Molekulárně biologické databáze			
	Pro zajímavost, nebude součástí zkoušky...		Důležité, pravděpodobně bude u zkoušky... O	
				
Molekulárně biologická data
Molekulárně biologická data
MALDI-TOF
iL'Ur
Identifikace proteinů
■Ě
Sekvenace proteinů
Molekulárně biologická data
ÍM
NMR spektroskopie
Molekulárně biologická data Výkonné technologie:
Automatické sekvencování
MALDI-TOF
NMR spektroskopie
Proteinová krystalografie
Výrazný nárůst množství biologických dat.
Ye.ulv Growth of To til Structures
I           E.Sľľ        m*M       LS.[[h       2I.IE1       IS.(DJ       ä],]:(       äS.Mf.      <MM      4-5>ll       £■>■■       EWU
. . . ;  f
13.1.2009 55271

PKOTEIK   D-ATA   ŕAMK
Éra reverzní genetiky
Klasická genetika
Reverzní genetika
Automatické DNA sekvencování
Produkce velkého množství dat
Fenotyp
Genotyp
Genotyp
Fenotyp
BÍ7201 Základy genomiky, podzimní semestr
dyaen^mikyjDc
O
Molekulárně biologická data
Nutnost organizovaného ukládání a skladování dat.
Nutnost prohlížení a analyzování uložených dat.
Databáze je určitá uspořádaná množina informací (dat) uložená na paměťovém médiu.
V širším smyslu jsou součástí databáze i softwarové prostředky, které umožňují manipulaci s uloženými daty a přístup k nim.
O
Analytické nástroje Vyhledávácí software
Nutnost snadného, rychlého a specifického vyhledání informací.
Srovnávání dat (sekvencí)
Sequence alignment - „seřazení" sekvencí.
LPPWTAFKAI FYAHAADRQBLlr.LPI[>DAPH*UTFVGH£HDGVILL- - FTLITI V. Í-CK.IR I E
rFrHTDFRMrFAHAAKQtfHIULFiaDEQHJjmľKFLTTRDGFRH- - AT LHflfl Hfl* I * F E
L Pf HIE Ja\ TAL TM AA í/]] Q T I CI Y I DO:) P 7. F JUhT r K C Jl GA Q D Q rí L ET K V L D (íl HQRVI V [
[. P P N ľ A P ■."; V TAL VHS B & PQT ľ F V PV D|>H P>: P AAT P Q QÄ QT QD AH L H T QIV K S ÍU! G K V R \" ľ LPFn-aPg----Linaad-QclXLIiiD-p-PAAtrtjBg------1-t■fclKŠgndkiLN
ASAH0Il3EArDAlLAFI.EAGD......T VH L S tfL G A EEG APA DTHDGIVI LflHF IT
VSYHaKPgATDAKLAPľNGKK£I]G£?7TUMPgTV7£BDaKpKDTllDaiVVLQtfPI(: VKARGKP8RL&5HQVllIPrKS........YPQII G SBEQA0DDTHDGIVFfcHWPLG
VTABOi. v 9 k i «a ny v u i vx. k t........y ľ bl v r? jí b d du do d v hdq j a l i, HRP Li!
viaiíGip-Sat - - E-----ifkks......tvyf GivjaEEGaDB.D¥NDGIviLqNPig
Rozdělení molekulárně biologických databází
Databáze: Primární Sekundám Strukturní
O
EDRPIKFSTEGATSQSYKQFIEALRERLRGGLIHDIP VLPDP ITLQERHRYIT VEL S H S DTE SIEVGIDVTHAYVVAYRAGTQSYFLRDAP S SASDYLFTGTDQHS LP FYGTYGDLERWAHQ S RQQIPLGLQALTHGIS FFRS GGHDHEEKARTL TV 11 QMV AE AARF RYIS HRVRVSIQTGTAFQPD AAMIS LEN HWDH L S RG VQE S VQDT FPHQVTLTHIRHEPVIVDSLS HPTVAVLALMLFVCHP PHIVEKSKICS S RYEP TVRIGGRDGMCVDVYDHGYHHGHRIIMWKCKDRLEEHQLWTLKSDKTIR SNGK
Ribosome-inactivating protein, subdomain 1
Ribosome-inactivating protein, subdomain 2
Ricin B-like lectins
Rozdělení molekulárně biologických databází
EDR PIKF STEGATSQ SYKQFIEALRERLRGGLIHDIPVLPDPTTLQERHRYIT VELSHSDTESIEVGIDVTHAYVVAYRAGTQSYFLRDAPSSASDYLFTGTDQHS LPFYGTYGDLE RWAHQ S RQ Q IP L GLQ ALTHG IS FF R S GG HDHE EK AR TL TV 11 QMVAEAARFRYISHRVRVSIQTGTAFQPDAAMISLEHHWDHLSRGVQESVQDT FP H Q VTL TH IR HEP VI VD S L S HP TV AV LALMLFVC NPPNIVEKSKICSSRYEP TVRIGGRDGMCVDVYDHGYHHGHRIIMWKCKDRLEEHQLWTLKSDKTIRSHGK
Databáze: Primární Sekundární Strukturní
Primární databáze obsahují anotované sekvence NA nebo proteinů.
O
Rozdělení molekulárně biologických databází
Databáze: Primární Sekundární Strukturní
EDRPIKFSTEGATSQSYKQFIEALRERLRGGLIHDIP VLPDPTTLQERHRYIT VELSHSDTESIEVGIDVTHAYVVAYRAGTQSYFLRDAPSSASDYLFTGTDQHS LP FYG TYGD LERWAHQ S RQQIPLGLQALTHGIS FFRS GGNDNEEKAETLIV11 QMVAE AARF RYISHRVRVSIQTGTAFQPD AAMIŠLEHNWDNLSRGVQESVQDT FPHQVTLTHIRHEPVIVDSLS HPTVAVLALMLFVCHP PHIVEKSKICS S RYEP TVRIGGRDGMCVDVYDNGYHNGNRIIMWKCKDRLEEHQLWTLKSDKTIRSHGK
Ribosome-inactivating protein, subdomain 1
Ribosome-inactivating protein, subdomain 2
Ricin B-like lectins
O
Sekundární databáze obsahují informace odvozené z primárních
databází ve formě charakteristických vzorů sekvencí, tj. funkčních
nebo strukturních motivů získaných srovnáním primárních dat
(sekvencí).
4/5/2009
Rozdělení molekulárně biologických databází
Databáze: Primární Sekundární Strukturní
Obsahují struktury proteinů (nukleových kyselin) a jejich anotace.
O
Rozdělení molekulárně biologických databází
Databáze: Primární Sekundární Strukturní
Genomové zdroje
Total species <H)23)	
^^^^H	
Víru e es  Eukaryota 2105           1759 Badán 1010 Toul records (9315)	Archaea       Plasmids Viroids 39 Viraids          Plasmids 41                       39
	
Viruses  Eukaryota 3243          lOISchromoso 1771 organella 33 Plasmids	Bacteria                Archaea msa    1447 chromcaomea   ffichromcsomea
Rozdělení molekulárně biologických databází
Databáze:
Specializované
Univerzální
#XéJHX!
Specializované databáze obsahují informace o určité
proteinové rodině nebo skupině proteinů, případně
o určitém organismu.
Rozdělení molekulárně biologických databází
Databáze:
Specializované
Univerzální
*+^
Univerzální databáze obsahují informace o proteinech (NA) ze všech organismů.
Rozdělení univerzálních proteinových databází
Univerzální databáze:
„Skladiště" sekvencí- sequence repository
„Manuálně" spravovaná - curated database
Rozdělení univerzálních proteinových databází
„Skladiště" sekvencí - sequence repository
Kromě sekvencí obsahují málo nebo žádné dodatečné informace.
Záznamy generovány automaticky.
Proteiny mohou být zastoupeny několika různými záznamy (sekvencemi) = „nadbytečnost" (redundance) sekvencí.
Rozdělení univerzálních proteinových databází
Manuálně spravované - curated databases
Záznamy obsahují dodatečné informace.
Informace jsou před vložením do databáze validovány experty.
Všechny záznamy o stejné proteinové sekvenci jsou sdružovány do jediného = non-redundant dataset.
Rozdělení	molekulárně b databází	ologických
• Databáze:		
Primární		
Sekundám		
Strukturní		
Genomové zdroje		
Složené databáze		
Složené databáze
Složené (composite) databáze:
Slučují data z několika primárních databází.
Eliminace redundantních dat.
Různá priorita zdrojových databází podle kvality validace a anotace (eliminace redundantních dat z databáze s nižší prioritou).
Molekulárně biologické databáze
Nucleic Acids Research
http://www3.oup.co.uk/nar/database/a/
Nucleotide Seguer
International	ucleotide	Seauence
Database Collaboration		
Coclina and n	3n-codina	DNA
Gene structu	e introns	nd exons
TransČrSľon	1 regulato	sites and
transcriotion factors		
RNAseouenc	e databas	=s
Protein seaue	nee databases	
Structure Databases		
s I non-vertebrate)
Metabolic and Signaling Pathways
and other Vertebrate Gei
larrav Data and other Ger
Other Molecular Biology Databáz
1170 databází
EBI/NCBI/CIB
Instituce zabývající se shromažďováním, správou a poskytováním dat a informací a vývojem analytických nástrojů.
EBI
Evropský institut pro bioinformatiku
NCBI
Národní centrum
pro biotechnologické
informace
CIB
Centrum pro informační biologii
National Center for Biotechnology Information           Center for Information Biology
http://www.ebi.ac.uk/         http://www.ncbi.nlm.nih.gov/   http://www.cib.nig.ac.jp/
O
EBI - Evropský institut pro bioinformatiku
European BloírtformaUcs Institute
•   Založen roku 1992 jako součást European Molecular Biology Laboratory - EMBL.
•   Sídlo v Hinxtonu ve Velké Británii.
Wtleom» tř the ESI
in naH pmlm ifjjmrur; nnd
NCBI - Národní centrum pro biotechnologické informace
National Center for Biotechnology Information
National Library of Medicine                        National Institutes of Health
Založeno v roce 1988 jako oddělení Národní lékařské knihovny (National Library of Medicine - NLM) v USA. Součást National Institutes of Health - NIH.
ř WhildonHCgld??
EHůt*she<Hn 1933 uü u ralional ^■iuucä Tor jnr4eciiiu biology irforrruhcn. HHBI cirolns pJtkc databases, conducts research h iDn^KiaSmüi tHQloqv. dtríriůpi T^ftvarcľ ícKjts for arming genane dala. ami flsüennaiüs, cHcunetmal intofríntíic«i. dí Ick the Iwrw UTrtmfil.irding af rrůlraMar processes alrecbng human heaUh and AHtH
CIB - Centrum pro informační biologii
Založeno jako oddělení Národního genetického institutu [BlíLiiílMž-PlRnPň, NIG) v Japonsku.
f^^i Research Organization of Information and Systems
ifff National Institute of Genetics
http://www.nig.ac.jp/
H frŕni»*»n«*nutiih TJ-		hY^^—^^I
DDMA- Data bit if Jam ZWCO-MDICEH KrU UiCrin fa Ifawaigic fltfrtnrWwiwrJMd^BmM	Blhwulod» Gut Epmii Daldh— DHin Hrnuvhlh Dirriuu* □ Rulkon Ditán SQ-VBaaaa) DĹwl amin DaJraw VED>	DK\ Dale bant
		ÍÍ E -*::- j-lü PiitĽi.1
		*-   ■:■■■-z:-.--. .-■
Primární databáze NA		
* EMBL - Evropský institut pro bioinformatiku		
Q nn		
* GenBank - Národní centrum pro biotechnologické		
informace   El	NCBI	
•  DDBJ -   Národní genetický institut (NIG		
		
o		
EMBL-EBI
EMBL
EMBL
NUCLEOTIDE
EMBL Nucleotide Sequence Database (EMBL-Bank)
byla založena roku 1980 jako první databáze
nukleotidových sekvencí.
Obsahuje sekvence RNA a DNA.
Zdroje sekvencí: vloženy přímo autory, genomové
projekty, patenty
This morning the EMBL Database contained
244,322,213,780 nucleotides
in 153,137,008 entries.
This morning = 21.1.2009
EMBL-EBI -j! g •
Total nucleotides
(current 244,322,213,780)
EMBL
EMBL
NUCLEOTIDE
Number of entries
(current 153,137,008)
TU
S5íi7S4r   S7- Ir   linear,- ^KHÄ;  älJ;   ÍLTT,- 1S53 Eř,
2Efi73ir SitSřfir
EMBL „entry"
JI      12-EEF-13S1  [Bel. 23, ■ĽĽtBttl)
m      25-HW-řOCfE (Bel. 35[ Last n__tMlt Ttn-sltn 11;
XX
l£      ldíľílIíuci Lepena nßfif íľľ ncn-ůYariíLsenia. fceta-řlu__sí;_&e
IE
KE1"       Letfl-yliJít&iiase,
XX
■.■a      Jd^tliiATi Leperii-  ŕt-ďiite cltřfSLí
EC     E_£BL__,ta; "rlciiiplanteff 3.tĽeptepii_tef L_-Ľj.rtjJi_te,-  JĽeaľietpÍJíte,-
CC      SpeĽiBttpirŕtB: ĽBjatlltfíGtB; e_.iíicr_l__:i£; atĽe e_.ie.Lr_le:_ri£; ľc.íJs;
Kľ      eu__-id& I; ľBťsle;-; EbLaaeBe.- EBpillüricileat; J ľ1 idles e; Kl-íCuIIw.
sa
ETT        [5]
KS        1-1:íí
B£       lUBÍEIŮr   1SG7511.
Rä       í-KcLty E.t 2unn K.£.t EtanticrĽít £.t ai_tKa B.i.f
SI        "Tuclettile ani As_l?el ralnc. __il sequence tí the >iirBnc.g:*rji>i
S3       Letfl-ylijít&iiase  íliriaieĽBseJ  íľcä „hite slĽ?ec íIľííľIíueí Leperii- L, í ';
2L       Plane Hul. Dial. 17{2)i2C>ä-213il331).
XX
RH"         [t]
Bf       1-1373
Hl       Hughes Ľ.i, ;
S_ciittel  £lä-fTE^-133tiJ  tt tlis i:^_ ?sr.=ír.í ľ::." _-._r:££ií: ttitftiss E,*,t Uni-řecslty _í flew.:es ti «r líp c n J_=ner Ľeii__l  S._ri_elr Vpcn Iyner  HE2 4Hrlr  W
.'s  ;iŕils
L. JBS?
/ CE—Eľ-TIBEt H.-
Translation = proteinová databáze
/My ŤTľTit _.~"ľ-°- i -■= - r v'   ^-- --i^- —     -_-   5_j_t_t_.aL  Bessils T*er>rdeíi"
í 8Pj €59 S,- 3L4 C; 355 Si  SSt T;  ft oEfeer;
5É__a££ EEatE_cs_c catattĽ_ra. c£_m_tta ttagctcäCt                Et
t wcasa4äí:r &i_rEg.2~i3:  3ľí3L^Tr^r i~:j^7-^:lt ;:.el::t;í3              !.5<?
U&5Í1SM- TtCCCTCj:^  JľTCCii-ľ-E 3 in 3 : TJ^i "£"íi3:2C ä3E2£LTi3*:              LX
=:"3"-=-":-: £.=.::= = :•::: ~=ľs:ii~5 sssľac^tgj giraícicíACCCATtBira              24G
zecssims araäg-a~* íasaraar" a^acarcie? ^t^cuu tcciäs^írca              jíe
eaa-^&gaE ^rcjg^ircÉ ^jaaggacca iaaraĽ—«e n^snaca^sc rcjrc-tcgic              _ieľ ucq^acsa-'fa. arasítc^aa. aqq^aísjtc i|
Formát EMBL databáze
llsntiiiíätlíľi ac£e__lon ruraLec fĽL_*it Lüentlfitc
OS -	ĹEgODiSa  SftíiSS
oc -	KEQBnlsn _les&iíi.__titn
	
EST -	-efecenc« r__ec
SC -	:eze:er.:s sannen:
Hi -	LSJs^sr. ľ s ___itiu£ja
E£ -	zefenen«  :Ľ:rr-Ľ!2!Ľ!ľ.:i
SS- -	:s=sľs:j;s _ĽtťJ_-
es -	-efecenc« ni_tij)±L{aj
Hl -	:eie:er.:s U d«
HL -	:sisĽs:.ľi l::*vi:r.
m -	iotoLoec &ELtaa-Ltrei.isrrst
■   CeflbJEf iitls liSils:
■   iesiľUĽe ^Bble da-b
■   ŕ? í ?SĽ   ILih
■   ŕSÍJSľiCS i.iSäÍ£Ľ
■   tcatiyí'ít.-jsttu'it line
■   vtlirjJŕS! &siijs:i;í data
fLeglna eacíi entĽy; 1 per eatt^í
ta^. ps-Ľ encĽy}
ÍCÍ ďd 1 pet «iCĽy!
f? ps: srii^i :■
ía^. ps-Ľ entĽy}
is^L ps-Ľ entĽy}
ís^. pet «incyj
is^L ps-Ľ sntĽy}
íľ! m- 1   tfpT- pnr.ryí
ía^. peĽ sntĽy}
ís^í pet «incyj
ÍSH. per sntĽy}
{s-4 pse enertf
ís^í pet enncyj
;>■ J psí? entr?) {»4 pec s:.;l":"'
:="L pec s:.;l":"'
:■■ J per sr/íLV"-
;*■ J per sľ.'íL-."-{Q or 1 ps:- nrcz?] {d zľ :="L per eiicz?] f? per KitiyJ
i="j per *:.;"■"■ ■ z'.LTiy p*í BntB^i fl ;*: encz?] fQ : L" SH. pec sntrfj ís^. pet enncyj fernla eauíi eriLĽj;;  1 jmti; ceiLľ^í
Formát EMBL databáze
ID     íls-i 17 íiä-i  i&; <4>; <£>; <£>; <B> BF.
Ths ť; 1-3 n s is p is s s nt:
1. P r rriEir aecissl o n numbar
;. s ští u s n os vs rs E n n u m c s r
Í.TíRílogp'cľrculsr'írlIrresr*
AMílaculatjpa
5. Data class
e.Taiororrlc ilvlílon
T.Ssquinealsngíi
ID     OWaKlIj 37 t; llunt; qenoiLc EHt; H14: HHb ÍQO B?.
http://www.ebi.ac.uk/embl/Documentation/User_manual/usrman.html
	Formát EMBL databáze
.l__l_	ĽefinitiLíi
cor	EntĽ_" t_n_t_u____. fLüfi ae_n_nt tntcy así_JsiKísc  Irä^iag
	an_u£atiün tcou atgient sn^Ľita
ANT	Cr.tiv &_n_t__ľ_t_d. fcea ciicfir.t _ntcy a»_£iu«a _i.tfr i?ff cm
	■■■BBaxlai
nr	fct^nt:
BE	Ehpľ£____l ä«tpjenc« Tsí
«3S	fenaií Suupey Sí^jsnct
BE	Hi_h ItuťJQtiput CERä aeí_i_i__ir^
HB	JíJjh ItuťJQtiíut 2írt^f.s aci_jen_ln_
■H	Kaa €«rifi(i« amer-nnon
fan	ííhcl: äenene   Qhat_rzi
s	TUasri p-icti Zr__ct_ti(ya
STA	ÍFí_i*nftp TbjjkI   31 iv
KD	_,tBT__B__, fBLl í-ntciffř ritt _l_a_ifl__. aa abt^eí
http://www.eb	.ac.uk/embl/Documentation/User_manual/usrman.html
Formát EMBL databáze
Lf_Lct«Lff_t]a_e	EHS
HirflEcamaitaL 2a.if.ls	am-
I'iZfil	na
l_ian	UM
I~f__r__b__(Cí	1W
Otbec a___L	HaH
Ctbeir —ercffütacff	"rar
IľUŕ ľlUS&UlU&	KT£
ílent	EU"
li^na__iiLi:
ITQQlBSSiSlei
TinL
http://www.ebi.ac.uk/embl/Documentation/User_manual/usrman.html
GenBank
Založena roku 1982 v rámci institutu NCBI.
GenBanK^ls me INIH oenellc sequence database, an annotated collector! oíall publicly available DMA sequences ifwc e c■■;■: ;■? --sss ■■;■■ Z-m Jan a* Ja;aPase Issue. P2S-3a>. There are approximately 85.753.566.764 bases In B2.B53.6es sequence records In me Iradlllonal GenBank:divisions and irje.BSS.7S6.141 bases In 37.433.206 sequence records In Ihe WGS division as of February acme.
Sample GenBank Record
http://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html
Sample GenBank Record
-.ms	SttHBHi         iOíi km       on                      PU            <: -.--:: -::-■=?
	
	IHtLTl   «44  ÍC*Tŕ   (W1)   «tí?.   fw*lít*  rf*.
	M 1MB
	ülMlt.i     ŮÍ=l}M*lt
::v:-^ = :.	
3 tmtt GSfOKISH	SllC^lICSyCtJ   CEfEVI9ZIC    it*lEr'a   IÍĎÍI
	;^Ktrv3t?í rvngi; ií?e™vf5V*ř mécjim*».1«^**; jteunirMipřiurt;
	tiíeíii-íe*v«« l**i tiecfitrOttťerE^e«**; j«ín*rt*ry«» r
smutnět	1     IbftfM i u (Gíjjj
;,v7..lť:	Tc ETjtj ,1. C r ,   Jíľíj, ŕ. C.,  liíijuj-. ,w,   *nJ Lufraac*, C .H.
HILL	Cl-siiis  lii *e«njsi:t «f  EXT7,   4  ľcr.í  "^:-±  í _n .'i i: r.  li  :r±«{ui.EE«L f«:
	3HA  J«"iií- j.rf^fT'l  r«itfli)tpt# i a   i«  J*C4)>kivi>yeq*  vMilMM
	T+*l*r.   10    im,    Hŕí-ltO*    I'.IIHI
	WHH
amanai	í        JI.4I4I    1    H    5Í J ti
ítt: : l ;:	Sr^^r-r-   r        WídrlBT   T         r>-»Tin   .7.    omri   In-yriŕ-T-   "
HILL	Iclcjiiir.  tí  1114i  {■■:■.':!■   "ii-ts  it "tur   sesfjisea  íoíllp.   ■  r:,r;L
	flij-j   tazntzibt   ^1 yrapiBliib
JflWK.	Cue?  Pí-'-   10   l?hd   m-7M   (iílír
i  -:--::	tMCtiU
.«»>n^::  r	3     4E<frt»l   1   =4   lOail
unmet	>-™rrľ.
inu	Sirtzŕ JčJtaui eJlGji
■»"■■■	1i:hni - i-iH    f 17 .ttí, 1 -jqíi    T>t-V   tnnvr      Unlrvjv      'ľf   rniiF-iiT(     V«r
	"EVE3. crr Dľsn.
http://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html
Sample GenBank Record
ircfla              annoni          s:íi bf.       cm
ĽErumICfll     3icc2ii.:o3yíCJ   oozevislhí  7.CF. IHtLTi   *c-J  JtvTf   ÍJUVTJ   «t*: ftOCOKH      oiííit VMiitra             HfMt.l
ÄTtfCftEJ
CELřjriíTi    SHeESiEiayetT íhtevi
SiLfcarV::Liií    fVnOtř   14
L  ::/.    ::.■. ;.xLJ;
G*nBjnp EJhŕriiim   tu» rt«EĽ-«-1
f jtŕrfŕTAJlwH-i ri ums eaamfít
umu :i
irTLĽ
-"-   1   ■
(ííjjj
..m kí::  r .v.-r:::: k.
7c rítj, 1. C r,   J: ci J. F
Clauig   ir.-i   *eejuce«
KCl   Juauf-lFjgwit   ŕ
TOrL  10   1111,   1)0)-
WAH
í    stauen 1 7a  m::.
3L:*r±z.r.,  :!i;n:..ľ.
Iclcjiiir.  tí  1114i  i
ííHMtí
3     (t*-?«   1   =4   10311
>-™rrľ.
Iriqphi!■■   ■■■!■. '•'■<■
A VRT - cnhef w*trbfdr «HjjnĽrt
5 IJV - irirrlEfcijfr írouerĽiľ;
S Pi H - planí, hingir and ilpl MqujjpT
ŕ HCl - baĽcciul iŕoueraK
B  "ľFÍI  - bVnJ ^ftyiortctn
S  PHG
10  STH-
11   UfU - inarvi« jim sequences
12. EST n t 5 r sequences (ejjjxesstd sequence ms)
13  PAT ■ patert sequence*
14  ETS ■ ĚTS MqueAces (sequefKe logged ítes)
l£. GSS ■ CÜS smucf^cs. (detxhM vj7=-r Hnucncel} 10  n TO . i ITC UqucfK«ft Oflh H-r^ajul «jtnraťic
http://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html
C^DDBJ
The DNA Data Bank of Japan
DNA Data Bank uf Jjpm
^DBJ
•  Původně zahrnovala data především z japonských výzkumů.
•  V součastnosti úzká spolupráce s ostatními databázemi.

•   •
itional Nucleotide Sequence Database Collaooratit
DDBJ: DHU Dala Bafcol Japm
Cm-DDBJ: Oontor far hforsaliaii Bňtav«Hl DNA Oab Bank
of Japan
KB Hationaf httiaitai of QanatiH
EBt fjirapkan Buňfarautica halRuta EHBL: Empn Hobailr Bbkajy Laboralny
NCBtHjtimalGBiitBrtnr Bbtsdnibifv hfnrHlni i L bar of H
http://www.insdc.org/
Primární databáze proteinů
• Univerzální databáze: „Skladiště" sekvencí - sequence repository Manuálně spravovaná - curated database
Příklad:     GenBank versus RefSeq
National Center for Biotechnology Information
National Library of Medicine                              National Institutes of Health
Primární databáze proteinů
GeiiBank
Nolcmaledl
Autitoi subuafo
Only suthc-f cao leväe
Multiple lecoidkioi samekíci cqubuot
Recoidk cao coiüedrcl each olfcei
No- finál to species ÍEcJuded
Usla. eKcLfiHsed among INSDC membei»
AJdo l£> pimjHij ffleiElme
Protein* identified and linked
Access via F CSC Nucleotide databases
Cmaled
HCEC deolsafiom »dating dfeJa. HCEC levsaa aa new dala. euietge Singjeiecoidkioi eacbmoTecuTecfmaio1!
Limned to model oigaräms
Exclusive NCBX database
AJÓD to levíew atticlea
Prolans and üBEäcripla identified and linked
Acce3ľVH.HucIeotidfa&-Pkí)lck(fc*4aM»
GenPept - GenBank Gene Products Data Bank RefSeq - Reference Sequence
Primární databáze proteinů
PIR-PSD - Protein Information Resource Protein Sequence Database.
Nejstarší univerzální „curated" databáze proteinů. Komplexní, non-redundant data, rozčleněna podle proteinových rodin a nadrodin, doplněna funkčními, strukturními a bibligrafickými daty.
http://pir.georgetown.edu/
suítesfirat Swiss-PROT + TrEMBL
-v-v^
Swiss-Prot - j,Cutared" databáze založená na Univerzitě v Zenevě v roce 1986. Spravovaná Švýcarským institutem pro bioinformatiku (SIB -Swiss Institute of Bioinformatics).
Vysoká úroveň anotace ^^vkládáno více sekvencí než je možno manuálně anotovat a zařadit do databáze.
TrEMBL - Počítačově anotovaná data, odvozená z kódujících úseku sekvencí v DDBJ/EMBL/GenBank, která ZATÍM nejsou zařazena v Swiss-Prot.
O
suiisíprat Swiss-PROT + TrEMBL
• Anotace:      Funkce
Katalytická aktivita Podjednotky Domény
Biotechnologické využití Sekvenční homologie Posttranslační modifikace Reference atd.
http://www.expasy.org/sprot/
Složené databáze
Databáze: Primární Sekundární Strukturní
Genomové zdroje Složené databáze
Složené databáze
SUÍ
Složené (composite) databáze:
Slučují data z několika primárních databází.
Eliminace redundantních dat.
Různá priorita zdrojových databází podle kvality validace a anotace (eliminace redundantních dat z databáze s nižší prioritou).
Swiss-PROT + TrEMBL
OWL (Swiss-PROT + PIR + Genbank + NRL-3D)
4/5/2009
üniProt •
UniProt
Uni P rot KB Pi'jie.n knowtefloeOm« 1 UmPrnKAifwiH-Pm	
	■r
_	.ľfúIhE'i-ľ'.'EL
EBI
íjŔ
Ciwnt jnd anŕárte h
2002- spolupráce mezi EBI, SIB a PIR http:/www.uniprot.org
Sekundárni databáze NA a proteinů
Sekundární databáze obsahují informace odvozené z primárních
databází ve formě charakteristických vzorů sekvencí, tj. funkčních
nebo strukturních motivů získaných srovnáním primárních dat
(sekvencí).
•   Vyhledávání „vzoru" charakteristického pro určitou skupinu proteinů.
•   Možnost predikce funkce proteinů.
O
Sekundární databáze NA a proteinů
• Databáze mohou obsahovat:
Proteinové DOMÉNY odvozené ze známých struktur
Proteinové sekvence seřazené do SEKVENČNÍCH RODIN
CHARAKTERISTICKÉ MOTIVY odvozené z těchto sekvenčních rodin.
LFPtfTAPEAIFYANAADRQIÍLXLFIĽD. IFPHTDPEAIFFANAAF.QQ3IKLFIGD, LFPHIKFGVTftLTHAANDQriĽIYIĽD: LFPHIAFGVTftLVHSSAPQriEVFVĽDI
[llllill I j^llj «■^■^■^il^^^illMi I C[^Tf!
Sekundární databáze NA a proteinů
• Sekundární proteinové databáze:
PROSITE, Pfam, PRINTS, ProDom,
SMART, TIGRFAMS
V současné době sdruženy do integrované klasifikační databáze proteinů InterPro
http://www.ebi.ac.uk/lnterProscan/
:iiťv>A    |       ^.a ^.Iŕ.í   I       v"LĽ.1:.T^  j     fj'H
3  I        ^JL": .Viľ-I LHJ^L    ~~
Sekundární databáze NA a proteinů
• Sekundární proteinové databáze:
PROSITE, Pfam, PRINTS, ProDom,
SMART, TIGRFAMS
V současné době sdruženy do integrované
klasifikační databáze proteinů InterPro
http://www.ebi.ac.uk/lnterProscan/
•   Sekundární databáze NA
TRANSFAC
4/5/2009
Strukturní databáze
Nucleic Acids Research
2009 NAR DdlíkLuibc Summary P j per:» Ctil Ľy ury Liti
C D JlJJ JL-t :
»Ml
HijiPdn and rjUuer Vrrtťt" dle hnamn
HymJjn, B«W5 artö tHsŕäííi
H-rnrrSh Ran and uttwr ifinř FYpr*íGHin n-arah as^i
PrateonMi Reínumi
rjUKh- Ht4ctulji pgkiflv OJUtHseC
[rmnunrAnrjcJ itj[jtijLcs
http://www3.oup.co.uk/nar/database/a/
Strukturní databáze proteinů
Nucleic Acids Research
2UUU HAK l:-.ii.  !:.!-nr   "-mi-  :ii'y I" ■ ■ | ■;" i ■•
Donn ■ ü-rita>: íl
d ľ:;:uUr n y.v*.
Mrmturp LAJlJtiJĽVi
r+JttCrL JtILÍ MlUttLT K
PferttdM
H±LI3±n

PDB - Protein Data Bank
a member oftueÍPDB      MyPDB: Login | Register
ftpj TnfprrUflt'""  D"ť|-jl +" Pi^l^jr^l  M:a.-ťrtr»rdŕii-iil.ať StľUCtUľeS
PROTEIN   DATA   BAN K ^Toffuesday Fel> 17.2009 S there are 55941 Structures"^   I   PDB Statistics®
Databáze obsahuje experimentálně získané struktury proteinů, nukleových kyselin a komplexů informačních biomakromolekul.
PDB Current Holdings Breakdown
O
http://www.rcsb.org/pdb/
	Moktuk ',:■.'			
	FraeirrS éraa	Nixfeic     r-roie^MA 111»          30» trn           u?	t»H	1W
NUR			24	7711
Exp-    Ercflron Míttiod Mii^ůscotry	14Ů	1Ů              5S	0	Í1T
dh	51874	1973             2261	2	10T
Tctll			33	6694T
PDB formát
PC* File Format
i ;:~; , ; . - .-■,,
PDB formát - původní formát databáze.
1997 - mmCIF (macromolecular Crystal log raphic Information File).
Záznamy jsou v databázi uloženy v obou formátech a volně stažitelné.
PDB formát - rozeznáván téměř všemi programy pro práci se strukturami.
PDB formát
Abrin
.. ATOC              3     C       (LU A
■' AI DH             !    (I    (lllJt
AT«             T    (B    CLU A
„ AI DH           9    «2  (LU A
AHM             141     H]      U.II   «
ATOC          II    H£    (LU A
10
Strukturní databáze NA
Nucleic Acids Research
2UU9 NAH Database Summary Papers
i'rtttm «guvKC databases
O
zm :.. ■•-- :í3
SCĽ* ■ VriiLĽj-J tl*l
Vir«T[*
NDB - Nucleic Acid Database
m
WELCOME TO THE
NUCLEIC ACIO DATABASE
Number of Released Structures:
40S9 Structures
Last Update: 15-Jan-2009

http://ndbserver.rutgers.edu/
m
of Nucleic Acid Containing Structures
X-Ray Atlas
•   Gallery Index
•   Index Listing [text only] NMR Atlas
•   Gallery Index
•   Index Listing [text only] rtea tianen
Musical Atlas "SB
The NDB Atlas provides summary information and images for each structure in the database. These images provide many looks at the varied structures of nucleic acids.
TUs Atlas is first divided by experimental type, and then by structure type. Features include:
: images of the asymmetric and biological units, and crystal packing pictures for nucleic acid structures ':-   -s. :-.:'.: :; í phic experiments
: images of the average and ensemble struct u re from NMR experiments
c links to coordinate files, experimental data files
o tables of derived data, including torsion angles and ".:: ;^i" ;;■;: ":: : sr:' :a: ;t
c special features for RNA structures, including images of secondary and tertiary structure

:   :-
i of the MDB Atlas feature
available at "About this Atlas"
Genomové zdroje
N-.:;:= -: ^■: i-:- = =;ea-;:- > íäiabase Summary Paper Categoi
2009 NAR Database Summary Papers Category List
Nucleotide Sequence Databases
RNA sequence databases
Protein sequence databases
Structure Databases
Genomics Databases '"non-vertebrate"'
TIGR Gene Indices
EBI, NCBI - genomové databáze
Genome annotation terms, ontologies and nomenclature
Tasonomy and identification
General genomics databases
Viral genome databases
Prokaryotic genome databases
Unicellular eukaryotes genome databases
Fungal genome databases
Invertebrate genome databases
Vyhledávací systémy
Nutnost organizovaného ukládání a skladování dat.
Nutnost prohlížení a analyzování uložených dat.
Databáze je určitá uspořádaná množina informací (dat) uložená na paměťovém médiu.
V širším smyslu jsou součástí databáze i softwarové prostředky, které umožňují manipulaci s uloženými daty a přístup k nim.
•	Vyhledávací systémy Textové vyhledávání v databázích NCBI - Entrez http://www.ncbi.nlm.nih.gov/Entrez/	e
o	Er-trei is the integrated, text-based search and retrieval system used at NCBI for the major databases, including PubMed= Nucleotide and Protein Sequences. Protein Structures. Complete Genomes. Taxonomy, and others. http://www.ncbi.nlm.nih.gov/Entrez/tutor.html	
4/5/2009
Pubtoed
r    ^^ VfWVf. t
A servics c:"±e "-".£. yv:.::.i. LĺVliľv er" ľ- --žd-L:L:---ž
i-:.i :':.-. 1'-y.:::.*. '.:.y.:v:.:i;: ;:'r.-.Ľ.:':.
pubmed. gov
Putľ^rd :í 3. íľ'-kí cf ::ir V i: N'.::;:)'.: 1 :"::*.:" ;f >!ťí:c::iť ::ia: Includes i"rr IS ľľiĹ'Jion citations f:c:n MZD1INZ a.id c::ie: ufŕ ííííikí jcu^ia.; fer tic:nediciL a.-:ic>i tac!-; :c 1P4S. PubMed include? links to full text articles and other related resources.
Search across databases |?fa™
JCŠDĚE1"*
™   1^
H^J    Piilhrtrd Tr«trill: íirr.. l-.i!   li-iE jiiiirrj   ni (H)     StlrSr-nUirH-ftl »rhm-.lFTP-.ur-.
4     Ig     Book»: :.....-,r :(:,::fc^
]    "^  TmiTTi ] '  iľľJľľ ľri'tľ
g k
I ""■■_ C5T: Eynrcs.i*d 3enuenoe f*g rtíDrfta tic, [[p GSS: Gí^on-c Survey Senuence reícrťs 26  *™éjé pnricki: sequfrict dotflb™
!!!
s
ä  .T.
ä X
.Hniť.   (■"   CDO: ícrůírvíd pro «in domain doub-oi*
ID   oft   3D- DomalFii: Donaim .khti Cry rez i:\r.-t
IP-   UniS-TS: f^'itt's a*-d r-.DFp.r-j dana
i     i-   Dg   PDpScl: pípjMKinr rtu d'ŕ dat* sets
■■. ™   abundnnc« amfile
:■■ -    JM   rT.Fi. [hiliiflc-U: r
• Textové vyhledávání v databázích
EBI- SRS
Sequence Retrieval System C^5 http://srs.ebi.ac.uk/
Vyhledávací systémy
•  Vyhledávání podobností sekvencí
Textové vyhledávání může selhat (nedostatečná
anotace).
Vyskytuje se shodná nebo podobná sekvence
v databázi? (Identifikace možné funkce na základě
homologie.)
•   Specializované nástroje (algoritmy) pro „seřazení" (alignment) sekvencí.
1»TAf .AI r rxnuiMDLKltl rfArxHBCTTairs m 3 vn ... - FTU.IK EMU] ■ ■ Tr|FA:rFAnAAE?0* :..:,*: JO.-íOAAyľiEi.TrKziPHí. c-kí g r:ai I «t rx H 1 F. f :^ ■ A CT H US Ľ-ffX : D E T : 3.ĽF-I XAATf T.'il, lň'_: .V.l. .TF.7 CTI IK.IV1"; : x iaJcvt t c vi s s xj-ar. e V xe^ím- c xjlxt r >;j ;tí d t elhtíj :ve| c t(t*lvv Ixxx -« ru - -   1 ■ n xxl -d ih L [ i iD - p - XAi t CXg*| - - -   -1   . - t lua Dadhi Bv«
xxjkHhD|ArDA>iwHk:......tvilOvl:;,.::;:.!..::: y : lc*. i -
v 9VHI ?|AT DJklL fcF I r.3« í £DC £ ř FT'JÍFi IVV ^tM HE-Fl-r*MX Y VT-G*. [ C
0.iíK.?.KL:.l:.í^.f                  rrg:ií;r»ii:A=:tTXD = i-:'L.rwr-í
xtAtWFjx. cnfccv-Dirt.t........xxUva iMK*}»Tia>ax>. cL.ee.lc - ..Hí r p F*1 ■ - R ■ - -L i Et.......tTT E8 iva i!M EĽ>i DYEDOI rl C.3.rl B
Shrnutí
•  Výrazný nárůst množství biologických dat vede k nutnosti jejich organizovaného skladování a analyzování (databáze).
•   Instituce pro správu dat a vývoj nástrojů pro analýzu: EBI/NCBI/CIB
•  Základní rozdělení databází: primární/sekundární/strukturní databáze
Textové vyhledávací systémy: Entrez/SRS
O
12