[醫(yī)學(xué)]生物信息學(xué)

《[醫(yī)學(xué)]生物信息學(xué)》由會員分享，可在線閱讀，更多相關(guān)《[醫(yī)學(xué)]生物信息學(xué)（10頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、生物信息學(xué) 生物信息學(xué)的概念 生物信息學(xué)是綜合運(yùn)用計(jì)算機(jī)科學(xué)、數(shù)學(xué)和生物學(xué)的各種工具，對生物信息進(jìn)行獲取、處理、存儲、分發(fā)、分析和解釋等處理的科學(xué)。其研究內(nèi)容包括了序列和結(jié)構(gòu)比對、蛋白質(zhì)結(jié)構(gòu)預(yù)測、基因識別、分子進(jìn)化分析、比較基因組學(xué)、序列重疊群、藥物設(shè)計(jì)、基因表達(dá)譜等方方面面?？梢园熏F(xiàn)階段生物信息學(xué)的基本特征概括為“分子生物學(xué)與信息技術(shù)的有機(jī)結(jié)合體”。生物信息學(xué)特最大特點(diǎn)就是信息搜索和處理的自動化、網(wǎng)絡(luò)化，任何一臺可以與互聯(lián)網(wǎng)對接的計(jì)算機(jī)都可以作為生物信息獲取和處理的用戶終端工具。 重要的生物信息學(xué)數(shù)據(jù)庫 生物信息學(xué)數(shù)據(jù)庫的結(jié)構(gòu) 廣義的生物信息學(xué)數(shù)據(jù)庫主要分為兩大類：基本數(shù)據(jù)庫和二級

2、數(shù)據(jù)庫?；緮?shù)據(jù)庫主要包括原始數(shù)據(jù)，例如DNA序列、蛋白質(zhì)序列和蛋白質(zhì)結(jié)構(gòu)等信息。二級數(shù)據(jù)庫則主要是對基本數(shù)據(jù)庫進(jìn)行分析、提煉加工后而形成，旨在使得基本數(shù)據(jù)庫更便于全世界研究人員（用戶）使用，例如，真核生物啟動子數(shù)據(jù)庫（eukaryoticPromoter database， EPD）和蛋白質(zhì)序列中的共同結(jié)構(gòu)和功能基序數(shù)據(jù)庫（PROSIT databas）等。 一個(gè)典型的數(shù)據(jù)庫記錄通常包括兩部分內(nèi)容：原始（序列）數(shù)據(jù)和對這些數(shù)據(jù)進(jìn)行的生物學(xué)意義的注釋。這些注釋和原始（序列）數(shù)據(jù)具有同等重要性。如何開發(fā)新的軟件對現(xiàn)有的人基因組數(shù)據(jù)和模式生物基因組數(shù)據(jù)進(jìn)行準(zhǔn)確高效地注釋已成為生物信息學(xué)研

3、究的重點(diǎn)之一。 數(shù)據(jù)庫的基本序列格式 由于EMBL和GenBank是最主要的核酸序列數(shù)據(jù)庫，所以EMBL數(shù)據(jù)格式GenBank數(shù)據(jù)格式被廣為采用。歐洲國家的許多數(shù)據(jù)庫如SWISS-PROT、 ENZYME、 TRANSFAC都采用與EMBL一致的格式，便于使用EBI所采用的序列檢索系統(tǒng)（SRS）。 眾所周知，生物信息數(shù)據(jù)庫的建立和應(yīng)用軟件的設(shè)計(jì)是為了處理各種序列數(shù)據(jù)，這就要求有一套標(biāo)準(zhǔn)的格式來輸入核酸和蛋白質(zhì)序列信息（數(shù)據(jù)）。EMBL和GenBank數(shù)據(jù)格式比較復(fù)雜，常用的序列格式有NBRF/PIR、FASTA和GDE 3種格式，尤其是FASTA格式的使用最廣泛。 基本的DNA數(shù)據(jù)庫

4、 一、GenBank 數(shù)據(jù)庫 GenBank是由美國國立衛(wèi)生研究院（NIH）的 NCBI維護(hù)的 DNA和 RNA序列數(shù)據(jù)庫（http://www.ncbi.nlm.nib.gov/Genbank/），是當(dāng)今世界上最權(quán)威最廣泛的核酸序列數(shù)據(jù)庫之一。GenBank數(shù)據(jù)庫每天更新。其中所收錄的序列包括基因組DNA序列、cDNA序列、EST序列、STS序列、載體序列、人工合成序列及HTG序列等。通過它不僅可以查詢所需要的序列，而且還可找到與之同源的基因組DNA序列、cDNA序列、EST序列、STS序列以及專利序列等。與GenBank鏈接的重要數(shù)據(jù)庫有PubMed、PDB以及種屬分類庫等。具體的查詢方

5、式可根據(jù)用戶的研究目的，通過NCBI的Entrez搜索引擎進(jìn)行（http://www.nbbi.nlm.nih.gov/Entrez），可查詢的內(nèi)容有系統(tǒng)分類、基因組、圖譜、蛋白質(zhì)結(jié)構(gòu)等信息；序列同源性檢索可用NCBI提供的BLAST工具（軟件）進(jìn)行；此外，Genbank中還有SNP、EST、STS、GSS、HTG和HTC等子庫供用戶檢索。每種搜索方式又可以通過關(guān)鍵詞、作者、GenBank接受號、種屬分 圖13.1 NCBI主頁 類等進(jìn)行查詢。需要注意的是使用Entrez可獲得比只在Genbank更多的數(shù)據(jù)（圖13.1）。研究者獲得的序列等數(shù)據(jù)也可通過NCBI的BankIt或Sequ

6、in軟件按照提示向數(shù)據(jù)庫提交。 二、EMBL數(shù)據(jù)庫 EMBL數(shù)據(jù)庫是歐洲分子生物學(xué)實(shí)驗(yàn)室（英國）的DNA和RNA序列數(shù)據(jù)庫，其顯著特征是為申請者提供一個(gè)通過網(wǎng)絡(luò)的個(gè)人基因組申請工具，使申請者與全世界重要相關(guān)網(wǎng)站和歐洲專利局?jǐn)?shù)據(jù)進(jìn)行對比，確定自己的發(fā)現(xiàn)是否為第一個(gè)。也可以提供科學(xué)文獻(xiàn)、序列比對等方面的查詢，該數(shù)據(jù)庫每日更新。 EMBL主頁（http://www.ebi.ac.uk/embl）界面主要包括acess、documentation、submission、Group Info、contact和News幾個(gè)項(xiàng)目供用戶選擇使用。 圖13.2 Acess 界面 三、DDBJ數(shù)據(jù)

7、庫 DDBJ數(shù)據(jù)庫是由日本國立遺傳學(xué)研究所遺傳信息中心維護(hù)的日本核酸數(shù)據(jù)庫（http://www.ddbj. nig.ac.jp）。首先反映日本基因組測序所產(chǎn)生的DNA數(shù)據(jù)，同時(shí)與GenBank、EMBL合作（圖13.3），交換數(shù)據(jù)，同步更新。該數(shù)據(jù)庫采用與GenBank一致的記錄格式。 圖13.3 DDBJ 主頁 四、BioSino數(shù)據(jù)庫 Biosino數(shù)據(jù)庫是我國自主開發(fā)的核酸序列公共數(shù)據(jù)庫（http://www.biosino.org/），由中國科學(xué)院上海生命科學(xué)研究院生物信息中心維護(hù)。該數(shù)據(jù)庫主要收集中國科研人員遞交的核酸序列，為用戶提供核酸序列數(shù)據(jù)存儲、序列檢索、序

8、列格式轉(zhuǎn)換、序列比較等服務(wù)，同時(shí)通過本數(shù)據(jù)庫可以對中國國內(nèi)各課題組遞交的核酸序列統(tǒng)計(jì)和比較，為了解國內(nèi)核酸序列情況提供依據(jù)，并可與GenBank、EMBL、DDBJ數(shù)據(jù)間進(jìn)行格式轉(zhuǎn)換。 基本蛋白質(zhì)數(shù)據(jù)庫 一、SWISS-PROT/TrEMBL數(shù)據(jù)庫 SWISS-PROT（http://www.expasy.ch/sprot/sprot-top.html）是含有詳細(xì)注釋內(nèi)容的蛋白質(zhì)序列數(shù)據(jù)庫，1987年由日內(nèi)瓦大學(xué)醫(yī)學(xué)生物化學(xué)系（Department of Medical Biochemistry of the University of Geneva）與EMBL（歐洲分子生物學(xué)實(shí)驗(yàn)室）共

9、同維護(hù)，現(xiàn)在由EMBL的分支機(jī)構(gòu)EBI進(jìn)行維護(hù)，為分子生物學(xué)研究人員提供有關(guān)蛋白質(zhì)氨基酸序列的最新信息。SWISS-PROT數(shù)據(jù)庫包含了EMBL核酸序列數(shù)據(jù)庫中被經(jīng)過仔細(xì)檢查和準(zhǔn)確注釋了的蛋白質(zhì)序列。一般地說，任何蛋白質(zhì)序列數(shù)據(jù)的搜尋和比較都應(yīng)從SWISS-PROT開始。 二、PIR數(shù)據(jù)庫 世界上最大最全的蛋白質(zhì)信息公共數(shù)據(jù)庫（圖13.4）。該數(shù)據(jù)庫包括的子庫有：PIRSF（蛋白質(zhì)家族分類系統(tǒng)）、PSD（蛋白序列的注解與分類）、ProClass（超家族和主題序列的非冗余數(shù)據(jù)）和PIR-NREF（非冗余的氨基酸序列）。其主要目的是為用戶提供按同源性和分類學(xué)組織的綜合性、非冗余數(shù)據(jù)庫。為達(dá)到“

10、全面、及時(shí)、非冗余性、高質(zhì)量注釋和全面的分類”的目標(biāo)，該數(shù)據(jù)庫每周更新，每年發(fā)行四版。 圖13.4 PIR主頁 PIR數(shù)據(jù)庫按照數(shù)據(jù)的性質(zhì)和注釋的層次分為四個(gè)不同的部分，即PIR1～PIR4：PIR1包括的序列已經(jīng)被分類和注釋; PIR2包含序列初步的信息，這些信息還沒有被完全檢驗(yàn)，可能含有一些重復(fù)的信息，即冗余序列; PIR3包含一些未被驗(yàn)證的條目; PIR4中的信息又分成四類：（1）人工合成序列的概念上的翻譯（conceptual translations）;（2）沒有轉(zhuǎn)錄或翻譯的序列的概念上的翻譯;（3）蛋白質(zhì)序列或基因工程序列的概念翻譯;（4）沒有基因編碼和沒有生成核糖體

11、的序列。 PIR數(shù)據(jù)庫網(wǎng)頁上提供了數(shù)據(jù)搜索和序列查找的程序，用戶通過PIR可以進(jìn)行的研究包括：（1）快速查詢、比較蛋白質(zhì)序列并對其進(jìn)行特征序列的模式匹配；（2）預(yù)測蛋白質(zhì)的功能位點(diǎn)，如磷酸化位點(diǎn)、糖基化位點(diǎn)、細(xì)胞吸附位點(diǎn)、與其他蛋白質(zhì)的共有序列等；（3）可進(jìn)行多種方式的序列比較，如對庫比較、兩兩比較和多序列比較等。用戶可通過關(guān)鍵詞、特征序列或序列接受號等進(jìn)行查詢。 蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫 蛋白質(zhì)數(shù)據(jù)庫（protein databank，PDB）是全球唯一的儲存、處理和發(fā)布蛋白質(zhì)和核酸大分子3-D結(jié)構(gòu)的數(shù)據(jù)庫（圖13.5）。主要由X射線晶體衍射和核磁共振（NMR）測得的生物大分子三維結(jié)構(gòu)所組成，

12、用戶可直接查詢、調(diào)用和觀察庫中所收錄的任何大分子三維結(jié)構(gòu)，其網(wǎng)址為（http://www.rcsb.org/pdb/）。該數(shù)據(jù)庫同時(shí)提供蛋白質(zhì)序列及其三維空間晶體學(xué)原子坐標(biāo)，其中受體-配體、抗原-抗體、底物-酶復(fù)合物等相互作用分子的共結(jié)晶圖譜是基于同源比較的分子設(shè)計(jì)所需的最佳模型，因此PDB數(shù)據(jù)庫為初步的蛋白質(zhì)合理設(shè)計(jì)提供了重要的知識來源。優(yōu)勢在于蛋白質(zhì)結(jié)構(gòu)預(yù)測和結(jié)構(gòu)同源性比較。它提供以下幾種服務(wù)：（1）查找目的蛋白質(zhì)的結(jié)構(gòu)；（2）進(jìn)行一級或高級結(jié)構(gòu)的簡單分析；（3）與其它的數(shù)據(jù)庫鏈接，從而可查詢蛋白質(zhì)的其它信息等。 圖13.5 PDB數(shù)據(jù)庫大分子結(jié)構(gòu)統(tǒng)計(jì) 搜索引擎-ExPASy

13、 ExPASy是蛋白質(zhì)分析專家系統(tǒng)（expert protein analysis system）的縮寫，ExPASy （http://www.expasy.ch/）是一個(gè)數(shù)據(jù)庫的集合，專注于蛋白質(zhì)分子和蛋白質(zhì)組學(xué)。 圖13.6 ExPASy 主頁 DNA序列分析應(yīng)用舉例 開放閱讀框（open reading frame，ORF）預(yù)測 ORF預(yù)測的規(guī)范步驟是執(zhí)行6個(gè)ORFs的翻譯，即DNA序列可以按六種框架閱讀和翻譯 （每條鏈三種，對應(yīng)三種不同的起始密碼子），從而識別6種可能的蛋白質(zhì)序列中最長的ORF。長的ORF往往不是偶然發(fā)生的，所以，任何ORF中存在300 bp或更長的未中

14、斷的編碼序列是判斷為一個(gè)基因的重要依據(jù)。 以pUC19序列為例說明在NCBI/ORF finder中進(jìn)行基因預(yù)測（圖13.8）。結(jié)果發(fā)現(xiàn)了14個(gè)可能的ORFs，但滿足“大于300 bp”條件的只有3個(gè)ORFs，經(jīng)與質(zhì)粒圖譜比對，第1個(gè)ORF是Ampr基因的編碼框，第2～3個(gè)是LacZ的a-肽編碼框，但方向正確的只有第三個(gè)ORF，其余ORFs小于300 bp，一般沒有對應(yīng)的蛋白質(zhì)，BLAST檢索證實(shí)第4～14個(gè)ORFs均無對應(yīng)的已知蛋白質(zhì)序列。 圖13.8 pUC19 序列的ORFs預(yù)測結(jié)果 DNA相似性分析——BLASTn 將Ampr基因的編碼區(qū)的核苷酸序列粘貼在BLASTn

15、的文本框中，將比對范圍限定在細(xì)菌（ bacteria[ORG]），點(diǎn)擊“BLAST！”按扭，再擊“FORMAT！”按扭，便出現(xiàn)BLAST的結(jié)果報(bào)告（圖13.9）。用戶可以點(diǎn)擊相應(yīng)的鏈接，進(jìn)一步了解對該序列的解釋及其編碼的蛋白質(zhì)的功能等。 圖13.9 BLAST 結(jié)果報(bào)告 DNA相似性分析——Alignment 圖13.11是用Clustal W對新分離的一株雙歧桿菌質(zhì)粒pBIF10的轉(zhuǎn)移起始位點(diǎn)（oriT）的序列與已知的大腸桿菌質(zhì)粒的oriT序列間的多序列比對結(jié)果。提示pBIF10的oriT與IncQ家族的oriT的結(jié)構(gòu)不一樣。 圖13.11 pBIF10可能的oriT與I

16、ncP、IncQ已知的oriT之間的比對結(jié)果 蛋白質(zhì)序列分析應(yīng)用舉例 蛋白質(zhì)相似性分析——BLASTp和alignment 與核酸序列對齊分析一樣，蛋白質(zhì)序列對齊分析的目的是通過將兩個(gè)或多個(gè)蛋白質(zhì)序列進(jìn)行對齊，并將其中相似的結(jié)構(gòu)區(qū)域突出顯示出來。通過比較未知序列與功能和結(jié)構(gòu)已知的序列之間的同源性來預(yù)測未知序列的功能。圖13.12是用CLUSTALW對pBIF10 Rep與其它5種細(xì)菌Rep蛋白121-180保守區(qū)氨基酸殘基的多序列比對結(jié)果。 1 2 3 4 5 6 圖13.12 pBIF10 Rep與其它5種細(xì)菌Rep蛋白121-180保守區(qū)氨基酸殘基的多序列

17、比對結(jié)果 3.pBIF10_rep；其余序列的Genbank編號為：1. CAA60390；2. CAA60389； 4. AAT09350； 5. AAL73041； 6. CAC38003。 蛋白質(zhì)二級結(jié)構(gòu)預(yù)測（包括螺旋、卷曲、疏水性、跨膜區(qū)、信號肽等基本元件的分析） 二級結(jié)構(gòu)預(yù)測的基本理論就是氨基酸對若級結(jié)構(gòu)的偏好性。即氨基酸似乎對特定的二級結(jié)構(gòu)狀態(tài)有偏好，例如，Glu對螺旋二級結(jié)構(gòu)有強(qiáng)烈偏好，Val有位于鏈中的強(qiáng)烈偏好，Gly和 Pro偏好位于回環(huán)中，一些疏水氨基酸（如Phe）對兩種二級結(jié)構(gòu)都有強(qiáng)烈的偏好，體現(xiàn)了它們構(gòu)造結(jié)構(gòu)核心的傾向。然而，沒有一種偏好是特別強(qiáng)烈的，所有的

18、氨基酸都常常能在每種二級結(jié)構(gòu)中被發(fā)現(xiàn)，這意味著二級結(jié)構(gòu)預(yù)測不能建立在個(gè)別殘基的基礎(chǔ)上，而要綜合考察任一殘基兩旁的幾個(gè)殘基的信息做出整體中的局部預(yù)測。 圖 13.13 pBIF10_Rep A二級結(jié)構(gòu)預(yù)測結(jié)果（SOPMA） 蛋白質(zhì)高級結(jié)構(gòu)預(yù)測（比較建模法） 比較建模的精確性通常以預(yù)測結(jié)構(gòu)和目標(biāo)序列真實(shí)結(jié)構(gòu)之間的a碳原子位置距離的均方差（RMSD）來衡量，低于1.0的RMSD值說明預(yù)測結(jié)果非常好。如果模板序列與目標(biāo)序列間的相似度超過70%，即使用全自動方法，預(yù)測模型精度RMSD低于2～３也是合理的。圖13.14是用NIG（http://spock.genes.nig.ac.jp/g

19、enome/gtop.html）提供的GTOP（genomes to protein structure and function）軟件對pBIF10的Rep蛋白通過比較建模法預(yù)測的3D結(jié)構(gòu)。 圖13.14 pBIF10的Rep蛋白的3D結(jié)構(gòu)預(yù)測 （b）RepA與DNA分子相互作用的ribbons模型（d）RepA與DNA相互作用的facefilled模型 蛋白質(zhì)組學(xué)研究中的數(shù)據(jù)分析 PMF的數(shù)據(jù)庫檢索 一、數(shù)據(jù)庫的選擇 在蛋白質(zhì)組學(xué)研究中，常用于檢索的數(shù)據(jù)庫有三種：OWL、NCBInr和DbEST。 二、用于PMF的軟件工具 現(xiàn)行的PMF軟件工具有三類： （1

20、）根據(jù)譜圖中m/z值與數(shù)據(jù)庫中給定誤差范圍內(nèi)m/z值相匹配的數(shù)目給出得分。這類軟件有PepSea()，PeptIdent/MultIdent (http://www.ch/tools/peptident.html)。 （2）使用的得分算法考慮到蛋白質(zhì)大小和肽片段長度對匹配幾率的影響。這類軟件有：MOWSE（http：//srs.hgmp.mrc.ac.uk/cgibn/mowse），MS-Fit（http://prospector.ucsf.edu）。 （3）更多使用基于概率的得分，提供得分的統(tǒng)計(jì)基礎(chǔ)，估計(jì)某些匹配可能反映隨機(jī)事件而不是真實(shí)特性的概率。這類軟件有：ProFound（http

21、://prowl.rockefeller.edu/cgi-bin/ProFound），Mascot（）。 圖13.15 Mascot的PMF搜索界面 三、分類 四、結(jié)果的報(bào)告格式 圖13.16 搜索的結(jié)果：Mascot給出的柱狀圖 從MS/MS數(shù)據(jù)鑒定蛋白質(zhì)的算法和工具 目前常用的是Sequest和Mascot。 表13.2 從MS/MS數(shù)據(jù)鑒定蛋白質(zhì)的常用軟件工具 軟件名稱 搜索與評分方法 網(wǎng)址 Sequest Cross-correlation Mascot MOWSE;probability

22、Sonar MS/MS vecyor algebra ; probability Guten Tag fragment ion tags http://www.filds.scripps.edu/GutenTag/index.html MS-tag fragment ion tags http://prospector.ucsf.edu Pep-Frag fragment ion tags http://prowl.rockefeller.edu/PROWL/pepfragch.html Pep-Sea peptide sequence tag http://www.narrador.emblheidelberg.de/GroupPages/Homepage.html 與花費(fèi)成百上千小時(shí)進(jìn)行從頭計(jì)算、再用BLAST檢索鑒定蛋白質(zhì)的de novo策略相比，無疑是一個(gè)很大的進(jìn)步。 圖13.17 Mascot的MS/MS搜索界面 從肽序列標(biāo)簽（peptide sequence tags，PSTs）策略鑒定蛋白質(zhì)的算法和工具 圖13.18 Mascot Sequence Query的搜索界面