MIPS：基因组和蛋白质序列数据库

酵母基因组数据库（MYGD）

基于基因组结构酿酒酵母，MIPS酵母基因组数据库（MYGD）(2)提供有关开放阅读框（ORF）、RNA-基因和其他遗传元素的信息。除了特定ORF或元素的特征外，例如自动标注的功能属性、同源性和结构，MYGD还显示了从文献中提取的遗传、生物化学和细胞生物学知识。相关引文和相应摘要同时集成到MIPS参考数据库中。由MIPS（EUROFAN I，SCDEGEN）共同协调的多个系统功能分析项目的数据(三)已于1999年向公众开放，结果显示在特定项目的WWW页面上。

已经实施了一个检索系统，提供系统功能分析项目所表征的不同突变表型的信息。MYGD提供了遗传元素和蛋白质功能描述的概要。酵母基因按功能、蛋白质复合物、蛋白质类别、突变表型、相互作用模式及其亚细胞定位进行分类。通过通用的MYGD搜索工具，使用基因名称、系统代码、登录号或免费文本，可以获得任何特定酵母蛋白或遗传元素的详细信息。除了关于特殊主题的表格外，MYGD网页还提供了生理和遗传途径的模型以及酵母科学界成员提供的精选评论。MIPS汇编了许多使用受控词汇的目录，并提供有关蛋白质遗传和生理背景的信息。与去年相比，MIPS复合物目录又扩展了38个新复合物。MIPS功能类别目录现在由两倍多的子类别和子子类别（总计400个）组成，可以对感兴趣的基因进行精确的标准化功能描述。

MIPS公司粗糙脉孢菌数据库

真菌代表着一组多样的真核生物，就像动植物一样，被现代分类学家置于自己的王国。真菌最大的单一分类单位是子囊菌，而研究最深入的真菌是酵母面包酵母然而，即使对于在更广的生态范围内具有更多基因、更大基因组和更多或不同发育、分解代谢或合成代谢能力的丝状真菌来说，酵母也不是一个合适的范例。例如，酵母不会形成次生代谢产物。除了面包酵母和葡萄裂殖酵母两种丝状真菌粗糙链孢霉和巢状曲霉是重要的遗传模型。

粗糙神经孢子虫50多年来一直是模式生物，制作了详细的遗传图谱和数百个突变株(4). 在美国和德国实验室的合作下，将对由大小在4.0到10.9 Mb之间的七条染色体组成的整个基因组进行测序。基因组总大小约为43 Mb。

MIPS负责分析德国境内II号染色体（4.6 Mb）和V号染色体（9.2 Mb）的数据、基因建模和注释预测蛋白质和其他遗传特征粗糙链孢霉测序项目。基因产物的注释由PEDANT软件执行（见下文）。将建立一个与我们在酵母和拟南芥基因组数据库。

人类信息库（HIB）和DHGP的cDNA数据库

与cDNA或基因组DNA相比，目前对人类基因的功能分析更多地反映在大量EST序列（1999年9月，150万）和不断增加的数量（每周多达4万）上。相比之下，在蛋白质序列数据库（PIR-International）中发现的注释人类蛋白质不到10000个。

HIB是一个自动标注人类基因簇的数据库，包括基于系统同源性和模式分析的人类蛋白质功能分类。这项工作的一个重要先决条件是一组符合高质量标准的数据(5)在质量检查（如去除污染物）后，从中形成非冗余簇，代表假定的人类转录物。然而，这些簇并没有在UniGene中进行系统组装或进一步表征。在HIB数据库中，使用CAP3程序组装每个集群(6). cDNA或完整cds的碱基质量值高于EST序列。HIB的当前版本包含64 056个条目，这些条目来自50 458个UniGene集群，其中至少包含两个成员。

每个组装的EST簇的最长ORF自动提交给PEDANT分析，用于预测蛋白质序列的功能和结构特征（见下文）。使用面向WWW的图形用户界面可视化数据。与MYGD类似，可以通过选择各种类别来访问数据库，例如关键字、超家族、PROSITE模式、PFAM域和结构分类。

所选视图允许表示有趣的方面，并易于解释结果。例如，集群与各种其他物种的同源性以表格形式表示。正如预期的那样，与其他哺乳动物物种的显著匹配率几乎相同(Bos金牛45%，大鼠43%，小鼠42%；E值<1e–35），而较远的真核生物只显示6%到10%的密切相关蛋白质(线虫,面包酵母,拟南芥). 对于原核生物，例如。大肠杆菌，这一比率降至2%。

作为德国人类基因组计划（DHGP）的一部分，德国cDNA项目的主要目标是分离、分析和应用新的全长cDNA。所有EST和完整的cDNA数据都存储在面向对象的数据库中。此数据库的用户界面提供了一种依赖于平台的方式来访问数据。已完成排序和注释的克隆将通过几个特定于客户端的步骤，直到发布到公共数据库。

PEDANT基因组分析服务器

撰写本文时，PEDANT(7)包含26个完全测序的和25个未完成的基因组序列中超过140 000个ORF的功能分配和结构预测。单个蛋白质的报告页面包含一组丰富的自动生成的链接，这些链接指向许多外部数据库，包括MIPS的酵母功能目录、KEGG代谢途径数据库、蛋白质结构域的SCOP分类、NCBI网站和几个蛋白质基序集合（PFAM、PROSITE、BLOCKS）（参考文献见本期NAR）。高级DNA查看器可从每个报告页面访问，它提供了所分析的连续性的图形概览，显示了遗传元素（基因、外显子、tRNAs等）的位置，定位限制位点、起始密码子和终止密码子，允许缩放到特定的感兴趣区域，检查DNA序列并提供六帧翻译。蛋白质查看器将通过各种搜索方法发现的结构预测和相似性匹配可视化。

一个新的基因组比较页面允许查询PEDANT分析的所有基因组。例如，用户可以从所有51个基因组中发现的所有此类域的列表中选择一个PFAM域，包含此类域的ORF列表将与单个基因组相应页面的链接一起生成。

蛋白质序列同源性数据库（ProtFam）

ProtFam项目是同源簇（蛋白质超家族、蛋白质家族和同源域）的精心策划的数据库(8). 分类结果直接复制到PIR-International Protein Sequence Database（PIR-国际蛋白质序列数据库）的条目中（本卷其他地方有所描述）。

具有相同结构域结构的同源蛋白质被划分为蛋白质超家族。高度同源的超家族成员进一步聚集成蛋白质家族。对于家族分类，使用50%序列身份的任意截断。其他无关蛋白质中的局部同源区域被注释为同源域。蛋白质的结构域序列在PIR-International protein sequence Database中表示为一个结构域特征注释，每个结构域及其代表都是HOMOL蛋白质序列数据库中的条目。后一个数据库截至1999年9月包含32000个条目。

对于每个同源簇（家族、超家族、域），我们提供了生物信息的综合视图，例如蛋白质名称、EC编号或关键字。作为一个强大的工具，显示了大约20000个多序列比对（4500个超家族比对，15000个家族比对，374个域比对）。对于每一个多重序列比对，都可以访问基于序列的生物信息（例如域、序列基序、活性位点、翻译后修饰）。

在PIR-International框架内收集蛋白质序列数据

群件系统为蛋白质序列数据库提供数据输入和注释支持。PrIAn（Protein Input and Annotation，蛋白质输入和注释）是一个工作流系统，允许新蛋白质序列的全自动或半自动输入。PrIAn处理从EBI核酸序列数据库条目的相关信息开始(9). 然后，可以在手动过程中对每个编码区域进行注释。该程序允许检查原始EBI条目，并通过与MIPS FastA数据库的链接，检查同源条目中的生物信息。由于实施了PrIAn数据输入，截至1999年9月，PIR-International Protein Sequence数据库已增加到142000个条目。

蛋白质序列数据库的MIPS部分已迁移到一套基于商业OODBMS ObjectStore的面向对象数据库组件。每个数据库组件的底层对象模型表示数据管理的生物学或组织方面的部分。不同类型的引文存储在文献数据库中。该数据库是MIPS的一个中心服务，由多个项目同时使用。最后，注释和规范序列在第三个数据库组件Annotation database中进行管理。

软件系统的体系结构基于层模式，实现了不同层次的抽象。数据库位于底部。持久存储和对象的管理由另一层实现。在顶部，对数据库组件的访问由包含服务器提供的服务的接口层提供。为了实现数据库互操作性，通用通信层是MIPS基础设施的一部分。作为通信技术，CORBA和专有的RPC机制与通用编程语言一起使用。

MIPS互联网资源

所有描述的项目都可以通过互联网访问。表中总结了提供详细材料的最新描述以及直接访问各个项目页面的链接​表11.