Біоінформатика. Бази даних. Модель NCBI. Lab.1

Центральні питання
Де знайти літературу про ген/білок, що цікавить
Де можна знайти послідовність гена/генома, що цікавить?
Що таке депонування НАП?

National Center for Biotechnology Information
www.ncbi.nlm.nih.gov

NCBI
Фізична локація – м. Бетезда, штат Меріленд (США)
Подвійна функція – сховище даних і сервер для аналізу
Типи даних
Біомедичні дані
PubMed
PubChem
Taxonomy
Chemicals and assays
Proteins
…..
Геномні дані
Genome
Variations
SNP
OMIM
Genes and expression
…..

PubMed
www.ncbi.nlm.nih.gov/pubmed

PubMed
Можна звузити коло пошуку до статей, що відповідають певним вимогам (напр., шукати тільки огляди - review)

PubMed
Логічні оператори: AND, OR, *.
Streptomyces; strepto*. * = будь-що

PubMed

PubMed
Скориставшись лінками, що підкреслено на попередньому слайді, можна отримати бібліографічний опис статті:
1: Kalan L, Perry J, Koteva K, Thaker M, Wright G. Glycopeptide sulfation evades resistance. J Bacteriol. 2013 Jan;195(1):167-71. doi: 10.1128/JB.01617-12. Epub 2012 Oct 26. PubMed PMID: 23104813; PubMed Central PMCID: PMC3536170.
Ідентифікатори статті як цифрового об’єкта (ЦО):
DOI (Digital Object Identification) – унікальна комбінація арабських цифр і латинських літер – жоден інший ЦО такої не має. Видавець звертається до www.doi.org, що видає первинний номер (10.1128/JB), який далі продовжується у міру появи нових ЦО. DOI можна присвоїти частинам статті (рисункам)
PMID – присвоюється автоматично кожному посиланню, що потрапляє у базу PubMed
PMCID – номери доступу до повних текстів статей, зібраних із доступних джерел фахівцями NCBI, і поміщених в PubMed Central

PubMed
Доступ до повних текстів статей
Сайт видавця

PubMed
Деякі видання у галузі хімії не реферуються в PubMed
Видавничий дім Elsevier
Журнали Open Access
NIH вимагає відкривати зміст усіх статей, де описано досліди, що ними фінансувались – через певний період часу (зразу, півроку, рік)
Запит до автора статті (може переслати персональну копію для особистого вжитку)
Пошук через Google
Запит через наукові соцмережі (LinkedIn, ResearchGate)

GenBank
Ця база є частиною міжнародного консорціуму INSDC (International Nucleotide Sequence Databases Collaboration; http://www.insdc.org/ ), куди входять European Nucleotide Archive (ENA) і DNA Data Base of Japan (DDBJ).
GenBank – підрозділ NCBI. www.ncbi.nlm.nih.gov/genbank
Т.зв. первинна, або архівна, база даних – метою є збереження нуклеотидних послідовностей (і продуктів їхньої концептуальної трансляції), що подаються (депонуються) дослідниками з усього світу. Зміст поданої інформації загалом не перевіряється – це відповідальність авторів депонування
GenBank, ENA і DDBJ щоденно обмінюються інформацією, і зміст їхніх баз ідентичний

GenBank
Анотовані фрагменти геномів; анотовані геноми; неанотовані фрагменти і геноми; чернетки (драфти геномів), метагеномні дані….

GenBank
Формат FASTA
>PMI3114
TTAAGAAGCAATAGGTGTCCATAGTTCACCTAATTTATAGTCCCACTCTTTTGGTTTAATGGGAATGCGCCCCGCATTGGGGGTAAAGGTCATTTCACTAAACAGTAGTGTGGTTTCTGACATTAAAAAATCGACCCGACAATAGGCAAAACCGTTAGCTAATTTGTTGGCTAATGTGAGCATATTGTCAAATTGTAGCGGTTTTTCAATATATTCTGGGGTATTGGGATCTTCTAAAGTAAAAGGCTGTAATTGCCATTGTGTATCATAAACATTGATA
>WemR
MKKLKKYLTRKKKENYIIFSIYYFIKVTSSIFISDSLYRKYIFKRKYKLNLKKPTSFNEKIHYRILNDHNPIYTKLADKLLVRDYVREKIGEKYLIKLINHYNTPSEINFNTLPKSFVLKCNHDVGSVMIINDKSKINEKAIKKKLKIALKNNIYYQNREWHYKNIKPKIICEELINIFPHNKKNYPEDYKIHCFNGIPRYIELQFSRFSHDRRINIYDFNWNLQPFLMGYKNTNESIEKPKKLQEIYNISKTLSADFDYCRVDFYITP
Шрифт Courier New
Рядок анотації може займати кілька рядків, містити пробіли

GenBank
>gi|197283915:3424858-3425733|PMI3114| Proteus mirabilis HI4320 chromosome, complete genome TTAAGAAGCAATAGGTGTCCATAGTTCACCTAATTTATAGTCCCACTCTTTTGGTTTAATGGGAATGCGCCCCGCATTGGGGGTAAAGGTCATTTCACTAAACAGTAGTGTGGTTTCTGACATTAAAAAATCGACCCGACAATAGGCAAAACCGTTAGCTAATTTGTTGGCTAATGTGAGCATATTGTCAAATTGTAGCGGTTTTTCAATATATTCTGGGGTATTGGGATCTTCTAAAGTAAAAGGCTGTAATTGCCATTGTGTATCATAAACATTGATA
Gene identification (gi) – унікальний номер, що присвоюється кожній послідовності при поданні у GenBank. Після двокрапки – координати у геномі (у п.н.)
Locus name
Анотація

GenBank

GenBank
HEADER
FEATURES
SEQUENCE
Структура
GenBank FlatFile (GBFF) - флетфайл

GenBank
HEADER

GenBank
FEATURES

GenBank
Комплементарна нитка

GenBank
FEATURES

GenBank
ORIGIN
……………..

GenBank
FEATURES

GenBank
moeH5

GenBank
GBFF для moeH5 - гена

GenBank
FASTA-файл для moeH5 - гена

GenBank
FASTA-файл для moeH5 - гена

Прямий шлях до МоеН5
Стартова сторінка NCBI
Вибрати Protein
Задати назву білка (МоеН5)

Депонування НАП

Депонування НАП
Нуклеотидні послідовності – у базу, що входить INSDC - GenBank, ENA, DDBJ
Білкові – SWISSPROT
GenBank має різні знаряддя для депонування:
BankIt – для подання відносно коротких і простих (безінтронних) послідовностей
SequIn – подання складних послідовностей
Та інші (тут не розглядаються)
Подання геномів – окрема історія (див. далі)
При поданні нуклеотидних послідовностей потрібно знати мінімум інформації про неї, зокрема локалізацію в ній (координати) orf
У результаті подання послідовності присвоюється номер доступу в GenBank

Депонування НАП
CTAAAGGGAACAAAAGCTGGAGCTCCACCGCGGTGGCGGCCGCTCTAGAACTAGTGGATCCGCAGGAAGCGAGAGCCCCCGGGCCTCCTATCCTGGGCGGGCGCGAACGGCTTCGGCCCGACGCGAACGACCGTAGGGGCAAAGGCCATCGGGGGATCGGTTCAGCATGGGCAAGGGCAAGGACAGCCAGGGGTACCCGGCGATGGAGGGCATACGGCCGCTCGTGACCGGTGACCCGGCGCGGATCGGGCCCTATCGGCTACTGGGACGGCTCGGTGCGGGCGGGATGGGCCGGGTGTACCTGGCCCGTTCGGCGGGCGGGCGCACCGTCGCCGTGAAGGTGGTGCACGAGGAGCACATCGCGAACGGGGAGTTCCGGGCCCGCTTCCGTCGGGAGATCGAGGCCGCCCGCCGCGTCGGCGGGCGGTACACCGCTCCCGTGCTCGACGCCGACGCCGACGCCGAACGGCCCTGGGTGGCCACCGGCTACGTCCCCGGCCCCTCCCTCGAACAGGCCGTACGGGAGCACGGGCCGCTGCCCGCCGCCTCGGTCAACGCCCTGGCCGAGGGGCTGTTGAGGGCCCTGCGCGGCATTCACGCCGCCGGGATCGTCCACCGGGACCTCAAGCCGTCCAACGTCCTGCTCACCGTCGACGGCCCCCGCGTCATCGACTTCGGCATCGCCCGCGCGCTCCAGGTCTCCGTGGAGTCCCTGCTGACCAGTACGGGCATGGTCATCGGCTCTCCCGGGTTCATGGCGCCCGAGCAGATCCTCGGCGAGGAGACCGGAGCGGGGGCGGACGTCTTCTCCCTCGGCTGTGTCCTGATGTACGCGGCCACGGGGCGGCTGCCGTTCGGCGCCGGTGCGAGCAACCAGCACGCGGTGATGTTCCGGATCGTCCAGTCCCCGCCGGACCTCGACGCGGTGGAGGACGCCTCCCTGCGCGAGCTGATCGAACGCTGCCTGACCAAAGCCGCCGCCGAACGCCCGGGAGTGGACGAGCTGGTGGGGTGCCTGGCGCCTGACCGGTCCTCGGACGCCTTGCGTGGTGCCTGGCTGCCGCCGGTGCTCCTGGCCCGGCTGGCGCAGCAGTCGGCGCTGCTGCTCGACGCGGATGTTCCGGAGACCTCGGACGTACCGGCGCCTGTGCGGGCGGGGGGCGCCGAGGAGCCTGCTTCTTCGGTTGTTCCTGAGGCTCCCGTTGTTCCTGAGGCTCCCGTGCCCGAGCCGCGTGACCTCGGTACGGTCGATCTGAGGCCGGCACCGGCGAAGGACGACGAGGCGGGCAGCCTGTCACCGGACCCGGCCCCGGACCCGGACCCGGACTCTTCCCCGGCATCGGCATCGGCATCGGGCCCGGCCCCGGCCTTGTCCCCTGGTCCCGGAGGGGGCTGGTGCCCGCCGGTGGCGGGCGGACCGGCCAGGGAAGTGGGCGTAGGCGCTCGTGCGTGGGTCGTCGCGGCAGTCGTCGTCGCCGTGCTGGCTGCCGGGGGCACCACCGCCTTCCTCAACCGCGGCCCGGGTGGCGCCGACCCCGGGGGCGGAGAGGCTGCCGCGCCGCCCGCCGCCAGTGACGGACCGTCCGGCGCCCCGTCCTCCCCGGCCGGGGAGGACGACTCCAAGGGCAGCGAGAAGGACAAGGGCAAGGACAAGGACAACGGCAAGGAAGACGGGAAGGACAAGGAAGGTACAGAAGAGGAGCAGGGCGGAGAGGACGGCGGCGACTCCGGCGGCGGGCAGAGCGACGGGGCCGGTTCCGGCGAGGGCGCGTCCTCGGGCGGAGGCGAGGGGGCCGGAGCTTCCGGCGGAGGCGGCACACAGGACGGGTCCGGCTCGTCCGGTTCGGGGGGCTCCGGCGGTGCCGCGAAGCCGCCCGCCCAGGACCCCGCCCCGGACGGCCGGGTGCCGCAGCAGTTCGTCGGGACCTGGTCCATCGCGTCCCAGTACGACGCCCTCCAGCCGCACACCGTGGTCATCCGGCGGGTGTCGCCCGGGCAGTCGGCGGTGACCCTCATCGCCGACGTCCAGGGGTCGGGGCACTGCGAGTACACGGCGAAGCTCAGCTCCGTGGCGGACGGCGGGAACCGGATCAACGTCGGTACCGCCGTGGTGGACAAGGCCCGTTCCGGCGGGGTGTGCCGCGACACCGACCCCTCGTTCTTCACCGTCGCCGGCTCCGGCATCCTGCACGACGTCGGGCCCGCCCACGGCAGCGGCTATCGCTACAACCGCGCCTGAGCGGGCCCGTCACTCCGGAATCGACGGTCCGGAACCGGCCGACGTCCGACGCCCG
Мінімум інформації про послідовність
Розмір (у п.н.)
Локалізація orf (якщо є)
Походження послідовності (що секвенували – хромосома, плазміда тощо; з якого організму)
1
2294
167
2239

Genome
www.ncbi.nlm.nih.gov/genome

Genome

Genome

Genome