Bioinformatics

生物信息学数据库

数据结构

• 列代表特征 行代表条目
• 每个条目有一个唯一性特征
• 数据表可通过列链接成为关系数据库

Pubmed 搜索

• PubMed search tags
  • [AD] – Affiliation (company or school)
  • [ALL] – All fields (eliminates defaults)
  • [AU] or [AUTH] – Author
  • [1AU] – First author
  • [ECNO] – Enzyme Commission Numbers
  • [EDAT] – Entry date (YYYY/MM/DD)
  • [ISS] - Issue # of journal
  • [JOUR] - Journal (Title, Abbreviation , ISSN)
  • [LA] – Language
  • [PDAT] – Publication date (YYYY/MM/DD)
  • [PT] – Publication type
  • [SUBS] – Substance name
  • [TIAB] – Title/Abstract
  • [TW] – Text words
  • [UID] – Unique identifiers (primary keys)
  • [VOL] or [VI] – Volume of journal
• MeSH terms [MH][MAJR][SH]
  • 被 MeSH 索引的关系数据库
  • 保守性检索 有层级关系
• 时间段搜索 冒号分割 YYYY/MM/DD:YYYY/MM/DD
• 序列长度搜索 [SLEN] 可以是蛋白 可以是核酸
• 蛋白分子量搜索 [MOLWT]
• 物种搜索 [ORGN]
• Nucleotide 序列蛋白数据库
• MMDB 3D结构数据库
• Genome 基因组数据库
• OMIM 人类孟德尔遗传数据库 用来探索等位基因问题
• 分类数据库 用来界定分类
• GEO 基因芯片的实验数据
• SNP 基因指纹数据库

动态规划

• 用于序列比对
• 对角线得分 按总分评价比对结果
• 可全局 可局部
• 序列比对指标是特异性与相似性
• 特异性指精确匹配比率
• 相似性指精确匹配加化学相似性比率 结构相近则相似
• FASTA 慢准 BLAST 快
• 三种情况 匹配 不匹配 间隔
• 间隔罚分

得分矩阵

• 考虑突变的比对
• 蛋白的自然突变率矩阵PM1
• 矩阵自相乘得到外推矩阵 PM10 PM250 取对数为打分矩阵
• 取不同矩阵源于研究目的对多样性的判断

E 值

• 表示序列的同源性 比对得分的稀有性
• 两个参数 数据库大小(N) 比对得分(S) E = N/S
• 数据库越大越可能随机碰到相同序列 得分越高越可能同源
• E值很小说明同源性很高 E值很大什么说明不了
• 一般阈值1e-04

PSI-BLAST

• 先用BLAST在一定E值上建库
• 计算新库的氨基酸概率 再与全库比对得分 得到统计显著性
• 可以发现BLAST未发现的序列 建立蛋白家族

蛋白

• Profiles 定量描述
• Patterns 定性描述
• Signature 蛋白保守序列
• motif 少于20个氨基酸 指示二级结构
• Domains 超过40个氨基酸 蛋白的球状区
• 共同点 保守
• 正则表达式表示保守区
  • E-X(2,4)-[FHM]-X(4)-{P}-L
  • E后随意两个，三个，四个然后FHM其中一个，然后随意四个，然后一个不是P，最后为L
  • 可以精确可以模糊
  • 没有E值

蛋白结构预测

• 分子量 道尔顿（Da）描述质量
• 等电点 蛋白不带电的pH值
  • 小于7 酸性 中性带负电
  • 大于7 碱性 中性带正点
• 网站计算
• 蛋白定位 分泌 胞内 核内
  • MITOPRED 预测线粒体蛋白

细菌基因组

• 细菌是环形DNA 真核是线性染色体
• 细菌不加工mRNA
• 细菌一段mRNA上有多个顺反子 也就是多个编码DNA序列
• 操纵子在mRNA编码的上游或下游调控转录
• GLIMMER与FGENESB用来预测一段序列的转录情况

病毒

• 三种 RNA DNA 逆转录病毒 突变快
• RNA病毒三种 双链 正链 负链
• 逆转录基因组简单 Gag Pol Env
• 凝集素等决定病毒亚型

单核苷酸多态性（SNP）

• 至少1%种群中存在的DNA单核苷酸变化
• 后果
  • 编码区改变影响表型
  • 不改变蛋白序列的编码区可能影响mRNA加工
  • 启动子或调控区可能影响表达
  • 其他区没有影响 可作为染色体标记- 类型
  • 不改变氨基酸
  • 改变氨基酸
  • 非编码区
• 数据库
  • dbSNP
  • SNPEffect SNPs对蛋白的影响
  • SNPedia SNPs的临床效应
  • 1000 基因组外显子计划 第二代测序的发展

真核基因预测

• CDS是mRNA的子集
• CDS可能比mRNA外显子少
• 基因预测只能发现编码区外显子
• 有些转录变化不改变蛋白序列：UTR区与同义密码子

DNA指纹

• 重复 突变会影响限制性片段长度
• VNTR 用来排除嫌犯
• PCR 用来扩增相关片段
• CODIS 区域在美国用来鉴定身份

Ensembl

• 外显子基因组学数据库
• 可选择人类 鼠 斑马鱼等常见物种