bioinformation
核酸、蛋白质数据库
数据库介绍：https://zhuanlan.zhihu.com/p/386807269
一些名词：一级数据库 二级数据库 参考序列数据库RefSeq
常用基因组数据库 https://www.jianshu.com/p/49f67a413b11
主要用到：
www.ncbi.nlm.nih.gov
https://www.uniprot.org
https://asia.ensembl.org/index.html
http://cbcb.cdutcm.edu.cn/TCMPG
*传统中药植物基因组数据库。*UniProt主要由SIB的Swiss-prot和EBI的TrEMBL两部分构成，两者最大的区别是：UniProtKB/ SWISS-PROT是Reviewed的，而UniProtKB/TrEMBL则是UnReviewed的数据。
数据库格式
常用：Fasta；GBFF（GenBank格式）；EMBL格式（百度Fasta条目有说明）
文献检索
常用网站：
http://www.ncbi.nlm.nih.gov/
PubMed
www.webofscience.com
https://www.cnki.net/
sci-hub.wf
字段介绍 https://zhuanlan.zhihu.com/p/597890355
常用字段：Affiliation（可以限定国家、机构）
'[journal']: 限定文献类型，或者其它附加条件(中括号)
bacter*:检索bacter开头的单词
"single cell":只检索这个短语，不会联想
rice AND(OR) grain:逻辑运算符，必须大写
例子：(xxx[Author)) AND (xxx[Text Word]) AND (xxxx[Text Word])(Artemisia annua[Title/Abstract]) AND (development[Title/Abstract])
序列比对
相似性（similarity）；同源性（homology）：是否具有共同祖先，0/1；一致性（identity）
相关文章
https://zhuanlan.zhihu.com/p/389535844
https://zhuanlan.zhihu.com/p/388632043
http://www.ncbi.nlm.nih.gov/BLAST
结果参数：E值表示随机误差，越小越好（E值，描述给定大小的数据库随机情况下期望得到的匹配数目。是衡量比对结果显著性的一个尺度）；Per.Ident即序列一致性；Acc.Len即比对上的序列长度
一些问题：
对于查询同源性较远的相似序列，为什么蛋白质查询比核酸查询要好？由于密码子的简并性，发生同义突变后蛋白质序列并不会改变；在真核生物中还存在断裂基因，内含子的变异对蛋白质的影响较小。故同源性较远的相似序列，因为经过了长时间的变异，可能存在DNA序列差异较大，而蛋白质较为相似的情况。在这种情况下，使用蛋白质查询便能更好的找到相似序列。具体表现为蛋白质查询能找到更高得分，更高覆盖度且E值更小的结果
blastP中可以勾选PSI-BLAST，寻找远缘相关蛋白
引物设计
https://www.ncbi.nlm.nih.gov/tools/primer-blast/index.cgi
qPCR 定义 用途-> 今天学习设计其引物-> 引物设计要求：特异性、保守（这个是拿a的序列在b物种里克隆）
引物设计原则：Tm（退火温度，两个引物间不能差太大）、碱基组成（4种分布均匀，GC40-60）、小于3bp的自生互补（self complementarity）等
退火温度不超过72-> 退火时间相对比较久，这个温度对酶的活性不大好
今天查序列，原来gene和nucleotide是两种。之前查的都是后者
primerParameters里的use my own引物，主要是拿来作为设计好引物之后的校验
进化树
相关概念 https://zhuanlan.zhihu.com/p/411238939
https://zhuanlan.zhihu.com/p/141835886
构建方法 https://zhuanlan.zhihu.com/p/4713095171）
序列间相似性程度比较低时，使用距离法（UPGMA和NJ）；近缘序列，使用最大简约法（MP）；有合适的模型，可以选择最大似然法（ML）
名词：【自展检验】（>70）【p-距离】
蛋白质序列分析与结构预测
https://www.rcsb.org 感受高级检索，id、氨基酸残基序列等 （这个是PDB数据库，蛋白质（三维）结构数据库）
数据库里面具体的信息。以及蛋白质3d结构预测工具（visualize里）、序列比对工具 （analyze里）
可以用uniprotein的id来这里搜索相关蛋白
结构比序列保守，反应出的同源关系更可靠。结构家族分类数据库：SCOP（人工分类，分类级别，类中蛋白的同源关系；前两类结构相似，后两类序列相似）、CATH（ai分类）CATH，可以直接搜索，进行匹配，有点像blast相关文章（https://wenku.baidu.com/view/1bbca7f925fff705cc1755270722192e45365897.html）
https://www.umass.edu/microbio/rasmol/ --> http://polyview.cchmc.org/polyview3d.html
蛋白结构预测【基于序列预测结构】（一级（https://www.expasy.org/）（可以看等电点protprama之类的信息）、跨膜结构（tmhmm：https://services.healthtech.dtu.dk/service.php?TMHMM-2.0）等
基于蛋白质序列特征的功能预测（亚细胞定位预测 https://wolfpsort.hgc.jp/ )
https://www.ebi.ac.uk/interpro/ 蛋白质分类家族数据库、基于蛋白质信号的功能预测（信号：序列中的功能位点，像是一些组件以及模块，比如motif、domain等）。所以可以看这个蛋白有哪些结构域还有一个embl下属的smart数据库--还可以分析蛋白质翻译后修饰（糖基化、泛素化等位点）http://smart.embl-heidelberg.de http://pfam.xfam.org
低复杂度区域：常见的，没信息量的区域
P167 二级结构预测 http://www.compbio.dundee.ac.uk/jpred/
三级结构预测 https://swissmodel.expasy.org/
基于序列相似性的功能预测：搜寻ORF https://www.ncbi.nlm.nih.gov/orffinder/
uniprot包括swiss-prot和trEMBL。trEMBL是前者的先行版，质量不如前者
信号肽预测 https://services.healthtech.dtu.dk/service.php?SignalP-5.0
一般分析，信号肽和跨膜结构只考有无
