Банк нуклеотидных последовательностей EMBL

1.   Пользуясь системой SRS, мы получили:
   1. Дата последнего проиндексированного в системе релиза EMBL: 07-Sep-2009
      
       Количество записей в нём: 108577013
      
      
   2. Cписок классов ("Data Class") банка EMBL - их обозначения и описания:
      
      
      * ANN: Constructed sequence with annotation
      * CON: Constructed sequence
      * EST: Expressed Sequence Tag (62846990 Entries)
      * GRV: Genome Reviews
      * GSS: Genome Survey Sequence
      * HTC: High Throughput cDNA sequencing
      * HTG: High Throughput Genome sequencing
      * MGA: Mass Genome Annotation
      * PAT: Patent
      * SET: Project set (EMBL WGS Masters only)
      * STD: Standard
      * STS: Sequence Tagged Site
      * TPA: Third Party Annotation
      * TSA: Transcriptome Shotgun Assembly
      * WGS: Whole Genome Shotgun
      
      

      Databank	Name	Print Name	Short Name	Type	No. of Keys	No. of Entry References	Indexing Date	Status
      EMBLRELEASE	Class	Data Class	cla	index	9	108577013	07-Sep-2009	ok

      
      
      

      Values in EMBLRELEASE:

      
      
      

      Value	No of Entries
      est	62846990
      gss	25905073
      htc	549753
      htg	142473
      pat	10439165
      std	7253026
      sts	1310171
      tpa	6520
      tsa	123842

      
      
      Не проиндексированны записи следующих классов:
      
      WGS, MGA, GRV, CON, ANN.
      
      
   3. Список разделов и число записей банка EMBL:
      
      

      Наименование	Обозначение	Число записей в EMBLWGSNEW	Число записей в EMBLWGSRELEASE	Число записей в EMBLRELEASE	Число записей в EMBLNEW
      ENV	Пробы окружающей среды	12788	17708859	4145029	556879
      FUN	Грибы	48064	208747	3942084	247785
      HUM	Человек	-	1461157	12841544	370279
      INV	Беспозвоночные	222816	3945840	-	465691
      MAM	Другие Млекопитающие	1130847	19228219	9429823	84091
      MUS	Мыши	-	1062676	7424621	509323
      PHG	Бактериофаги	8	8	5865	280
      PLN	Растения	294699	452705	33806044	2399106
      PRO	Прокариоты	22474	242470	909986	103198
      ROD	Грызуны	-	2405634	2261678	11651
      SYN	Синтетический	-	-	2671622	164625
      TGN	Трансгенный	1	1	265465	8
      UNC	Неклассифицируемый	-	-	3945859	300294
      VRL	Вирусы	-	-	827405	49922
      VRT	Другие Позвоночные	-	1922837	10581253	60551

   
   
   
2.   Код доступа: BA000025, имя гена: HLA-A.
   
   Направление гена относительно направления, выбранного для записи: обратное
   Число кодирующих участков: 8
   Длина первого кодирующего участка: 73 нуклеотидa
   Длина последнего кодирующего участка: 5 нуклеотидов
   Длина первого интрона: 130 нуклеотидов
   Длина последнего интрона: 169 нуклеотидов
   
   
3.   Поиск белка по кодирующему участку гена.
   
   Самый длинный кодирующий участок для моего гена - участок в 276 нуклеотидов (1999013..1999288).
   C помощью программы seqret вырежем его последовательность в отдельный файл:
   
   seqret -sask
   Reads and writes (returns) sequences
   Input (gapped) sequence(s): BA000025.embl
   Begin at position [start]: 1999013
   End at position [end]: 1999288
   Reverse strand [N]:
   output sequence(s) [ba000025.fasta]: ba000025.fasta
   
   На выходе получился файл: ba000025.fasta
   
   Чтобы найти белковую последовательность, соответствующую нуклеотидной последовательности вырезанного участка, я воспользовалась программой blastx.
   В поле database: база данных SwissProt
   В поле upload file: ba000025.fasta
   Blastx нашёл множество белков с E-value меньше 0.001, белок P04439 (HLA class I histocompatibility antigen) найден первым.
   Участок с 116 по 206 аминокислотных остатков соответствует исследуемому экзону.
   
   
4.  Характеристика записей EMBL, на которые ссылается запись P15043 (RECQ_ECOLI) банка SwissProt
   
   Запись SwissProt белка P15043, полученная программой ENTRET:   recq_ecoli.entret
   
   

   Идентификатор записи EMBL	Тип молекулы	Класс данных	Раздел EMBL	Дата создания документа	Описание	Длина последовательности
   M30198	linear genomic DNA	STD (Standard)	PRO (Prokaryotes)	20-APR-1990	E.coli recQ gene complete cds, and pldA gene, 3' end.	2695
   M87049	linear genomic DNA	STD (Standard)	PRO (Prokaryotes)	31-AUG-1992	E. coli genomic sequence of the region from 84.5 to 86.5 minutes.	91414
   U00096	circular genomic DNA	STD (Standard)	PRO (Prokaryotes)	23-FEB-2006	Escherichia coli str. K-12 substr. MG1655, complete genome.	4639675
   AP009048	circular genomic DNA	STD (Standard)	PRO (Prokaryotes)	22-JAN-2006	Escherichia coli str. K12 substr. W3110 DNA, complete genome.	4646332

   
   
   Из данных таблицы можно заметить сильное преобладание в длине последовательности двух записей: AP009048 и U00096. Это связано с тем, что они описывают полный геном, а M30198 и M87049 описывают ген LPP (lipoprotein).
   Кроме того, все 4 записи описывают ДНК прокариотического огранизма Escherichia coli, относятся к одному стандартному классу данных.