第3章生物信息学资源与数据挖掘工具 本章提要：介绍了生物信息学资源的发展趋势。 详细介绍了包括基因组数据库、蛋白质序列数据库 、蛋白质二级、三级数据库、蛋白质结构分类数据 库、核酸和蛋白质结构数据库等各类生物信息学资 源的、基本格式、检索方式等。介绍了“整合生物 数 主要内容信息学”的基本概念，较详细地介绍了 理 生 BLAST软件的内容及使用方法，并学习了几种通用 的序列查询软件和对各级序列数据库进行综合查询 的基本思路。 院 2025/5/27 BIOINFORMATICS
第3章生物信息学资源与数据挖掘工具 2025/5/27 BIOINFORMATICS 1 数 理 与 生 物 工 程 学 院 本章提要：介绍了生物信息学资源的发展趋势。 详细介绍了包括基因组数据库、蛋白质序列数据库 、蛋白质二级、三级数据库、蛋白质结构分类数据 库、核酸和蛋白质结构数据库等各类生物信息学资 源的、基本格式、检索方式等。介绍了“整合生物 主要内容信息学”的基本概念，较详细地介绍了 BLAST软件的内容及使用方法，并学习了几种通用 的序列查询软件和对各级序列数据库进行综合查询 的基本思路
§3.1引言 近20年来，有关分子生物学的诸如人类基因 组计划、其它模式生物基因组计划大规模合作研 究项目已在世界范围内开展起来。这些跨单位、 跨地区甚至跨国的科研协作均需在保证实验数据 可靠性和完整性的前提下，及时实现信息资源共 数 享。因此，计算机数据管理技术在这一领域中得 理 以广泛应用。各种分子生物学数据库业已建立并 物 仍在不断发展之中，它们也已成为相关研究中的 主要数据来源和数据交换手段。 院 2025/5/27 BIOINFORMATICS
2025/5/27 BIOINFORMATICS 数 理 与 生 物 工 程 学 院 2 §3.1 引言 近20年来，有关分子生物学的诸如人类基因 组计划、其它模式生物基因组计划大规模合作研 究项目已在世界范围内开展起来。这些跨单位、 跨地区甚至跨国的科研协作均需在保证实验数据 可靠性和完整性的前提下，及时实现信息资源共 享。因此，计算机数据管理技术在这一领域中得 以广泛应用。各种分子生物学数据库业已建立并 仍在不断发展之中，它们也已成为相关研究中的 主要数据来源和数据交换手段
现阶段已建立的分子数据库种类繁多，内容 广泛。例如，“Nucleic Acids Research”杂志每 年一月出版分子数据库专集，“Bioinformatics” 杂志（原名Computer Applications in the BioSciences,CABIOS)几乎每期均刊登分子数据 数 库及相关软件的论文。这些数据库中收录的信息 与生 大致包括： 工 程 院 2025/5/27 BIOINFORMATICS 6 3
2025/5/27 BIOINFORMATICS 数 理 与 生 物 工 程 学 院 3 现阶段已建立的分子数据库种类繁多，内容 广泛。例如， “Nucleic Acids Research”杂志每 年一月出版分子数据库专集， “Bioinformatics” 杂 志 ( 原 名 Computer Applications in the BioSciences，CABIOS)几乎每期均刊登分子数据 库及相关软件的论文。这些数据库中收录的信息 大致包括：
基因与基因组序列 蛋白质编码序列 质谱与蛋白质组资料 大分子结构 大分子特殊活性及其他特性 小分子及结晶分析等几方面的数据以及参考文献等 数理与生 还有不少专门管理分子数据库的数据库或索网站 (搜索引擎)。 程 院 2025/5/27 BIOINFORMATICS
2025/5/27 BIOINFORMATICS 数 理 与 生 物 工 程 学 院 4 基因与基因组序列 蛋白质编码序列 质谱与蛋白质组资料 大分子结构 大分子特殊活性及其他特性 小分子及结晶分析等几方面的数据以及参考文献等 还有不少专门管理分子数据库的数据库或索引网站 （搜索引擎）
European Molecular Biology network EMBne There is no doubt that molecular biology is one of the fastest developing fields of scientific research.Innovation and development are required to cope with the demand for relable and accurate analysis of data. Molecular biologists require support to help them analyse,collate,and distribute the information they generate at the bench.This support includes providing regularly updated databases,software,training and documentation.It also involves establishing a legitimate target for questions and a recognised source of information about new developments. This document gives some basic information about EMBnet R&D Research and development in EMBnet Training programs encouraged by EMBnet P&PR Publicity and public relations in EMBnet 图3-1(a)欧洲分子生物学网络
图3-1(a) 欧洲分子生物学网络
随着网络技术的普及，分子生物学信息系统大 多数都实现了网络化。图3-1(a)是欧洲分子生物学 网络(European Molecular Biology Network, EMBnet) (http://www.emb-net.org/ 或 http://www.hgmp.mrc.ac.uk /brochure/html/) 数 主页。该网络不仅链接了欧洲及世界范围的DNA和 理 蛋白质数据库，而且包含大量有关生物信息学的国 物 际合作和教育培训等信息。 程 院 2025/5/27 BIOINFORMATICS 6
2025/5/27 BIOINFORMATICS 数 理 与 生 物 工 程 学 院 6 随着网络技术的普及，分子生物学信息系统大 多数都实现了网络化。图3-1(a)是欧洲分子生物学 网 络 (European Molecular Biology Network, EMBnet) (http://www.emb-net.org/ 或 http://www.hgmp.mrc.ac.uk /brochure/html/) 的 主页。该网络不仅链接了欧洲及世界范围的DNA和 蛋白质数据库，而且包含大量有关生物信息学的国 际合作和教育培训等信息
Centre of Bioinformatics 2004-7-18Sun EMBOSS User Survey &R Peking University Chinese Version Search Nucleotide sequencesfor 网？ ◆CBI Home Introduction News Welcome to CBI-the Centre of Biolnformatics at Peking University.As the national node of the European Databases Molecular Biology Network EMBnet)and the Asia Pacific Bioinformatics Network(APBioNet),we provide Mirrors bioinformatics resource and service for Chinese biologists,including DNA and protein sequence database FTP and protein structure database,sofware tools for database query and database search,as well as Tools bioinformatics news,documents and user manuals(more.) Documents Links Biolnformatics Resource at CBI Feedback Sitemap FAQs antiSARS CBI anti-SARS Resources Site Search News News about genome research,biotechnology and bioinformatics Databases EMBL,SwissProt,PIR,PDB installed at the CBI SRS server O Tools Database search,sequence analysis,molecular design(Blast,Prediction )eto Mirrors Mirrors of useful bioinformatics servers (EXPASy,GDB,TransFac),etc Advanced Site Search FTP Public ftp server of database and software Documents Documents.tutorials,manuals.books,papers.etc. 图3-1(b)北京大学生物信息中心主页
图3-1(b) 北京大学生物信息中心主页
图3-1(b)是我国北京大学生物信息学中心 的主页(http:/www.cbi.pku.edu.cn/)。该中 心同时是EMBnet和亚太生物信息学网络(Asia Pacific Bioinformatics Network,APBioNet) 的中国节点，设有一些重要的分子生物学数据库 的镜像服务 数理与生物工程学院 2025/5/27 BIOINFORMATICS
2025/5/27 BIOINFORMATICS 数 理 与 生 物 工 程 学 院 8 图3-1(b)是我国北京大学生物信息学中心 的主页(http: //www.cbi.pku.edu.cn/）。该中 心同时是EMBnet和亚太生物信息学网络（Asia Pacific Bioinformatics Network ， APBioNet) 的中国节点，设有一些重要的分子生物学数据库 的镜像服务
越来越多的生物学数据库中的信息量呈爆 炸性增长。例如，图3-2示出了3种主要的分子 序列与结构数据库中信息量的增长状况。按目 前比较通用的估计，世界范围内生物信息学数 据量每12-18个月翻一番。 数理与生物工程学院 2025/5/27 BIOINFORMATICS 9
2025/5/27 BIOINFORMATICS 数 理 与 生 物 工 程 学 院 9 越来越多的生物学数据库中的信息量呈爆 炸性增长。例如，图3-2示出了3种主要的分子 序列与结构数据库中信息量的增长状况。按目 前比较通用的估计，世界范围内生物信息学数 据量每12-18个月翻一番
545250866664412503866432008660412201616142 5855545200866 Base Pairs 421086643260130642061614121086420 86420 Sequences - 1982 1986 1990 1994 1998 2002 图3-2(a) 1982-2005年GenBank数据量增长情况
图3-2(a) 1982-2005年GenBank数据量增长情况