生物信息学资料

Pubmed:是NCBI开发的、维护的生物医学期刊文献目录、文献引用数据库，提供对MEDLINE、Pre-MEDLINE等文献数据库的引用查询和对大量网络科学类电子期刊的链接。

BLAST：是应用最广泛的序列相似性搜索工具，可以进行核苷酸和氨基酸任意组合查询，并在核酸白质数据库中对所有序列进行搜索。

EST (Expressed Sequence Tag)表达序列标签—是从一个随机选择的cDNA 克隆，进行5’端和3’端单一次测序挑选出来获得的短的cDNA 部分序列,代表一个完整基因的一小部分，在数据库中其长度一般从20 到7000bp 不等，平均长度为360 ±120bp。由于cDNA文库的复杂性和测序的随机性，有时多个EST代表同一基因或基因组，将其归类形成EST簇（EST cluster)

SNP即单核苷酸多态性，是由于单个核苷酸的改变而导致的核酸序列多态性。一般来说，一个SNP位点只有两种等位基因，因此又叫双等位基因。SNP在人基因组中的发生频率比较高，大约平均每1000个碱基中就有一个多态位点。

ORF：是一段较长（>300bp）的有义密码子序列，位于起始密码子（usually,ATG）和终止密码子（无义密码子，TGA,TAG or TAA）之间。

Gene：基因（遗传因子）是遗传的物质基础，是DNA（脱氧核糖核酸）分子上具有遗传信息的特定核苷酸序列的总称，是具有遗传效应的DNA分子片段。

Genome，基因组，一般的定义是单倍体细胞中的全套染色体为一个基因组，或是单倍体细胞中的全部基因为一个基因组。

Contig:重叠群，一组含有邻近序列或重叠序列的DNA序列克隆群。这些克隆的序列间有相互重叠，每一个克隆是整个群体中的一个单元，都是该DNA连续序列中的一段。可以从多个重叠单元的序列得到完整的DNA连续序列。如从一群序列重叠的表达序列标签可以得到一个完整的互补DNA序列。

Proteome蛋白质组，概念最先由Marc Wilkins提出，指由一个基因组(genOME)，或一个细胞、组织表达的所有蛋白质(PROTein).

Hierarchical shotgun sequencing：分级鸟法测序，分级鸟法测序是先构建微生物基因组的物理图谱,然后从物理图谱中挑选出一组重叠效率较高的克隆群,进行鸟法随机测序。

Whole-genome shotgun sequencing：全基因组鸟法测序，全基因组鸟法测序直接将全基因组进行随机打断成小片段DNA,构建质粒文库,然后测序。

2D-electrophoresis：二维电泳，将不同种类的蛋白质按照等电点和分子量差异进行高分辨率的分离分析方法。

MEDLINE：MEDLINE是美国国立医学图书馆(The National Library of Medicine, 简称NLM)生产的国际性综合生物医学信息书目数据库，是当前国际上最权威的生物医学文献数据库。内容包括美国《医学索引》（Index Medicus, IM）的全部内容和《牙科文献索引》（Index to Dental Literature）、《国际护理索引》（International Nursing Index）的部分内容。 

1.简述ExPASY在蛋白质分析方面的特点：（1）注释。在SWISS-PROT中，数据分为核心数据和注释两大类。核心数据包括：序列数据、参考文献、分类信息（蛋白质生物来源的描述）

注释包括：(A)蛋白质的功能描述； (B)翻译后修饰； (C)域和功能位点，如钙结合区域、ATP结合位点等；(D)蛋白质的二级结构；(E)蛋白质的四级结构，如同构二聚体、异构三聚体等；

(F)与其它蛋白质的相似性； (G)由于缺乏该蛋白质而引起的疾病；(H)序列的矛盾、变化等。

（2）最小冗余。尽量将相关的数据归并，降低数据库的冗余程度。如果不同来源的原始数据有矛盾，则在相应序列特征表中加以注释。

（3）与其它数据库的连接。对于每一个登录项，有许多指向其它数据库相关数据的指针，这便于用户迅速得到相关的信息。 现有的交叉索引有：到EMBL核酸序列数据库的索引，到PROSITE模式数据库的索引，到生物大分子结构数据库PDB的索引等 。

2．生物信息概念及应用：

经典生物信息学概念：用计算机、、应用数学和信息学理论、方法，对生物大分子信息进行收集、贮存、分类、检索与综合分析，研究生命现象，达到认识理解生物信息的科学。

现代生物信息学：利用包括信息学、计算机学等现代技术，在对生物大分子信息进行收集、贮存、分类、检索、交流，以及综合分析生命信息基础上，深入理解其三维结构和生物功能，并对其进行开发利用的一门新型科学。

广义生物信息学：任何应用计算机及其网络和数据库进行大规模生物学数据的收集、组织、管理、分析和应用相关的所有生物学的工作，涉及生命科学全部研究领域的内容

应用：1）查阅生物医学文献资料数据库中的文献、书籍、资料和各种数据，更新知识

2）利用生物信息学平台，开展国内外信息交流，能分析生物大分子的结构和序列，作出预测，能自主设计实验，开展研究。3）应用资料、信息和软件，对所需的大量生物数据进行生物医学、遗传学信息的分析和统计。通过补充新知识，解决科学研究中的实际问题

4）具备上述三点能力，能够自我编成，建立数据库。可以改造、开发生物信息软件，进行新药设计，获得创造性结果和产品。

3什么是序列比对？生物学意义？

序列比对是通过将两个或多个核酸序列或者蛋白质序列进行比对，找出它们之间相似的结构区域和序列相似性匹配。通过比较位置序列和已知序列（特别是功能和结构已知的序列）之间的同源性，预测未知序列的功能。

意义：

(1)通过序列比对，可以发现 生物序列中结构、功能以及进化上的信息。

(2)通过序列之间的同源性比较，根据相似的序列间可能有相似的功能，可以根据已知序列预测未知序列的功能。

(3)如果两个相似的序列来自不同的生物体，它们可能拥有一个共同的祖先序列，这些序列就称为同源序列。

4.引物设计的关键问题？常用引物设计软件？特点？

5.何谓blast？主要的blast工具有哪些？各有什么特点？

BLAST:是应用最广的序列相似性搜索工具，可以进行核苷酸和氨基酸任意组合查询，并在核酸和蛋白质数据库中对所有序列进行搜索。

主要的BLAST工具及特点有1）blastp：查询的是氨基酸序列，可能找到具有远源进化关系的匹配序列2）blastn：查询的是核苷酸序列，设和寻找分值较高的匹配，不适合远源关系3）blastx：查询核苷酸序列的翻译产物，适合新DNA序列和EST序列的分析，能够发现未知核酸序列潜在的翻译产物4）tblastn：查询蛋白质序列，适合寻找数据库中尚未标注的编码区动态翻译的核苷酸序列5）tblastx：查询6个核苷酸序列和6个ORF的产物，适合分析EST序列，计算复杂，ORF的产物tblstx不能与nr数据库在线使用

6.国际上有哪几个著名的核酸序列数据库？

核酸序列数据库：目前有3大核酸序列数据库：欧洲生物信息学研究所EBI的EMBL数据库，美国国家生物信息技术信息中心的Genebank数据库，日本国立遗传研究所的DDBJ数据库，这三大数据库虽然数据库虽然具有各不相同的数据记录格式，但是对于核酸序列均采用了相同的记录标准，同时每天收集并交换数据以达到数据的更新和一致。

7.简述Genbank数据库的特点。

Genebank database的特点：是NIH遗传序列数据库，一个所有可以公开获得的DNA序列的注释过的收集。Genebank同日本和欧洲分子生物学实验室的DNA数据库共同构成了国际核酸序列数据库合作，这3个组织每天交换数据。Genebank以指数形式增长，核酸碱基数目大概每14个月就翻一倍，它拥有来自47000个物种的30亿个碱基，每条记录都有编码区特征的注释，还包括氨基酸的翻译。它属于一个序列数据库的合作组织，包括EMBL和DDBJ，访问Genebank-通过Entrez Nucletides来查询。

8.PDB特点：是结构生物信息学研究联合实验室建立的世界最完整的包括蛋白质、核酸、蛋白质-核酸复合物及病毒等生物大分子三维结构数据库。该数据库在世界上许多研究机构设立了镜像站点。PDB生物大分子结构数据库收集的数据来源于X光晶体衍射和核磁共振的数据，经过整理确认后存档而成，内容来自全世界研究者提交的生物大分子蛋白质、肽、病毒、蛋白质-核酸复合物、核酸及糖类的结构数据的原子坐标、注释、一级结构、二级结构、结构因子、NMR数据、结晶状况、利用不同方法计算的三维结构相邻元素、派生的几何数据、三维图像以及其他资源链接

9．NCBI数据库检索工具ENTREZ的特点及应用：

Entrez是面向生物学家的数据库查询系统，其特点之一是使用十分方便。它把序列、结构、文献、基因组、系统分类等不同类型的数据库有机地结合在一起，通过超文本链接，用户可以从一个数据库直接转入另一个数据库。

Entrez的另一个特点是把数据库和应用程序结合在一起。例如，通过“Related sequence”工具，可以直接找到与查询所得蛋白质序列同源的其它蛋白质。查询得到的蛋白质三维结构，可以通过在用户计算机上安装的Cn3D软件直接显示分子图形。

应用：可使用Entrez系统检索核算序列,蛋白序列等,在输入框输入需要检索内容,点击按钮"go”开始。

10.何谓基因组注释？常用基因注释工具有哪些？特点？

基因组注释(Genome annotation) 是利用生物信息学方法和工具，对基因组所有基因的生物学功能进行高通量注释，是当前功能基因组学研究的一个热点。

我们常用的数据库有Uniprot蛋白质序列数据库、KEGG生物学通路数据库、Interpro蛋白质家族数据库和Gene ontology基因功能数据库。

1）与Uniprot蛋白质序列数据库比对，获得序列的初步信息。

2）与KEGG数据库比对，预测蛋白质可能具有的生物学通路信息。

3）与Interpro数据库比对将获得蛋白质的保守性序列，模序和结构域等。

4）预测蛋白质的功能。Interpro进一步建立了与Gene ontology的交互系统：Interpro2GO。该系统记录了每个蛋白质家族与Gene ontology中的功能节点的对应关系，我们通过此系统便能预测蛋白质执行的生物学功能。

11．何谓直系同源？简述直系同源的生物信息学分析方法？

答：直系同源(orthologous) 指的是 不同物种之间的同源性， 例如 蛋白质 的同源性，DNA序列的同源性。

12. 简述primer-BLAST的用途和使用方法？

答：这个工具整合了目前流行的Primer3软件，再加上NCBI的 Blast进行引物特异性的验证。Primer-BLAST免除了用另一个站点或工具设计引物的步骤，设计好的引物程序直接用Blast进行引物特异性验 证。并且，Primer-BLAST能设计出只扩增某一特定剪接变异体基因的引物。Primer-BLAST有许多改进的功能，这样在选择引物方面比单个的用 Primer3和NCBI BLAST更加准确

Primer-BLAST界面包括了Primer3和BLAST的功能。提交的界面主要包括三个部分：target templatetarget templatetarget templatetarget template（模板区）, the primersthe primersthe primersthe primers（引物区）, 和specificity specificity specificity specificity checkcheckcheckcheck（特异性验证区）。跟其它的BLAST一样，点击底部的“Advanced parameters”有更多的参数设置

使用方法：（1）模板：在“PCR Template”下面的文本框，输入目标模板的序列，FASTA格式或直接用Accession Number。如果在这里输入了序列，是用于引物的设计。Primer-BLAST就会根据你输入的序列设计特异性引物，并且在目标数据库是唯一的。（2）引物：如果你已经设计好了引物，要拿来验证引物的好坏。可以在Primer Parameters区填入你的一条或一对引物。并且选择好验证的目标数据库（在specificity check区选择）。根据需要可设置产物的大小，Tm值等。（3）特异区在specificity check区，选择设计引物或验证引物时的目标数据库和物种。这一步是比较重要的。这里提供了4种数据库：RefSeq mRNA, Genome (selected reference assemblies), Genome (all chromosomes), and nr (the standard non-redundant database)。前两个数据库是经过专家注释的数据，这样可以给出更准确的结果。特别是，当你用NCBI的参考序列作为模板和参考序列数据库作为标准 来设计引物时，Primer-BLAST可以设计出只扩增某一特定剪接变异体基因的特异引物。selected reference assemblies 包括以下的物种： human, chimpanzee, mouse, rat, cow, dog, chicken, zebrafish, fruit fly, honeybee, Arabidopsis, 和 rice。Nr数据库覆盖NCBI所有的物种。

13. 序列比对及其生物学意义？

答：序列比对定义：目的是通过将两个或多个核酸序列或蛋白质序列进行比对，找出它们之间相似的结构区域和序列相似性匹配。通过比较未知序列和已知序列之间的同源性，预测未知序列的功能。生物信息学的研究重点主要体现在基因组学和蛋白质学两方面,具体地说就是从核酸和蛋白质序列出发, 分析序列中表达结构和功能的生物信息。生物信息学的基本任务是对各种生物分析序列进行分析, 也就是研究新的计算机方法, 从大量的序列信息中获取基因结构、功能和进化等知识。而在序列分析中, 将未知序列同已知序列进行相似性比较是一种强有力的研究手段,从序列的片段测定, 拼接, 基因的表达分析, 到RNA和蛋白质的结构功能预测,物种亲缘树的构建都需要进行生物分子序列的相似性比较。生物信息学中的序列比对算法的研究具有非常重要的理论意义和实践意义。

14. 蛋白质结构预测的意义？

答：研究蛋白质的结构意义重大，分析蛋白质结构、功能及其关系是蛋白质组计划中的一个重要组成部分。研究蛋白质结构，有助于了解蛋白质的作用，了解蛋白质如何行使其生物功能，认识蛋白质与蛋白质（或其它分子）之间的相互作用，这无论是对于生物学还是对于医学和药学，都是非常重要的。对于未知功能或者新发现的蛋白质分子，通过结构分析，可以进行功能注释，指导设计进行功能确认的生物学实验。通过分析蛋白质的结构，确认功能单位或者结构域，可以为遗传操作提供目标，为设计新的蛋白质或改造已有蛋白质提供可靠的依据，同时为新的药物分子设计提供合理的靶分子结构。

15. 生物信息数据库特点：

生物信息数据库具有以下特点： (1)数据库种类的多样性。生物信息各类数据库几乎覆盖了生命科学的各个领域。(2)数据库的更新和增长快。数据库的更新周期越来越短，有些数据库每天更新，数据的规模以指数形式增长。(3)数据库的复杂程度不断增加。数据库中除了基本数据之外，还包括大量的注释、链接、参考文献等信息。(4)数据库使用网络化。几乎所有的数据库都可以在互联网上访问，并且公共数据库之间相互链接，使用户可以迅速得到大量的相关生物分子信息

16、蛋白质生物信息学分析主要包括哪些内容？

（1）蛋白质基本性质分析 蛋白质序列的基本性质分析是蛋白质序列分析的基本方面，一般包括蛋白质的氨基酸组成，分子质量，等电点，亲水性和疏水性等的分析。

（2）跨膜区分析 有多种预测跨膜螺旋的方法，最简单的是直接观察以20个氨基酸为单位的疏水性氨基酸残基的分布区域，但同时还有多种更加复杂的、精确的算法能够预测跨膜螺旋的具体位置和它们的膜向性。

（3）前导肽和蛋白质定位

（4）蛋白质功能预测a. 基于序列同源性分析的蛋白质功能预测b. 基于motif、结构位点、结构功能域数据库的蛋白质供能预测c. 蛋白质的结构功能分析d. 蛋白质同源家族分析

（5）蛋白质二级结构预测

（6）蛋白质磷酸化与糖基化分析

17、简述align2的用途和使用方法。

18、简述expasy在蛋白质分析方面的特点。

NCBI数据库及特点

Nucleotide该数据库由国际核苷酸序列数据库成员美国国立卫生研究院GenBank、日本DNA数据库（DDBJ）和英国Hinxton Hall的欧洲分子生物学实验室数据库（EMBL）三部分数据组成。这三个组织联合组成国际核苷酸序列数据库协作体，每天交换各自数据库中的新增序列记录实现数据共享。其中的序列数据也通过与基因组序列数据库(GSDB）合作获取；专利序列数据通过与美国专利与商标局、国际专利局合作获取。

GenBank是NIH遗传序列数据库，一个所有可以公开获得的DNA序列的注释过的收集。

BLAST是用于序列相似性检索的一个重要数据库，是区分基因和基因特征的工具。该软件能在15秒内完成整个DNA数据库的序列检索。BLAST记录的相关度有明确的统计学解释，以便更容易地将相关记录与随机的数据库记录相区分。所有的NCBI数据库和软件工具可以从WWW或FTP来获得。NCBI还有E-mail服务器，提供用文本搜索或序列相似搜索访问数据库一种可选方法。 在NCBI主页的左工具条中，点击BLAST图标，即进入BLAST主页。

Genome即基因组数据库，提供了多种基因组、完全染色体、Contiged序列图谱以及一体化基因物理图谱。 

Structure即结构数据库或称分子模型数据库（MMDB），包含来自X线晶体学和三维结构的实验数据。MMDB的数据从PDB(Protein Data Bank）获得。NCBI已经将结构数据交叉链接到书目信息、序列数据库和NCBI的Taxonomy中运用NCBI的3D结构浏览器和Cn3D，可以很容易地从Entrez获得分子的分子结构间相互作用的图像。 

Taxonomy 即生物学门类数据库，可以按生物学门类进行检索或浏览其核苷酸序列、蛋白质序列、结构等。 

PopSet 包含研究一个人群、一个种系发生或描述人群变化的一组组联合序列。PopSet既包含核酸序列数据又包含蛋白质序列数据。 　　

Entrez 功能强大，在于它的大多数记录可相互链接，既可在同一数据库内链接，也可在数据库之间进行链接。当运用BLAST软件比较某氨基酸或DNA序列与库中其他氨基酸或DNA序列差异即进行相似性检索时，则会涉及到蛋白质库或核苷酸库的库内链接。库间链接发生在核苷酸数据库内的记录与PubMed库中已发表序列的引文间的链接，或蛋白质序列记录与核苷酸序列库中编码它的核苷酸序列间的链接。

孟德尔遗传学(OMIM）数据库是人类基因和基因疾病的目录数据库。该数据库包括原文信息、图片和参考信息，同时还可以链接到Entrez系统MEDLINE数据库中相关文献和序列信息。

NCBI获得的工具及用途

Primer-BLAST：NCBI的引物设计和特异性检验工具，这个工具整合了目前流行的Primer3软件，再加上NCBI的Blast进行引物特异性的验证。Primer-BLAST免除了用另一个站点或工具设计引物的步骤，设计好的引物程序直接用Blast进行引物特异性验证。并且，Primer-BLAST能设计出只扩增某一特定剪接变异体基因的引物。

VecScreen — 一个工具，在序列分析和提交之前用来确定一个核酸序列是否有载体，接头或连结序列。VecScreen被开发来对付公开数据库中的载体污染问题。在开始进行任何一种序列分析前把序列用VecScreen检查一下都是有用的，因为在序列中存在载体序列可能会导致错误的BLAST结果。

ORF Finder — 一个图形分析工具，用于在用户提供的序列或数据库中的序列中寻找被选择的最小长度的开放阅读框。用标准的或替代的遗传密码来确定所有开放阅读框。推断出的氨基酸序列可以用各种格式来保存，还可以用WWW BLAST到序列数据库中进行搜索。ORF Finder同Sequin序列提交软件捆绑在一起。单独的程序可以从NCBI的ftp站点下载。

Sequin — 一个提交工具，包括了ORF Finder，一个对齐浏览器/编辑器，和一个链接到PowerBLAST。

CGAP DDD — 数字差异显示 — 一个在线工具，用来比较从挑选出来的cDNA库的计算基因表达谱。

Cn3D — “See in 3-D”， 一个用于NCBI数据库的结构和序列相似显示工具，它允许观察3-D结构和序列—结构或结构—结构同源比较。Cn3D用起来就象你浏览器上的一个帮助工具。

生物信息学研究对象及特点（P5）

常用蛋白质数据库

1.PDB数据库

 蛋白质的基本立体结构数据库为PDB ，1971年建立于美国布鲁海克海文国家实验室。该数据库中收集了通过X射线衍射和核磁共振试验测定的蛋白质结构的精确坐标数据。这种数据即蛋白质中的原子坐标是蛋白质结构的最细致的层次。2.NRL-3D数据库  该数据库NRL-3D也是所有已知结构蛋白质的数据库。可用于对查询蛋白质序列进行相似性分析以确定其结构。3.ISSD数据库  ISSD数据库是蛋白质数据库，其每个条目包含一个基因的编码序列，同相应的氨基酸序列对比，并给出相应多肽链的结构数据。核苷酸序列取自GenBank，结构参数来自PDB，包括多肽骨架原子坐标，二面角，还有DSSP程序所预测的二级结构。 4.HSSP数据库  HSSP 是根据同源性导出的蛋白质二级结构数据库。每一条PDB 项目都有一个对应的HSSP 文件。因此，应先按蛋白质的PDB 编号，例如1bda在HSSP 的INDEX中查找1dba.hssp.Z。该数据库同时提供了SWISS-PROT数据库中所有蛋白质序列的同源性。5.蛋白质结构分类数据库（SCOP）  蛋白质结构分类数据库是对已知的蛋白质三维结构进行手动分类得到的数据库。将已知结构蛋白质进行有层次地分类。该资源允许用户分析查询蛋白质是否和已知结构蛋白质具有相似性。6.MMDB蛋白质分子模型数据库   分子模型数据库由NCBI 的MMDB 研究小组维护。这是Entrez 检索工具所使用的三维结构数据库，以ASN,1 格式反映 PDB 库中的结构和序列数据。NCBI 同时提供一个配套的三维结构显示程序Cn3D。7.Dail/FSSP数据库Dail/FSSP 数据库是基于PDB 数据库中现有的蛋白质三维结构，用自动结构对比程序Dail逐一比较而形成的折叠单元和家族分类库。随PDB 库的更新而更新。8.其他相关链接生物大分子数据库  2D与3D结构 预测数据库（SWISS-3DIMAGE-展示蛋白质和其他生物大分子的3D结构图形）。