数据库的搜索课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《数据库的搜索课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据库 搜索 课件
- 资源描述:
-
1、NCBI数据库的搜索数据库的搜索BLAST工具的应用工具的应用NCBI生物序列的相似性p相似性相似性(similarity):p是指一种很直接的数量关系数量关系,比如部分相同或相似的百分比或其它一些合适的度量。比如说,A序列和B序列的相似性是80,或者4/5。这是个量化的关系。当然可进行自身局部比较。NCBI生物序列的同源性NCBIp序列的相似性和序列的同源性有一定的关系,一般来说序序列间的相似性越高的话,它们是同源序列的可能性就更列间的相似性越高的话,它们是同源序列的可能性就更高高,所以经常可以通过序列的相似性来推测序列是否同源。p正因为存在这样的关系,很多时候对序列的相似性和同源性就没有做
2、很明显的区分,造成经常等价混用两个名词。所以有出现A序列和B序列的同源性为80一说。相似性和同源性关系NCBI序列相似性比较和序列同源性分析p序列相似性比较:p就是将待研究序列与DNA或蛋白质序列库进行比较,用于确定该序列的生物属性,也就是找出与此序列相似的已知序列是什么。需要使用两两序列比较算法。常用的程序包有BLAST、FASTA等;p序列同源性分析:p是将待研究序列加入到一组与之同源,但来自不同物种的序列中进行多序列同时比较,以确定该序列与其它序列间的同源性大小。这是理论分析方法中最关键的一步。完成这一工作必须使用多序列比较算法。常用的程序包有CLUSTAL等;NCBIu 序列对位排列(
3、序列对位排列(sequence alignment)u 将两条或多条序列对位排列,突出相似的结构区域将两条或多条序列对位排列,突出相似的结构区域序列序列1序列序列2u 用核苷酸或蛋白质序列进行数据库检索用核苷酸或蛋白质序列进行数据库检索 (Sequence-based database searching)NCBI两条两条DNA序列对位序列对位排列排列分析分析NCBI两条蛋白质序列对位两条蛋白质序列对位排列排列分析分析NCBIv 分析功能分析功能v 分析物种进化分析物种进化v 检测突变、插入或缺失检测突变、插入或缺失v 序列延长序列延长v 序列定位序列定位v 基因表达谱分析基因表达谱分析用途用
4、途NCBIu 序列对位排列分析的种类序列对位排列分析的种类v 序列对库对位排列分析序列对库对位排列分析 从数据库中寻找同源序列从数据库中寻找同源序列 主要涉及核苷酸数据库和蛋白质数据库主要涉及核苷酸数据库和蛋白质数据库v 两序列对位排列分析两序列对位排列分析v 多序列对位排列分析多序列对位排列分析最流行的序列数据库快速搜索程序最流行的序列数据库快速搜索程序 BLASTFastANCBIBLASTNCBI何为何为BLAST?NCBI为何为何BLASTBLAST?NCBI何处BLASTNCBINCBINCBINCBINCBIBLAST的搜索策略NCBINCBINCBINCBINCBINCBINCB
5、INCBINCBINCBINCBINCBINCBINCBINCBINCBIBLAST的操作流程的操作流程How(1)Choose the sequence(query)(2)Select the BLAST program(3)Choose the database to search(4)Choose optional parametersThen click“BLAST”NCBINCBINCBINP_006735NCBINCBIStep 1:Choose your sequence三种主要的输入方式:v 剪切然后粘贴DNA或蛋白质序列v使用FASTA格式的序列v简单地使用索引号码(如一个R
6、efSeq或GenBank(GI)的序号)。Sequence can be input in FASTA format or as accession numberNCBIExample of the FASTA format for a BLAST query一个一个FASTA格式的序列以一个单行的说明开始,接下格式的序列以一个单行的说明开始,接下来是若干个行的序列数据。来是若干个行的序列数据。在一个在一个BLAST搜索中输入搜索中输入accession number通常要容易些。通常要容易些。BLAST程序可以识别和忽略出现在你的输入序列字母中间的程序可以识别和忽略出现在你的输入序列字母中
7、间的数字。数字。NCBIStep 2:Choose the BLAST programNCBIStep 2:Choose the BLAST programblastn(nucleotide BLAST)blastp(protein BLAST)tblastn(translated BLAST)blastx(translated BLAST)tblastx(translated BLAST)NCBINCBIStep 2:Choose the BLAST programblastn(nucleotide BLAST):将一个核酸的查询序列与一个核酸序列数据库相比较。blastp(protein
8、BLAST):将一个氨基酸的查询序列与一个蛋白质序列数据库相比较。这类搜索有专门与蛋白质搜索相关的可选参数,如对各种PAM和BLOSUM打分矩阵的选择。tblastn(translated BLAST):将一个蛋白质查询序列与一个以所有阅读框动态翻译成蛋白质的核酸序列数据库进行比较。可以用此程序来判断一个DNA数据库是否编码所感兴趣的查询蛋白。用RBP查询是否可以在某个已测序的DNA数据库中找到匹配项呢?NCBIStep 2:Choose the BLAST programblastx(translated BLAST):将一个核酸的查询序列按所有可能的阅读框翻译后的序列与一个蛋白质序列数据库
9、进行比较。如若有一个DNA序列,想知道它编码什么蛋白质,用此程序进行搜索。它会自动将DNA翻译成6种可能的蛋白质。然后此程序就会将翻译的6个蛋白质序列逐一与蛋白质序列数据库中的各个成员进行比较。tblastx(translated BLAST):将一个核酸查询序列的6种框架的翻译结果与一个核酸序列数据库的6种框架翻译产物进行比较。该程序不能使用BLAST网页上提供的主要的去冗余(nr)数据库,因这一操作很消耗计算机资源。NCBIChoose the BLAST programProgram Input Database 1blastnDNA DNA 1blastpprotein protein
10、 6blastxDNA protein 6tblastnprotein DNA 36tblastxDNA DNANCBIDNA potentially encodes six proteins5 CAT CAA 5 ATC AAC 5 TCA ACT 5 GTG GGT 5 TGG GTA 5 GGG TAG5 CATCAACTACAACTCCAAAGACACCCTTACACATCAACAAACCTACCCAC 33 GTAGTTGATGTTGAGGTTTCTGTGGGAATGTGTAGTTGTTTGGATGGGTG 5NCBIStep 3:choose the database BLAST搜
11、索可使用的数据库会列在每一个BLAST页面上,对于蛋白质数据库搜索(blastp和blastx),两个主要的选择即nr数据库和SwissProt。nr=non-redundant(most general database)dbest=database of expressed sequence tagsdbsts=database of sequence tag sitesgss=genomic survey sequenceshtgs=high throughput genomic sequenceNCBIStep 3:choose the database nr数据库是合并了若干个主要的
12、蛋白质或DNA数据库得到的。这些数据库中经常包含有相同的序列,但nr数据库只收录其中的一个序列(即使在nr数据库中出现看上去一样的序列,实际上还是具有一些细节上的区别)。nr数据库是在要搜索现有的绝大多数序列时典型和常用的数据库。NCBI去冗余GenBank编码序列PDB+SwissProt+PIR+PRFNCBINCBI当确定了要输入的序列和要搜索的数据库之后,还有10个其他的可选参数要确定。Limit by Entrez Query:任何NCBI BLAST 搜索的范围都可以用在Entrez搜索中使用的任何一种范围限定词来限定。Step 4a:选择可选的搜索参数选择可选的搜索参数Selec
13、t optional search parametersNCBIStep 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBIStep 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBI Max target sequences:比对之后显示的最大的比对序列的数目。Step 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBIStep 4a:选择可选的搜索参数选择可选的搜索参数Select option
14、al search parametersNCBI 期望expect:期望值E是得分大于或等于某个分值S的不同的比对的数目在随机的数据库搜索中发生的可能性。这个数值表示你仅仅因为随机性造成获得这一联配结果的可能次数。对于blastn、blastp、blastxt和blastn期望值的默认设置是10。在这个E值下,随机出现得分等于或高于比对得分S的期望数为10个(这里是假设用与实际的查询序列长度相等的随机的查询序列搜索数据库)。当将期望选项值调小时,返回的数据库搜索结果将变少,匹配被搜索到的概率也会变小。增大E值将返回更多的结果。Step 4a:选择可选的搜索参数选择可选的搜索参数Select o
15、ptional search parametersNCBIStep 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBIStep 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parameters 字段长度word size:BLAST程序是通过比对未知序列与数据库序列中的短序列来发现最佳匹配序列的。最初进行“扫描”(scanning)就是确定匹配片段。序列的匹配程序由短序列(定义为“word”,即字)的联配得分总和来决定。联配时,“字”的每个碱基均被计分:如果碱基对完全相同(如A与A),
16、得某一正值;如果碱基对不很匹配(W与A或T),则得某一略小的正值;如果两个碱基不匹配,则得一负值。总的合计得分便决定了序列间的相似程度。NCBINCBINCBIStep 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBI 矩阵matrix:对于blastp的蛋白质-蛋白质搜索有5种氨基酸替代矩阵:PAM30,PAM70,BLOSUM45,BLOSUM62(默认值)以及BLOSUM80.一些其他的BLAST服务器还提供了很多其他的替代矩阵,如PAM250。通常情况下明智的选择是在一次BLAST搜索中使用几种不同的打分矩阵。Step
17、 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBIPAM1矩阵:Dayhoff和同事利用可接受点突变的数据和每个氨基酸的发现频率产生突变概率矩阵M。矩阵元素Mij表示在一给定进化时期内氨基酸j(列)替换成氨基酸i(行)的概率。进化时期为一个PAM(PAM定义为进化趋异的单位,表示两个蛋白1%氨基酸发生变化的时间)。PAM1矩阵基于紧密相关蛋白质的比对,这些蛋白质家族内的序列一致程度至少有85%。除PAM1矩阵外的其他PAM矩阵是如何得来的?Dayhoff等用PAM1矩阵乘以自身数百次,得到其他PAM矩阵。如PAM250矩阵就是
18、PAM1矩阵乘以自身250次产生,是BLAST搜索数据库的常用矩阵之一。Step 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBIDayhoffs PAM1 mutation probability matrix原始氨基酸原始氨基酸Each element of the matrix shows the probability that an originalamino acid(top)will be replaced by another amino acid(side)替代氨基酸NCBIPAM250 mutation p
19、robability matrixTop:original amino acidSide:replacement amino acidNCBI PAM0矩阵:矩阵将成为单位矩阵,因没有氨基酸发生变化。PAM矩阵:PAM相当大(如PAM2000或矩阵和自己相乘无数次)。每种氨基酸等概率出现,每行的所有值都接近于一个数值,这个数值就是氨基酸的出现频率。Step 4a:选择可选的搜索参数选择可选的搜索参数Select optional search parametersNCBIDayhoffs PAM0 mutation probability matrix:the rules for extrem
20、ely slowly evolving proteinsPAM0AAlaRArgNAsnDAspCCysQGlnEGluGGlyA100%0%0%0%0%0%0%0%R0%100%0%0%0%0%0%0%N0%0%100%0%0%0%0%0%D0%0%0%100%0%0%0%0%C0%0%0%0%100%0%0%0%Q0%0%0%0%0%100%0%0%E0%0%0%0%0%0%100%0%G0%0%0%0%0%0%0%100%Top:original amino acidSide:replacement amino acidNCBIDayhoffs PAM2000 mutation prob
展开阅读全文