幻灯片 1

Size: px

Start display at page:

Download "幻灯片 1"

稚纪
5 years ago
Views:

1 NCBI 使用简介林博生物信息部 b o. l i o e b i o t e c h. c o m

2 NCBI 简介 1988 年建立的美国国立生物技术信息中心 (NCBI) 美国国立卫生研究院 (NIH) 的国立医学图书馆 (NLM) 中的一个分支机构任务 : 发展新的信息学技术, 帮助对控制健康和疾病的基本分子和遗传过程的理解通过它的网站 ( 提供了大量的生物信息学研究工具和数据库

3 NCBI 主界面

4 数据库检索系统 Entrez Entrez 为基于万维网的 NCBI 数据库检索系统, 通过输入关键词, 运用布尔算符, 可在 NCBI 所有数据库中进行文本搜索

5 主要数据 GenBank OMIM UniGene Taxonomy PubMed SRA Books RefSeq GEO

世界三大核酸数据库 1. GenBank in USA ( http://www.ncbi.nlm.nih.gov ) 2. EMBL in Europe ( http://www.ebi.ac.uk/embl ) 3.

6 世界三大核酸数据库 1. GenBank in USA ( ) 2. EMBL in Europe ( ) 3. DDBJ in Japan ( ) 1998 年,GenBank, EMBL, DDBJ 共同成立国际核酸序列数据库协会 (INSDC, ), 实现了全球范围内的核酸序列的同步更新和交换互享

7 搜索一段序列

8 区分概念 Genome Assembly Nucleotide Gene?

9 Genome: 物种

10 Nucleotide/Assembly: 核苷酸 / 组装序列

11 Gene: 基因

12 fasta 生物信息的基本格式

13 fasta 生物信息的基本格式

14 序列比对生物信息的基本策略概念 : 通过比较两个或两个以上的核酸 ( 蛋白质 ) 序列, 显示其中相似的结构区域分类 : 成对序列比对 (pairwise sequence alignment) 多重序列比对 (multiple sequence alignment) 目的 : 揭示相似的三维结构功能进化起源 ; 序列比对是序列分析 ( 结构功能与进化关系 ) 的基础

15 相似性? 同源性? 相似性 (Similarity): 序列间相同碱基或氨基酸残基所占比例的高低, 是直观的数量关系, 是序列间匹配程度的直接测度同源性 (Homology): 核酸或蛋白质序列间具有共同起源, 是依据进化事实的因果判断同源性分类 : 1. 直系同源 (orthology): 经由物种分离事件形成的存在于不同物种中的结构及功能相似的序列 2. 旁系同源 (paralogy): 经由基因复制而演化形成在同一生物体的一系列结构及功能相似的序列

16 相似性? 同源性? 同源一定相似吗?

17 相似性? 同源性? 相似一定同源吗? 序列的相似与序列的同源之间无必然的因果关系 ( 相似并不一定同源 ), 但存在一定的相关性 ( 足够的相似性往往意味着同源关系的存在 )

18 如何比对? 穷举法 (naive/enumerate) 递归算法动态规划算法 Global-Alignment Local-Alignment

19 穷举法 naive 算法 : p 代表我们要比对的序列 t 代表我们要在哪个序列中比对把每个 p 可以开始的位置, 都做一次遍历对于 i, 从 0 到 t 的全长, 减去 p 的长度, 加上 1( 进行遍历 ) 即在 t 中所有 p 可以开始的位置, 而不会超过 t 的结尾判断 p 与 t 是否 match

20 穷举法 naive 算法优化 : 一组比较中, 一旦存在一个不匹配, 不再进行后续比对, 中断我们可能要经过的最多的比较的字符数是多少? ( y - x + 1 ) * x 最少可能比较的字符数是多少? y - x + 1 大多数的比对很快会发生错配, 一般情况下与最小可能的比较数更为接近, 而离最大的可能数很远

21 近似匹配 hamming 距离编辑距离测序序列不一定与基因组上原来位置的序列相匹配很多情况下, 我们要允许测序序列与参考基因组的序列之间有差异测序仪错误基因组不一致近似同源近似匹配中的差异包含错配和 gap 两种 hamming 距离 : 有两个长度相同的字符串 X 和 Y, 把一个字符串, 通过替换其中的字符, 将之转换成另一个字符串所需要做的最小的替代次数 ( 精确匹配实际上是 hamming 距离为 0 的近似匹配 ) 编辑距离 : 要将一个字符串转换为另一个字符串, 所要做的最少的编辑次数计算编辑距离是衡量序列匹配程度的重要方法

22 动态规划算法 GCGTATGC GC-TATAC 编辑距离为 2 使用递归算法耗时约 31 秒, 其中约 9000 次递归是重复的

23 动态规划算法 ε G C T A T A C ε G C G T A T G C

24 动态规划算法 ε G C T A T A C ε G C G T 4 A 5 T 6 G 7 C 8

25 动态规划算法 ε G C T A T A C ε G C G T <0.2 秒 A T G C

26 如何比对?

局部比对工具 :BLAST Basic Local Alignment Search Tool(BLAST) 基于 BLAST 算法 (Altschul et al, 1990) 的序列比对搜索工具, 由 NCBI 研发并维护, 因其快速可靠功能全面且使用方便而被广泛运用现行的 BLAST 算法为 BLAST2 程序待测序列数据库类型说明

27 局部比对工具 :BLAST Basic Local Alignment Search Tool(BLAST) 基于 BLAST 算法 (Altschul et al, 1990) 的序列比对搜索工具, 由 NCBI 研发并维护, 因其快速可靠功能全面且使用方便而被广泛运用现行的 BLAST 算法为 BLAST2 程序待测序列数据库类型说明 BlastN 核酸核酸在核酸库中比对核酸序列 BlastP 蛋白蛋白在蛋白库中比对蛋白序列 BlastX 核酸蛋白在蛋白库中比对核酸序列 ( 用 6 种 ORF 翻译 ) tblastn 蛋白核酸在核酸库 ( 用 6 种 ORF 翻译 ) 中比对蛋白序列 tblastx 核酸核酸在核酸库中比对核酸序列 ( 均用 6 种 ORF 翻译 )

28 在线 BLAST 主界面

29 blastn 界面

30 blastp 界面

31 blastp 结果

32 blastp 结果

33 blastp 结果

34 练习使用 blastn 工具比对 Cytb_gene.fas 上的一段序列

35 多序列比对林博研发部 b o. l i o e b i o t e c h. c o m

36 学习内容 1. 序列综合分析软件 MEGA 使用 2. local blast 比对注释微生物基因

37 了解 demo 数据 demo 数据 1: Cytb_gene.fas 人黑猩猩奶牛和狼的细胞色素 B 基因的 DNA 序列 demo 数据 2:hsp20.fas 编码人大小鼠奶牛的热激蛋白 hsp20 的 DNA 序列 demo 数据 3:Mycobacterium_protein.fasta 结核分枝杆菌全基因组上所有编码基因的氨基酸序列 demo 数据 4:query_protein.fasta 未知的氨基酸序列, 需要鉴定其身份

38 下载安装 MEGA 软件

39 启动 MEGA 功能按钮中, 点击 Align-->Edit/Build Alignment, 创建一个新的 DNA 比对界面

40 创建比对选择 Creat a new alignment 选择 DNA 比对模式

41 载入序列点击 Edit-->Insert Sequence form File, 在跳出的菜单中选择对应的 demo 文件

42 载入序列序列 ID: 比如 wolf,human 序列碱基 :ATCG, 分别对应四种颜色碱基匹配状态 : 特定位置如果碱基类型一致则碱基状态栏标注为 * 号, 否则为空

43 翻译序列注意密码子对应表! 点击碱基状态栏上的 "Translated Protein Sequences" 提示选择密码子表, 默认为标准密码子表但我们的 demo 数据采用的线粒体来源基因, 翻译规则与标准密码子表有所不同, 所以我们点击 No, 来重新选择对应的密码子表

44 翻译序列选择脊椎动物线粒体密码子表翻译完成点击 "DNA Sequences" 翻译回 DNA

45 比对序列点击 W 按钮, 使用 ClustalW 算法进行比对

46 比对序列选择默认参数进行比对

47 比对结果?

48 输出比对结果点击 Data-->Export Alignment, 选择输出为 MEGA 格式和 FASTA 格式 MEGA 格式的文件可以进一步进行核苷酸序列特征分析 FASTA 格式可以被 jalview 识别进行比对结果美化, 生成发表级别的序列比对结果文件

49 练习分别使用 Cytb_gene.fas 和 hsp20.fas 构建系统进化树

50 练习

51 local blast 比对为什么要用 local blast?

52 local blast 比对注释微生物基因任务描述 : 已知结核分支杆菌全基因组所有编码基因的 protein 序列, 现给定一组未知身份的 protein 序列, 想要研究给定序列与结核分支杆菌基因组中的哪些 protein 序列相同或相似? 解决方案 : 利用 local blast 软件的将未知序列逐一比对到结核分支杆菌全基因组所有 protein 序列, 根据比对结果即可解决任务

53 blast 软件下载与安装

54 命令行窗口基本操作为什么要用命令行 /DOS/linux?

55 命令行窗口基本操作

56 命令行窗口基本操作

57 命令行窗口基本操作

58 本地与在线 blast 流程比较

59 blast 帮助信息键入 blastp -h

60 第一个命令将已知序列创建成特定的序列数据库 makeblastdb -in Mycobacterium_protein.fasta -dbtype prot -out seqdatabase makeblastdb: 程序名, 作用就是将给定的氨基酸序列进行序列数据库创建 -in: 输入文件指定参数, 用以告诉程序给定的氨基酸序列是在哪个文件中 -dbtype: 序列数据库类型, 只能是 nucl 或 prot, 如果是氨基酸则是 prot -out: 指定生成的序列数据库前缀名, 可以自由给定

61 第二个命令第二个命令, 将未知身份信息的序列 ( 称为查询序列 ) 与上一步构建的序列数据库进行比对 blastp -query query_protein.fasta -db seqdatabase -out results1.txt blastp: 程序名, 执行氨基酸序列与氨基酸序列的比对 -query: 指定用哪一个文件包含的序列作为查询序列 -db: 指定查询序列与哪一个序列数据库进行比对 -out: 指定比对结果输出到哪一个文件, 程序会自动创建该文件

62 查看比对结果

63 添加更多参数改变输出结果格式为表格形式, 便于查看比较比对结果添加多线程参数, 充分利用多核电脑的优势, 加速比对过程, 尤其适合查询序列较多的情况 blastp -query query_protein.fasta -db seqdatabase -outfmt 6 -num_threads 2 - out results2.txt

64 表格输出结果展示 query target percent indentity Alignment length Number of mismatches Number of gap opens position of start in query position of end in query position of start in target position of end in target E-value Bit score

65 转录组服务专家

一步一步教你使用NCBI

一步一步教你使用NCBI 查找 DNA mrna cdna Protein promoter 引物设计 BLAST 序列比对等作者 :urbest 2007-8-1 苏州大学生命科学学院最近看到很多战友在论坛上询问如何查询基因序列如何进行引物设计如何使用 BLAST 进行序列比对, 这些问题在 NCBI