗传图谱，物理图谱r 遗传图谱(genetic map)：连锁图谱，显示所知的基因和/或遗传标记的相对距离位置与次序。r物理图谱(physical map):表示某些基因和/或遗传标记之间在基因组上的精确位置和距离（如间隔的bp数目）的图谱。 r核酸序列数据库国际三大核酸序列数据库：GenBank, EBML, DDBJRefSeq: The Reference Sequence DatabasedbEST: Expressed Sequences Tags数据库UniGene等r蛋白质序列数据库UniProtSwiss-prot rhttp:/www.ebi.ac.uk/embl/ rNIG (National Institute of Genetics)rCIB (Center for Information Biology)rhttp:/www.ddbj.nig.ac.jp/index-e.html r1998年，GenBank、EMBL和DDBJ共同成立了国际核酸序列数据库协会 （International Nucleotide Sequence Database Collaboration,INSDC）r三大核酸数据库之间每天将新测定或更新的数据进行交换共享，保证数据信息的完整与同步，每两个月更新一次版本。rhttp:/www.insdc.org/ r1. 提供非冗余的，高质量的，经检验校正的序列信息；r2. 包括染色体、基因组（细胞器、病毒、质粒）、蛋白质、RNA等；r 序列文件的标识符：mRNA序列：NM_123456非编码RNA：NR_123456蛋白质序列： NP_123456r http:/www.ncbi.nlm.nih.gov/RefSeq r截然不同的Accession号区别于其它GenBank命名格式的序列，前缀是两个字母加下划线 _;r在Comment区域显示来源;r使用正式命名;r包括dbxrefs的特征;r蛋白序列在DBSOURCE区域标示 REFSEQ 最多的20个物种： 2007.08，总序列45,660,524条http:/www.ncbi.nlm.nih.gov/dbEST/ 为每一个基因创造一个唯一的条目，收集这个基因所有的ESTs http:/www.ncbi.nlm.nih.gov/unigene r最早广泛使用的蛋白数据库；欧洲最主要的蛋白序列数据库；http:/www.expasy.ch/sprot/rSIB（Swiss Institute of Bioinformatics）r可由ExPASy（Expert Protein Analysis System）系统访问；r所有序列条目均经过有经验的分子生物学家和蛋白质化学家审核，因此又称为蛋白质专家库。 rTrEMBL (Translation of EMBL)：计算机注释的Swiss-Prot分支数据库，从EMBL库中的cDNA序列翻译得到的氨基酸序列数据库。rGenPept：由GenBank翻译得到的蛋白质序列，与TrEMBL类似，这两个数据库中的序列错误率较大，均有较大的冗余度。 r1984年，美国国家医学研究基金会（NREF）正式启动蛋白质信息资源（Protein Information Resource, PIR）计划；r美国最主要的蛋白序列数据库;r非冗余、高质量注释、全面分类;rPIR数据库按照数据的性质和注释层次分为PIR1、PIR2、PIR3和PIR4。PIR1中的序列已经验证，注释最为详尽。rhttp:/pir.georgetown.edu/ rUniversal Protein Resource： Swiss-prot(TrEMBL), PIR两大蛋白数据库的整合体；r收录蛋白质序列目录最广泛、功能注释最全面的数据库；r包含三个子库：UniProtKB（UniProt Knowledgebase）UniRef（UniProt Reference Clusters）UniParc（Uniprot Archive）rhttp:/www.uniprot.org rUniProt Knowledgebase： Release 15.4 ， 16-Jun-2009 ，包括：Swiss-Prot Release 57.4 : 497293 entries TrEMBL Release 40.4 : 9145906 entries r包含蛋白质序列全面的信息，提供准确、丰富的序列与功能注释。r记录以6位字母和数字组成，例：Q5K8D3 r为人类基因组计划(HGP)保存和处理基因组图谱数据。rGDB的目标是构建关于人类基因组的百科全书，除了构建基因组图谱之外，还开发了描述序列水平的基因组内容的方法，包括序列变异和其它对功能和表型的描述。 r收集某些生物整个基因组序列的数据库;r基因组计划Human Genome Projecthttp:/www.sanger.ac.uk/HGP/Sequencing Genomics Projectshttp:/www.sanger.ac.uk/Projects/ r从GenBank中选择同一物种的核酸信息组成的二级库; The Ensembl project produces genome databases for vertebrates and other eukaryotic species, and makes this information freely available online.EMBL-EBI和Sanger研究所共同开发。http:/www.ensembl.org/ rDNA/RNA/氨基酸代码的标识rGenBank数据格式rEMBL & UniProt数据格式rFASTA 数据格式 子库Locus名字定义 (标题)修改日期序列类型mRNA (= cDNA)rRNAsnRNADNA序列长度检索号Genbank号序列形状 1I60:A|PDBID|CHAIN|SEQUENCEMKLCFNEATTLENSNLKLDLELCEKHGYDYIEIRTMDKLPEYLKDHSLDDLAEYFQTHHIKPLALNALVFFNNRDEKGHNEIITEFKGMMETCKTLGVKYVVAVPLVTEQKIVKEEIKKSSVDVLTELSDIAEPYGVKIALEFVGHPQCTVNTFEQAYEIVNTVNRDNVGLVLDSFHFHAMGSNIESLKQADGKKIFIYHIDDTEDFPIGFLTDEDRVWPGQGAIDLDAHLSALKEIGFSDVVSVELFRPEYYKLTAEEAIQTAKKTTVDVVSKYFSM
展开阅读全文