《关键词或词组为基础的数据库检索(I)课件.ppt》由会员分享，可在线阅读，更多相关《关键词或词组为基础的数据库检索(I)课件.ppt（41页珍藏版）》请在三一办公上搜索。
1、第三章 关键词或词组为基础的数据库检索(I),生物信息学,第三章 生物信息学,检索数据库的方法,用关键词或词组进行数据库检索(Text-based database searching),用核苷酸或蛋白质序列进行数据库检索(Sequence-based database searching),检索数据库的方法 用关键词或词组进行数据库检索 用核苷酸或,关键词或词组为基础的数据库检索,检索体系,Trends in Biotechnology 1998,16(supplement 1):3-5.,关键词或词组为基础的数据库检索关键词名词、描述性词、词组检索,检索须知（1）,连接词 AND,OR,N
2、OT（Boolean operators）,rice AND enzyme(AND为缺省值，可略去),rice AND enzyme NOT kinase,retrotransposon OR retroelement,注意事项：,1、AND,OR,NOT must be entered in UPPERCASE,2、Boolean operators are processed in a left-to-right sequence,rice AND(microarray OR expression profile),rice AND microarray OR expression pro
3、file,3、The order can be changed by enclosing individual concepts in parentheses(processed first),PubMed,27000 records,504 records,检索须知（1）连接词 AND,OR,NOT（Boo,用引号将两个单词组成一个词组,16S rRNA=16S AND rRNA“16S rRNA”,pseudopod*=pseudopod OR pseudopodia OR pseudopodium,检索须知（2）,Nucleotide,16S rRNA,“16S rRNA”,380000
4、 sequences,3300000 sequences,exact match,wild card,*,放在单词后使检索范围扩大，但专一性降低,表示范围,:,连接前后关键词，限定范围,110:500Sequence Length 2009/3/1:2009/9/30Publication Date,用引号将两个单词组成一个词组16S rRNA=16S A,1.Entrez,http:/www.ncbi.nlm.nih.gov/gquery/NCBI 的检索体系优点：三种检索体系中最容易操作的体系，帮助文档完备,Entrez Help,1.Entrezhttp:/www.ncbi.nlm.,E
5、ntrez可对6大类40个数据库进行检索,Nucleic Acids Research 2013,41:D8-D20,Entrez可对6大类40个数据库进行检索Nucleic A,Entrez可对6大类40个数据库进行检索,针对基因组已测序完成的物种,针对GenBank中具有大于7万条EST的物种,Prokaryotic,chloroplast,mitochondrial,virus,protist,plant,针对17个广泛研究的模式生物,Entrez可对6大类40个数据库进行检索针对基因组已测序完,Entrez系统中数据库之间的连接,NCBI主页选择“All Databases”或Entr
6、ez主页，输入关键词,各个数据库中检索到的信息数量,点击相应数据库查看信息目录，每一条信息与其它数据库的相关信息链接,检索方法（1）：跨库检索(cross-database search),Entrez系统中数据库之间的连接NCBI主页选择“All,检索方法（2）：选择数据库检索,NCBI主页选择数据库，输入关键词,检索到的信息目录，每一条信息与其它数据库的相关信息链接,查看信息内容,检索方法（2）：选择数据库检索NCBI主页选择数据库，输入关,序列数据库的搜索精简搜索结果,查询insulin基因的序列,不是想要的结果！如何精简？,序列数据库的搜索精简搜索结果查询insulin基因的序列,精简
7、搜索结果的方法1：使用Limits,精简搜索结果的方法1：使用Limits,查询人（human）的insulin基因的序列,关键词 查询范围:insulin title human organism,精简搜索结果的方法2：使用Advanced search,查询人（human）的insulin基因的序列关键词 查询,如何定义查询范围？,LOCUS DQ176424 1980 bp DNA linear PLN 12-MAR-2006DEFINITION Oryza sativa(indica cultivar-group)pathogen-induced defense-responsive
8、protein 8(DR8)gene,complete cds.ACCESSION DQ176424VERSION DQ176424.1 GI:73918052KEYWORDS HTG.SOURCE Oryza sativa Indica Group ORGANISM Oryza sativa Indica Group Eukaryota;Viridiplantae;Streptophyta;Embryophyta;Tracheophyta;Spermatophyta;Magnoliophyta;Liliopsida;Poales;Poaceae;BEP clade;Ehrhartoideae
9、;Oryzeae;Oryza.REFERENCE 1(bases 1 to 1980)AUTHORS Wang,G.,Ding,X.,Yuan,M.,Qiu,D.,Li,X.,Xu,C.and Wang,S.TITLE Dual function of rice OsDR8 gene in disease resistance and thiamine accumulation JOURNAL Plant Mol.Biol.60(3),437-449(2006)PUBMED 16514565,gbdiv_plnProperties,Title,Modification Date,1000:20
10、00Sequence Length,Accession,GI,任意搜索范围：Xa21All Fields,biomol_genomicProperties biomol_mrna:mRNAbiomol crna:cRNA,Publication Date：记录公开日期,Keyword:EST GSS HTG HTC TPA TSA,Organism,Author,Journal,注意：关键词和字段名（field）均不区分大小写,如何定义查询范围？LOCUS DQ176424,ORIGIN 1 ggtacattat atattctgtt tggaatatga tcaggcctag tgggaac
11、tgc tttaagttta 61 cttattcgag ctgagttagg acaacctggg gccctattag gggatgatca attatataat 121 gttattgtta cagcacacgc ttttgtaata atttttttct tagttatacc tataatgatc,FEATURES Location/Qualifiers source 1.646/organism=Dicathais orbita/organelle=mitochondrion/mol_type=mRNA/db_xref=taxon:69583/clone=20006E09/note=
12、mitochondrial and ribosomal sequences produced by suppressive subtractive hybridization CDS 646/gene=COXI/codon_start=1/transl_table=5/product=cytochrome oxidase subunit I/protein_id=ACT34372.1/db_xref=GI:253740054/translation=GTLYILFGMWSGLVGTALSLLIRAELGQPGALLGDDQLYNVIVT AHAFVMIFFLVMPMMIGGFGNWLVPLML
13、GAPDMAFPRLNNMSFWLLPPALLLLLSSAA,第四章讲述使用序列进行检索,Feature Key:promoter,mRNA,CDS,exon,intron,polyA_signal,COXIGene Name,gene_in_mitochondrionProperties,如何定义查询范围？,ORIGIN FEATURES,humanORGN AND 50SLEN:60SLEN AND 1999MDAT,精简搜索结果,Aim:Find all human nucleotide sequences with the poly(A)signal.,不同数据库的Search fie
14、lds不同，详见Limits/Advanced选项！,j mol evolJOUR AND drosophilaORGN,polyA_signal“FKEY AND humanORGN,Aim:Find all human protein sequences with lengths between 50 and 60 amino acids that were entered into the database during 1999.,Aim:Find Drosophila population studies published in the Journal of Molecular E
15、volution,Search Field Descriptions for Sequence Database,humanORGN AND 50SLEN:60SL,查询人insulin基因的RefSeq序列,精简搜索结果的方法3：直接输入搜索字段,自动将俗名转换为学名,查询人insulin基因的RefSeq序列精简搜索结果的方法,查询人insulin基因的RefSeq序列,精简搜索结果的方法4：组合多次搜索结果,查询人insulin基因的RefSeq序列精简搜索结果的方法,使用Clipboard临时收集多条序列,永久保存收集的序列需要注册，然后Send to Collections,使用Cl
16、ipboard临时收集多条序列永久保存收集的序列需要,第三章 关键词或词组为基础的数据库检索(II),生物信息学,第三章 生物信息学,文献数据库Pubmed的搜索,http:/www.ncbi.nlm.nih.gov/PubMed/,美国国家医学图书馆的数据库数据来源MEDLINE：已经规范处理的数据，已标注MeSH Terms，记录标有pubmed-indexed for medlineIn Process Citations：尚未经规范处理的数据，记录标有pubmed-in processPublisher-Supplied Citations：由出版商提供的电子文献，记录标有PubMed
17、-as supplied by Publisher搜索结果举例,文献数据库Pubmed的搜索 http:/,Pubmed自动将检索词翻译为MeSH词汇,使用MeSH词汇能获得更加全面、准确的结果,Pubmed自动将检索词翻译为MeSH词汇使用MeSH词汇能,精简PubMed搜索结果的方法：使用Advanced,PubMed数据库的搜索,1,2,huazhong agricultural universityAffiliation,精简PubMed搜索结果的方法：使用AdvancedPubM,PubMed数据库的字段：,Watson J author 1953 publication date
18、nature journal,Watson J AU 1953 DP nature TA,Search Field Descriptions and Tags for Pubmed,精简PubMed搜索结果的方法：组合多个搜索字段,PubMed数据库的字段：Affiliation AD,小技巧：通过添加“&report=imagesdocsum”能搜索图片http:/www.ncbi.nlm.nih.gov/pmc/?term=rice+root&report=imagesdocsum,PubMed Discovery Tools,小技巧：通过添加“&report=imagesdocsum”,
19、如果已知文献部分信息：,单篇文献匹配器（Single Citation Matcher）：http:/www.ncbi.nlm.nih.gov/pubmed/citmatch,多篇文献匹配器（Batch Citation Matcher）：http:/www.ncbi.nlm.nih.gov/pubmed/batchcitmatch,如果已知文献部分信息：单篇文献匹配器（Single Cita,如何自动获得最近更新的结果？,如何自动获得最近更新的结果？,Google学术搜索,http:/,Google学术搜索http:/scholar.googl,检索、管理和引用文献的工具,http:/,ht
20、tp:/,http:/,http:/,检索、管理和引用文献的工具 http:/www.endno,2.SRS(Sequence Reterieval System),http:/srs.ebi.ac.uk/HelpEuropean Bioinformatics Institute(EBI)的传统检索体系优点：检索面宽缺点：操作复杂,注意：目前EBI提供的SRS功能正在逐步废除，但世界上仍有很多镜像站点可以使用：德国http:/www.dkfz.de/srs/意大利http:/bioinfo.ceinge.unina.it/srs7131/EBI新版的检索体系：EBI search,2.SRS(
21、Sequence Reterieval S,17大类194个数据库与 SRS 体系相连,Literature,Bibliography and Reference databasesNucleotide sequence databasesUniprot Universal Protein ResourceOther protein sequence databasesDeprecated Protein DatabasesNucleotide related databasesProtein function databasesProtein structure databasesEnzym
22、es,reactions and metabolic pathway databases Mutation and SNP databasesGene ontology resourcesBiological Resources CataloguesMapping databasesOther databasesUser owned databasesApplication result databasesEMBOSS result databases,17大类194个数据库与 SRS 体系相连Literatur,检索方法（1）：快速检索(Quick search),操作简单，检索数据库有限适
23、用于目标明确的检索,在SRS主页选择检索类别，输入关键词,检索到的信息目录，每一条信息与其它数据库的相关信息链接,查看信息内容,检索方法（1）：快速检索(Quick search)操作简单,检索方法（2）：高级检索(advanced search),操作稍微复杂，可以检索所有数据库适用于范围广泛的检索,在SRS主页点击“Library Page”,在“Library Page”网页选择数据库，然后点击“Query Form”,在“Query Form”网页输入关键词检索,检索到的信息目录，每一条信息与其它数据库的相关信息链接,检索方法（2）：高级检索(advanced search)操,3.D
24、BGET(Integrated database retrieval system),http:/www.genome.jp/dbget/日本GenomeNet的检索体系优点：与 Kyoto Encyclopedia of Genes and Genomes(KEGG)database 相连 操作较SRS简单缺点：检索面较 SRS 窄DBGET与40多个数据库相连,DBGET检索体系中数据库之间的连接,3.DBGET(Integrated database,检索方法（1）：单库检索（basic search）,在DBGET主页选择一个数据库,输入关键词检索,查看检索到的信息目录,查看信息详细内
25、容,检索方法（1）：单库检索（basic search）在DBG,检索方法（2）：跨库检索（LinkDB）,在DBGET主页点击“LinkDB”,在查询网页选择数据库,输入关键词检索（数据库:编号）,结果,检索方法（2）：跨库检索（LinkDB）在DBGET主页点,检索时如果所得信息与预期不符，需仔细检查：,数据库不同的数据库包含不同的内容，检索前需弄清数据库所包含数据的内容和范围关键词关键词的拼写是否正确关键词的使用是否合乎主流 retrotransposonretro-transposon是否使用了过多的关键词，以至于检索范围太窄。通常先使用最主要的关键词搜索，如果结果过多再逐步缩小范围,
26、最后的提醒：,检索时如果所得信息与预期不符，需仔细检查：数据库最后的提醒：,生物信息学,第三章 关键词或词组为基础的数据库检索(上机操作),生物信息学第三章,4、自习资源,DBGET Search,4、自习资源DBGET Search,5、上机操作,1、查找与水稻抗病基因Xa21有关的资料:（1）有多少条序列具有全长CDS，分别由多少碱基构成？编码多少个氨基酸？（2）选择修改时间最早的一条序列，指出该基因exon和intron的位置。2、检索注册号在AF123456AF123478之间并且序列长度在1500到1800 bp之间的核苷酸数据，共有多少条？如何批量下载？3、查找线虫(Caenorh
27、abditis elegans)基因组的资料：（1）chromosome I的测序是否已完成？（2）已知的chromosome I的序列有多少碱基？序列发表在哪份杂志上？期号和页码？4、查看拟南芥(Arabidopsis thaliana)的系谱关系(lineage)。5、在PubMed中检索我校在2013年1月发表的科研论文。,5、上机操作1、查找与水稻抗病基因Xa21有关的资料:,5、上机操作（续）,6、2013年3月底，在上海和安徽两地率先发现了一种能感染人类的H7N9型禽流感病毒（Avian-Origin Influenza A）。中国科学家迅速分离了该病毒并进行了初步研究，首篇正式的
28、论文4月发表在医学领域权威期刊The New England Journal of Medicine。目前，NCBI GenBank中已收录该病毒分离自不同病人的多个毒株的序列，以下问题如提到“新H7N9”特指名为“A/Hangzhou/1/2013”的毒株。请根据该背景资料回答以下问题。请找出这篇文献，列出其在PubMed中的PMID号。该病毒属于H7N9亚型，其中的“H”代表血凝素（Hemagglutinin），“N”代表神经氨酸酶(Neuraminidase)，分别是病毒外膜上的两种蛋白。H是病毒吸咐于细胞表面的工具，N则是病毒复制完成后脱离细胞表面的工具。请在NCBI核酸数据库（Nucleotide）中找出该毒株编码这两种蛋白的基因的序列，列出Accession号并简要写明过程。列出该毒株在NCBI物种分类数据库（Taxonomy）中的ID号。NCBI蛋白质数据库（Protein）目前收录了多少条该毒株的蛋白质序列？,5、上机操作（续）6、2013年3月底，在上海和安徽两地率先,
