cog資料庫

⑴ 基因注釋包括g0/cog/kegg，闡述什麼是g0/cog/kegg注釋及其注釋的主要方法

基因組注釋分析主要包括哪些內容
基因組注釋包括以下方面的內容：

（1） 重復序列的預測。通過比對已知的重復序列資料庫，找出序列中包含的重復序列，識別類型並轉化為N或者X，統計各種類型重復序列的分布。

（2） 編碼基因的預測。通過將轉錄組或EST數據比對到拼接後的基因組序列上，找出編碼基因位置，預測編碼基因結構。或者通過專業的外顯子預測，預測編碼基因的外顯子結構。

（3） 小RNA基因的預測。通過比對已知的小RNA的資料庫，或者通過生物信息(bioinformation)學預測，找出這些小RNA基因，並進行分類。

（4） 調控序列和假基因的預測。

基因功能的注釋，使用的資料庫包括NT/NR, SwissProt/TrEMbl, InterPro, KEGG, COG, Gene ontology等，使用比對的方法，如blast，找出同源相近的基因，並注釋功能。

⑵ 常用的查詢蛋白質結構以及序列的資料庫主要有哪些

1. PIR和PSD
PIR國際蛋白質序列資料庫(PSD)是由蛋白質信息資源(PIR)、慕尼黑蛋白質序列信息中心(MIPS)和日本國際蛋白質序列資料庫(JIPID)共同維護的國際上最大的公共蛋白質序列資料庫，可在這里下載。這是一個全面的、經過注釋的、非冗餘的蛋白質序列資料庫，其中包括來自幾十個完整基因組的蛋白質序列。所有序列數據都經過整理，超過99%的序列已按蛋白質家族分類，一半以上還按蛋白質超家族進行了分類。PSD的注釋中還包括對許多序列、結構、基因組和文獻資料庫的交叉索引，以及資料庫內部條目之間的索引，這些內部索引幫助用戶在包括復合物、酶－底物相互作用、活化和調控級聯和具有共同特徵的條目之間方便的檢索。每季度都發行一次完整的資料庫，每周可以得到更新部分。
PSD資料庫有幾個輔助資料庫，如基於超家族的非冗餘庫等。PIR提供三類序列搜索服務：基於文本的互動式檢索；標準的序列相似性搜索，包括BLAST、FASTA等；結合序列相似性、注釋信息和蛋白質家族信息的高級搜索，包括按注釋分類的相似性搜索、結構域搜索GeneFIND等。
2. SWISS-PROT
SWISS-PROT是經過注釋的蛋白質序列資料庫，由歐洲生物信息學研究所(EBI)維護。資料庫由蛋白質序列條目構成，每個條目包含蛋白質序列、引用文獻信息、分類學信息、注釋等，注釋中包括蛋白質的功能、轉錄後修飾、特殊位點和區域、二級結構、四級結構、與其它序列的相似性、序列殘缺與疾病的關系、序列變異體和沖突等信息。SWISS-PROT中盡可能減少了冗餘序列，並與其它30多個數據建立了交叉引用，其中包括核酸序列庫、蛋白質序列庫和蛋白質結構庫等。
利用序列提取系統(SRS)可以方便地檢索SWISS-PROT和其它EBI的資料庫。SWISS-PROT只接受直接測序獲得的蛋白質序列，序列提交可以在其Web頁面上完成。
3. PROSITE
PROSITE資料庫收集了生物學有顯著意義的蛋白質位點和序列模式，並能根據這些位點和模式快速和可靠地鑒別一個未知功能的蛋白質序列應該屬於哪一個蛋白質家族。有的情況下，某個蛋白質與已知功能蛋白質的整體序列相似性很低，但由於功能的需要保留了與功能密切相關的序列模式，這樣就可能通過PROSITE的搜索找到隱含的功能motif，因此是序列分析的有效工具。PROSITE中涉及的序列模式包括酶的催化位點、配體結合位點、與金屬離子結合的殘基、二硫鍵的半胱氨酸、與小分子或其它蛋白質結合的區域等；除了序列模式之外，PROSITE還包括由多序列比對構建的profile，能更敏感地發現序列與profile的相似性。PROSITE的主頁上提供各種相關檢索服務。
4. PDB
蛋白質數據倉庫(PDB)是國際上唯一的生物大分子結構數據檔案庫，由美國Brookhaven國家實驗室建立。PDB收集的數據來源於X光晶體衍射和核磁共振(NMR)的數據，經過整理和確認後存檔而成。目前PDB資料庫的維護由結構生物信息學研究合作組織(RCSB)負責。RCSB的主伺服器和世界各地的鏡像伺服器提供資料庫的檢索和下載服務，以及關於PDB數據文件格式和其它文檔的說明，PDB數據還可以從發行的光碟獲得。使用Rasmol等軟體可以在計算機上按PDB文件顯示生物大分子的三維結構。
5. SCOP
蛋白質結構分類(SCOP)資料庫詳細描述了已知的蛋白質結構之間的關系。分類基於若干層次：家族，描述相近的進化關系；超家族，描述遠源的進化關系；折疊子(fold)，描述空間幾何結構的關系；折疊類，所有折疊子被歸於全α、全β、α/β、α＋β和多結構域等幾個大類。SCOP還提供一個非冗餘的ASTRAIL序列庫，這個庫通常被用來評估各種序列比對演算法。此外，SCOP還提供一個PDB-ISL中介序列庫，通過與這個庫中序列的兩兩比對，可以找到與未知結構序列遠緣的已知結構序列。
6. COG
蛋白質直系同源簇(COGs)資料庫是對細菌、藻類和真核生物的21個完整基因組的編碼蛋白，根據系統進化關系分類構建而成。COG庫對於預測單個蛋白質的功能和整個新基因組中蛋白質的功能都很有用。利用COGNITOR程序，可以把某個蛋白質與所有COGs中的蛋白質進行比對，並把它歸入適當的COG簇。COG庫提供了對COG分類數據的檢索和查詢，基於Web的COGNITOR服務，系統進化模式的查詢服務等。

⑶ 高通量測序數據公共資料庫有哪些

我原來常用的：

NCBI：持有INSDC的節點。網站上有核酸、蛋白、基因名、基因組名等等的搜索工具，以及BLAST序列比對搜索工具，PUBMED文獻資料庫，Taxonomy數據，COG蛋白家族庫等等。FTP可以下到它全部的資料庫，BLAST的單機程序，以及各種工具程序。

EBI：和NCBI類似，歐洲搞的對等物。感覺EBI網站比NCBI要清楚簡潔。另外EBI網站整合了更多的工具，比如多序列比對。

Uniprot：全蛋白庫。NCBI和EBI的蛋白庫來源於此。目前包括兩部分：SwissProt是人工校對過的，TrEMBL是自動校對的。

Pfam：蛋白家族庫。可以使用配套的HMMER進行搜索。比BLAST能找到更遠緣的東西，而且找到的東西是結構域。
Rfam：RNA的，類似Pfam。

⑷ 國際著名的三大蛋白質資料庫

國際著名的三大蛋白質資料庫有UniProt資料庫、The Human Protein Atlas資料庫、PhosphoSitePlus資料庫。

1、UniProt資料庫

蛋白組學常用資料庫UniProt（全稱UniProt Protein Resource），建立於1986年，由Swiss-Protein、TrEMBL、PIR-PSD三大蛋白質資料庫聯合成立的，其信息量豐富、資源廣泛，是目前公認的首選免費蛋白質資料庫。

2、The Human Protein Atlas資料庫

The Human Protein Atlas內含近30000種人類蛋白質的組織和細胞分布信息，並提供免費查詢。

瑞典Knut&Alice Wallenberg基金會利用免疫組化技術，檢查每一種蛋白質在人類48種正常組織，20種腫瘤組織，47個細胞系和12種血液細胞內的分布和表達，其結果用至少576張免疫組化染色圖表示，並經專業人員校對和標引，保證染色結果具有充分的代表性。

3、PhosphoSitePlus資料庫

PhosphoSitePlus資料庫是一個由CST和NIH聯合開發的免費資源資料庫，總結歸納了海量通過科學研究發現的蛋白修飾位點，包括磷酸化、甲基化、乙醯化、泛素化等，並且包括一些CST公司發現但未發表的蛋白修飾位點。

該資料庫是動態的、開放的、高度互動並持續更新的。它有助於研究PTMs在正常和病理細胞/組織中的作用，同時它也是發現新的疾病標志物和葯物靶點的有力工具。

性能及歷史

蛋白質資料庫（HPDB），建於2005年5月，動態展示生物大分子立體結構，滑鼠點擊放大分子結構、原子定位、測定原子之間距離，可用於教學或科研。服務對象是能夠熟練使用中文的生命科學、醫學、葯學、農學、林學等領域的大中專學生、教師及科技工作者。

分子結構特徵描述採用漢語，同時提供英文原文以供考證。對於善於使用英文的讀者，我們提倡直接訪問RCSB PDB，一來可以減少網路擁擠，二來可以減少由於HPDB的翻譯不妥帶來的不便。

蛋白質資料庫（HPDB）對每個蛋白質分子結構說明部分做了中文翻譯（最新加入資料庫的分子除外），內容包括分子結構定性描述、樣品的來源、表達載體、宿主、化學分析方法、分子結構組成成分等。這些信息並同蛋白質分子結構數據存儲於資料庫，因此HPDB支持中文查詢。

蛋白質資料庫（HPDB）雖然翻譯了「分子結構說明」部分，但為了保證數據的可靠性和准確性，HPDB對一級結構序列及大分子結構坐標數據等未做任何改動，資料庫保持RCSB PDB核實後的原始實驗數據文件，並保持PDB文件格式和蛋白質分子編號。