基于WWW的生物信息学应用指南

通过WWW所能接触到的海量的生物信息不仅令人惊讶，更多的时候也带来了许多困惑。面对这样浩瀚的生物数据大海，一个分子生物学家首先提出的问题或要求就是渴望学习和了解如何寻找到一个简单有效的方法去筛选海量的数据，并从中“钓到”对于他的研究至关重要的基因及相关信息。目前，最有效的寻找方法无疑是进行快速的搜索和查询。尽管在实际工作中，通过不同类型的数据库，我们可以找到许多不同的方法来完成这个工作，但本章仍然将重点介绍和推荐从序列数据库搜索系统人手来找到我们所需要的一切。这么做的好处在于，不仅能获得单纯的序列信息，同时还能进一步获得关于该序列的有关其他重要信息。
根据当前数据库的主要数据类型，有两种最基本的搜索方法：一种是利用描述性语言进行基于文本的搜索。例如用一个基因的数据库接受号或基因名字作为关键词进行搜索。另一种就是基于序列本身信息的搜索，即用一个核酸或蛋白序列进行序列数据库的搜索，这种方法又称为相似性搜索(见第3章)：本章主要讨论第一种搜索方法。虽然各种不同类型的数据库都提供了一些查询序列数据库的工具，但目前最著名的整合数据库查询系统莫过于美国NCBI的Entrez系统和欧洲EBI的SRS系统：这二个系统都是基于Web界面运行的数据库查询系统，用户可通过输入查询代码、编号、物种来源、说明、文献、作者、日期、关键词等信息对所整合的各类数据库进行检索；在使用这些系统中，查询的方法既可以简单到只要输入一个刚发表的序列接受号，或者也可以复杂到用特定的关键词同时搜索好几个数据库。特别是SRS系统可以同时指定序列、结构域、转录因子等在几十种不同的数据库中进行查询，而每一种数据库又有各子数据库可以复选，然后再一起查询。这种查询方式与美国的Entrez系统在找到一个结果后(例如序列、文献等)。再由交叉链接的方式寻找其他相关信息是不同的：因为一个对象不可能链接到所有的数据库，有时必须用间接的方式才能找到其他的数据库信息。由于SRS系统可以同时查询几个不同的数据库，因此无论是在查询效率和查询结果的程度上，均要优于Entrez系统；当然，具体在实际使用中，选择哪种系统完全取决于各人的喜好和使用习惯。需要指出的是，此处所讨论的搜索策略实际上也同样适用于其他的基于文本搜索的生物数据库，例如酵母和小鼠的基因数据库。这些查询系统对于科学家而言是不可或缺的技巧和方法。使用这些数据查询系统的好处不仅在于提供了符合查询关键词的结果，更重要的是能 ……