Xây dựng cơ sở dữ liệu hai gene HSP-70 và Reverse transcripte-rnaseH ở một số loài virus thực vật

Xây dựng cơ sở dữ liệu hai gene HSP-70 và Reverse transcripte-rnaseH ở một số loài virus thực vật

TRƢỜNG ĐẠI HỌC NÔNG LÂM TP. HỒ CHÍ MINH BỘ MÔN CÔNG NGHỆ SINH HỌC ***000*** KHÓA LUẬN TỐT NGHIỆP XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 và REVERSE TRANSCRIPTE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT Nghành học: CÔNG NGHỆ SINH HỌC Niên khóa: 2001-2005 Sinh viên thực hiện: NGUYỄN VĂN THÁI Thành phố Hồ Chí Minh Tháng 8/2005 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NÔNG LÂM TP. HỒ CHÍ MINH BỘ MÔN CÔNG NGHỆ SINH HỌC ************ XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 và REVERSE TRANSCRIPTASE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT Giáo viên hƣớng dẫn: TS. TRẦN THỊ DUNG Cử Nhân. LƢU PHÚC LỢI Thành phố Hồ Chí Minh Tháng 8/2005 Sinh viên thực hiện: NGUYỄN VĂN THÁI iii LỜI CẢM TẠ Thành kính ghi ơn công lao dạy dỗ, tận tụy suốt đời vì con của cha mẹ. Xin bày tỏ lòng biết ơn sâu sắc đến: TS. Trần Thị Dung Cử Nhân. Lưu Phúc Lợi Đã tận tụy hướng dẫn, truyền đạt kiến thức cho tôi hoàn thành khóa luận này, đặc biệt là thầy Lưu Phúc Lợi đã trang bị cho tôi những kiến thức quí báu và là người đầu tiên đưa tôi đến với Bioinformatics. Xin chân thành cảm ơn đến quí thầy cô bộ môn Công Nghệ Sinh Học, khoa Công Nghệ Thông Tin. Đã nhiệt tình giúp đỡ, khuyên bảo, tạo điều kiện thuận lợi và đóng góp ý kiến chân thành cho tôi trong suốt thời gian làm khóa luận này. Xin gởi lời cảm ơn đến tập thể lớp Công Nghệ Sinh Học K27 đã động viên, giúp đỡ và luôn ở bên cạnh tôi trong những lúc khó khăn trong suốt thời gian học đại học. Nguyễn Văn Thái iv TĨM TẮT KHỐ LUẬN NGUYỄN VĂN THÁI, Đại học Nơng Lâm TP. Hồ Chí Minh. Tháng 8/2005. “XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 VÀ REVERSE TRANSCRIPTASE-RNaseH Ở MỘT SỐ LỒI VIRUS THỰC VẬT” Hội đồng hƣớng dẫn: TS. Trần Thị Dung Cử Nhân. Lƣu Phúc Lợi Khóa luận đƣợc thực hiện tại bộ mơn Cơng Nghệ Sinh Học. Trƣờng Đại Học Nơng Lâm TP. Hồ Chí Minh. Trong khoảng thời gian từ tháng 3/2005 đến 8/2005. Với sự phát triển của kỹ thuật giải trình tự, một số lƣợng lớn các gene hsp-70 và RT-RNaseH đã đƣợc giải trình tự. Những trình tự gene này đƣợc lƣu trữ trong CSDL sinh học lớn nhƣ NCBI, EMBL, DDBj,…Vì các CSDL này q lớn và chứa rất nhiều thơng tin khác nhau, khơng tập trung thành từng gene cụ thể nên khó có thể thực hiện việc truy xuất các thơng tin phục vụ trực tiếp cho một nghiên cứu chun biệt. Do vậy, mục tiêu của chúng tơi là tiến hành xây dựng cơ sở dữ liệu hai gene hsp-70 và reverse transcriptase-RNaseH ở một số lồi virus thực vật. Để đạt đƣợc mục tiêu trên, khóa luận cần đảm bảo thực hiện nội dung nhƣ sau: Dùng Perl script để thu nhận trình tự các nucleotide và protein của hai gene từ trang CSDL GenBank (NCBI cơ sở dữ liệu nucleotide). Xác định gene và protein của hai gene hsp-70 và Reverse transcriptase-RNaseH (RT-RNaseH) trong genome hay ORF (Open Reading Frame) của virus. Tìm hiểu về mơ hình dữ liệu quan hệ, sử dụng mơ hình này vào việc lƣu trữ dữ liệu các trình tự nucleotide và protein của hai gene, tạo CSDL hai gene này. Dùng Perl script để chuyển tự động các dữ liệu vào CSDL. Sử dụng giao thức CGI kết hợp với ngơn ngữ lập trình Perl, để thiết kế trang web CSDL về hai gene hsp-70 và RT-RNaseH ở trên hai họ virus Closteroviridae và Caulimoviridae. v Sau khi thực hiện các nội dung trên chúng tôi đạt đƣợc những kết quả nhƣ sau:  Chúng tôi đã tải đƣợc 325 trình tự gene hsp-70 và RT-RNaseH từ cơ sở dữ liệu NCBI.  Thông qua việc tìm hiểu về hai họ virus, trình tự gene tƣơng đồng, trình tự protein bảo tồn và kết hợp với ClustalW. Chúng tôi đã xác định đƣợc vị trí gene hsp-70 và RT-RNaseH trong ORF hay nằm trong genome của chúng.  CSDL có 325 trình tự đƣợc tích hợp với Web.  Trang Web CSDL gene hsp-70 và RT-RNaseH gồm có 6 trang chính, đó là HOME, SEARCH, TOOL, TAXONOMY, LINK, ABOUT PAGE. Ngoài ra, từ những trang web chính này còn có thể kết nối đến những trang phụ khác để cung cấp những tiện ích cho ngƣời dùng. Từ các trang web này, ngƣời sử dụng có thể truy xuất thông tin, so sánh một trình tự quan tâm với các trình tự trong cơ sở dữ liệu gene hsp-70 và RT-RNaseH, tìm kiếm trình tự, các đặc tính của loài,… vi MỤC LỤC Nội dung Trang Trang bìa . i Trang trong ii Lời Cảm Tạ iii Tóm Tắt Luận Văn . iv Mục Lục vi Danh Sách Các Bảng ix Danh Sách Các Hình . x Danh Sách Các Chử Viết Tắt xii Phần 1. LỜI MỞ ĐẦU 1 Phần 2. TỔNG QUAN TÀI LIỆU 4 2.1. SƠ LƢỢC VỀ CƠ SỞ DỮ LIỆU 4 2.1.1. Định nghĩa 4 2.1.2. Hệ quản trị CSDL . 4 2.1.3. Các mô hình dữ liệu 5 2.1.3.1. Định nghĩa 5 2.1.3.2. So sánh các mô hình dữ liệu……………………………………… 5 2.2. NGÔN NGỮ LẬP TRÌNH PERL, MẠNG INTERNET VÀ WEB 6 2.2.1. Perl 6 2.2.1.1. Tóm tắt lịch sử phát triển 6 2.2.1.2. Ứng dụng 7 2.2.1.3. Một số module của Perl thƣờng đƣợc sử dụng . 7 2.2.2. Giới thiệu về mạng Internet . 8 2.2.2.1. Tóm lƣợc lịch sử phát triển . 8 2.2.2.2. Một số khái niệm 9 2.2.3. Web . 9 2.2.3.1. Tóm lƣợt lịch sử phát triển . 9 2.2.3.2. Tích hợp CSDL với web dùng CGI 10 2.3. CƠ SỞ DỮ LIỆU SINH HỌC . 11 2.3.1. NCBI . 11 vii 2.3.1.1. Vài nét về NCBI . 11 2.3.1.2. Một số cơ sở dữ liệu trong NCBI 11 2.3.1.3. Một số công cụ trong NCBI 12 2.3.2. EBI 13 2.3.2.1. Vài nét về EBI . 13 2.3.2.2. Một số cơ sở dữ liệu trong EBI . 13 2.3.2.3. Một số công cụ hỗ trợ phân tích trình tự sinh học 14 2.3.3. SIB . 15 2.3.4. DDJB và PDBj 15 2.4. VIRUS CAULIMOVIRIDAE VÀ CLOSTEROVIRIDAE . 18 2.4.1. CAULIMOVIRIDAE . 19 2.4.1.1. Khái quát 19 2.4.1.2. Cấu tạo . 20 2.4.1.3. Đặc tính sinh học . 20 2.4.1.4. Cơ chế xâm nhiễm và sao mã trong tế bào ký chủ 20 2.4.2. CLOSTEROVIRIDAE . 21 2.4.2.1. Khái quát 21 2.4.2.2. Cấu tạo . 21 2.4.2.3. Cơ chế xâm nhiễm và sao mã trong tế bào ký chủ 22 2.5. Gene Hsp-70 và Reverse transcriptase-RNaseH 23 2.5.1. Gene Reverse transciptase-RNaseH . 23 2.5.2.1. Vị trí gene RT-RNaseH nằm trong genome 23 2.5.2.2. Chức năng của protein . 23 2.5.2. Gene hsp-70 24 2.5.1.1. Vị trí gene hsp-70 nằm trong genome . 24 2.5.1.2. Chức năng 24 PHẦN 3. PHƢƠNG PHÁP VÀ CHƢƠNG TRÌNH SỬ DỤNG . 25 3.1. Các chƣơng trình và ngôn ngữ lập trình đƣợc sử dụng 25 3.1.1. Hệ điều hành . 25 3.1.2. Các chƣơng trình phân tích trình tự . 25 3.1.2.1. Chƣơng trình so sánh trình tự ClustalW 25 3.1.2.2. Chƣơng trình tìm kiếm các trình tự tƣơng đồng – BLAST . 25 viii 3.1.2.3. Hệ quả trị CSDL quan hệ MySQL 26 3.1.2.4. Apache web Server 27 3.1.2.5. Ngôn ngữ lập trình Perl và các gói sử dụng 27 3.2. Phƣơng pháp . 28 3.2.1. Thu nhận trình tự 28 3.2.2. Xác định gene và protein trong bộ gene virus 29 3.2.3. Thiết kế CSDL trình tự gene và protein hsp-70 và RT-RNaseH 32 3.2.3.1. Phân tích dữ liệu 32 3.2.3.2. Thiết kế CSDL dạng bảng . 34 3.2.3.3. Lƣu trữ các thông tin vào CSDL . 35 3.2.4. Tích hợp CSDL gene hsp-70 và RT-RNaseH với trang Web 37 Phần 4. KẾT QUẢ VÀ THẢO LUẬN . 39 4.1. Kết quả thu nhận trình tự của hai họ Closteroviridae và Caulimoviridae 39 4.2. Kết quả thu nhận trình tự hai gene hsp-70 và Reverse transcriptase-RNaseH . 41 4.3. CSDL trình tự gene hsp-70 và RT-RNaseH 42 4.4. Trang web thể hiện thông tin CSDL gene hsp-70 và RT-RNaseH . 46 4.4.1. Trang thông tin chung về CSDL gene hsp-70 và RT-RNaseH 47 4.4.2. Trang tìm kiếm 47 4.4.3. Trang công cụ 49 4.4.4. Trang cây phân loài . 52 4.4.4.1. Trang Caulimoviridae . 52 4.4.4.2. Trang Closteroviridae . 54 4.4.5. Trang liên kết . 54 4.4.6. Trang thông tin về bộ môn công nghệ sinh học 54 PHẦN 5. KẾT LUẬN VÀ ĐỀ NGHỊ . 55 4.1. KẾT LUẬN 55 4.2. ĐỀ NGHỊ . 55 PHẦN 6. TÀI LIỆU THAM KHẢO 57 PHỤ LỤC . 59 ix DANH MỤC BẢNG Trang Bảng 2.1. Một số CSDL sinh học lớn và các địa chỉ web tƣơng ứng . 17 Bảng 2.2. Một số CSDL sinh học lớn và các địa chỉ web tƣơng ứng.(tiếp theo) 18 Bảng 3.1. Các đối tƣợng phụ dựa trên đối tƣợng chính Sinh vật (Organism) 33 Bảng 3.2. Các đối tƣợng phụ dựa trên đối tƣợng chính trình tự (Sequence) 34 Bảng 4.1 Tổng số trình tự trong CSDL gene hsp-70 và RT-RNaseH . 43 Bảng 4.2 Số trình tự gene hsp-70 43 Bảng 4.3 Số trình tự gene RT-RNaseH 43 x DANH MỤC HÌNH Trang Hình 1.1 Định nghĩa Bioinformatics theo NCBI . 1 Hình 1.2 Định nghĩa bioinformatics đƣợc mở rộng 2 Hình 2.1 Tƣơng tác giữa Perl script-DBI-DBD-và RBDMS 8 Hình 2.2 Tƣơng quan giữa NCBI, NLM . 11 Hình 2.3 Một số cơ sở dữ liệu trong NCBI . 14 Hình 2.4 Ba cơ sở dữ liệu nucleotide (GenBank – EMB - DDB) và công cụ tìm kiếm tƣơng ứng…………………………………………………………………………… .16 Hình 2.5. Sự hợp nhất của ba cơ sở dữ liệu MSD, PDBj, PDB 16 Hình 2.6 Tổ chức genome của virus CaMV 19 Hình 2.7 Một số loài trong họ Caulimoviridae . 20 Hình 2.8 Cơ chế nhân bản, sao mã và dịch mã vào tế bào ký chủ của virus dsDNA . 21 Hình 2.9 Hình thái virion của Citrus tristeza virus thuộc Closterovirus 22 Hình 2.10 Cơ chế nhân bản, sao mã và dịch mã vào tế bào ký chủ của virus (+)ssRNA 22 Hình 2.11 Vị trí gene RT-RNasseH nằm trong cấu trúc genome Cauliflower mosaic virus 23 Hình 2.12. Protein reverse transcriptase 24 Hình 2.13 Vị trí gene hsp-70 nằm trong tổ chức genome của Beet yellows virus 24 Hình 2.14 Protein HSP-70 . 24 Hình 3.1 Sơ đồ tóm tắt quá trình thu nhận trình tự . 28 Hình 3.2 Sơ đồ xác định gene trong genome virus . 29 Hình 3.3 Định dạng FASTA để thực hiện sắp gióng cột hai trình tự 30 Hình 3.4 Kết quả sắp gióng cột cặp trình tự gene RT-RNaseH (đã biết vị trí) với RT-RNaseH trong ORF hay genome của virus 31 Hình 3.5 Sơ đồ các đối tƣợng của CSDL gene hsp-70 và RT-RNaseH 32 Hình 3.6 Tiến trình lấy thông tin từ CSDL hai gene ở hai loài virus . 37 Hình 3.7 Sơ đồ chi tiết các bảng quan hệ trong CSDL hai gene và protein hsp-70 và RT-RNaseH ở hai họ virus Caulimoviridae và Closteroviridae …………………………38 Hình 4.1 File chứa accession number và dòng định nghĩa của giống Crinivirus 39 [...]... CSDL GenBank (NCBI cơ sở dữ liệu nucleotide) Xác định gene và protein của hai gene hsp-70 và Reverse transcriptase-RNaseH (RT-RNaseH) trong genome hay ORF (Open Reading Frame) của virus Tìm hiểu về mô hình dữ liệu quan hệ, sử dụng mô hình này vào việc lƣu trữ dữ liệu các trình tự nucleotide và protein của hai gene, tạo CSDL hai gene này Dùng Perl script để chuyển tự động các dữ liệu vào CSDL Sử dụng... nhƣ sau Một là xây dựng cơ sở dữ liệu (CSDL) về trình tự nucleotide và protein của 2 gene hsp-70 và Reverse transcriptase-RNaseH (RT-RNaseH) Hai là dùng giao diện web để truy xuất thông tin về cơ sở dữ liệu và thực hiện việc chia sẻ thông tin đó Để đạt đƣợc mục tiêu này, khóa luận cần đảm bảo thực hiện nội dung nhƣ sau: Dùng Perl script để thu nhận trình tự các nucleotide và protein của hai gene từ... trình Perl, để thiết kế trang web CSDL về hai gene hsp-70 và RT-RNaseH trên hai họ virus Closteroviridae và Caulimoviridae 4 PHẦN 2 TỔNG QUAN TÀI LIỆU 2.1 SƠ LƢỢC VỀ CƠ SỞ DỮ LIỆU 2.1.1 Định nghĩa [3, 8] Cơ sở dữ liệu (CSDL) là một tập hợp dữ liệu đƣợc tổ chức theo một cấu trúc chặt chẽ nhằm phục vụ cho nhiều mục tiêu khác nhau một cách có chọn lọc Tập hợp dữ liệu sẽ đƣợc lƣu trữ trên các thiết bị lƣu... hành xây dựng CSDL về hai gene hsp-70 và RT-RnasH với hai lý do sau: Thứ nhất, gene hsp-70 là gene quan trọng ở Closteroviridae khi tồn tại trong môi trƣờng sốc nhiệt và gene Reverse Transcriptase-RNaseH (RT-RNaseH) ở Caulimoviridae thuộc nhóm Retrovirus nên gene RT-RNaseH rất quan trọng cho quá trình hoàn thành chu kỳ sống của chúng trong tế bào ký chủ Thứ hai, các thông tin về trình tự hai gene này... Chúng là các CSDL trung gian, đƣợc tạo thành từ sự kết hợp của hai hay nhiều CSDL trên, hay do liên kết đến CSDL khác Cơ sở dữ liệu về protein của trƣờng đại học Y Georgetown (Mỹ) Cơ sở dữ liệu về protein của Thụy Sỹ đặt tại Genva Hình 2.3 Một số cơ sở dữ liệu trong EBI 2.3.2.3 Một số công cụ hỗ trợ phân tích trình tự sinh học FASTA: Do Smith và Waterman tạo ra năm 1981, là chƣơng trình tìm kiếm những... nhất Hiện nay, một số hệ quản trị CSDL mạnh đang đƣợc đƣa ra thị trƣờng nhƣ Visual FoxPro, SQL-Server, Oracle,… 5 Một hệ quản trị cơ sở dữ liệu phải có khả năng giải quyết các vấn đề:  Tính chủ quyền của dữ liệu: đó là phải bảo đảm vấn đề an toàn dữ liệu và tính chính xác của dữ liệu  Tính bảo mật và quyền khai thác thông tin của ngƣời sử dụng  Tranh chấp dữ liệu: do có thể cùng một lúc có nhiều... Các mô hình dữ liệu [2, 3] 2.1.3.1 Định nghĩa Mô hình dữ liệu là sự trừu tƣợng hóa thế giới thực, là sự biểu diễn dữ liệu mức quan niệm Mô hình dữ liệu đƣợc phân loại dựa trên các cách tiếp cận dữ liệu khác nhau của các nhà phân tích, thiết kế CSDL Mô hình dữ liệu hoàn toàn độc lập giữa hệ thống máy tính và cấu trúc dữ liệu Hiện nay, có năm loại mô hình dữ liệu chính Đó là:  Mô hình dữ liệu mạng: thập... toàn cầu và ba cơ sở dữ liệu này có sự hợp tác, trao đổi qua lại dữ liệu Từ đó càng làm cho dữ liệu về trình tự nucleotide trở nên phong phú hơn 16 Entrez NI H NCB I GenBank •Submissions •Updates DDBJ NIG EMB L EM B L • • Submissions Updates EB I CI B •Submissions •Updates SRS getentry Hình 2.4 Ba cơ sở dữ liệu nucleotide (GenBank – EMB -DDB) và công cụ tìm kiếm tƣơng ứng Các tổ chức này đều xây dựng. .. nhóm gồm:  Caulimovirus (loài đặc trƣng: cauliflower mosaic virus)  Soymovirus (loài đặc trƣng: Soybean chlorotic mottle-like viruses)  Cavemovirus (loài đặc trƣng: Cassava vein mosaic-like viruses)  Tungrovirus (loài đặc trƣng: Rice tungro bacilliform-like viruses)  Badnavirus (loài đặc trƣng: Cammelina yellow mottle virus)  Petuvirus (loài đặc trƣng: Petunia vein clearing-like virus) Trong đó,... Reverse transcriptase 2.5.2 Gene hsp-70 2.5.2.1 Vị trí gene hsp-70 nằm trong genome [13, 17] Gene hsp-70 mã hóa cho enzyme HSP-70 thuộc ORF2 trong tổ chức genome (gồm có 9 ORF nằm trong 2 RNA là RNA1 và RNA2) và gene này thuộc RNA2 của họ Closteroviridae Đây là gene bảo tồn trong họ và nhiều nghiên cứu tiến hành xây dựng cây phát sinh loài dựa trên gene này Hình 2.13 Vị trí gene hsp-70 nằm trong tổ chức . KHÓA LUẬN TỐT NGHIỆP XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 và REVERSE TRANSCRIPTE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT Nghành học: CÔNG NGHỆ. HỌC ************ XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 và REVERSE TRANSCRIPTASE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT Giáo viên hƣớng dẫn: