1、了解NCBI、DDBJ、EMBL上网的方法自学各网站相关介绍。

2、了解北大生物信息学中心等几大中文生物信息学网站。

3、了解一些生物论坛中有关生物信息学的部分。如：Biooo和Bioon。

4、利用NCBI的Entrenz查询系统和EBI的SRS检索文献和核酸或蛋白质序列。（phyA）并对照所学复习各字段的含义。

5、将所得记录的ID或Accession记录下来备用

作业：

1、记录相关网站及论坛网址（或如何查询到该网址的方法）。

（1）NCBI：http://www.ncbi.nih.gov/

（2）DDBJ ：http://www.ddbj.nig.ac.jp/

（3）EMBL：http://www.embl.org/

（4）北大生物信息学中心 http://www.cbi.pku.edu.cn/chinese/

（5）中科院计算所智能信息处理重点实验室生物信息学:
http://www.bioinfo.org.cn/index.php

（6）北大生物信息中心:
http://www.cbi.pku.edu.cn/chinese/documents/bioinfor/overview/web1/1.html

（7）生物谷生物信息学：http://www.bioon.com/bioinfo.htm

（8）中国生物论坛：http://www.biooo.com/

（9）中国生物谷论坛：http://bbs.bioon.com/

（10）生物谷：http://www.bioon.com/

2、找到编码拟南芥（arabidopsis）phyA（光敏色素A）基因的核酸序列编号。并记录查找过程。

      答：序列编号：NM_100828。

查找过程：打开NCBI主页http://www.ncbi.nih.gov/-->在SEARCH中选择Nucleotide，后面输入phyA进行搜索-->结果如下：
Arabidopsis thaliana PHYA (PHYTOCHROME A); G-protein coupled photoreceptor/ signal transducer AT1G09570 (PHYA) mRNA, complete cds
gi|30681229|ref|NM_100828.2|[30681229]

3、使用pubmed检查关键词phyA，记录检索出的条目数目。

       答：共431条纪录

4，本博客也提供一个简单的序列查询工具：http://www.liucheng.name/entrez/

无觅猜您也喜欢：
【生物信息学教程】2：生物信息数据库与查询	【生物信息学教程】6.2：人类和鼠类公共物理图谱数据库的使用	【生物信息学教程】7.2：基因表达公共数据库	【生物信息学教程】1：生物信息学概述	【生物信息学教程】3：序列比对和数据库搜索
无觅

MoKCa数据库（http://strubiol.icr.ac.uk/extra/mokca）是一个有关癌症相关突变激酶信息的数据库，库中收录了大量与突变激酶基因相关的结构注释信息和功能注释信息，以及当这些激酶发生突变时会产生怎样的结果的预测信息。肿瘤组织和肿瘤细胞系体细胞突变数据被标记在相应的蛋白质晶体结构域上。在蛋白质结构域象形图上以及蛋白质3D结构图上还对发生突变的氨基酸位点进行了突出标记。

此外，在网页上还会显示与每一个突变有关的数据以及与该突变分子功能有关的专业注释信息。MoKCa数据库就是将蛋白质资源与功能注释资源相结合，并且加上例如结构域或磷酸化位点等结构和功能方面的注释信息，以此打造一个收录了每一个潜在的癌症相关突变激酶以及伴有权威肿瘤生物学家和结构生物学家注释信息的数据库。

Members of the protein kinase family are amongst the most commonly mutated genes in human cancer, and both mutated and activated protein kinases have proved to be tractable targets for the development of new anticancer therapies. The MoKCa database (Mutations of Kinases in Cancer) has been developed to structurally and functionally annotate, and where possible predict, the phenotypic consequences of mutations in protein kinases implicated in cancer.

Protein kinases are a group of proteins that add phosphate groups to proteins. There are over 500 documented mammalian protein kinases encoded in the human genome, which together represent the largest family of human enzymes, collectively termed the kinome. They play indispensable roles in numerous cellular, metabolic and signalling pathways, in all cell types.

For further information about Mokca, see our publication in Nucleic Acids Research, available as a free-access PDF.

无觅猜您也喜欢：
乳癌数据库(Breast Cancer Database)	Entrez所有数据库的最新数据统计	CGAP:NCBI癌症基因组剖析计划	生物信息学作业(一)：生物信息数据库信息检索	蛋白质3D结构数据库:SWISS-MODEL Repository
无觅

小鼠转录因子数据库(mouse Transcription Factor Database: TFdb)，是一个非冗除的小鼠转录因子数据库。目前共收集了1675个Entrez Gene。

参考文献："A genome-wide and nonredundant mouse transcription factor database", Kanamori et. al, (BBRC 322/3 pp. 787-793).

数据来源

TFdb的数据来源于下列的数据库，

LocusLink (NCBI)

• loc2go -查询转录因子的基因
• LL.out -定义每一个基因
• loc2ref -locus ID 与参考序间的联系

当然了，LocusLink 在05年6月开始，NCBI就不再维护了。已经用Entrez Gene代替。详细信息：ftp://ftp.ncbi.nlm.nih.gov/refseq/LocusLink/README

HomoloGene (NCBI)：通过Human和Rat的基因找Mouse的同源基因。

GO.terms_and_ids (GENE ONTOLOGY CONSORTIUM)：来源于GO数据库。

mm_mgc_mrna.fasta.gz (MGC)：来源于Image/MGC 的全长clones。

FANTOM sequence (RIKEN)：来源于日本RIKEN的测序数据。

TFdb数据库（http://genome.gsc.riken.jp/TFdb/）的数据是定期更新的。并且可以免费使用。

无觅猜您也喜欢：
2011/2010最新SCI影响因子Impact Factor查询下载	2010/2009最新SCI影响因子下载查询 Impact Factor	小分子结构数据库MMsINC	MoKCa：癌症相关突变激酶信息数据库	GenBank数据库格式的详细说明
无觅

蛋白质结构预测的问题从数学上讲，是寻找一种从蛋白质的氨基酸线性序列到蛋白质所有原子三维坐标的一种映射。典型的蛋白质含有几百个氨基酸、上千个原子，而大蛋白质（如载脂蛋白）的氨基酸个数超过4500。所有可能的序列到结构的映射数随蛋白质氨基酸残基个数而呈指数增长，是天文数字。然而幸运的是，自然界实际存在的蛋白质是有限的，并且存在着大量的同源序列，可能的结构类型也不多，序列到结构的关系有一定的规律可循，因此蛋白质结构预测是可能的。

蛋白质结构预测主要有两大类方法：

理论分析方法或从头算方法（Abinitio）：通过理论计算（如分子力学、分子动力学计算）进行结构预测，该类方法假设折叠后的蛋白质取能量最低的构象。从原则上来说，我们可以根据物理、化学原理，通过计算来进行结构预测。但是在实际中，这种方法往往不适合。主要有几个原因，一是自然的蛋白质结构和未折叠的蛋白质结构，两者之间的能量差非常小（1kcal/mol数量级），二是蛋白质可能的构象空间庞大，针对蛋白质折叠的计算量非常大。另外，计算模型中力场参数的不准确性也是一个问题。

统计方法：该类方法对已知结构的蛋白质进行统计分析，建立序列到结构的映射模型，进而对未知结构的蛋白质根据映射模型直接从氨基酸序列预测结构。映射模型可以是定性的，也可以是定量的。这是进行蛋白质结构预测较为成功的一类方法。这一类方法包括经验性方法、结构规律提取方法、同源模型化方法等。

所谓经验性方法就是根据一定序列形成一定结构的倾向进行结构预测，例如，根据不同氨基酸形成特定二级结构的倾向进行结构预测。通过对已知结构的蛋白质（如蛋白质结构数据库PDB、蛋白质二级结构数据库DSSP中的蛋白质）进行统计分析，发现各种氨基酸形成不同二级结构的倾向，形成一系列关于二级结构预测的规则。

与经验性方法相似的另一种办法是结构规律提取方法，这是更一般的方法。该方法从蛋白质结构数据库中提取关于蛋白质结构形成的一般性规则，指导建立未知结构的蛋白质的模型。有许多提取结构规律的方法，如通过视觉观察的方法，基于统计分析和序列多重比对的方法，利用人工神经网络提取规律的方法。

同源模型化方法通过同源序列分析或者模式匹配预测蛋白质的空间结构或者结构单元（如锌指结构、螺旋-转角-螺旋结构、DNA结合区域等）。其原理是基于下述事实：每一个自然蛋白质具有一个特定的结构，但许多不同的序列会采用同一个基本的折叠，也就是说，具有相似序列的蛋白质倾向于折叠成相似的空间结构。一对自然进化的蛋白质，如果它们的序列具有25～30%的等同部分或者更多，则可以假设这两个蛋白质折叠成相似的空间结构。这样，如果一个未知结构的蛋白质与一个已知结构的蛋白质具有足够的序列相似性，那么可以根据相似性原理给未知结构的蛋白质构造一个近似的三维模型。如果目标蛋白质序列的某一部分与已知结构的蛋白质的某一结构域区域相似，则可以认为目标蛋白质具有相同的结构域或者功能区域。在蛋白质结构预测方面，预测结果最可靠的方法是同源模型化方法。

蛋白质的同源性比较往往是借助于序列比对而进行的，通过序列比对可以发现蛋白质之间进化的关系。在蛋白质结构分析方面，通过序列比对可以发现序列保守模式或突变模式，这些序列模式中包含着非常有用的三维结构信息。利用同源模型化方法可以预测所有10～30%蛋白质的结构。然而，有许多具有相似结构的蛋白质是远程同源的，它们的等同序列不到25%，也就是说，具有相似空间结构的蛋白质序列等同程度可能小于25%。这些蛋白质的同源性不能被通过传统的序列比对方法所识别。如果按照一个未知序列搜索一个蛋白质序列数据库，并且搜索条件为序列等同程度小于25%的话，那么将会得到大量不相关的蛋白质。因此，搜索远程同源蛋白质就像在干草堆里寻找一根针。寻找远程同源蛋白质是一项困难的任务，处理这个困难任务的技术称为“线索（THREADING）技术”。对于一个未知结构的蛋白质，仅当我们找不到等同序列大于25%的已知结构的同源蛋白质时，才通过线索技术寻找已知结构的远程同源蛋白质，进而预测其结构。找到一个远程同源蛋白质后，利用远程同源建模方法来建立蛋白质的结构模型。

如果既没有找到一般的同源蛋白质，又没有找到远程同源蛋白质，那么如何进行结构预测呢？一种可行的办法就是充分利用现有数据库中的信息，包括二级结构和空间结构的信息，首先从蛋白质序列预测其二级结构，然后再从二级结构出发，预测蛋白质的空间结构；或者采用从头算方法进行结构预测。

蛋白质结构预测常用数据库：

来源：丁香园

无觅猜您也喜欢：
多序列比对及蛋白质功能及结构预测(5)	蛋白质3D结构数据库:SWISS-MODEL Repository	模拟蛋白质结构软件:Modeller	多序列比对及蛋白质功能及结构预测(2)	多序列比对及蛋白质功能及结构预测(3)
无觅

H1N1流感资源

流感病毒最新数据和序列的页面：www.ncbi.nlm.nih.gov/genomes/FLU/SwineFlu.html
PubMed里关于流感的最新文献：
http://www.ncbi.nlm.nih.gov/pubmed?term=swine+AND+(flu+OR+influenza+OR+h1n1)+AND+%22last+1+year%22%5bedat%5d

多肽的数据资源

Peptidome是一个新的数据库，存放用串联质谱技术作多肽和蛋白测序与鉴别的数据。更多的信息请查看Peptidome的首页：www.ncbi.nlm.nih.gov/projects/peptidome/

基因组平台

葡萄Vitis vinifera (wine grape)的基因组数据在Genomes 数据库已经可以用到。通过NCBI Map Viewer可以看到全染色体图，查看的页面：

http://www.ncbi.nlm.nih.gov/mapview/map_search.cgi?taxid=29760

书架（Bookshelf）

NCBI帮助手册加了一个新的章节，关于GaP的常见问题解答文档。Bookshelf 的地址是：
www.ncbi.nlm.nih.gov/sites/entrez?db=Books

微生物基因组

在3月24-4月29之间，最新发布了15种微生物的基因组数据，提交到GenBank/EMBL/DDBJ的原始序列用FTP可以下载：ftp.ncbi.nih.gov/genbank/genomes/Bacteria/。这些基因组临时的RefSeq 版本用FTP也能找到：ftp.ncbi.nih.gov/genomes/Bacteria/。

GenBank新闻

GenBank最新发布的版本是171.0，用FTP可以下载。最后的更新时间是2009年4月10号。关于这个版本的说明看：ftp.ncbi.nih.gov/genbank/gbrel.txt
需注意的是，NCBI打算要结束对索引文件的支持（ceasing support for index files），受到影响的用户请详细查看gbrel.txt关于这部分的章节，有问题可以反馈给GenBank工作组。

SRA转录序列Blast(SRA Transcript BLAST)

通过一个专门的BLAST页面可以搜索到SRA的转录序列。所有来自454测序法得到的SRA转录本序列都可以在NCBI的SRA数据库找到。要搜索SRA的序列，请到the SRA BLAST page：

GEO数据集

新的GEO数据集加上了显示基因表达谱的数据。新的工具请查看：
www.ncbi.nlm.nih.gov/sites/GDSbrowser

Entrez序列数据库加上了序列分析工具的链接

在Entrez数据库显示核酸和蛋白序列页面的左边栏目加上了一些序列分析工具的链接。例如在蛋白和核酸序列页面，加上了Blast的链接；核酸序列页面加上了Primer BLAST搜索的链接；另外在蛋白序列页面，加上蛋白保守功能域的预测链接。这些新的序列分析工具的链接，方便了对序列的分析。

无觅猜您也喜欢：
精选资料：2009 H1N1流感病毒序列	NCBI新的数据库和工具(NCBI News, June 2009)	(译文)NCBI发布版本37的人类基因组序列	NCBI和PubMed改版	NCBI在线blast数据库的简要说明
无觅

多序列比对的意义在于它能够把不同种属的相关序列的比对结果按照特定的格式输出，并且在一定程度上反映它们之间的相似性。多序列比对结果所提供的信息对于提高数据库搜索灵敏度也具有很大帮助。因此，方便实用的多序列比对数据库也就应运而生。   

目前，互联网上可用的多序列比对数据库已经不少。其中一些利用计算机程序将一次数据库按家族分类；另外一些则是通过手工或自动方法根据基因家族构建二次数据库。

例如，Pfam是将一次库通过自动比对来构建的数据库，它将大量具有结构相似性的序列归为一类，比如各种不同种类动物的转铁蛋白的基因序列具有一定的相似性，Pfam将这些序列归为一类命名为TRANSFERRIN，我们可以在Pfam查找TRANSFERRIN来得到原始序列比对信息，开头是一些注释信息，然后给出了比对序列的名字，再下是比对结果，以"//"开始，并以"//"结束。对于一个未知的蛋白质序列在该序列库中查询，该序列库会给出匹配的类及得分供你参考。

可以看看PRINTS数据库关于TRANSFERRIN的比对信息， PRINTS数据库在自动比对的基础上进行了手工编辑，查寻PRINTS数据库中关于TRANSFERRIN这一类的比对信息，结果可以用模体（motif）形式显示也可以用点击链接调用JAVA APPLET进行图形显示，下图是关于TRANSFERRIN序列比对的局部图形，可见PRINTS数据库中TRANSFERRIN一类由更多的序列比对形成。

 一般来说，对于具有较高相似性的一组序列之间的比对，自动比对方法是很有效的。一旦序列的亲缘关系变得较远，所得结果就不那么可信。若要得到比较可靠而又具有明确生物学意义的比对结果，比较有效的方法是对比对结果进行手工编辑和调整。这对于构建二次数据库是非常重要的信息。在选择现有的序列模式或序列模体公开数据库构建自己的数据库系统时，对这些现有数据库的可靠性必须采取谨慎的态度。

  蛋白质的结构与功能预测

 蛋白质结构与功能的研究已有相当长的历史，由于其复杂性，对其结构与功能的预测不论是方法论还是基础理论方面均较复杂。统计学方法曾被成功地应用于蛋白质二级结构预测中，如Chou和Fasman提出的经验参数法便是最突出的例子。该方法统计分析了各种氨基酸的二级结构分布特征，得出相应参数(Pа,Pβ和Pt)并用于预测。

下面简要介绍蛋白质结构与功能预测的生物信息学途径

无觅猜您也喜欢：
多序列比对及蛋白质功能及结构预测(5)	多序列比对及蛋白质功能及结构预测(4)	多序列比对及蛋白质功能及结构预测(1)	多序列比对及蛋白质功能及结构预测(2)	ClustalX做多序列比对分析图示
无觅

nr
All non-redundant GenBank CDS translations + RefSeq Proteins + PDB + SwissProt + PIR + PRF
所有非冗余的的GenBank CDS区的翻译序列 + 参考序列的蛋白 + PDB数据库 + SwissProt蛋白数据库 + PRF蛋白数据库

refseq
RefSeq protein sequences from NCBI's Reference Sequence Project.
所有NCBI的参考序列

swissprot
Last major release of the SWISS-PROT protein sequence database (no updates).
swissprot的蛋白数据库

pat
Proteins from the Patent division of GenPept.
专利的蛋白数据库

pdb
Sequences derived from the 3-dimensional structure from Brookhaven Protein Data Bank.
PDB数据库

month
All new or revised GenBank CDS translation+PDB+SwissProt+PIR+PRF released in the last 30 days.
一个月内新增加的蛋白序列

env_nr
Protein sequences from environmental samples.
来自environmental samples的蛋白序列

Nucleotide Sequence Databases核酸数据库
nr
All GenBank + RefSeq Nucleotides + EMBL + DDBJ + PDB sequences (excluding HTGS0,1,2, EST, GSS, STS, PAT, WGS). No longer "non-redundant".
所有GenBank的核酸序列 + 参考序列中的核酸序列+ EMBL +DDBJ +PDB核酸序列（但不包括HTG，EST，GSS等序列）

refseq_rna
RNA entries from NCBI's Reference Sequence project
NCBI参考序列中的核酸序列

refseq_genomic
Genomic entries from NCBI's Reference Sequence project
NCBI参考序列中的基因组序列

est
Database of GenBank + EMBL + DDBJ sequences from EST Divisions
来自GenBank + EMBL + DDBJ 的EST序列

est_human
Human subset of est.
人的EST序列

est_mouse
Mouse subset.
小鼠的EST序列

est_others
Non-Mouse, non-Human subset of est.、
除了人与小鼠之外的EST序列

gss
Genome Survey Sequence, includes single-pass genomic data, exon-trapped sequences, and Alu PCR sequences.

htgs
Unfinished High Throughput Genomic Sequences: phases 0, 1 and 2 (finished, phase 3 HTG sequences are in nr)
未发布的高通量的基因组测序

pat
Nucleotides from the Patent division of GenBank.
专利的核酸序列

pdb
Sequences derived from the 3-dimensional structure from Brookhaven Protein Data Bank
PDB核酸序列

month
All new or revised GenBank + EMBL + DDBJ + PDB sequences released in the last 30 days.
一个月内新增的核酸序列

dbsts
Database of GenBank+EMBL+DDBJ sequences from STS Divisions .
STS数据库

chromosome
A database with complete genomes and chromosomes from the NCBI Reference Sequence project..
NCBI参考序列计划中所有的完整基因组和染色体序列

wgs
A database for whole genome shotgun sequence entries.
基因组鸟枪法测序得到的序列

env_nt
Nucleotide sequences from environmental samples, including those from Sargasso Sea and Mine Drainage
projects.
来自environmental samples的核酸序列。

附：NCBI在线Blast的图文说明

无觅猜您也喜欢：
NCBI在线Blast的图文说明	NCBI工具:BLAST 2 Sequences的用法	本地blast下载	Notice: NCBI系统维护	Primer-BLAST：NCBI的引物设计和特异性检验工具
无觅

详细请看下图：

查看最新统计的链接：http://www.ncbi.nlm.nih.gov/sites/gquery?term=all%5Bfilter%5D

无觅猜您也喜欢：
NCBI:Entrez数据库及相互关系模型图	EMBL核酸序列数据库简介及数据统计图	RefSeq数据库最新版的统计数据	GenBank数据库1982-2008数据统计图	Entrez系统扩展组件更有利于检索
无觅