2023年生物信息学实验报告

《2023年生物信息学实验报告》由会员分享，可在线阅读，更多相关《2023年生物信息学实验报告（35页珍藏版）》请在装配图网上搜索。

1、 生物信息学实验报告姓名：_黄栋_学号：_指导老师：_宋晓峰_南京航空航天大学2023年11月实验一 生物信息数据库的检索一 实验目的：1.了解生物信息学的各大门户网站以及其中的重要资源。2.了解重要数据库的内容及结构，理解各数据库注释的含义。3.以PubMed为例，学会文献数据库的基本查询检索方法。二 实验内容：（1）国际与国内的生物信息中心国际NCBI、EBI、ExPASy，EMBL、SIB、TIGR以及国内CBI、BioSino网站的熟悉及内容的了解。核酸序列数据库：genbank/EMBL-bank/DDBJNCBI网址：EBI网址：EMBL网址：蛋白质序列数据库：Swiss Prot

2、 、ExPASy网址：Uniprot网址： 蛋白质结构数据库：PDB网址：（2）检索练习：The spike protein of SARS-Corona Virus在NCBI中的核酸记录序列：LOCUS CS244439 3897 bp DNA linear PAT 17-JUL-2023DEFINITION Sequence 3 from Patent WO.ACCESSION CS244439VERSION CS244439.1 GI:84659113KEYWORDS .SOURCE SARS coronavirus ORGANISM SARS coronavirus Viruses;

3、ssRNA positive-strand viruses, no DNA stage; Nidovirales; Coronaviridae; Coronavirinae; Betacoronavirus.REFERENCE 1 AUTHORS Altmeyer,R., Nal-Rogier,B., Chan,C., Kien,F., Kam,Y.W., Siu,Y.L., Tse,K.S., Staropoli,I. and Manuguerra,J.C. TITLE Nucleic acids, polypeptides, methods of expression, and immun

4、ogenic compositions associated with sars corona virus spike protein JOURNAL Patent: WO -A2 3 15-DEC-2023; INSTITUT PASTEUR (FR); Hong Kong Pasteur Research Centre Limited (CN)FEATURES Location/Qualifiers source 1.3897 /organism=SARS coronavirus /mol_type=unassigned DNA /db_xref=taxon:227859 CDS 44.3

5、847 /note=unnamed protein product /codon_start=1 /protein_id=CAJ56183.1 /db_xref=GI:84659114/translation=MFIFLLFLTLTSGSDLDRCTTFDDVQAPNYTQHTSSMRGVYYPDEIFRSDTLYLTQDLFLPFYSNVTGFHTINHTFGNPVIPFKDGIYFAATEKSNVVRGWVFGSTMNNKSQSVIIINNSTNVVIRACNFELCDNPFFAVSKPMGTQTHTMIFDNAFNCTFEYISDAFSLDVSEKSGNFKHLREFVFKNKDGFLY

6、VYKGYQPIDVVRDLPSGFNTLKPIFKLPLGINITNFRAILTAFSPAQDIWGTSAAAYFVGYLKPTTFMLKYDENGTITDAVDCSQNPLAELKCSVKSFEIDKGIYQTSNFRVVPSGDVVRFPNITNLCPFGEVFNATKFPSVYAWERKKISNCVADYSVLYNSTFFSTFKCYGVSATKLNDLCFSNVYADSFVVKGDDVRQIAPGQTGVIADYNYKLPDDFMGCVLAWNTRNIDATSTGNYNYKYRYLRHGKLRPFERDISNVPFSPDGKPCTPPALNCYWPLNDYGFYTTTGIGYQPYR

7、VVVLSFELLNAPATVCGPKLSTDLIKNQCVNFNFNGLTGTGVLTPSSKRFQPFQQFGRDVSDFTDSVRDPKTSEILDISPCSFGGVSVITPGTNASSEVAVLYQDVNCTDVSTAIHADQLTPAWRIYSTGNNVFQTQAGCLIGAEHVDTSYECDIPIGAGICASYHTVSLLRSTSQKSIVAYTMSLGADSSIAYSNNTIAIPTNFSISITTEVMPVSMAKTSVDCNMYICGDSTECANLLLQYGSFCTQLNRALSGIAAEQDRNTREVFAQVKQMYKTPTLKYFGGFNFSQILPDPLKPT

8、KRSFIEDLLFNKVTLADAGFMKQYGECLGDINARDLICAQKFNGLTVLPPLLTDDMIAAYTAALVSGTATAGWTFGAGAALQIPFAMQMAYRFNGIGVTQNVLYENQKQIANQFNKAISQIQESLTTTSTALGKLQDVVNQNAQALNTLVKQLSSNFGAISSVLNDILSRLDKVEAEVQIDRLITGRLQSLQTYVTQQLIRAAEIRASANLAATKMSECVLGQSKRVDFCGKGYHLMSFPQAAPHGVVFLHVTYVPSQERNFTTAPAICHEGKAYFPREGVFVFNGTSWFITQRNFFSPQ

9、IITTDNTFVSGNCDVVIGIINNTVYDPLQPELDSFKEELDKYFKNHTSPDVDLGDISGINASVVNIQKEIDRLNEVAKNLNESLIDLQELGKYEQYIKWPWYVWLGFIAGLIAIVMVTILLCCMTSCCSCLKGACSCGSCCKFDEDDSEPVLKGVKLHYTGPGGDYKDDDDKORIGIN 1 ctatagggcg aattgggtac cgctagcgga tccgcgcgcc accatgttta ttttcctgct 61 gtttctgact ctgaccagcg gcagtgacct ggaccggtgc accact

10、tttg atgatgtgca 121 ggctcctaat tacactcagc atacttcctc tatgaggggc gtgtactatc ctgatgaaat 181 ttttagatcc gacactctgt atctgactca ggatctgttt ctgccattct attctaatgt 241 gacaggcttt catactatta atcatacctt tggcaaccct gtgatccctt ttaaggatgg 301 catctatttt gctgccacag agaagtccaa tgtggtgcgg ggatgggtgt tcggctctac 361

11、catgaacaac aagtcccagt ccgtgattat tattaacaat tctactaatg tggtgatccg 421 agcctgtaac tttgaactgt gtgacaaccc attctttgct gtgtctaagc ccatgggcac 481 acagacacat actatgatct tcgataatgc ctttaattgc actttcgagt acatctctga 541 tgccttttcc ctggatgtgt ccgaaaagtc cggcaacttt aagcacctgc gagagtttgt 601 gtttaagaat aaggatggc

12、t ttctgtatgt gtataagggc tatcagccta tcgacgtggt 661 gcgcgatctg ccttctggct ttaacactct gaagcctatt tttaagctgc ctctgggcat 721 taacattaca aattttcggg ccattctgac agcctttagc cctgctcagg acatttgggg 781 cacctctgct gccgcctatt ttgtgggcta tctgaagcca actaccttta tgctgaagta 841 tgatgaaaat ggcacaatca cagatgctgt ggattgt

13、tct cagaatccac tggctgaact 901 gaagtgctct gtgaagagct ttgagattga caagggaatc taccagacct ctaatttccg 961 cgtggtgccc tctggagatg tggtgagatt ccctaatatt acaaacctgt gtccttttgg 1021 agaagtgttt aatgctacta agttcccttc tgtgtatgcc tgggagagaa agaagatttc 1081 taattgtgtg gctgattact ctgtgctgta caactccaca ttttttagca cct

14、ttaagtg 1141 ctatggcgtg tctgccacta agctgaatga tctgtgcttc tccaatgtgt atgccgattc 1201 ttttgtggtg aagggagatg atgtgagaca gatcgcccca ggacagactg gcgtgattgc 1261 tgattacaat tataagctgc cagatgattt catgggctgt gtgctggctt ggaatactag 1321 gaacattgat gctacttcca ctggcaatta taattacaag tatcggtatc tgagacatgg 1381 caa

15、gctgagg ccctttgaga gagacatctc taacgtgcct ttcagccctg atggcaagcc 1441 ttgcacccca cctgctctga attgttattg gccactgaat gattatggct tttacaccac 1501 tactggcatt ggctaccagc cttacagagt ggtggtgctg tcttttgaac tgctgaatgc 1561 ccctgccaca gtgtgtggac caaagctgtc cactgacctg attaagaacc agtgtgtgaa 1621 ctttaacttt aatggact

16、ga ctggcactgg cgtgctgact ccttctagca agagatttca 1681 gccatttcag cagtttggcc gggatgtgtc tgatttcact gattccgtgc gagatcctaa 1741 gacatctgaa atcctggaca tttccccttg ctcttttggc ggcgtgagcg tgattacacc 1801 tggaacaaat gcttcctctg aagtggctgt gctgtatcag gatgtgaact gcactgatgt 1861 gtctacagcc atccatgccg atcagctgac ac

17、cagcttgg cgcatctatt ctactggaaa 1921 caatgtgttc cagactcagg ccggctgtct gatcggagct gagcatgtgg acacttctta 1981 tgagtgcgac attcctattg gagctggcat ttgtgctagt taccatacag tgtctctgct 2041 gcggagtact agccagaagt ctattgtggc ttatactatg tctctgggcg ctgatagttc 2101 cattgcttac tctaataaca ccattgctat ccctactaac ttttcca

18、tta gcattactac 2161 agaagtgatg cctgtgtcta tggctaagac ctccgtggat tgtaatatgt acatctgcgg 2221 agattctacc gaatgtgcta atctgctgct gcagtatggc agcttttgca cacagctgaa 2281 tcgggctctg tctggcattg ctgctgaaca ggatcgcaac acacgggaag tgttcgctca 2341 agtgaagcag atgtataaga ccccaactct gaagtatttt ggcggcttta atttttccca 2

19、401 gatcctgcct gaccctctga agcccactaa gcggtctttt attgaggacc tgctgtttaa 2461 caaagtgaca ctggctgatg ctggctttat gaagcagtat ggcgaatgcc tgggcgatat 2521 taatgctaga gatctgattt gtgcccagaa gttcaatggc ctgacagtgc tgcctcctct 2581 gctgactgat gatatgattg ctgcctacac tgctgctctg gtgtctggca ctgccactgc 2641 tggatggaca t

20、ttggcgctg gcgctgctct gcagatccct tttgctatgc agatggccta 2701 tcggttcaat ggcattggag tgacccagaa tgtgctgtat gagaaccaga agcagattgc 2761 caaccagttt aacaaggcca ttagtcagat tcaggaatcc ctgacaacaa catccactgc 2821 cctgggcaag ctgcaggacg tggtgaacca gaatgctcag gccctgaaca cactggtgaa 2881 gcagctgagc agcaattttg gcgcca

21、tttc cagtgtgctg aatgatatcc tgtcccgact 2941 ggataaagtg gaggccgaag tgcagattga caggctgatt acaggcagac tgcagagcct 3001 gcagacctat gtgacacagc agctgatcag ggctgctgaa atcagggctt ctgccaatct 3061 ggctgctact aagatgtctg agtgtgtgct gggacagtcc aagagagtgg acttttgtgg 3121 aaagggctac cacctgatgt ccttcccaca ggctgcccct

22、catggagtgg tgttcctgca 3181 tgtgacctat gtgccatccc aggagaggaa cttcaccaca gccccagcca tttgtcatga 3241 aggcaaggcc tacttccctc gggaaggcgt gttcgtgttt aatggcactt cttggtttat 3301 tacacagcgg aacttcttta gcccacagat catcactaca gacaatacat ttgtgtccgg 3361 aaattgtgat gtggtgattg gcatcattaa caacacagtg tatgatcctc tgcag

23、cctga 3421 gctggactcc ttcaaggaag agctggacaa gtacttcaag aatcatacat ccccagatgt 3481 ggatctgggc gacatttccg gcattaacgc ttctgtggtg aacattcaga aggaaattga 3541 ccgcctgaat gaagtggcta agaatctgaa tgaatccctg attgacctgc aggaactggg 3601 caagtatgag cagtatatta agtggccttg gtatgtgtgg ctgggcttca ttgctggact 3661 gattg

24、ccatc gtgatggtga caatcctgct gtgttgcatg acctcctgtt gcagttgcct 3721 gaagggcgct tgctcttgtg gatcttgctg caagtttgat gaggatgact ctgagccagt 3781 gctgaagggc gtgaagctgc attacacagg gcccggcggc gactacaagg acgatgacga 3841 caagtgatag atcgatgcat ggatccgttt aaaccgagct ccagctttgt tcccttaThe spike protein of SARS-Coro

25、na Virus在SWISS-PROT蛋白质序列：The spike protein of SARS-Corona Virus在PDB蛋白质结构序列：（3）文献信息的查找与管理有效地使用NCBI PubMed提供的各种重要功能，查询并下载相关课题或研究方向的论文文摘与文献全文。查询Influenza A Viruses分子进化研究方向的文章。（3）NCBI数据库简介：Nucleotide该数据库由国际核苷酸序列数据库成员美国国立卫生研究院GenBank、日本DNA数据库（DDBJ）和英国Hinxton Hall的欧洲分子生物学实验室数据库（EMBL）三部分数据组成。这三个组织联合组成国际核苷酸

26、序列数据库协作体，天天互换各自数据库中的新增序列记录实现数据共享。其中的序列数据也通过与基因组序列数据库(GSDB）合作获取；专利序列数据通过与美国专利与商标局、国际专利局合作获取。 Genome即基因组数据库，提供了多种基因组、完全染色体、Contiged序列图谱以及一体化基因物理图谱。 Structure即结构数据库或称分子模型数据库（MMDB），包含来自X线晶体学和三维结构的实验数据。MMDB的数据从PDB(Protein Data Bank）获得。NCBI已经将结构数据交叉链接到书目信息、序列数据库和NCBI的Taxonomy中运用NCBI的3D结构浏览器和Cn3D，可以很容易地从En

27、trez获得分子的分子结构间互相作用的图像。 Taxonomy即生物学门类数据库，可以按生物学门类进行检索或浏览其核苷酸序列、蛋白质序列、结构等。 PopSet包含研究一个人群、一个种系发生或描述人群变化的一组组联合序列。PopSet既包含核酸序列数据又包含蛋白质序列数据。 Entrez 功能强大，在于它的大多数记录可互相链接，既可在同一数据库内链接，也可在数据库之间进行链接。当运用BLAST软件比较某氨基酸或DNA序列与库中其他氨基酸或DNA序列差异即进行相似性检索时，则会涉及到蛋白质库或核苷酸库的库内链接。库间链接发生在核苷酸数据库内的记录与PubMed库中已发表序列的引文间的链接，或蛋白

28、质序列记录与核苷酸序列库中编码它的核苷酸序列间的链接。 NCBI数据库检索NCBI数据库的检索方法很简朴，在检索框中输入检索词，检索词间默认逻辑关系为AND，检索规则基本同PubMed。可以通过下拉菜单选择记录的显示格式，通常选择GenBank Report格式或FASTA Report格式。当选择GenBank Report格式后，屏幕显示较完整的基因记录，其内容涉及：基因位点（Locus）、基因定义（Definition）、基因存取号（Accession)、 核酸编号（NID ）、关键词（Keywords）、 来源（Source）、组织分类（Organism）、参考文献（Reference

29、）、 著者（Author）、题目（Title）、期刊Journal）、Medline存取号（Medline）、序列特性（Features）、基因（Gene）、CDS(cDNA）、等位基因（Allele) 对等的肽（Mat-Peptide ）、计算碱基数（Base Count）、原序列（Origin）。而FASTA Report格式仅涉及检出序列的简要特性描述。 OMIM 孟德尔遗传学(OMIM）数据库是人类基因和基因疾病的目录数据库。该数据库涉及原文信息、图片和参考信息，同时还可以链接到Entrez系统MEDLINE数据库中相关文献和序列信息。主页如图3所示。 BLAST相似性检索 BLAST

30、(Basic Local Alignment Search Tool）是用于序列相似性检索的一个重要数据库，是区分基因和基因特性的工具。该软件能在15秒内完毕整个DNA数据库的序列检索。BLAST记录的相关度有明确的记录学解释，以便更容易地将相关记录与的数据库记录相区分。在NCBI主页的左工具条中，点击BLAST图标，即进入BLAST主页。 BLAST 主页提供了几种BLAST检索软件。其中BLAST2.0是一种新的BLAST检索工具，它在原有基础上作了改善，运营速度更快，灵敏度更高，同时具有Gapped BLAST 和PSI-BLAST两种软件的新功能。Gapped BLAST 允许在对准的

31、序列中引入空位（碱基缺失或插入），引入空位（Gaps）意味着在比较两个相关序列时不会出现中断（Break）现象。这些空位对准的记分系统更能反映相关序列的类似限度。PSI-BLAST的全称是Position-Specific Iterated BALST，即特殊位置反复BLAST，它提供了自动、易用的概貌（Profile）检索，是查找序列同源的有效工具。三 实验规定：（1）以其中的一个信息中心网站为例，列举其中的重要资源（数据库、网上分析、生物计算、数据下载等）。（2）可以解释给定序列或基因组数据的含义。（3）检索文献的技巧和效率。实验二 序列多重比对及进化分析一 实验目的：1. 学习序列比对工

32、具BLAST以及ClustalW等的使用，可以对序列数据进行初步的分析。2. 掌握基于DNA序列和蛋白质序列构建系统进化树的常用方法和常用工具。二 实验内容：1. 在GeneBank数据库中，检索10条轮状病毒（Homo sapiens, Rotavirus）VP7基因的DNA序列，并使用CLUSTALW软件对序列进行多重序列比对；检索结果详见电子稿附件：VP7.txt文献多重序列比对结果详见电子稿附件：VP7.aln文献2. 在GeneBank数据库中检索10条SARS病毒Spike蛋白的氨基酸序列，使用CLUSTALX软件对这十条序列进行多重序列比对； 检索结果详见电子稿附件：Spike

33、SARS.txt文献多重序列比对结果详见电子稿附件：Spike SARS.aln文献3. 使用ClustalW软件或其他软件包构建上述DNA分子系统发生树。三 实验规定：1. 提交使用CLUSTALX及PHYLIP软件进行多重序列比对及构建系统发生树的结果；VP7 outtree:Spike of SARS outtree:2. 总结多重序列比对及构建系统发生树的关键事项。选择合适的比对算法，构建系统发生树时适当选择独立关系的分支序列。实验三 蛋白质结构分析及结构预测一 实验目的：1、掌握蛋白质序列检索的操作方法；2、熟悉蛋白质基本性质分析；3、了解蛋白质二级结构预测。5. 学会运用结构浏览软

34、件对生物大分子的结构进行观测。二 实验内容：1. 使用Entrez或SRS信息查询系统检索水通道(Aquaporin-1, AQP1)蛋白质序列。 gi|57163949|ref|NP_.1| aquaporin-1 Ovis ariesMASEFKKKLFWRAVVAEFLAMILFIFISIGSALGFHYPIKSNQTTGAVQDNVKVSLAFGLSIATLAQSVGHISGAHLNPAVTLGLLLSCQISILRAIMYIIAQCVGAIVATVILSGITSSLPDNSLGLNALAPGVNSGQGLGIEIIGTLQLVLCVLATTDRRRRRDLGDSGPLAIGFSVAL

35、GHLLAIDYTGCGINPARSFGSSVITHNFQDHWIFWVGPFIGAALAVLIYDFILAPRSSDLTDRVKVWTSGQVEEYDLDADDINSRVEMKPK2. 给出实例了解生物大分子结构数据库PDB中的记录方式，看懂记录中的内容并会运用Rasmol软件观测蛋白质的三维结构。PDB文献1IH5.pdb的记录方式分析见附录。下图为在Rasmal软件中观测的结果： 球棒模型 三维图 含标注的分组丝带模型3. 使用BioEdit软件对上述蛋白质序列进行分子质量、氨基酸组成、和疏水性等基本性质分析。分子质量与氨基酸组成：疏水性分析：4. 使用PSIPRED web serve

36、r（）对水通道蛋白质序列进行二级结构预测。同时上uniprot数据库查看水通道蛋白质二级结构，并做对比。在线分析：Uniprot与PDB数据库：预测结果与数据库结果基本一致。三 实验规定：1、 提交使用上述软件对人水通道蛋白质序列进行基本性质分析、结构分析以及二级结构和三维结构的分析结果；见上图。实验四 核酸序列分析一实验目的1、 掌握已知或未知序列接受号的核酸序列检索的基本环节；2、 掌握使用BioEdit软件进行核酸序列的基本分析；3、 熟悉共有序列logo图的使用；4、 熟悉RNAfold软件的使用；三实验内容1、使用Entrez或SRS信息查询系统检索人瘦素 (leptin) 的mRN

37、A、基因组DNA、外显子等核酸序列，连接提取该序列内容，阅读序列格式的解释，理解其含义；2、使用BioEdit软件对上述核酸序列进行分子质量、碱基组成、碱基分布、序列变换等基本分析，并从BioEdit软件的“help”栏了解该软件的其它功能；3使用weblogo方法（ ）对多序列比对结果构建共有序列进行可视化表达。4.使用RNAfold （ ），对microRNA前体的二级结构进行预测。四实验方法1、调用Internet浏览器，并在其地址栏输入Entrez网址：；2、在输入栏输入homo sapiens leptin；将检索的核酸序列输入BioEdit软件进行序列基本分析；3、对如下的多序列进

38、行共有序列的分析： 19082_AF115399ttctctgaaatatgaatttagACTGGTACTTATCATGGAG 45328_AB000381gcctgctttctcccctctcagGGACTTACAGTTTGAGATG 45328_AB000381cattgctgcttctttttttagGCATAAATTCTCGTGAACT 45330_AB001517aacttcctgtgtgttttgcagACAGCTGGATAGAAAACGA 45331_AB001517acaattttgttttcttcacagTTTTCAAATTTGCTGGGTA 45331_AB001517t

39、gtggtttttgtctttatcagCAACAAATCTGACACGCTG 45331_AB001517gtgacctctggcgtcctgcagGGGGCGATGCGCTGCTGGT 45331_AB001517atgtccgcgttccttccatagGAAGTTTGTTGTCACAAAG 45331_AB001517tgccatctccctcttttccagGTGCTTTGTGGTTGGGAGC 45331_AB001517accctgtgcttccccttgcagCTGTACTCACTCAGCCAGG 45331_AB001517tcttctctctcgtcaattcagGTACT

40、TCTTCAATAAAGAA 45331_AB001517ttacaggcccgttctctgcagCATTTCAGATCAGAGCATC 45331_AB001517cagcttcccccgtgtgcacagGCCTGGGCCAGCTGCTGGT 45331_AB001517gcccctcctgtcctgcctcagGTCAAGGTGTGGAACACCC 45331_AB001517gaccttgcctcttctctgcagGTACCGAAACTTCCGCACC 45331_AB001517cgcctccttgctctacggtagGTTTTGTCTGGACACGAAG 45331_AB00

41、1517ttactttgcatctctgtttagCTCTGGCTGTGACTTTTCG 45331_AB001517ccatgtctcctctccacccagGGCCTTCACCGCCCTGTGC4.对如下microRNA前体序列进行二级结构预测：hsa-mir-1-2ACCUACUCAGAGUACAUACUUCUUUAUGUACCCAUAUGAACAUACAAUGCUAUGGAAUGUAAAGAAGUAUGUAUUUUUGGUAGGChsa-mir-133bCCUCAGAAGAAAGAUGCCCCCUGCUCUGGCUGGUCAAACGGAACCAAGUCCGUCUUCCUGAGAGGUU

42、UGGUCCCCUUCAACCAGCUACAGCAGGGCUGGCAAUGCCCAGUCCUUGGAGAhsa-mir-221UGAACAUCCAGGUCUGGGGCAUGAACCUGGCAUACAAUGUAGAUUUCUGUGUUCGUUAGGCAACAGCUACAUUGUCUGCUGGGUUUCAGGCUACCUGGAAACAUGUUCUC五实验规定1归纳对人瘦素 (leptin) 的核酸序列分析的结果，列出重要的分析结果； 见上图。2总结共有序列可视化分析的基本环节和特点。 3. 总结RNAfold软件的基本环节和特点。 不可以双击应用程序，若双击RNAfold.exe应用,只能手动输入序列，并且只能一条一条输入，极其麻烦 应当在Dos环境下，到达应用程序的当前目录。然后输入命令：RNAfold.exe result.txt其中“”代表序列以文献形式作为输入，这就允许输入多个序列进行结构预测，而不单单是一个。若没有这个”代表结果以文献形式输出，最终的预测的结构在result.txt文献中。若没有这个符号，则会输出在dos环境下。说明：本实验采用在线版可视化界面。