生物信息学实验报告.docx
《生物信息学实验报告.docx》由会员分享，可在线阅读，更多相关《生物信息学实验报告.docx（32页珍藏版）》请在冰豆网上搜索。
生物信息学实验报告
生物信息学实验报告
***************
学号：
___03*******____
**************
南京航空航天大学
2011年11月
实验一生物信息数据库的检索
一．实验目的：
1.了解生物信息学的各大门户网站以及其中的主要资源。
2.了解主要数据库的内容及结构，理解各数据库注释的含义。
3.以PubMed为例，学会文献数据库的基本查询检索方法。
二．实验内容：
（1）国际与国内的生物信息中心
国际NCBI、EBI、ExPASy，EMBL、SIB、TIGR以及国内CBI、BioSino网站的熟悉及内容的了解。
核酸序列数据库：
genbank/EMBL-bank/DDBJ
NCBI网址：
http:
//www.ncbi.nlm.nih.gov/
EBI网址：
http:
//www.ebi.ac.uk/
EMBL网址：
http:
//www.ebi.ac.uk/embl
蛋白质序列数据库：
SwissProt、ExPASy网址：
http:
//expasy.org/
Uniprot网址：
http:
//www.uniprot.org/
蛋白质结构数据库：
PDB网址：
http:
//www.rcsb.org/pdb/
（2）检索练习：
ThespikeproteinofSARS-CoronaVirus在NCBI中的核酸记录序列：
LOCUSCS2444393897bpDNAlinearPAT17-JUL-2006
DEFINITIONSequence3fromPatentWO2005118813.
ACCESSIONCS244439
VERSIONCS244439.1GI:
84659113
KEYWORDS.
SOURCESARScoronavirus
ORGANISMSARScoronavirus
Viruses;ssRNApositive-strandviruses,noDNAstage;Nidovirales;
Coronaviridae;Coronavirinae;Betacoronavirus.
REFERENCE1
AUTHORSAltmeyer,R.,Nal-Rogier,B.,Chan,C.,Kien,F.,Kam,Y.W.,Siu,Y.L.,
Tse,K.S.,Staropoli,I.andManuguerra,J.C.
TITLENucleicacids,polypeptides,methodsofexpression,andimmunogenic
compositionsassociatedwithsarscoronavirusspikeprotein
JOURNALPatent:
WO2005118813-A2315-DEC-2005;
INSTITUTPASTEUR（FR）;HongKongPasteurResearchCentreLimited
（CN）
FEATURESLocation/Qualifiers
source1..3897
/organism="SARScoronavirus"
/mol_type="unassignedDNA"
/db_xref="taxon:
227859"
CDS44..3847
/note="unnamedproteinproduct"
/codon_start=1
/protein_id="CAJ56183.1"
/db_xref="GI:
84659114"
/translation="MFIFLLFLTLTSGSDLDRCTTFDDVQAPNYTQHTSSMRGVYYPDEIFRSDTLYLTQDLFLPFYSNVTGFHTINHTFGNPVIPFKDGIYFAATEKSNVVRGWVFGSTMNNKSQSVIIINNSTNVVIRACNFELCDNPFFAVSKPMGTQTHTMIFDNAFNCTFEYISDAFSLDVSEKSGNFKHLREFVFKNKDGFLYVYKGYQPIDVVRDLPSGFNTLKPIFKLPLGINITNFRAILTAFSPAQDIWGTSAAAYFVGYLKPTTFMLKYDENGTITDAVDCSQNPLAELKCSVKSFEIDKGIYQTSNFRVVPSGDVVRFPNITNLCPFGEVFNATKFPSVYAWERKKISNCVADYSVLYNSTFFSTFKCYGVSATKLNDLCFSNVYADSFVVKGDDVRQIAPGQTGVIADYNYKLPDDFMGCVLAWNTRNIDATSTGNYNYKYRYLRHGKLRPFERDISNVPFSPDGKPCTPPALNCYWPLNDYGFYTTTGIGYQPYRVVVLSFELLNAPATVCGPKLSTDLIKNQCVNFNFNGLTGTGVLTPSSKRFQPFQQFGRDVSDFTDSVRDPKTSEILDISPCSFGGVSVITPGTNASSEVAVLYQDVNCTDVSTAIHADQLTPAWRIYSTGNNVFQTQAGCLIGAEHVDTSYECDIPIGAGICASYHTVSLLRSTSQKSIVAYTMSLGADSSIAYSNNTIAIPTNFSISITTEVMPVSMAKTSVDCNMYICGDSTECANLLLQYGSFCTQLNRALSGIAAEQDRNTREVFAQVKQMYKTPTLKYFGGFNFSQILPDPLKPTKRSFIEDLLFNKVTLADAGFMKQYGECLGDINARDLICAQKFNGLTVLPPLLTDDMIAAYTAALVSGTATAGWTFGAGAALQIPFAMQMAYRFNGIGVTQNVLYENQKQIANQFNKAISQIQESLTTTSTALGKLQDVVNQNAQALNTLVKQLSSNFGAISSVLNDILSRLDKVEAEVQIDRLITGRLQSLQTYVTQQLIRAAEIRASANLAATKMSECVLGQSKRVDFCGKGYHLMSFPQAAPHGVVFLHVTYVPSQERNFTTAPAICHEGKAYFPREGVFVFNGTSWFITQRNFFSPQIITTDNTFVSGNCDVVIGIINNTVYDPLQPELDSFKEELDKYFKNHTSPDVDLGDISGINASVVNIQKEIDRLNEVAKNLNESLIDLQELGKYEQYIKWPWYVWLGFIAGLIAIVMVTILLCCMTSCCSCLKGACSCGSCCKFDEDDSEPVLKGVKLHYTGPGGDYKDDDDK"
ORIGIN
1ctatagggcgaattgggtaccgctagcggatccgcgcgccaccatgtttattttcctgct
61gtttctgactctgaccagcggcagtgacctggaccggtgcaccacttttgatgatgtgca
121ggctcctaattacactcagcatacttcctctatgaggggcgtgtactatcctgatgaaat
181ttttagatccgacactctgtatctgactcaggatctgtttctgccattctattctaatgt
241gacaggctttcatactattaatcatacctttggcaaccctgtgatcccttttaaggatgg
301catctattttgctgccacagagaagtccaatgtggtgcggggatgggtgttcggctctac
361catgaacaacaagtcccagtccgtgattattattaacaattctactaatgtggtgatccg
421agcctgtaactttgaactgtgtgacaacccattctttgctgtgtctaagcccatgggcac
481acagacacatactatgatcttcgataatgcctttaattgcactttcgagtacatctctga
541tgccttttccctggatgtgtccgaaaagtccggcaactttaagcacctgcgagagtttgt
601gtttaagaataaggatggctttctgtatgtgtataagggctatcagcctatcgacgtggt
661gcgcgatctgccttctggctttaacactctgaagcctatttttaagctgcctctgggcat
721taacattacaaattttcgggccattctgacagcctttagccctgctcaggacatttgggg
781cacctctgctgccgcctattttgtgggctatctgaagccaactacctttatgctgaagta
841tgatgaaaatggcacaatcacagatgctgtggattgttctcagaatccactggctgaact
901gaagtgctctgtgaagagctttgagattgacaagggaatctaccagacctctaatttccg
961cgtggtgccctctggagatgtggtgagattccctaatattacaaacctgtgtccttttgg
1021agaagtgtttaatgctactaagttcccttctgtgtatgcctgggagagaaagaagatttc
1081taattgtgtggctgattactctgtgctgtacaactccacattttttagcacctttaagtg
1141ctatggcgtgtctgccactaagctgaatgatctgtgcttctccaatgtgtatgccgattc
1201ttttgtggtgaagggagatgatgtgagacagatcgccccaggacagactggcgtgattgc
1261tgattacaattataagctgccagatgatttcatgggctgtgtgctggcttggaatactag
1321gaacattgatgctacttccactggcaattataattacaagtatcggtatctgagacatgg
1381caagctgaggccctttgagagagacatctctaacgtgcctttcagccctgatggcaagcc
1441ttgcaccccacctgctctgaattgttattggccactgaatgattatggcttttacaccac
1501tactggcattggctaccagccttacagagtggtggtgctgtcttttgaactgctgaatgc
1561ccctgccacagtgtgtggaccaaagctgtccactgacctgattaagaaccagtgtgtgaa
1621ctttaactttaatggactgactggcactggcgtgctgactccttctagcaagagatttca
1681gccatttcagcagtttggccgggatgtgtctgatttcactgattccgtgcgagatcctaa
1741gacatctgaaatcctggacatttccccttgctcttttggcggcgtgagcgtgattacacc
1801tggaacaaatgcttcctctgaagtggctgtgctgtatcaggatgtgaactgcactgatgt
1861gtctacagccatccatgccgatcagctgacaccagcttggcgcatctattctactggaaa
1921caatgtgttccagactcaggccggctgtctgatcggagctgagcatgtggacacttctta
1981tgagtgcgacattcctattggagctggcatttgtgctagttaccatacagtgtctctgct
2041gcggagtactagccagaagtctattgtggcttatactatgtctctgggcgctgatagttc
2101cattgcttactctaataacaccattgctatccctactaacttttccattagcattactac
2161agaagtgatgcctgtgtctatggctaagacctccgtggattgtaatatgtacatctgcgg
2221agattctaccgaatgtgctaatctgctgctgcagtatggcagcttttgcacacagctgaa
2281tcgggctctgtctggcattgctgctgaacaggatcgcaacacacgggaagtgttcgctca
2341agtgaagcagatgtataagaccccaactctgaagtattttggcggctttaatttttccca
2401gatcctgcctgaccctctgaagcccactaagcggtcttttattgaggacctgctgtttaa
2461caaagtgacactggctgatgctggctttatgaagcagtatggcgaatgcctgggcgatat
2521taatgctagagatctgatttgtgcccagaagttcaatggcctgacagtgctgcctcctct
2581gctgactgatgatatgattgctgcctacactgctgctctggtgtctggcactgccactgc
2641tggatggacatttggcgctggcgctgctctgcagatcccttttgctatgcagatggccta
2701tcggttcaatggcattggagtgacccagaatgtgctgtatgagaaccagaagcagattgc
2761caaccagtttaacaaggccattagtcagattcaggaatccctgacaacaacatccactgc
2821cctgggcaagctgcaggacgtggtgaaccagaatgctcaggccctgaacacactggtgaa
2881gcagctgagcagcaattttggcgccatttccagtgtgctgaatgatatcctgtcccgact
2941ggataaagtggaggccgaagtgcagattgacaggctgattacaggcagactgcagagcct
3001gcagacctatgtgacacagcagctgatcagggctgctgaaatcagggcttctgccaatct
3061ggctgctactaagatgtctgagtgtgtgctgggacagtccaagagagtggacttttgtgg
3121aaagggctaccacctgatgtccttcccacaggctgcccctcatggagtggtgttcctgca
3181tgtgacctatgtgccatcccaggagaggaacttcaccacagccccagccatttgtcatga
3241aggcaaggcctacttccctcgggaaggcgtgttcgtgtttaatggcacttcttggtttat
3301tacacagcggaacttctttagcccacagatcatcactacagacaatacatttgtgtccgg
3361aaattgtgatgtggtgattggcatcattaacaacacagtgtatgatcctctgcagcctga
3421gctggactccttcaaggaagagctggacaagtacttcaagaatcatacatccccagatgt
3481ggatctgggcgacatttccggcattaacgcttctgtggtgaacattcagaaggaaattga
3541ccgcctgaatgaagtggctaagaatctgaatgaatccctgattgacctgcaggaactggg
3601caagtatgagcagtatattaagtggccttggtatgtgtggctgggcttcattgctggact
3661gattgccatcgtgatggtgacaatcctgctgtgttgcatgacctcctgttgcagttgcct
3721gaagggcgcttgctcttgtggatcttgctgcaagtttgatgaggatgactctgagccagt
3781gctgaagggcgtgaagctgcattacacagggcccggcggcgactacaaggacgatgacga
3841caagtgatagatcgatgcatggatccgtttaaaccgagctccagctttgttccctta
ThespikeproteinofSARS-CoronaVirus在SWISS-PROT蛋白质序列：
ThespikeproteinofSARS-CoronaVirus在PDB蛋白质结构序列：
（3）文献信息的查找与管理
有效地使用NCBIPubMed提供的各种主要功能，查询并下载相关课题或研究方向的论文文摘与文献全文。
查询InfluenzaAViruses分子进化研究方向的文章。
（3）NCBI数据库简介：
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HinxtonHall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。
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（ProteinDataBank）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。
NCBI数据库检索
NCBI数据库的检索方法很简单，在检索框中输入检索词，检索词间默认逻辑关系为AND，检索规则基本同PubMed。
可以通过下拉菜单选择记录的显示格式，通常选择GenBankReport格式或FASTAReport格式。
当选择GenBankReport格式后，屏幕显示较完整的基因记录，其内容包括：
基因位点（Locus）、基因定义（Definition）、基因存取号（Accession）、核酸编号（NID）、关键词（Keywords）、来源（Source）、组织分类（Organism）、参考文献（Reference）、著者（Author）、题目（Title）、期刊Journal）、Medline存取号（Medline）、序列特征（Features）、基因（Gene）、CDS（cDNA）、等位基因（Allele）对等的肽（Mat-Peptide）、计算碱基数（BaseCount）、原序列（Origin）。
而FASTAReport格式仅包括检出序列的简要特征描述。
OMIM
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。
主页如图3所示。
BLAST相似性检索
BLAST（BasicLocalAlignmentSearchTool）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。
在NCBI主页的左工具条中，点击BLAST图标，即进入BLAST主页。
BLAST主页提供了几种BLAST检索软件。
其中BLAST2.0是一种新的BLAST检索工具，它在原有基础上作了改进，运行速度更快，灵敏度更高，同时具有GappedBLAST和PSI-BLAST两种软件的新功能。
GappedBLAST允许在对准的序列中引入空位（碱基缺失或插入），引入空位（Gaps）意味着在比较两个相关序列时不会出现中断（Break）现象。
这些空位对准的记分系统更能反映相关序列的类似程度。
PSI-BLAST的全称是Position-SpecificIteratedBALST，即特殊位置重复BLAST，它提供了自动、易用的概貌（Profile）检索，是查找序列同源的有效工具。
三．实验要求：
（1）以其中的一个信息中心网站为例，列举其中的主要资源（数据库、网上分析、生物计算、数据下载等）。
（2）能够解释给定序列或基因组数据的含义。
（3）检索文献的技巧和效率。
实验二序列多重比对及进化分析
一．实验目的：
1.学习序列比对工具BLAST以及ClustalW等的使用，能够对序列数据进行初步的分析。
2.掌握基于DNA序列和蛋白质序列构建系统进化树的常用方法和常用工具。
二．实验内容：
1.在GeneBank数据库中，检索10条轮状病毒（Homosapiens,Rotavirus）VP7基因的DNA序列，并使用CLUST
升级会员 