Transcript Med-Library-Alert－20131226x

第16期
生物信息学资源
版权所有@清华大学图书馆
编辑制作：冷菲 /医学馆 2013年12月26日
生物信息学概述
生物信息学（Bioinformatics）是在生命科学的研究
中，以计算机为工具对生物信息进行储存、检索和分析的
科学。它是当今生命科学和自然科学的重大前沿领域之一，
同时也将是21世纪自然科学的核心领域之一。其研究重点
主要体现在基因组学（Genomics）和蛋白质组学
（Proteomics）两方面，具体说就是从核酸和蛋白质序列
出发，分析序列中表达的结构功能的生物信息。
研究方法
以数据（库）为核心
1 数据库的建立
2 生物学数据的检索
3 生物学数据的处理
4 生物学数据的利用：计算生物学
数据库概述
数据库是生物信息学的主要内容，各种数据库几乎覆盖了生命科学的
各个领域。生物信息中心有NCBI等，核酸序列数据库有GenBank,
EMBL, DDB等，蛋白质序列数据库有SWISS-PROT, PIR, OWL,
NRL3D, TrEMBL等，蛋白质片段数据库有PROSITE, BLOCKS,
PRINTS等，三维结构数据库有PDB, MMDB等，与蛋白质结构有关
的数据库还有SCOP, CATH, FSSP, 3D-ALI, DSSP等，文献数据库有
Medline, Uncover等。
下面循序简介一些著名和有特色的生物信息数据库。
常用生物信息中心
NCBI
美国国家生物技术信息中心(National Center for Biotechnology
Information)，它的前身是美国国家卫生署(National Institute of
Health,简称NIH)所属的一个研究所的计算生物学研究室,1988年
独立为NCBI,形式上属于国家医学图书馆。NCBI管理着包括
GenBank在内的一批数据库,如UniGene、dbSNP、COG、
LoccusLink、OMIM和MMDB等。它提供Entrez数据库检索工具、
BLAST数据库序列搜索等服务。
参考网址：http://www.ncbi.nlm.nih.gov/
常用核酸序列数据库
GenBank (NCBI美国国立生物技术信息中心 )
Genbank库包含了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。它是由美国国立生物技术信息中心(NCBI)建立和维护
的。它的数据直接来源于测序工作者提交的序列；由测序中心提交的大量
EST序列和其它测序数据；以及与其它数据机构协作交换数据而来。
Genbank每天都会与欧洲分子生物学实验室(EMBL)的数据库，和日本的
DNA数据库(DDBJ)交换数据，使这三个数据库的数据同步。Genbank的数
据可以从NCBI的FTP服务器上免费下载完整的库，或下载积累的新数据。
NCBI还提供广泛的数据查询、序列相似性搜索以及其它分析服务，用户可以
从NCBI的主页上找到这些服务。
(1)Genbank数据检索
NCBI的数据库检索查询系统是Entrez。Entrez是基于Web界面的综合
生物信息数据库检索系统。利用Entrez系统，用户不仅可以方便地检索
Genbank的核酸数据，还可以检索来自Genbank和其它数据库的蛋白质
序列数据、基因组图谱数据、来自分子模型数据库(MMDB)的蛋白质三
维结构数据、种群序列数据集、以及由PubMed获得Medline的文献数
据。
(2)向Genbank提交序列数据
测序工作者可以把自己工作中获得的新序列提交给NCBI，添加到
Genbank数据库。这个任务可以由基于Web界面的BankIt或独立程序
Sequin来完成。BankIt是一系列表单，包括联络信息、发布要求、引用
参考信息、序列来源信息、以及序列本身的信息等。用户提交序列后，
会从电子邮件收到自动生成的数据条目，Genbank的新序列编号，以及
完成注释后的完整的数据记录。用户还可以在BankIt页面下修改已经发
布序列的信息。BankIt适合于独立测序工作者提交少量序列，而不适合
大量序列的提交，也不适合提交很长的序列，EST序列和GSS序列也不
应用BankIt提交。BankIt使用说明和对序列的要求可详见其主页面。
参考网址：
NCBI的网址：http://www.ncbi.nlm.nih.gov
Entrez的网址：
http://www.ncbi.nlm.nih.gov/entrez/
BankIt的网址：
http://www.ncbi.nlm.nih.gov/BankIt
Sequin的相关网址：
http://www.ncbi.nlm.nih.gov/Sequin/
常用核酸序列数据库
EMBL (European Molecular Biology Laboratory
欧洲分子生物学实验室)
EMBL核酸序列数据库由欧洲生物信息学研究所(EBI)维护的核酸序
列数据构成，由于与Genbank和DDBJ的数据合作交换，它也是一个
全面的核酸序列数据库。该数据库由Oracal数据库系统管理维护，查
询检索可以通过通过因特网上的序列提取系统(SRS)服务完成。向
EMBL核酸序列数据库提交序列可以通过基于Web的WEBIN工具，
也可以用Sequin软件来完成。
参考网址：
数据库网址：http://www.ebi.ac.uk/embl/。
SRS的网址：http://srs.ebi.ac.uk/。
WEBIN的网址：
http://www.ebi.ac.uk/embl/Submission/webin.ht
ml。
常用核酸序列数据库
DDBJ (DNA Databank of Japan, 日本DNA数据库)
日本DNA数据仓库(DDBJ)也是一个全面的核酸序列数据
库，与Genbank和EMBL核酸库合作交换数据。可以使用
其主页上提供的SRS工具进行数据检索和序列分析。可以
用Sequin软件向该数据库提交序列。
参考网址：http://www.ddbj.nig.ac.jp/
常用蛋白质序列数据库
SWISS-PROT&TREMBL
日内瓦大学医学生物化学系和欧洲生物信息学研究所(EBI)
合作维护。包括了从EMBL翻译而来的蛋白质序列，这些
序列经过检验和注释。
TREMBL包括了所有EMBL库中的蛋白质编码区序列，提
供了一个非常全面的蛋白质序列数据源
参考网址：http://www.ebi.ac.uk/swissprot/
http://www.expasy.ch/sprot/
常用蛋白质序列数据库
PIR
由美国华盛顿的乔治城大学全国生物医学研究基金会
（NBRF）、德国马普生物化学研究所的Martinsried蛋白
质序列研究所（MIPS）和日本东京理科大学的日本国际
蛋白质信息数据库（JIPID）3家实验室共同合作开发。
参考网址：http://www-nbrf.georgetown.edu/pir/
蛋白质三维结构数据库
PDB
Protein Data Bank（蛋白质数据库）的缩写，是一个生物
大分子三维结构实验数据库。PDB是目前最主要的蛋白质
分子结构数据库。随着晶体衍射技术的不断改进，结构测
定的速度和精度也逐步提高。其中大部分为蛋白质，包括
多肽和病毒，此外，还有核酸、蛋白和核酸复合物以及少
量多糖分子。
参考网址：
http://www.rcsb.org/pdbhttp://www.genome.ad.jp/dbg
et-bin/www
http://www.pdb.org
蛋白质三维结构数据库
MMDB
Entrez的蛋白质分子模型数据库，属于来源于
Brookhaven 蛋白数据库（PDB）的三维结构的一
个子集。其数据来源于X-ray晶体衍射和NMR色
谱，不包括理论模型。由NCBI的MMDB组维护。
蛋白质三维结构分类数据库
SCOP
SCOP是英国医学研究委员会（MRC）剑桥分子生物学实
验室开发的，是所有已知结构的蛋白质依据三维折叠模式
和进化关系划分 的结构分类库。目前在蛋白质的研究中，
三维结构的描述和分类非常活跃，所以，SCOP是各类蛋
白质数据库非常热的网点，其接受访问的频率明显超过
PDB。
参考网址：http://scop.mrc-lmb.cam.ac.uk/scop/
蛋白质三维结构分类数据库
FSSP
FSSP是具有相似结构蛋白质家族的数据库，通过三维结
构对比，得到用一维同源序列对比无法获得的结构相似性，
库中列出了相似 PDB结构三维结构对比参数，并给出了
序列同源性、二级结构、变化矩阵等结构叠合信息。
参考网址：http://www2.embl-ebi.ak/dall/fssp/
常用文献数据库
PubMed
NLM提供的一项服务，能够对MEDLINE上超过1200万
条的上世纪六十年代中期至今的杂志引用和其他的生命科
学期刊进行访问，并可以连接到参与的出版商网络站点的
全文文章和其他相关资源。MEDLINE也有缺陷，它以医
学为主，植物学等方面收录不够全面。
参考网址：http://www.ncbi.nlm.nih.gov/pubmed/
常用专业软件
BLAST ：“局部相似性基本查询工具”(Basic Local Alignment
Search Tool)的 缩写，Blast是NCBI研制的一个生物基因数据库系统
的查询工具，功能强大，检索速度快，流行于世界上几乎所有的生
物信息中心。
功能名称
功能
Blastn
用核酸序列
Blastp
用蛋白质序列
Blastx
用核酸序列 (翻译成蛋白质) 搜索
TBlastn
用蛋白质序列 (翻译成核酸) 搜索 核酸序列数据库
Tblastx
搜索
搜索
核酸序列数据库
蛋白质序列数据库
蛋白质序列数据库
用核酸翻译的蛋白质序列搜索核酸翻译的蛋白质序列数据
库
Blast其它功能
BLAST两个序列
一个基于BLAST的工具，对齐两个核酸或蛋白的序列，产生一个成
对的DNA-DNA或蛋白—蛋白序列比较。
IgBLAST
IgBLAST被开发出来以便于分析在GenBank中的免疫球蛋白的序列。
它允许用blastp或blastn来搜索nr数据库或一个由免疫球蛋白
生殖系变化区基因的特殊的数据库。搜索可以限制在人类或小
鼠的基因。IgBLAST执行三个主要的功能：1）报告与查询序列
最相似的可变，D，或J区，2）根据Kabat et al.来注解免疫
球蛋白domains（从FWR1到FWR3），3）对于搜索核酸或蛋白nr
数据库，通过匹配IgBLAST的发现和最接近的生殖系变化区基
因来简化识别相关序列的过程。
PowerBLAST
PowerBLAST是一个程序，允许对非常长的序列进行快速的gapped
BLAST搜索，它把序列分割开，对每个部分搜索，然后把结果
组装起来。包含在Sequin中的PowerBlast版本使用了新的强大
的gapped BLAST算法，过滤和物种特异的输出特点还仍旧保留。
其他数据库和软件网址
Putative DNA Sequencing Errors Check
http://www.bork.embl-heidelberg.de/Frame/
MatInspector
http://www.gsf.de/cgi-bin/matsearch.pl
FastM
http://www.gsf.de/cgi-bin/fastm.pl
Web Signal Scan
http://www.dna.affrc.go.jp/htdocs/sigscan/signal.html
BCM Search Launcher
http://dot.imgen.bcm.tmc.edu:9331/seq-util/seq-util.html
Webcutter
http://www.firstmarket.com/cutter/cut2.html
Translate DNA to protein
http://www.expasy.ch/tools/dna.html
其他数据库和软件网址
ABIM
http://www-biol.univ-mrs.fr/english/logligne.html
sequence motifs:Pfam
http://www.sanger.ac.uk/Pfam/
http://pfam.wustl.edu/
ProDom
http://protein.toulouse.inra.fr/prodom.html
PRINTS
http://www.biochem.ucl.ac.uk/bsm/dbbrowser/PRINTS/
多种数据库、分析工具和生物信息学机构
http://www.unl.edu/stc-95/Restools/biotools
多种数据库和分析工具
http://www.ebi.ac.uk/Tools/
Comparative sequence analysis
http://www.bork.embl-heidelberg.de/
其他数据库和软件网址
功能基因组分析Transcription profiling technologies
http://www.ncbi.nlm.nih.gov/ncicgap/expression_tech_info.html
Protocols for cDNA array technology
http://cmgm.stanford.edu/pbrown/array.html
Data management and analysis of gene expression arrays
http://www.nhgri.nih.gov/DIR/LCG/15k/HTML/
Examples of commercially available filter arrays:
GeneFiltersTM (Research Genetics)
http://www.resgen.com
Gene Discovery Arrays (Genome Systems)
http://www.genomesystems.com
AtlasTM Arrays (CLONTECH)
http://www.clontech.com
参考书籍
Bioinformatics
基因VIII
Biological Sequence Analysis
分子进化与系统发育
计算分子进化
Problems and Solutions in
Biological Sequence Analysis
Algorithms on Strings, Trees and
Sequences
Python for Bioinformatics (Chapman &
Hall/Crc Mathematical & Computational
Biology)
Bioinformatics Programming Using
Python
Understanding Bioinformatics
Discovering Genomics, Proteomics
And Bioinformatics
Data Mining for Bioinformatics
Bioinformatics and Functional
Genomics
Introduction to Bioinformatics