巧用數(shù)據(jù)庫 | 我是如何使用NCBI，UCSC，Ensembl，Uniprot四個數(shù)據(jù)庫的？
我們吉凱基因網(wǎng)上商城(www.taogene.com)中引物產(chǎn)品對應(yīng)的基因目前已經(jīng)覆蓋NCBI refseq數(shù)據(jù)庫、mirbase數(shù)據(jù)庫、circbase數(shù)據(jù)庫中human，mouse，rat的所有基因以及Ensembl數(shù)據(jù)庫的部分基因。
但今天呢，我們不說我們的引物產(chǎn)品，也不談數(shù)據(jù)之間的差別，就說說這幾個數(shù)據(jù)庫到底能做什么？
毋庸置疑，NCBI，UCSC，Ensembl，UniProt四個數(shù)據(jù)庫功能非常強大，下面給大家介紹下我自己用的最多的功能。
NCBI 中BLAST工具
NCBI中的Nucleotide BLAST、Protein BLAST、BLAST Genomes（對應(yīng)圖中的1、2、3），這三種比對工具用的最多，其余兩種blastx、tblastn（對應(yīng)圖中的4和5），用的相對較少，但是不得不說，真的好用！！
1.Nucleotide BLAST（BLASTN）：nucleotide–nucleotide BLAST，核苷酸與核苷酸比對工具，可以序列之間比對，也可以與NCBI nucleotide database比對；
2.Protein BLAST（BLASTP）：protein–protein BLAST，蛋白序列與蛋白序列比對工具。可以序列之間比對，也可以與NCBI Protein database比對；
3.BLAST Genomes：核苷酸與選擇的基因組之間的比對；
4.blastx：核苷酸與蛋白序列比對，將給定的核酸序列按照六種閱讀框架將其翻譯成蛋白質(zhì)與蛋白質(zhì)數(shù)據(jù)庫中的序列進行比對，對分析新序列和EST很有用；
5.tblastn：將給定的氨基酸序列與核酸數(shù)據(jù)庫中的序列（雙鏈）按不同的閱讀框進行比對，對于尋找數(shù)據(jù)庫中序列沒有標(biāo)注的新編碼區(qū)很有用；
這五種比對工具相信大家都用過，那么比對結(jié)果怎么看呢？以tblastn舉例。比對結(jié)果中需要注意Query Coverage和Identities兩個數(shù)值，只有將兩個數(shù)值結(jié)合起來看，才能很好地說明序列的比對情況。
1.Query Coverage：對應(yīng)圖中的1，數(shù)值越高，代表與之匹配的序列越長;
2.Identities：對應(yīng)圖中的2，數(shù)值越大，代表與之同源性越高。
再舉例一個概念：low-complexity sequence。顧名思義，就是序列復(fù)雜度低，比如連續(xù)的T，或者相對有規(guī)律的序列。這種序列在設(shè)計引物（比如qPCR引物）的時候盡量避開，原因是引物如果落在這些位置，容易導(dǎo)致引物的非特異性結(jié)合，帶來的可能結(jié)果就是非特異性產(chǎn)物的產(chǎn)生。
那如何從比對結(jié)果中確定哪部分序列是low-complexity sequence呢？如下圖，比對結(jié)果中小寫的、灰色的堿基序列就是low-complexity sequence。
UCSC
2. Table Browser可以很方便地根據(jù)基因的起始位置和終止位置獲得對應(yīng)的序列，同樣可以選擇不同的assembly。
Ensembl
TargetScan是最常用的microRNA與靶基因結(jié)合位點預(yù)測網(wǎng)站，該網(wǎng)站用的靶基因UTR數(shù)據(jù)庫即Ensembl。
如下圖，預(yù)測結(jié)果中給出了ENSMUST00000103114.2。首先從這個transcript可以看出，基因物種為mouse，帶有version信息“.2”。由于Ensembl數(shù)據(jù)庫信息是定期更新的，會有不同的release。即有可能ENSMUST00000103114.2 version的信息在數(shù)據(jù)庫當(dāng)前的release（Current Ensembl release 97）中并不存在，ENSMUST00000103114目前在Ensembl release 97中是ENSMUST00000103114.7 version。
Current Ensembl release 97中ENSMUST00000103114的信息如下：
不同的release里邊的序列可能會有不同，那如何找到ENSMUST00000103114.2對應(yīng)的序列呢？進入到不同的release里邊去找ENSMUST00000103114.2。
心明眼亮的你們可能注意到了一個問題，為什么沒有release 66？Ensembl并不會把所有的release展示出來，那如果現(xiàn)有的release里邊都沒有ENSMUST00000103114.2，要去哪里找呢？去FTP下載（ftp://ftp.ensembl.org/pub/）即可。
UniProt
UniProt（Universal Protein Resource）是全球有關(guān)蛋白質(zhì)方面信息最全面的資源庫。UniProt提供了完全分類的、有豐富且準(zhǔn)確注釋信息的基于知識的蛋白質(zhì)序列信息，數(shù)據(jù)庫可以提供的信息包括蛋白功能描述、GO條目、細胞定位、組織特異性表達情況、生理病理情況描述、互作蛋白、Domain、翻譯后修飾位點等信息。蛋白的信息描述段落均會標(biāo)出引用文章，并且可以跳轉(zhuǎn)到PubMed界面進行瀏覽。
1.Function 板塊可以看到基因的功能以及參與的生物學(xué)過程;
2.Names & Taxonomy板塊可以看到基因的細胞定位以及拓撲結(jié)構(gòu)域，比如NOTCH1在該板塊能夠看到胞外段，胞內(nèi)段信息;
3.PTM / Processing板塊描述了蛋白的翻譯后修飾情況;
4.Structure板塊可以看到蛋白的三維空間結(jié)構(gòu);
5.Sequence板塊可以得到一個'canonical'序列信息，在不知道選擇哪個轉(zhuǎn)錄本做研究室可以參考該信息判斷。