基因组学理论课 蛋白质数据库.pptVIP

三NCBI数据库的数据模型数据库模型：是研究人员输入序列、查询序列、进行序列比对的根本，也是数据库管理人员管理数据的总则。NCBI数据模型包括：序列数据和相关的注释。作用：NCBI模型能轻易地从已公布的DNA序列文献影射到基因所在的染色体－－编码蛋白－－蛋白质三维结构等。（一）NCBI数据模型的文献1出版物：出版物是连接不同结构和不同内容数据库的桥梁；出版物是数据库记录的基本注释，也是最好的注释，发表文章比数据库中的记录包含了更完整和更详细的信息。2作者数据或文章的作者是系统联系相关数据和科学研究的关键因素；PubMed数据库的作者的输入全称姓和名的首字母3文章最常见的生物科学文献是期刊文献，对于生物数据库的引用格式缺省是期刊文献文章也可出现在书、手稿及电子期刊上。期刊名、年份、文章的首页以及文章作者的姓4.论文标题5Medline和PubMedUIDsPUID和MUID：PubMed唯一识别器和Medline唯一识别器（二）NCBI数据模型的序列1序列识别器（SEQIDS）：GenBank、DDBJ和EMBL核酸蛋白数据库共用一套序列号a.Locus名称：兼有唯一辨识器、功能记忆以及序列的组织源等功能；Locus出现在GenBank中的Locus行以及DDBJ记录和EMBL的ID行；GenBank中已不再作为有用的名称，只是为了和老数据格式兼容b.序列号(Accession)：GenBank、DDBJ和EMBL具有，以保证序列的相对稳定性和专一性；2个大写字母（分配到不同的数据库）＋6个数字c.gi号(GeneInfo,GI)gi：基因信息号，核酸序列和蛋白质序列均有gi号；gi的来源：由源数据库提供；序列仅当其完整地被提交公共数据库处理后，才最终达到一个序列号和一个gi号；位置：在VERSION行中，版本号，gi号修改记录时，新记录与原先记录不同时（哪怕是一个碱基不同），产生新的gi号，但序列号不变；2生物序列（BIOSEQ）生物序列：一个简单的、连续的核酸或蛋白质分子至少有一个序列辨识器包含DNA、RNA或蛋白质分子的物理信息、注释信息（如特定区域的生物特征）和描述信息（如该分子是从某个组织中获得的）第六节蛋白质数据分析由于传统的用X光晶体衍射和核磁共振技术测定蛋白质的三维结构、用生化方法研究蛋白质功能的效率不高，无法适应由基因组测序所带来的蛋白质序列数量快速增长的需要，近年来，许多科学家致力于用理论计算的方法预测蛋白质的三维结构，提高蛋白质功能研究的效率，并取得了一些的成果，但总体效果并不理想。一、蛋白质基本性质分析蛋白质序列分析的基本方面：包括分析蛋白质的氨基酸组成、相对分子质量、等电点、亲水性、疏水性、消光系数、信号肽等在一些蛋白质数据库如UniProt等可查询到已收录序列的基本理化特征对于新得到的蛋白质序列，可通过蛋白质序列分析专家系统ExPASy(ExpertProteinAnalysisSystem)服务系统的蛋白组学工具软件如ProtParam、ProScale和ComputepI/Mw等软件进行分析(http://www.expasy.ch/tools/)二、蛋白质功能预测与分类InterPro数据库与蛋白质功能预测与分类COG、GO对蛋白质功能的分类KEGG对蛋白质的代谢途径分析InterPro数据库与蛋白质功能的预测、分类DatabaseLocationPROSITESwissInstituteofBioinformatics(SIB),Geneva,SwitzerlandHAMAPSwissInstituteofBioinformatics,Geneva,SwitzerlandPfamWellcomeTrustSangerInstitute,Hinxton,UKPRINTSUniversityofManchester,UKSUPERFAMILYUniversityofBristol,UKCATH-Gene3DUniversityCollege,London,UKProDomPRABIVilleurbanne,FranceSMARTHeidelberg,GermanyTIGRFAMsJ.CraigVenterInstitute,Rockville,MD,