Chương II: Tìm kiếm dữ liệu sinh học

Người hướng dẫn: TS.VÕ VĂN TOÀN Người thực hiện: TRẦN THỊ PHƯƠNG ANH Lớp: Sinh học thực nghiệm khóa 15 1. CƠ SỞ DỮ LIỆU SINH HỌC CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học Cơ sở dữ liệu sinh học (CSDL) trong chương này chủ yếu đề cập đến các thông tin về trình tự Axit nucleic (ADN, ARN), trình tự axit amin của các phân tử Protein, thông tin về cấu trúc và giải phẫu của một số Genom, mô hình cấu trúc không gian của các đại phân tử. CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học 1.2. Cơ sở dữ liệu về các trình tự 1. CƠ SỞ DỮ LIỆU SINH HỌC Năm cơ sở dữ liệu trình tự chính trên mạng Internet cung cấp thông tin về trình tự Nucleotide và Protein: The EMBL Nucleotide Sequence Database The GenBank sequence database The DNA Data Bank of Japan (DDBJ) The Swiss-Prot Protein Information Resource (PIR)  1.2. Cơ sở dữ liệu về các trình tự Năm cơ sở dữ liệu trình tự chính trên mạng Internet cung cấp thông tin về trình tự nucleotide và protein: 1.2. Cơ sở dữ liệu về các trình tự EMBL Cơ sở dữ liệu trình tự nucleotide (còn được gọi là ngân hàng EMBL) cấu thành tài nguyên trình tự nucleotide chính của châu Âu. CSDL của EMBL/EBI Năm cơ sở dữ liệu trình tự chính trên mạng Internet cung cấp thông tin về trình tự nucleotide và protein: 1.2. Cơ sở dữ liệu về các trình tự a. EMBL Cơ sở dữ liệu trình tự nucleotide (còn được gọi là ngân hàng EMBL) cấu thành tài nguyên trình tự nucleotide chính của châu Âu. b. GenBank là một phần của chương trình hợp tác quốc tế về cơ sở dữ liệu trình tự nucleotide, bao gồm ngân hàng dữ liệu ADN của Nhật Bản (DDBJ), Phòng thí nghiệm Sinh học phân tử châu Âu (EMBL), và GenBank tại NCBI.  b. GenBank là một phần của chương trình hợp tác quốc tế về cơ sở dữ liệu trình tự nucleotide, bao gồm ngân hàng dữ liệu ADN của Nhật Bản (DDBJ), Phòng thí nghiệm Sinh học phân tử châu Âu (EMBL), và GenBank tại NCBI.  GenBank là một bộ sưu tập của tất cả các trình tự DNA được công khai. Trong GenBank các cá nhân, các nhà khoa học từ khắp nơi trên thế giới, cũng như từ các trung tâm lớn tham gia vào dự án nghiên cứu bộ gen con người. Số lượng các trình tự DNA được lưu trữ trong cơ sở dữ liệu GenBank, từ tất cả các sinh vật, gần đây đã đạt đến số lượng khổng lồ và tiếp tục phát triển với một tốc độ nhanh chóng. Năm cơ sở dữ liệu trình tự chính trên mạng Internet cung cấp thông tin về trình tự nucleotide và protein: 1.2. Cơ sở dữ liệu về các trình tự a. EMBL b. GenBank c. DDBJ Ngân hàng dữ liệu DNA của Nhật Bản là ngân hàng dữ liệu về các trình tự nucleotide duy nhất ở châu Á, đó là nơi chính thức thu thập trình tự nucleotide được tìm ra bởi các nhà nghiên cứu .Cơ sở dữ liệu này trao đổi các dữ liệu thu thập với Cơ sở dữ liệu EMBL  viện tin sinh học châu âu và GenBank / NCBI trên cơ sở hàng ngày, ba cơ sở dữ liệu chia sẻ dữ liệu hầu như tất cả dữ liệu tại bất kỳ thời gian nào.  CSDL của DDBJ Năm cơ sở dữ liệu trình tự chính trên mạng Internet cung cấp thông tin về trình tự nucleotide và protein: 1.2. Cơ sở dữ liệu về các trình tự a. EMBL b. GenBank c. DDBJ d. Swiss-Prot là một cơ sở dữ liệu protein. Cơ sở dữ liệu này cố gắng để cung cấp những thông tin ở mức độ cao bao gồm: các mô tả về chức năng của các protein và cấu trúc của nó, sự cải biến sau phiên mã, các dạng biến đổi và những thông tin khác. Năm cơ sở dữ liệu trình tự chính trên mạng Internet cung cấp thông tin về trình tự nucleotide và protein: 1.2. Cơ sở dữ liệu về các trình tự a. EMBL b. GenBank c. DDBJ d. Swiss-Prot e. The Protein Information Resource (PIR) được tích hợp tài nguyên sinh học công cộng để hỗ trợ nghiên cứu di truyền, protein và nghiên cứu khoa học. Hiện nay, PIR cung cấp các nguồn lực hàng đầu thế giới để hỗ trợ các dữ liệu protein và di truyền.  CSDL của PIR CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học 1.2. Cơ sở dữ liệu về các trình tự Trong thập niên 70, các phương pháp cô lập trình tự ADN đã được thành lập và ý tưởng về lập bản đồ toàn bộ bộ gen được hình thành. Một số loài sinh vật (virút, E.coli, nấm men, ruồi giấm) đã nhanh chóng được nghiên cứu. Một danh sách cập nhật của tất cả các trình tự bộ gen hoàn toàn có sẵn tại Thông tin về bộ gen của một số loài (con người, cây Arabidopsis, Saccharomyces cerevisiae) được cung cấp bởi MIPS ( ) The Munich Information Center Protein Sequences. 1. CƠ SỞ DỮ LIỆU SINH HỌC CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học 1.2. Cơ sở dữ liệu về các trình tự NCBI thành lập vào ngày 04 Tháng Mười Một 1988, như một bộ phận của Thư viện Y khoa Quốc gia (NLM ) tại Viện Y tế Quốc gia (NIH). NLM đã được lựa chọn do kinh nghiệm của họ trong việc tạo ra và duy trì cơ sở dữ liệu y sinh học. NIH là cơ sở nghiên cứu y sinh học lớn nhất trên thế giới. 1. CƠ SỞ DỮ LIỆU SINH HỌC CSDL của NCBI CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học 1.2. Cơ sở dữ liệu về các trình tự 1. CƠ SỞ DỮ LIỆU SINH HỌC CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học 1.2. Cơ sở dữ liệu về các trình tự 1. CƠ SỞ DỮ LIỆU SINH HỌC Trình tự Protein : UniProt (Universal Resource Protein) CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1.1. Khái quát chung về cơ sở dữ liệu sinh học 1.2. Cơ sở dữ liệu về các trình tự 1. CƠ SỞ DỮ LIỆU SINH HỌC Protein cấu trúc: Ngân hàng dữ liệu protein (PDB) PDB là kho lưu trữ duy nhất trên toàn thế giới, thông tin về các cấu trúc 3D của các phân tử sinh học lớn, bao gồm cả protein và axit nucleic. Đây là những phân tử của sự sống được tìm thấy trong tất cả các sinh vật bao gồm vi khuẩn, nấm men, thực vật, ruồi, động vật khác, và con người. Hiểu biết về hình dạng của một phân tử giúp chúng ta hiểu nó hoạt động như thế nào. Kiến thức này có thể được sử dụng để giúp suy ra vai trò của một cấu trúc trong sức khỏe con người và bệnh tật, và trong thuốc phát triển. PDB miễn phí cho người sử dụng. Các kho lưu trữ PDB được cập nhật thứ tư mỗi tuần. Các cơ sở dữ liệu có thể được tìm kiếm có hệ thống, bởi các từ khoá, hoặc bằng trình tự giống nhau. 1.3. Cơ sở dữ liệu về các tác phẩm và sáng chế Các trình duyệt Entrez cũng cung cấp khả năng tìm kiếm MEDLINE (cơ sở dữ liệu về y học) ( một cơ sở dữ liệu về ấn phẩm sinh học và y tế có thể được truy cập tại Thư viện Y khoa Quốc gia. Trích dẫn bao gồm cả thông tin về trình tự protein hoặc nucleotide được liên kết với các cơ sở dữ liệu tương ứng và các trích dẫn khác có liên quan. Cơ sở này cho phép tìm thấy một số lượng lớn các trích dẫn mà bạn quan tâm một khi bạn đã tìm thấy một vài trích dẫn có liên quan, và làm tăng khả năng tìm kiếm của bạn lên đáng kể. Một trình tìm kiếm các bằng sáng chế của Mỹ đang được cung cấp bởi US Patent và Trademark Office ( The Bioinformatic Links Directory ( là một nguồn tài nguyên cộng đồng trực tuyến có chứa các công cụ, cơ sở dữ liệu, tài nguyên cho tin sinh học và nghiên cứu sinh học phân tử. 2. CÁC CÔNG CỤ TÌM KIẾM, PHÂN TÍCH CÁC CSDL 2.1. Công cụ của EMBL/EBI a/ Similarity & Homology: Công cụ phân tích mức độ giống nhau và tương đồng giữa các trình tự. Các công cụ như: Fasta, Blast, MPsrch và Scanps. Dạng tìm kiếm và kết quả trả về qua email cũng được phát triển. Hai chương trình có thể được sử dụng để tìm kiếm, so sánh mức độ giống nhau và mức độ tương đồng suy diễn là BLAST or Fasta. Công cụ tìm kiếm DNA và Protein chung Các công cụ tìm kiếm chuyên biệt cho DNA b/ Protein Functional Analysis: Phân tích chức năng của protein c/ Proteomic ServicesBao gồm các phương thức truy cập vào các dịch vụ proteomic do EBI cung cấp. d/ Sequence Analysis: Phân tích trình tự Sử dụng rất nhiều phương pháp tin sinh học để xác định chức năng sinh học, cấu trúc của các gen và protein mà chúng mã hóa. Các công cụ như Transeq có thể giúp xác định các vùng mã hóa protein của một trình tự DNA. ClustalW được sử dụng để so sánh trình tự DNA hoặc protein để làm sáng tỏ mối quan hệ cũng như nguồn gốc tiến hóa của chúng. e/ Phân tích cấu trúc (Structural Analysis): Một trong những công cụ đó là DALI. và MSDfold. Công cụ của MSDfold hoặc DALI cho phép xác định cấu trúc protein cần nghiên cứu và so sánh nó với các cấu trúc trong PDB (Protein Data Bank). 2.2. Công cụ của NCBI a/ Các công cụ phân tích trình tự Cluster of Orthologous Groups (COGs): Một hệ thống của các họ gen từ các genom hoàn chỉnh. Gene Expression Omnibus (GEO): Kho dữ liệu gen biểu hiện và các nguồn trực tuyến cho việc thu nhận các dữ liệu gen biểu hiện. HomoloGene: So sánh các trình tự nucleotide giữa các cặp sinh vật để xác định các gen ở các loài khác nhau được tiến hóa từ một gen tổ tiên chung do quá trình phân loài và chúng thường vẫn giữ được nguyên chức năng trong quá trình tiến hóa. Tìm khung đọc mở (ORF Finder): Một công cụ phân tích hiện thị dưới dạng đồ hoạ cho phép tìm các khung đọc mở của một đoạn trình tự hoặc một trình tự có trong CSDL. b/ Tìm kiếm trình tự giống nhau (Sequence Similarity Searching) c/ Hệ thống đơn vị phân loại (Taxonomy) d/ Đăng ký trình tự (Sequence Submission) Sequin: Một công cụ đăng ký trình tự bao gồm cả ORF finder, một công cụ để sửa chữa và xem trình tự. e/ Tìm kiếm các thuật ngữ (Text Term Searching) Entrez: Truy cập vào các dữ liệu trình tự protein và DNA từ hơn 100000 sinh vật cùng với các cấu trúc protein 3D, các thông tin và bản đồ gen và PubMed MEDLINE. . f/ Các công cụ cho thể hiện cấu trúc 3D và các kết quả tìm kiếm trình tự giống nhau (Tools for 3d structure display and similarity searching) g/ CSDL bản đồ (MAPS) Truy cập tới các dạng bản đồ vật lý và di truyền khác nhau CHƯƠNG II. TÌM KIẾM DỮ LIỆU SINH HỌC 1. CƠ SỞ DỮ LIỆU SINH HỌC 2. CÁC CÔNG CỤ TÌM KIẾM, PHÂN TÍCH CÁC CSDL 3. THỰC HÀNH TÌM KIẾM CÁC DLSH Nguyên tắc: