prot 巧用数据库 | 我是如何使用NCBI，UCSC，Ensembl，Uniprot四个数据库的？

我们www.taogene.com吉凯基因在线商城对应引物产品的基因已经覆盖了NCBI refseq数据库、mirbase数据库和circbase数据库中人、小鼠和大鼠的全部基因以及Ensembl数据库中的部分基因。

但是今天，我们不谈我们的初级产品，不谈数据之间的差异，只谈这些数据库能做什么。

毫无疑问，NCBI、UCSC、恩森布尔和UniProt是非常强大的数据库。让我们介绍一些我最常用的函数。

NCBI的爆破工具

NCBI的核苷酸BLAST、蛋白质BLAST和BLAST基因组(对应图中的1、2、3)，这三个比较工具用的最多，另外两个blastx和tblastn(对应图中的4、5)用的比较少，但不得不说，真的很好用！！

1.核苷酸Blast (Blastn):核苷酸–核苷酸Blast，一种用于核苷酸对核苷酸比对的工具，可用于序列和NCBI核苷酸数据库之间的比对；

2.蛋白质母细胞(blastp):蛋白质–蛋白质母细胞，蛋白质序列对蛋白质序列比对的工具。它可以在序列之间或与NCBI蛋白质数据库进行比较。

3.BLAST基因组:核苷酸和选定基因组之间的比对；

4.blastx:核苷酸和蛋白质序列比对，根据6个阅读框将给定的核酸序列翻译成蛋白质，并与蛋白质数据库中的序列进行比较，对于分析新的序列和ESTs非常有用；

5.tblastn:根据不同的阅读框将给定的氨基酸序列与核酸数据库中的序列(双链)进行比较，对于发现数据库中未标记序列的新编码区非常有用；

相信大家都用过这五个比较工具，那么大家对比较结果怎么看？以tblastn为例。在比较结果中应注意两个值，即查询覆盖和身份。只有将这两个值结合起来，才能很好地解释序列比较。

1.查询覆盖率:对应于图中的1。值越高，与之匹配的序列越长；

2.恒等式:对应图中的2，数值越大，与它的同源性越高。

再举一个概念的例子:低复杂度序列。顾名思义，序列复杂度低，比如连续t或相对规则的序列。设计引物(如qPCR引物)时应避免这种序列，因为如果引物落在这些位置，很容易导致引物的非特异性结合，可能的结果就是产生非特异性产物。

那么如何从比较结果中确定序列的哪一部分是低复杂度序列呢？如下图所示，比较结果中的小而灰的碱基序列就是低复杂度序列。

克鲁兹加州大学

2.Table Browser可以根据基因的起始和终止位置轻松获得相应的序列，也可以选择不同的装配。

数据库

靶向扫描是最常用的预测微小核糖核酸和靶基因结合位点的网站。本网站使用的目标基因UTR数据库是恩森布尔。

如下图所示，预测结果中给出了ENSMUST00000103114.2。首先，我们可以从这个片段中看到，基因物种是带有版本信息的小鼠”。由于Ensembl数据库信息定期更新，因此会有不同的版本。即有可能在数据库的当前版本(当前系综版本97)中不存在ENSMUST00000103114.2版本的信息，ENSMUST00000103114在系综版本97中是ensmust000103114.7版本。

当前Ensembl版本97中的ENSMUST00000103114如下:

不同版本可能有不同的序列，那么如何找到ENSMUST00000103114.2的对应序列呢？转到不同版本，找到ENSMUST00000103114.2

你可能注意到了一个问题，为什么没有发布66？Ensembl没有显示所有版本，那么如果现有版本中没有ENSMUST00000103114.2，应该在哪里找？去FTP下载(ftp://ftp.ensembl.org/pub/)。

UniProt

Uniprot(通用蛋白质资源)是世界上最全面的蛋白质信息资源库。UniProt提供基于知识的蛋白质序列信息，分类完整，注释信息丰富准确。数据库能提供的信息包括蛋白质功能描述、GO条目、细胞定位、组织特异性表达、生理病理描述、交互蛋白、结构域、翻译后修饰位点等。引用的文章会标注在蛋白质的信息描述段落中，可以跳转到PubMed界面进行浏览。