GenBank数据库检索及其应用 ——Entrez检索功能

Presentation on theme: "GenBank数据库检索及其应用 ——Entrez检索功能"— Presentation transcript:

1 GenBank数据库检索及其应用 ——Entrez检索功能
重庆医科大学图书馆 李 轶

2 NCBI网站简介

3 NCBI的资源与工具 数据库 工具 数据提交 培训

4 NCBI的资源与工具 数据库

5 NCBI的资源与工具 文献数据库 分子数据库 基因组数据库

6 NCBI的资源与工具 工具

7 NCBI的资源与工具 检索工具 数据分析工具 下载工具 程序软件

8 NCBI的资源与工具 数据提交

9 NCBI的资源与工具 培训

10 GenBank数据库

11 GenBank数据库 简介 GenBank数据库是由美国国立生物技术信息中心（NCBI）维护的一级核酸序列数据库。
1、直接来源于测序工作者提交的序列； 2、与其它数据机构协作交换的数据； 3、美国专利局提供的专利数据。

12 GenBank数据库 简介 检索界面 1、基本检索界面

13 GenBank数据库基本检索界面

14 GenBank数据库基本检索界面

15 GenBank数据库基本检索界面

16 GenBank数据库基本检索界面

17 Nucleotide 数据库分为三个子数据库：
EST :表达序列标记数据库 GSS :基因组测序序列数据库 CoreNucleotide :包含所有未被以上两个子数据库收录的核苷酸序列

18 GenBank数据库 简介 检索界面 1、基本检索界面 2、跨库检索界面

19 GenBank数据库跨库检索界面

20 跨库检索界面 文献数据库 分子数据库

21 跨库检索界面 其它数据库

22 GenBank数据库 简介 检索界面 基本检索功能 （一）字段限制检索

23 检索限定词： 1、基因名称的检索限定词：[GENE] or [GENE NAME]
2、生物体名称的检索限定词：[ORGN] or [ORGANISM] 3、作者姓名的检索限定词：[AUTH] or [AUTHOR]

24 GenBank数据库基本检索功能 “ras”

25 GenBank数据库基本检索功能 “ras”

26 GenBank数据库基本检索功能 “ras”[GENE]

27 GenBank数据库基本检索功能 “ras”[gene]

28 GenBank数据库 简介 检索界面 基本检索功能 （一）字段限制检索 （二）特殊标志符检索

29 特殊标志符的格式（核酸序列） ： 1、序列辨认号（GI）：一串阿拉伯数字 e.g.：

30 GenBank数据库基本检索功能 GI:

31 特殊标志符的格式（核酸序列） ： 1、序列辨认号（GI）：一串阿拉伯数字 e.g.：266458390
2、GenBank/EMBL/DDBJ序列接受号： (1)1个字母+5个阿拉伯数字 e.g.：U12345 (2)2个字母+6个阿拉伯数字 e.g.：AY123456，Af123456

32 GenBank数据库基本检索功能 AF:044895

33 特殊标志符的格式（核酸序列）： 3、RefSeq（Reference Sequence）序列接受号: （1）mRNA 记录（NM_*）:
e.g.:NM_000492 （2）基因组的DNA重叠群（NT_*）: e.g.:NT_000347 （3）完整的基因组或染色体（NC_*）: e.g.:NC_000907 （4）基因组的局部区域（NG_*）: e.g.:NG_000019 （5）从人类基因组注释、加工得到的序列模型（XM，XP，or XR_*）： e.g.:XM_000483

34 GenBank数据库基本检索功能 NM_021284

35 特殊标志符的格式（核酸序列）： 4 、 PDB序列接受号：１个阿拉伯数字＋３个字母 e.g.：１TUP
序列接受号的检索限定词为[ACCN]or[ACCESSION]

36 GenBank数据库 简介 检索界面 基本检索功能 （一）字段限制检索 （二）特殊标志符检索 （三）序列长度检索

37 GenBank数据库基本检索功能 1510[SLEN]

38 GenBank数据库基本检索功能

39 GenBank数据库 简介 检索界面 基本检索功能 （一）字段限制检索 （二）特殊标志符检索 （三）序列长度检索 （四）范围检索

40 范围检索：中间用冒号连接 1、序列接受号范围检索： AF114696:AF114714[ACCN] 2、序列长度范围检索：
3000：4000[SLEN] 3、日期范围检索： 2005/01：2006/09/26[MDAT]or[PDAT]

41 GenBank数据库 简介 检索界面 基本检索功能 限制检索功能

42 GenBank数据库限制检索功能

43 GenBank数据库限制检索功能

44 GenBank数据库限制检索功能 数据发布日期

45 GenBank数据库限制检索功能 数据发布日期

46 GenBank数据库限制检索功能 数据修改日期

47 GenBank数据库限制检索功能 数据修改日期

48 GenBank数据库限制检索功能 检索字段

49 GenBank数据库限制检索功能 检索字段

50 GenBank数据库限制检索功能 “ras”

51 GenBank数据库限制检索功能

52 GenBank数据库限制检索功能 “ras”

53 GenBank数据库限制检索功能 序列片段的显示

54 GenBank数据库限制检索功能 序列片段的显示

55 GenBank数据库限制检索功能 数据来源

56 GenBank数据库限制检索功能 数据来源

57 GenBank数据库限制检索功能 分子类型

58 GenBank数据库限制检索功能 分子类型

59 GenBank数据库限制检索功能 基因定位

60 GenBank数据库限制检索功能 基因定位

61 GenBank数据库限制检索功能 排除某种类型的序列

62 GenBank数据库 简介 检索界面 基本检索功能 限制检索功能 高级检索功能

63 GenBank数据库高级检索功能

64 GenBank数据库高级检索功能 hepatitis b

65 GenBank数据库高级检索功能 乙型肝炎索引

66 GenBank数据库高级检索功能

67 GenBank数据库高级检索功能

68 GenBank数据库高级检索功能 序列特性关键词索引

69 GenBank数据库高级检索功能 “ras”[GENE]

70 (“ras”[GENE]) AND“sts”[Feature key]
GenBank数据库高级检索功能 (“ras”[GENE]) AND“sts”[Feature key]

71 GenBank数据库 简介 检索界面 基本检索功能 限制检索功能 高级检索功能 检索结果的显示

72 GenBank数据库检索结果的显示

73 GenBank数据库检索结果的显示

74 GenBank数据库检索结果的显示

75 GenBank数据库检索结果的显示 序列特性表

76 GenBank记录中特性表中的主要关键词:
解 释 misc_feature 生物学特性无法用特性表关键词描述的序列 promoter 转录起始区 misc_difference 序列特性无法用特性表关键词描述的序列 CAAT_signal 真核启动子上游的CAAT盒,与RNA结合相关 conflict 同一序列在不同的研究中在位点或区域上有差异 TATA_signal 真核启动子的TATA盒 unsure 序列不能确定的区域 -35_signal 原核启动子中的-35框 old_sequence 该序列对以前的版本做过修订 -10_signal 原核启动子的Pribow盒 variation 包含稳定突变的序列 GC_signal 真核启动子的GC盒 modified_base 修饰过的核苷酸 RBS 核糖体结合位点 gene 已识别为基因或已命名的序列区域 polyA_signal RNA转录本的剪切识别位点 misc_signal 无法用信号特性关键词描述的信号序列 enhancer 增强子

77 关键词 解 释 attenuator 与转录终止有关的序列 CDS 蛋白质编码序列 terminator 转录终止序列
解 释 attenuator 与转录终止有关的序列 CDS 蛋白质编码序列 terminator 转录终止序列 sig_peptide 编码信号肽的序列 rep_origin 双链DNA复制起始区 transit_peptide 转运蛋白编码序列 misc_RNA 无法用RNA关键词描述的转录物或RNA产物 mat_peptide 编码成熟肽的序列 prim_transcript 初始转录本 intron 内含子 precursor_RNA 前体RNA polyA_site RNA转录本的多聚腺苷酸化位点 mRNA 信使RNA rRNA 核糖体RNA 5’clip 前体转录本中被剪切掉的5’端序列 tRNA 转运RNA 3’ clip 前体转录本中被剪切掉的3’端序列 scRNA 小细胞质RNA 5’UTR 5’非翻译区 snRNA 小核RNA 3’UTR exon 3’非翻译区 外显子 snoRNA 加工和修饰rRNA的小核RNA

78 关键词 解 释 immunoglobulin_related repeat_unit 单个的重复元件 C_region
解 释 immunoglobulin_related repeat_unit 单个的重复元件 C_region 免疫相关蛋白上的不变区 LTR 长末端重复序列 D_segment 免疫球蛋白重链的可变区， T细胞受体β链 Satellite 卫星重复序列 J_ segment 免疫球蛋白重链、轻链以及T细胞α、β、γ的结合链 misc_binding 无法描述的核酸序列结合位点 N_ region 插入重排免疫球蛋白片段间的核苷酸 primer_bind 复制、转录的引物结合位点 S_ region 免疫球蛋白重链的开关区 protein_bind 蛋白质结合区 V_ region 编码免疫球蛋白的可变区N末端的序列 STS 测序标签位点 V_ segment 编码免疫球蛋白的可变区的序列 misc_recomb 无法用重组特性关键词描述的重组事件 repeat_region 基因组中所包含的重复序列 iDNA 通过重组所消除的DNA

79 GenBank记录中特性表中的限定词: 关键词 解 释 限定词 含 义 misc_structure
解 释 misc_structure 无法用结构关键词描述的核酸序列高级结构或构型 stem_loop 发夹结构 D_loop 线粒体中DNA中的取代环 GenBank记录中特性表中的限定词: 限定词 含 义 /allele= 给定基因的等位基因 /codon_start= 相对于序列第一个碱基，编码序列密码子的偏移量 /bound_moiety= 嵌合范围 /country= DNA样本的来源国 /cell_type= 获得序列的细胞类型 /db_xref= 其他数据库信息的交叉索引号 /citation= 已被引用的参考文献数 /direction= DNA复制方向 /clone_lib= 获得序列的克隆文库 /environmental_sample= 序列直接从环境材料中获得而没有指明来源物种

80 限定词 含 义 /exception= 指明DNA序列未按通常的生物学规律翻译，如RNA编辑 /PCR_conditi-ons=
含 义 /exception= 指明DNA序列未按通常的生物学规律翻译，如RNA编辑 /PCR_conditi-ons= 描述PCR的反应条件 /frequency= 在种群中发生变异的频率 /pop_variant= 获得序列的群体变异种名称 /germline 如果序列是DNA并来源于免疫球蛋白家族，则表示该序列来源于未重排DNA /product= 序列编码产物的名称 /insertion_seq= 序列来源于某种插入元件 /anticodon= tRNA反义密码子的位置及它所编码的氨基酸 /isolate= 序列来源的生物个体 /cell_line= 获得序列的细胞系 /lab_host= 为扩增序列来源物种所用的实验室宿主 /chromosome= 获得序列的染色体 /macronuclear 指明DNA来源于染色体分化的大核期 /clone= 获得序列的克隆子 /note= 评论及附加信息 /codon= 指出与参考密码子不同的密码子 /organelle= 获得序列的细胞器 /EC_number= 序列产物的酶学编号

81 限定词 含 义 /cons_splice= 区分内含子剪切位点和“5‘-GT.AG-3'”剪切位点 /map= 相关特性在基因图谱上的位置
含 义 /cons_splice= 区分内含子剪切位点和“5‘-GT.AG-3'”剪切位点 /map= 相关特性在基因图谱上的位置 /cultivar= 所获序列植物的栽培变种 /mod_base= 被修饰碱基的简写 /dev_stage= 序列来源于某种生物的特定发育阶段 /number= 从5’→3’注明遗传元件的顺序 /evidence= 序列特性来源于实验还是推理 /organism= 提供测序用遗传物质的物种的科学名称 /focus 指出在记录中的来源特性在其他物种中还有不同的来源特性 /phenotype= 序列特性所导致的表型 /function= 序列所代表的功能 /plasmid= 获得序列的质粒名称 /haplotype= 序列来源于某种物种的单倍体 /protein_id= 蛋白质的检索号 /isolation_sou-rce= 描述序列来源物种的生理、环境和地理信息 /proviral 整合在基因组中的前病毒 /label= 序列特性的俗名 /rearranged 如果序列是DNA并来源于免疫球蛋白家族，则表示该序列来源于重排DNA

82 限定词 含 义 /rpt_family= 重复序列 /transposon= 转座子 /rpt_unit= 指明重复区域的重复元件构成
含 义 /rpt_family= 重复序列 /transposon= 转座子 /rpt_unit= 指明重复区域的重复元件构成 /variety= 获得序列的生物变种 /serotype= 同一物种的不同血清学特征 /pseudo 假基因 /sex= 获得序列的物种性别 /replace= 表明特性间的间隔序列已被替换 /specimen_vou-cher= 指明来源物种保存于什么地方 /rpt_type= 重复序列的组织方式 /strain= 获得序列的菌珠 /sequenced_m-ol= 获得序列的分子类型 /sub_species= 获得序列的来源物种的亚种 /serovar= 同一原核生物的血清学特征 /tissue_lib= 获得序列组织库 /specific_host= 获得序列的天然宿主 /transgenic 指明物种的来源特性是否是转基因受体 /standard-name= 特性的通用名称 /transl_except= 标明序列中未按指定密码子表翻译的氨基酸的位置 /sub_clone= 获得序列的亚克隆

83 限定词 含 义 /sub_strain= 获得序列的来源微生物亚种 /tissue_type= 获得序列组织类型 /translation=
含 义 /sub_strain= 获得序列的来源微生物亚种 /tissue_type= 获得序列组织类型 /translation= 按通用或指定的密码子表翻译的氨基酸序列 /transl_table= 描述在翻译中与通用密码表不同的密码表 /usedin= 表明该特性在其他检索中也被使用 /virion 病毒颗粒

84 GenBank数据库检索结果的显示 序列

85 GenBank数据库检索结果的显示

86 GenBank数据库检索结果的显示 序列

87 GenBank数据库检索结果的显示

88 GenBank和PubMed(序列数据)检索的比较：
2. GenBank数据库的数据更新早于PubMed，因而GenBank 数据库的检全率高于PubMed。 3. GenBank数据库可对序列数据本身进行限制检索，而 PubMed数据库只能对文献、杂志、作者等进行限制检索 ，因而GenBank数据库的检准率也高于PubMed数据库。

89 BLAST

90 BLAST

91 BLAST nucleotide blast是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将同所查序列作一对一地核酸序列比对。
protein blast是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐一地同每条所查序列作一对一的序列比对。 blastx是核酸序列到蛋白库中的一种查询。先将核酸序列翻译成蛋白序列（一条核酸序列会被翻译成可能的六条蛋白），再对每一条作一对一的蛋白序列比对。 tblastn是蛋白序列到核酸库中的一种查询。与blastx相反，它是将库中的核酸序列翻译成蛋白序列，再同所查序列作蛋白与蛋白的比对。 tblastx是核酸序列到核酸库中的一种查询。此种查询将库中的核酸序列和所查的核酸序列都翻译成蛋白（每条核酸序列会产生6条可能的蛋白序列），这样每次比对会产生36种比对阵列。

92 BLAST

93 谢 谢！