ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Σελίδα 1 ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ. Τ. Θηραίου

Transcript

1 ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Σελίδα 1

2 Βάσεις Δεδομένων (ΒΔ) μεγάλο, οργανωμένο σύστημα δεδομένων συνδέεται με κατάλληλο λογισμικό για την ενημέρωση αναζήτηση ανάκτηση στοιχείων που έχουν αποθηκευθεί στο σύστημα βασική κατεύθυνση της Βιοπληροφορικής 1685 ΒΔ στη Molecular Biology Database Collection Σελίδα 2

3 Χρησιμότητα ΒΔ Οργάνωση / Αποθήκευση Προστιθέμενη αξία των δεδομένων που ενσωματώνονται σε ΒΔ κοινοποίηση στην επιστημονική κοινότητα επαναληψιμότητα διεργασιών σύγκριση και ανάλυση δεδομένων δημιουργία και έλεγχος υποθέσεων Μετασχηματισμός των δεδομένων σε γνώση Σελίδα 3

4 Χρησιμότητα ΒΔ Περιοδικά και τεύχη περιοδικών αφιερωμένα στις ΒΔ Database: The Journal of Biological Databases and Curation Nucleic Acids Research (Database issue) NAR online Molecular Biology Database Collection Σελίδα 4

5 Χρησιμότητα ΒΔ υποβολή των δεδομένων στην κατάλληλη ΒΔ, πριν την υποβολή της αντίστοιχης εργασίας σε ένα επιστημονικό περιοδικό π.χ. Proteins: Structure, Function, and Bioinformatics: For papers describing structures of biological macromolecules, the atomic coordinates and the related experimental data (structure factor amplitudes/intensities and/or NMR restraints) must be deposited at a member site of the Worldwide Protein Data Bank ( RCSB PDB ( PDBe ( PDBj ( or BMRB ( The PDB ID must be included in the manuscript and entered into the designated field in the ScholarOne manuscripts upon submission. Σελίδα 5

6 Χαρακτηριστικά ΒΔ όγκος δεδομένων NCBI-GenBank (Aug 2013) βάσεις, ακολουθίες UniProt Σελίδα 6

7 Χαρακτηριστικά ΒΔ προσβάσιμες μέσω διαδικτύου ελεύθερα διαθέσιμες για όλους εμπορικές Σελίδα 7

8 σχολιασμός (annotation) Χαρακτηριστικά ΒΔ πληροφορίες απαραίτητες για την περιγραφή και αξιοποίηση των δεδομένων, π.χ. βιβλιογραφικές αναφορές οργανισµός απ όπου προέρχονται τα δεδομένα στοιχεία για την πειραματική μέθοδο χαρακτηριστικά των δεδομένων ετερογένεια ως προς την ποιότητα και την πληρότητα του σχολιασμού Σελίδα 8

9 Χαρακτηριστικά ΒΔ σύνδεσμοι με άλλες ΒΔ (cross-references) "point-and-click navigation" UniProt μία πρωτεϊνική ακολουθία συνδέεται π.χ. με την εγγραφή του γονιδίου στη GenBank με βιβλιογραφικές αναφορές στη PubMed Σελίδα 9

10 Χαρακτηριστικά ΒΔ τεχνικές προδιαγραφές ΒΔ επίπεδης οργάνωσης (flat files) απλά αρχεία κειμένου αναγνωριστικά στην αρχή των γραμμών που περιγράφουν το περιεχόμενό τους πολυπλοκότητα των δεδομένων χρησιμοποιούνται από πολλά προγράμματα ανάλυσης Accession number: 1 First Name: Amos Last Name: Bairoch Course: DEA 2000; DEA 2001; Dea 2002; // Σελίδα 10

11 Χαρακτηριστικά ΒΔ τεχνικές προδιαγραφές τυποποιημένα συστήματα διαχείρισης ΒΔ μοντέλα σχεσιακά, αντικειμενοστραφή κ.α. ACEDB: ειδικά σχεδιασμένο σύστημα διαχείρισης ΒΔ τεχνικά πλεονεκτήματα γλώσσα ερωτήσεων Σελίδα 11

12 Αρχειακές / Πρωτογενείς κατάθεση δεδομένων Δευτερογενείς επεξεργασία δεδομένων Εξειδικευμένες Βιβλιογραφικές Κατηγορίες ΒΔ Σελίδα 12

13 Πρωτογενείς ΒΔ ΒΔ Νουκλεοτιδικών ακολουθιών DNA Data Bank of Japan (DDBJ) Center for Information Biology (CIB) GenBank National Center for Biotechnology Information (NCBI) European Nucleotide Archive (ENA) European Bioinformatics Institute (EBI) Σελίδα 13

14 Πρωτογενείς ΒΔ ΒΔ Νουκλεοτιδικών ακολουθιών International Nucleotide Sequence Database Collaboration συνεργασία των DDBJ, GenBank, ENA κοινοί κανόνες για την ταξινόμηση και το σχολιασμό των δεδομένων καθημερινή ανταλλαγή εγγραφών Σελίδα 14

15 Πρωτογενείς ΒΔ ΒΔ Νουκλεοτιδικών ακολουθιών μορφοποίηση GenBank LOCUS X bp DNA linear BCT 26-SEP-2006 DEFINITION Listeria ivanovii sod gene for superoxide dismutase. ACCESSION X64011 S78972 VERSION X GI:44010 KEYWORDS sod gene; superoxide dismutase. SOURCE Listeria ivanovii ORGANISM Listeria ivanovii Bacteria; Firmicutes; Bacillales; Listeriaceae; Listeria. REFERENCE 1 AUTHORS TITLE Haas,A. and Goebel,W. Cloning of a superoxide dismutase gene from Listeria ivanovii by functional complementation in Escherichia coli and characterization of the gene product JOURNAL Mol. Gen. Genet. 231 (2), (1992) PUBMED Σελίδα 15

16 Πρωτογενείς ΒΔ ΒΔ Νουκλεοτιδικών ακολουθιών μορφοποίηση GenBank FEATURES Location/Qualifiers source /organism="listeria ivanovii" /mol_type="genomic DNA" /db_xref="taxon:1638" CDS /gene="sod" /EC_number=" " /codon_start=1 /transl_table=11 /product="superoxide dismutase" /protein_id="caa " /db_xref="interpro:ipr001189" /db_xref="uniprotkb/swiss-prot:p28763" /translation="mtyelpklpytydalepnfdketmeihytkhhniyvtklneavs GHAELASKPGEELVANLDSVPEEIRGAVRNHGGGHANHTLFWSSLSPNGGGAP Σελίδα 16

17 Πρωτογενείς ΒΔ ΒΔ Νουκλεοτιδικών ακολουθιών μορφοποίηση GenBank ORIGIN 1 cgttatttaa ggtgttacat agttctatgg aaatagggtc tatacctttc gccttacaat 61 gtaatttctt ttcacataaa taataaacaa tccgaggagg aatttttaat gacttacgaa 121 ttaccaaaat taccttatac ttatgatgct ttggagccga attttgataa agaaacaatg 181 gaaattcact atacaaagca ccacaatatt tatgtaacaa aactaaatga agcagtctca 241 ggacacgcag aacttgcaag taaacctggg gaagaattag ttgctaatct agatagcgtt 301 cctgaagaaa ttcgtggcgc agtacgtaac cacggtggtg gacatgctaa ccatacttta 361 ttctggtcta gtcttagccc aaatggtggt ggtgctccaa ctggtaactt aaaagcagca 421 atcgaaagcg aattcggcac atttgatgaa ttcaaagaaa aattcaatgc ggcagctgcg 481 gctcgttttg gttcaggatg ggcatggcta gtagtgaaca atggtaaact agaaattgtt 541 tccactgcta accaagattc tccacttagc gaaggtaaaa ctccagttct tggcttagat 601 gtttgggaac atgcttatta tcttaaattc caaaaccgtc gtcctgaata cattgacaca 661 ttttggaatg taattaactg ggatgaacga aataaacgct ttgacgcagc aaaataatta 721 tcgaaaggct cacttaggtg ggtcttttta tttcta // Σελίδα 17

18 Πρωτογενείς ΒΔ ΒΔ Νουκλεοτιδικών ακολουθιών μορφοποίηση FASTA πρώτη γραμμή: > ταυτότητα ακολουθίας (επικεφαλίδα) επόμενες γραμμές: ακολουθία βάσεων ή αμινοξέων (με τους κωδικούς του ενός γράμματος) >gi emb X Listeria ivanovii sod gene for superoxide dismutase CGTTATTTAAGGTGTTACATAGTTCTATGGAAATAGGGTCTATACCTTTCGC CTTACAATGTAATTTCTTTTCACATAAATAATAAACAATCCGAGGAGGAATT TTTAATGACTTACGAATTACCAAAATTACCTTATAC Σελίδα 18

19 Πρωτογενείς ΒΔ ΒΔ Αμινοξικών ακολουθιών UniProt Swiss-Prot / TrEMBL / PIR-PSD Σελίδα 19

20 ΒΔ Αμινοξικών ακολουθιών Πρωτογενείς ΒΔ UniProt Σελίδα 20

21 ΒΔ Αμινοξικών ακολουθιών Πρωτογενείς ΒΔ UniProt Σελίδα 21

22 Πρωτογενείς ΒΔ ΒΔ Δομών μακρομορίων και μικρών μορίων PDB Σελίδα 22

23 Πρωτογενείς ΒΔ ΒΔ Δομών μακρομορίων και μικρών μορίων PDB Σελίδα 23

24 Πρωτογενείς ΒΔ ΒΔ Δομών μακρομορίων και μικρών μορίων μορφοποίηση PDB HEADER DIHYDROLIPOAMIDE ACETYLTRANSFERASE 16-DEC-92 1EAA TITLE ATOMIC STRUCTURE OF THE CUBIC CORE OF THE PYRUVATE DEHYDROGENASE TITLE 2 MULTIENZYME COMPLEX COMPND MOL_ID: 1; COMPND 2 MOLECULE: DIHYDROLIPOYL-TRANSACETYLASE; COMPND 3 CHAIN: A; COMPND 4 EC: ; SOURCE MOL_ID: 1; SOURCE 2 ORGANISM_SCIENTIFIC: AZOTOBACTER VINELANDII; SOURCE 3 ORGANISM_TAXID: 354 KEYWDS DIHYDROLIPOAMIDE ACETYLTRANSFERASE EXPDTA X-RAY DIFFRACTION AUTHOR A.MATTEVI,W.G.J.HOL REVDAT 4 13-JUL-11 1EAA 1 VERSN REVDAT 3 24-FEB-09 1EAA 1 VERSN REVDAT 2 01-APR-03 1EAA 1 JRNL REVDAT 1 31-OCT-93 1EAA 0 JRNL AUTH A.MATTEVI,G.OBMOLOVA,K.H.KALK,A.TEPLYAKOV,W.G.HOL JRNL TITL CRYSTALLOGRAPHIC ANALYSIS OF SUBSTRATE BINDING AND CATALYSIS JRNL TITL 2 IN DIHYDROLIPOYL TRANSACETYLASE (E2P). JRNL REF BIOCHEMISTRY V Σελίδα 24

25 Πρωτογενείς ΒΔ ΒΔ Δομών μακρομορίων και μικρών μορίων μορφοποίηση PDB ATOM 1 N ILE A N ATOM 2 CA ILE A C ATOM 3 C ILE A C ATOM 4 O ILE A O ATOM 5 CB ILE A C ATOM 6 CG1 ILE A C ATOM 7 CG2 ILE A C ATOM 8 CD1 ILE A C ATOM 9 N PRO A N ATOM 10 CA PRO A C ATOM 11 C PRO A C ATOM 12 O PRO A O ATOM 13 CB PRO A C ATOM 14 CG PRO A C ATOM 15 CD PRO A C ATOM 16 N PRO A N ATOM 17 CA PRO A C ATOM 18 C PRO A C ATOM 19 O PRO A O ATOM 20 CB PRO A C ATOM 21 CG PRO A C ATOM 22 CD PRO A C Σελίδα 25

26 Δευτερογενείς ΒΔ ΒΔ Οικογενειών πρωτεϊνών και domains domains: υπομονάδες με καλά συντηρημένη ακολουθία και συγκεκριμένη δομή / λειτουργία ανάλυση των ακολουθιών με διάφορους τρόπους: Patterns (regular expression) Profiles (weighted matrices) Hidden Markov Model (HMM) Σελίδα 26

27 Δευτερογενείς ΒΔ ΒΔ Οικογενειών πρωτεϊνών και domains InterPro ολοκλήρωση επιμέρους ΒΔ π.χ. PROSITE PFAM InterProScan: αναζήτηση των πρωτεϊνικών μοτίβων σε μια ακολουθία εύρεση απομακρυσμένων σχέσεων σε ακολουθίες εξαγωγή συμπερασμάτων για την πρωτεϊνική λειτουργία Σελίδα 27

28 Δευτερογενείς ΒΔ ΒΔ Ταξινόμησης πρωτεϊνικών δομών CATH Class Architecture Topology (fold family) Homologous superfamily Σελίδα 28

29 Δευτερογενείς ΒΔ ΒΔ Ταξινόμησης πρωτεϊνικών δομών SCOP2 Σελίδα 29

30 Εξειδικευμένες ΒΔ KEGG: Kyoto Encyclopedia of Genes and Genomes Σελίδα 30

31 Εξειδικευμένες ΒΔ ΟΜΙΜ: Online Mendelian Inheritance in Man Gene Ontology δομημένο ελεγχόμενο λεξιλόγιο (γνωστό ως οντολογία) για την περιγραφή των γονιδιακών προϊόντων σε τρία επίπεδα: cellular component molecular function biological process Σελίδα 31

32 Genome Annotation DB Structural Annotation εξώνια, εσώνια, UTRs κ.α. Functional Annotation μοριακή λειτουργία, βιολογική διεργασία κ.α. (Gene Ontology) Σελίδα 32

33 Genome Annotation DB UCSC Genome Browser Ensembl FlyBase WormBase Mouse Genome Informatics Σελίδα 33

34 Βιβλιογραφικές ΒΔ MEDLINE (πρόσβαση μέσω της υπηρεσίας PubMed) Σελίδα 34

35 Αναζήτηση στις ΒΔ Διαδραστική αναζήτηση κωδικός εγγραφής στη ΒΔ λέξεις κλειδιά νουκλεοτιδικές ή αμινοξικές ακολουθίες (BLAST κ.α.) Σελίδα 35

36 Αναζήτηση στις ΒΔ Πρόσβαση μέσω προγραμμάτων σύνθετες αναζητήσεις / μαζική ανάκτηση δεδομένων δημιουργία συστημάτων επιστημονικών ροών εργασίας (scientific workflows) και διαδικτυακών εφαρμογών π.χ. in silico protein engineering web server Entrez Programming Utilities (eutils) Σελίδα 36

37 Αναζήτηση στις ΒΔ Ολοκληρωμένα συστήματα ανάκτησης πληροφοριών ταυτόχρονη αναζήτηση σε πολλές ΒΔ απλές ή σύνθετες αναζητήσεις εκκίνηση εφαρμογών επί των αποτελεσμάτων ενσωμάτωση ΒΔ που έχουν δημιουργηθεί από το χρήστη Σελίδα 37

38 Αναζήτηση στις ΒΔ Ολοκληρωμένα συστήματα ανάκτησης πληροφοριών Entrez EB-eye Σελίδα 38

39 Προοπτικές χειρισμός σφαλμάτων σφάλματα στα δεδομένα ή/και στο σχολιασμό αποδοτική αναζήτηση στοχευμένα αποτελέσματα ταχύτητα αναζήτησης ολοκλήρωση δεδομένων (data integration) ΒΔ πολυάριθμες, αυτόνομες, ετερογενείς και μερικώς επικαλυπτόμενες προτυποποίηση Σελίδα 39