第2章之数据库查询与搜索

44 Databases
Database selection
Retrieval keywords input
26Baidu Nhomakorabea
查询要点之二：检索词的书写规则
① 逻辑运算符的运用（Application of logical operator）： AND（与），NOT(非），OR(或） 注： AND可省略； 多个关键词可以用逻辑运算符连接。
D
N
G or A or T
G or A or T or C
not-C
Any 59
氨基酸字母表
60
一、基本概念
相似性（Similarity）：是指序列比对过程中用来描述 查询序列与目标序列之间相同DNA碱基或氨基酸残基序列 所占比例的高低。是一个可定量指标。
三层含义：序列相似，氨基酸残基特性相似，结构相似
62
序列比对(Alignment)
1）序列对数据库的比对
三 种 基 本 类 型
2）双序列比对(pairwise alignment):比较两条序
列，判断其相似程度的过程 3）多重序列比对(multiple alignment):同时比较 多条序列，判断其相似程度的过程
序列比对的基本思想，是找出检测序列和目标序列的相似性。
第二章 数据库及其查询 与搜索
目 录
§2.1 §2.2 §2.3 §2.4 §2.5 §2.6 引言 一次数据库 二次数据库 数据库查询 数据库搜索 向数据库提交序列
2
§2.4 数据库查询 Database retrieve
3
一、数据库查询与数据库搜索的基本概念 数据库查询（retrieve)：也称数据库检索，是指对 序列、结构以及各种二次数据库中的注释信息进行 关键词的匹配查找。
注意文献 的注录格式！
8
利用好两个外文搜索引掣
Google: http://www.google.com/ Yahoo: http://search.yahoo.com/
9
10
2）扬大图书馆也有多个外文献数据库 Foreign bibliographic database （WOS、Elsevier Science、Cell Press、Springer-link、Medline等）
Mueller, L.N., Brusniak, M.Y., Mani, D.R., Aebersold, R. Anassessment of software solutions for the analysis of mass spectrometrybased quantitative proteomics data. J. Proteome Res.2008, 7: 51-61.
1)免费申请一个my NCBI 2)将查询结果保存至my NCBI
3）每一次查询结果都有一个文件名
42
查询结果
保存结果
43
44
45
查询要点之七：批处理查询
将获得的一系列不相关的序列的接受号或GI号存入 一个文本文件，然后上传给Entrez批处理系统，即可 查询获得查询结果。
46
47
文本文件中序列 号排列形式
同源性（Homology）：指从一些数据中推断出的两个基 因或蛋白质序列具有共同祖先的结论，属于质的判断。
二者区别与联系
1 用相似性来判断同源性，但具有相似性不一定具有同源性。
2 相似性高的序列不一定是同源性序列，判断同源性还需要实验证实。
61
局部相似性：是指序列比对过程中仅考虑部分序列区域 的相似性。
Display:显示窗口
Send to：将查询结果保存至其它文件或Clipboard
36
Display主要显示方式
37
每页显示记录数目
38
Send to 选项可以将查询结果存为其它文件格 式或暂时放在剪贴板上。
39
40
查询要点之五：全库查询
2012.10.12 2008.3.5
41
查询要点之六：保存查询结果在my NCBI
50
（1） 快速查询（Quick Search）[默认状态]
51
（2） 标准查询（Standard Search）[选择Library Page以后可进行]
52
AND（＆）；OR（|）；NOT（！）
53
（3） 扩展查询（Standard Search）
54
（4）全库检索后，利用Refine在初次检索结果中 进行二次查询。
数据库搜索(search)：是指通过特定的序列相似性
比对算法，找出核酸或蛋白质序列数据库中与检测 序列具有一定程度相似性的序列。也称为数据库比
对。
4
区别：1 手段不同
查询手段：主要是通过关键词或词组 (Text-based database searching)
搜索手段：主要是通过序列
(Sequence-based database searching)
27
② 相邻或短语检索（adjacency searching and phase searching)：
如检索词： 16S RNA
1）默认状态下检索结果同16S AND RNA
2)若作为一个短语检索，则应加双引号“16S RNA ”
28
③ 检索入口设定：利用[ ] 对检索词进行限定，缩小检索范围
11
WOS
12
Elsevier
13
Cell Press
IF：31.152
14
3）利用NCBI网站中的PubMed和PMC查找文献
15
查询有关德国科学家在结核杆菌（Mycobacterium Tuberculosis）方面于2008年发表的文章。 利用Advanced search 中的Affiliation限定Germany
A or C
G or T G or C A or T A or C or T G or T or C G or C or A
Amino
Keto Strong interaction (3 H bonds) Weak interaction (2 H bonds) Not-G not-A not-T(not-U)
蛋白质功能位点往往由较短的序列片段组成，这些序列 往往具有较高的保守性。局部比对比整体比对具有更高 的灵敏度，其结果也更具生物学意义。
全局相似性：是指序列比对过程中从全长序列出发考虑 序列整体的相似性。
整体比对适用于相似度较高且长度相近的序列。实 际应用中整体比对获得的结果往往不能反映实际的 生物学意义。
68
2、空位罚分体系(gap costs)
目的：空位的引入是为了补偿插入和缺失突变对 序列相似性的影响，但不能太多。 缺点：空位罚分体系目前尚缺乏理论依据（theoretical basis ），而更多地带有主观色彩（subjective ）。
20
NCBI主页
21
1、Entrez查询系统
1） 简介
Entrez查询系统: 是美国国家生物信息中心（NCBI) 开发管理的、国际上最为著名的生物信息数据库查询 系统。该系统通过“交叉引用”（crossreferences)的方法将各类信息包括DNA序列、蛋白
质序列、蛋白质结构信息（如结构域和三维结构）、
48
2、SRS查询系统
1） 简介 SRS，是Sequence Retrieval System的缩写。
由欧洲分子生物信息学实验室开发管理，是目前欧洲 各国主要生物信息中心必备的数据库查询系统。
http://srs.ebi.ac.uk/
特点：
• 是一个开放的数据库查询系统，即不同的SRS查询系统可 根据需要安装不同的数据库。
基因组和基因图谱及著名的PubMed文献信息等有机 地整合在一起。
网址：http://www.ncbi.nlm.nih.gov/Entrez/
22
Entrez主页
23
Entrez特点 Entrez既可以进行全数据库查询，又可从单一数据库开 始，然后再从所得查询结果中获得相关的其它数据库的 链接，这种方式称为交叉引用。
2 目的不同
查询目的：获得感兴趣的序列或结构基本信息。
搜索目的：从获得的数据库序列推测未知序列的信息与功能
5
二、文献检索方法
1 中文文献(Chinese bibliographic database)
主要三个中文献数据库（清华同方、重庆维普、万方）
6
7
2 外文文献
1)如何快速找到具体的一篇文献？
16
17
4)在Highwire 文献数据库中查询文献
18
19
三、数据库查询(database retrieval )
如何获得感兴趣的基因或蛋白的已知信息？
1）Entrez (NCBI,GenBank)
查询系统
2）Sequence Retrieval System (SRS)-----EMBL 3）Integrated database retrieval system (DBGET)-----DDBJ
55
3、DBGET检索工具
DBGET是日本京都大学化学研究所开发的。 http://www.genome.ad.jp/dbget/
56
§2.5 数据库搜索 （Database search)
57
在分子生物学研究中，对于新测定的核酸序 列或氨基酸序列，如何获得其基本信息？其功能 如何？
要解决这些问题最简单的方法就是和其它已知序列进行 比较，根据其相似性推断其功能和基本特性。这种方法 在生物信息学中称为序列比对（Sequence Alignment）。
格式：XXX [限定词] Entrez系统所用的部分限定字段及相应的GenBank参数说明
29
举例： human[orgn] AND 50:60[slen] AND 2004[MDAT]
30
31
④ 检索范围限定
检索范围的上限与下限用冒号‘：’分开，
格式：XX ：YY［限定词］ 如3000：4000[SLEN]，表示序列长度在3000到4000之间。
数据库之间联系的类型有两种：相近性和硬连接
相近性，又称为“邻域”，它联系着一个数据库之内的记 录。 它又分为：序列相近性，结构相近性和文献相近性。
24
硬连接：
硬连接用于联系不同数据库中的条目，只要这些条目 之间存在逻辑联系，就存在硬连接。 作者 文章 基因或蛋 白数据库 结构数据库
25
2） 查询策略(retrieval strategy) 查询要点之一(First)：两个基本检索窗口(two basic retrieval windows) 下拉菜单窗口：选择查询子库 关键词输入窗口：用于输入查询关键词或词组
63
序列比对目的：
相似序列 相似的结构，相似的功能 判别序列之间的同源性
推测序列之间的进化关系
64
二、序列比对的得分系统(Scoring Parameters ) 1、打分矩阵（Weight Matrices）
（1）核酸打分矩阵
等价矩阵表 BLAST矩阵
65
（2）氨基酸打分矩阵
1 等价矩阵 2 氨基酸突变代价矩阵GCM 3 疏水矩阵 4 PAM矩阵（Point Accepted Mutation） 5 BLOSUM矩阵（模块氨基酸替换矩阵） （Blocks Amino Acid Substitution Matrices）
•与Entrez差不多，既可查询序列数据库，也可以检索 Medline文献数据库
49
2） SRS系统使用方法 三种查询方法：Quick search, standard query form, extended query form
选择查询数据库
选择查询方式
点击Search
获得查询结果
SRS数据库检索基本路线
寻找相似序列有哪些方法呢？ Blast搜索工具，FastA工具，Vast相似结构搜索工具
58
遗传密码表
符号
G A T C R Y
含义
G A T C G or A T or C
说 明
Guanine Adenine Thymine Cytosine Purine Pyrimidine
M
K S W H B V
66
PAM矩阵--基于进化的点突变模型 这类矩阵基于进化原理的证据： 编码相同蛋白质的基因随着进化发生分歧，相似度降低。
•特点：
1）科学 2）应用广泛
应用：
实践中应用最多 且比较折中的矩 阵是PAM250
67
BLOSUM 62（模块氨基酸替换矩阵）
模块是从500多个蛋白质家族的数据库Prosite提炼出来的
32
⑤ 使用作者检索
格式：last name firstname［限定词］
如Johnson D[AUTH]
33
⑥ 模糊检索
就是用不完整的字词加“*”进行检索 格式：XX*[限定词] 如：bac*[orgn]
34
查询要点之三：利用子库之间的交叉引用进行信息查询
35
查询要点之四：巧用Display+Send to 结果显示选项