|
蛋白质
蛋白质特征以蛋白质或蛋白质分解产物命名。一个简单的蛋白质序列可能有许多蛋白质特征。可能有一种特征描述原肽，翻译的最初产物。（这个特征的名字是用于产生蛋白质的CDS区域的描述。）可能有一个短一些的蛋白质特征用于描述成熟的肽，或者为防止病毒性的多蛋白质，采用几个成熟肽特征。通过膜组成蛋白质的含有信号的肽可能被指出。
其他
几种其他的特征不常用。区域特征提供了一种简单的方法命名染色体区域（例如“主要组织互容局面”）或多肽的域。特征纽带指示了蛋白质两个残基（如二硫键）之间的联系。位置特征指示了一个已知位置（如活跃的，一起的glycosylation，methylation）。
最后，许多特征存在于合法特征表中，包含了生物学的许多方面。然而在用于记录之间的联系和用于计算得到发现等方面，它们比以上介绍的特征的用处少。
序列比对
序列比对是映射一个生物序列的坐标多一个或几个其他的生物序列。例如，从两个组织得到的相同基因可能从同一祖先分化成不同的组织，个人特殊的基（或三联体码）可能会加入或从序列中丧失。比对中在适当的位置引入缝隙能重现原始的相同系统。
可以用软件算法进行比对（例如BLAST运用了包含一个或多个序列比对的序列注释）或者由科学家（提供序列人群的研究的人）人工进行。序列比对目的是期望能抓住过程的结果而不是过程本身。
所有形式的序列比对是由多个部分组成。每部分是仅包含序列或者是比对中对任意序列适用的缝隙的比对区域（不是序列和缝隙的混合区域）。以下的三维比对（三序列间的多重比对）作用于五个部分。
序列不是离散的
注意到刚显示的三个生物序列的实际序列不包含冲突。基因码的一个基本属性是它是共maless（Crick et al，1961）也就是说没有中间能区分密码子或在正常框架内翻译。基因是一列连续的核酸。我们提醒读者序列也是无间隙的。间隙只是比对报告中显示出的，由比对数据产生的；它们只供比较使用。
对角线集合
序列比对类型中，对角每部分是独立于下一个部分的，而且没有联系一部分和其他部分的有说服力的说明。这是由点阵显示的一种关系（见第7章和图7.4）。方阵中的一系列对角线说明了序列间未分离区域的同源性。然而，对角线可能重叠数次（例如序列的重复区域）或者是矩阵的区域可能根本没有对角线。
比对类
一个部分的局部的比对定义了序列间的联系，因为实际只有长度被包含在比对中。然而，这并不意味着一部分和下一个之间存在着有序的联系。这种比对对一般的蛋白质搜索是有用的，因为蛋白质的几个有不同功能的区域可能只存在于一条多肽上。
序列图表
图表是能进行序列注释的第三种注释。序列图表定义了一些连续的值超过一个限定间隔的集合。它可被用于显示象G+C含量、表层蛋白、亲疏水性或覆盖序列长度的基精确性等属性。
序列的描述
序列的描述是指形容一个生物序列（或生物序列集）并将它放在生物或文献背景下。序列描述应用于整个生物序列或对生物序列集合内的每个序列描述相关的序列。
描述器被引入NCBI数据模型以减少记录的冗余信息。例如核酸序列的 蛋白质产品应从象核酸自己的相同生物源（器官，组织）得到。许多情况下描述DNA序列的出版物也讨论了翻译后的蛋白质。在核酸-蛋白质集合这一层次，将这些条目用描述子替代，每条目只需一份拷贝就能恰当地描述所有的序列。
生物源
生物源包含了源生物（学名和俗称）的信息，在NCBI中它的系统包含了分类和它的核酸和（如果恰当的话）线粒体的基因码。它也包含了细胞中（例如核酸基因或线粒体）序列位置的信息和其它的调整（例如变性、克隆、分离、染色体映射位点）。
一个基因的序列记录和它的蛋白质产品在核酸-蛋白质集合层将典型的含有一个简单的生物源描述器。然而种群或后基因组研究将对每个组分有生物源描述器。（这个组分可能是核酸生物序列或它们自己本身是核酸-蛋白质集合。）种群研究中的生物源将有相同的组织名称，而且通常含有各不相同的调整信息，例如拉伸或克隆名称。
分子信息
分子信息描述器指出了分子类型[例如，基因，信使RNA（通常和cDNA区别），rRNA，tRNA或肽链]，排序的技术（例如标准，EST，部分肽链序列的概念翻译方法）和序列补全（例如补全，缺左（5’或氨基）端，或两端都缺）。每个核酸和每个蛋白质都应有自己的分子信息描述器。正常情况下，这个描述器将不会出现在核酸-蛋白质集合层。（它可能在序列集合，由于所有部分的离散生物序列应该是同一类型。）
模型的使用
为建数据库和产生报告使用NCBI数据模型会有一些后果。其中一些在后续部分讨论。
GenBank格式
GenBank格式是以DNA为中心的角度看序列记录。（GenPept视角代表等价的以蛋白质为中心的视角。）为了维持对这些历史角度的适应性，一些映射将在不同序列的特征或在相同序列的重叠特征间。
GenBank格式中，编码区特征的蛋白质产品被当作翻译限定器，而不是当作可以有自己特征的序列。生物序列的产品中最大的蛋白质特征被用于产品限定器。一些其它的在NCBI数据模型的蛋白质生物序列中注释的特征，例如成熟的肽链或信号肽链被映射到GenBank格式中相应的DNA系统（通过CDS中介）。
基因特征用序列给区域命名，特别是覆盖了所有已知的能影响基因显性的情况。这区域的其它特征将从基因特征中产生基因限定器。这样就没有必要对其它特征单独注释基因限定器。
FASTA格式
FASTA格式包含了一个界限行和序列特征，可能被用于不同分析程序的输入（见第2章）。界限行从一个右>符号开始，通常后面跟有以可分析形式出现的序列辨识器。例如：
界限行的剩余部分是序列的题目，它可以由软件根据特征和其它核酸-蛋白质集合的信息产生。
对离散的生物序列，每个原始生物序列部分都能独立地描述，之间有少许分割。（一般的BLAST搜索服务使用这种方法产生搜索数据库，使得成功的结果能映射到个人GenBank记录中。）但离散的生物序列也可以被看成一个简单的序列，这是原始组成将被看成是一连续的。（折衷格式是用于产生Entrez的BLAST邻居。见第5章。）
BLAST
基本局部比对搜索工具（BLAST，Altschul et al.，1990）是一种普遍的查明序列相似形的方法。BLAST程序使用一种由用户提供的查询序列，从整个NCBI序列数据库中搜索。每个搜索结果是序列比对，这些是和序列注释结合。（详细的操作BLAST搜索可以在第7章中找到。）
数据注释的结果可以被用于产生传统的BLAST报告，但在从诸如Entrez和Sequin等软件工具的视角看它更加有用。这些程序的视角是用于显示比对信息。例如图表视角只显示了对搜索序列的插入和删除的关系，当视角抓住了个人序列，显示比对区域中碱基和残基的不匹配情况。序列视角在个人碱基或残基层显示了比对的详细内容。这种能从概述到详细资料的放大功能使它更容易地从一个简单的报告中看到序列间的联系。
最后，序列注释或任何一种序列比对可以被该成其它提炼工具（例如联合或插入比对程序）。结果可以被返回显示程序。
Entrez
Entrez序列复现程序（Schuler et al.，1996，见第5章）被设计成使用用NCBI数据程序捕获的联系。例如，序列记录的出版可能包含MEDLINE UID或PubMed UID。Entrez可以复现的是通向PubMed文章的连接。编码区域特征的序列位置指向Entrez复现的蛋白质结果。数据模型间的联系允许在按按钮的同时复现有联系的记录。Entrez中基因分离更加利用了数据模型，能显示大规模基因的特定区域，就象当人激活ProtTable钮。
Sequin
Sequin是提供原始数据和其它生物信息和为提供DDBJ/EMBL/GenBank数据库（见第14章）合成记录（通常是生物序列集合）的一种工具。它完全使用了NCBI数据库模型，利用冗余信息使条目合理。例如，由于使用者提供了核酸和蛋白质序列，Sequin可能确定编码区的位置（一个或多个中间的核酸，通过基因码产生了蛋白质产品）。比较编码区的翻译和提供的蛋白质，报告不协调。它能确定每个生物序列有生物源信息应用。这个要求可由替代一个简单的生物源描述器核酸和他的蛋白质产物得到满足。
Swquin的视角是活跃的，由于在已存条目双击（在GenBank平台段落或序列上图表显示特征）将推进该条目的编辑（例如特征，描述器或序列数据）。
结论
NCBI 数据模型是一种自然的映射，它反映了生物学家对序列关系以及他们注解这些序列。这些结果数据可以被存贮，传递给其他分析程序，调整，然后显示，所有都不需要通过多种格式的转换。这种模型的定义强调基本的能在实验室中测得的数据元素，例如离散分子的序列。就象定义了理解新的生物概念，数据的指出可以不需要改变已有数据的情况下得到扩展。软件工具相对稳定，只有在利用新数据域的时候需要程序的增加。分离特定域（例如出处，序列，结构，映射）减少了数据模型的复杂性。
上一篇：生物数据库的信息检索 下一篇：序列比对和数据库搜索 共4页: 上一页 [1] [2] [3] 4 下一页 | 
