一般上传数据到NCBI SRA的过程需要6步：
1、Create a BioProject for this research
2、Create a BioSample submission for your biological sample(s)
3、Gather Sequence Data Files
4、Enter Metadata on SRA website
a、Create SRA submission
b、Create Experiment(s) and link to BioProject and BioSample
c、Create Run(s)
5、Transfer Data files to SRA
6、Update Submission with PubMed links, Release Date, or Metadata Changes
需要注意的一点是，上传的过程中很多地方一旦保存或提交就不可以修改，尤其是各处的Alias。但是，可以联系NCBI的工作人员修改内容。NCBI的工作效率是很高的，一般不超过48小时，就可以得到确认，并拿到登录号。
⑵ 在DNA 测序工作中，需要将某些限制性内切酶的限制位点在 DNA上定位
案是A吗
其实这东西很简单..
HindⅢ酶的切点长度：2.8kb 1.2kb
BamHⅠ酶的切点长度：1.8kb 1.3kb 0.9kb
如图所示,当两种酶一起用的时候，切出来了 1.0kb 0.3kb的新长度..
说明1.0kb 0.3kb是两种酶组合切出来的..
刚好2.8kb-1.8kb=1.0kb
1.2kb-0.9kb=0.3kb
1.0kb 的长度是HindⅢ酶切2.8kb BamHⅠ酶切1.8kb组合出来的
0.3kb 的长度是HindⅢ酶切1.2kb BamHⅠ酶切0.3kb组合出来的
所以新的长度是旧长度组合的
没有新的切点
那么
HindⅢ酶的切点有1个，分别是2.8kb 1.2kb
BamHⅠ酶的切点有2个，分别是1.8kb 1.3kb 0.9kb
⑶ 蛋白序列、结构数据库常用的有哪些
蛋白质数据库介绍
蛋白质数据库
1. PIR和PSDPIR国际蛋白质序列数据库(PSD)是由蛋白质信息资源(PIR)、慕尼黑蛋白质序列信息中心(MIPS)和日本国际蛋白质序列数据库(JIPID)共同维护的国际上最大的公共蛋白质序列数据库。这是一个全面的、经过注释的、非冗余的蛋白质序列数据库，包含超过142,000条蛋白质序列(至99年9月)，其中包括来自几十个完整基因组的蛋白质序列。所有序列数据都经过整理，超过99%的序列已按蛋白质家族分类，一半以上还按蛋白质超家族进行了分类。PSD的注释中还包括对许多序列、结构、基因组和文献数据库的交叉索引，以及数据库内部条目之间的索引，这些内部索引帮助用户在包括复合物、酶－底物相互作用、活化和调控级联和具有共同特征的条目之间方便的检索。每季度都发行一次完整的数据库，每周可以得到更新部分。
PSD数据库有几个辅助数据库，如基于超家族的非冗余库等。PIR提供三类序列搜索服务：基于文本的交互式检索；标准的序列相似性搜索，包括BLAST、FASTA等；结合序列相似性、注释信息和蛋白质家族信息的高级搜索，包括按注释分类的相似性搜索、结构域搜索GeneFIND等。
PIR和PSD的网址是：http://pir.georgetown.e/。
数据库下载地址是：ftp://nbrfa.georgetown.e/pir/。
2. SWISS-PROT
SWISS-PROT是经过注释的蛋白质序列数据库，由欧洲生物信息学研究所(EBI)维护。数据库由蛋白质序列条目构成，每个条目包含蛋白质序列、引用文献信息、分类学信息、注释等，注释中包括蛋白质的功能、转录后修饰、特殊位点和区域、二级结构、四级结构、与其它序列的相似性、序列残缺与疾病的关系、序列变异体和冲突等信息。SWISS-PROT中尽可能减少了冗余序列，并与其它30多个数据建立了交叉引用，其中包括核酸序列库、蛋白质序列库和蛋白质结构库等。
利用序列提取系统(SRS)可以方便地检索SWISS-PROT和其它EBI的数据库。
SWISS-PROT只接受直接测序获得的蛋白质序列，序列提交可以在其Web页面上完成。
SWISS-PROT的网址是：http://www.ebi.ac.uk/swissprot/。
3. PROSITE
PROSITE数据库收集了生物学有显着意义的蛋白质位点和序列模式，并能根据这些位点和模式快速和可靠地鉴别一个未知功能的蛋白质序列应该属于哪一个蛋白质家族。有的情况下，某个蛋白质与已知功能蛋白质的整体序列相似性很低，但由于功能的需要保留了与功能密切相关的序列模式，这样就可能通过PROSITE的搜索找到隐含的功能motif，因此是序列分析的有效工具。PROSITE中涉及的序列模式包括酶的催化位点、配体结合位点、与金属离子结合的残基、二硫键的半胱氨酸、与小分子或其它蛋白质结合的区域等；除了序列模式之外，PROSITE还包括由多序列比对构建的profile，能更敏感地发现序列与profile的相似性。PROSITE的主页上提供各种相关检索服务。
PROSITE的网址是：http://www.expasy.ch/prosite/。
4. PDB
蛋白质数据仓库(PDB)是国际上唯一的生物大分子结构数据档案库，由美国Brookhaven国家实验室建立。PDB收集的数据来源于X光晶体衍射和核磁共振(NMR)的数据，经过整理和确认后存档而成。目前PDB数据库的维护由结构生物信息学研究合作组织(RCSB)负责。RCSB的主服务器和世界各地的镜像服务器提供数据库的检索和下载服务，以及关于PDB数据文件格式和其它文档的说明，PDB数据还可以从发行的光盘获得。使用Rasmol等软件可以在计算机上按PDB文件显示生物大分子的三维结构。
RCSB的PDB数据库网址是：http://www.rcsb.org/pdb/。
5. SCOP
蛋白质结构分类(SCOP)数据库详细描述了已知的蛋白质结构之间的关系。分类基于若干层次：家族，描述相近的进化关系；超家族，描述远源的进化关系；折叠子(fold)，描述空间几何结构的关系；折叠类，所有折叠子被归于全α、全β、α/β、α＋β和多结构域等几个大类。SCOP还提供一个非冗余的ASTRAIL序列库，这个库通常被用来评估各种序列比对算法。此外，SCOP还提供一个PDB-ISL中介序列库，通过与这个库中序列的两两比对，可以找到与未知结构序列远缘的已知结构序列。
SCOP的网址是：http://scop.mrc-lmb.cam.ac.uk/scop/。
6. COG
蛋白质直系同源簇(COGs)数据库是对细菌、藻类和真核生物的21个完整基因组的编码蛋白，根据系统进化关系分类构建而成。COG库对于预测单个蛋白质的功能和整个新基因组中蛋白质的功能都很有用。利用COGNITOR程序，可以把某个蛋白质与所有COGs中的蛋白质进行比对，并把它归入适当的COG簇。COG库提供了对COG分类数据的检索和查询，基于Web的COGNITOR服务，系统进化模式的查询服务等。
COG库的网址是：http://www.ncbi.nlm.nih.gov/COG。
下载COG库和COGNITOR程序在：ftp://ncbi.nlm.nih.gov/pub/COG。
⑷ 预测化学领域有哪些研究以后可能获得诺贝尔奖
预测2021年化学领域中自由基化学、点击化学、金属有机框架 (MOF) 和疫苗技术可能获得诺贝尔。
世界将在不到两周的时间里找出谁获得了今年的诺贝尔化学奖，在这个科学界最负盛名的奖项设立 120 周年之际，人们再次兴奋起来。分析师和在线评论员再次试图预测谁将获得认可，最受欢迎的包括自由基化学、点击化学、金属有机框架 (MOF) 和疫苗技术。
维护出版索引平台Web of Science的Clarivate Analytics提出了来自新加坡国立大学的英国生物化学家Barry Halliwell在自由基化学方面的开创性研究，日本研究员Mitsue Sawamoto提出了金属催化活性自由基的发现和发展聚合和耶鲁大学的威廉·乔根森 (William Jorgensen)，以表彰他在溶液中有机和生物分子系统的计算化学方面的工作。
科睿唯安的诺贝尔预测成立于 19 年前，它基于其数据库中索引的 5200 万篇科学文章和会议录的发表和引用数据。这些“引用奖获得者”是从引用次数超过 2000 次的少数研究论文中选出的。在 Web of Science 数据库多年来因其对科学的有影响力的贡献而突出显示的这些人中，有 59 人在此后不久获得了诺贝尔奖。
例如，Emmanuelle Charpentier、Jennifer Doudna 和 John Goodenough 都是 2015 年的引用奖获得者。 这两位女性去年因开发 Crispr-Cas9 基因编辑而获得诺贝尔化学奖，Goodenough 与 Stanley Whittingham 和 Akira Yoshino 分享该奖项2019 年，因为他在开发锂离子电池方面的作用。 Clarivate 前几年成功预测的其他化学诺贝尔奖获得者包括 Fraser Stoddart 和 Martin Karplus。
在由《Chemistry Views》杂志进行并由其读者投票进行的一项民意调查中，今年的两个主要竞争者是来自剑桥大学的 Shankar Balasubramanian，因其在核酸和下一代测序方面的工作，以及加州大学，伯克利分校的 Omar Yaghi，以在 MOF 和共价有机框架方面的工作而闻名。 Balasubramanian 和剑桥大学生物物理化学家 David Klenerman 在本月早些时候赢得了 300 万美元（230 万英镑）的突破奖之一——由硅谷顶级科技企业家设立的一系列奖项。
宾夕法尼亚大学兼职生物化学家 Katalin Karikó 曾帮助开发 mRNA 技术，并且是德国生物技术公司 BioNtech 的高级副总裁，该公司与辉瑞合作开发了成功的 Covid-19 疫苗，在与 Klenerman 的民意调查中并列第二多票. 9 月 21 日，Karikó 还因基于 mRNA 的疫苗技术而获得生命科学突破奖，该技术为首个 Sars-Cov-2 疫苗奠定了基础。 Klenerman 以其对下一代 DNA 测序的贡献而闻名，在化学观点民意调查中与她的投票相匹配。
诺贝尔化学奖的评选考核
每年的诺贝尔化学奖最多颁给三个人及两项不同的科学研究。获奖者由贝尔化学委员会甄选。该委员会由瑞典皇家科学院所推举的五名成员组成。每年9月进行的第一轮选拔中，事先选出包括大学教授、诺贝尔化学奖得主等人在内的约3千人会收到一份保密的提名表。
表格须于翌年1月之前送达诺贝尔委员会，专家在审议后，在被提名人中选出15人左右。委员会将最终人选报告呈交至皇家科学院，接受进一步审议。瑞典皇家科学院最后以多数表决的方式，挑选出获奖者。
诺贝尔基金会的法规规定，被提名人名单从不向公众发布，被提名人本身也不会得知自己被提名。提名记录封存50年。
⑸ 第二代DNA测序技术的应用展望
第二代测序技术
--以Illumina/Solexa Genome Analyzer 为例
1.概述
DNA测序（DNA sequencing）作为一种重要的实验技术，在生物学研究中有着广泛的应用。早在DNA双螺旋结构（Watson and Crick,1953)被发现后不久就有人报道过DNA测序技术，但是当时的操作流程复杂，没能形成规模。随后在1977年Sanger发明了具有里程碑意义的末端终止测序法，同年A.M.Maxam和W.Gilbert发明了化学降解法。Sanger法因为既简便又快速，并经过后续的不断改良，成为了迄今为止DNA测序的主流。然而随着科学的发展，传统的Sanger测序已经不能完全满足研究的需要，对模式生物进行基因组重测序以及对一些非模式生物的基因组测序，都需要费用更低、通量更高、速度更快的测序技术，第二代测序技术（Next-generation sequencing)应运而生。第二代测序技术的核心思想是边合成边测序（Sequencing by Synthesis)，即通过捕捉新合成的末端的标记来确定DNA的序列，现有的技术平台主要包括Roche/454 FLX、Illumina/Solexa Genome Analyzer和Applied Biosystems SOLID system。这三个技术平台各有优点，454 FLX的测序片段比较长，高质量的读长（read）能达到400bp；Solexa测序性价比最高，不仅机器的售价比其他两种低，而且运行成本也低，在数据量相同的情况下，成本只有454测序的1/10；SOLID测序的准确度高，原始碱基数据的准确度大于99.94%，而在15X覆盖率时的准确度可以达到99.999%，是目前第二代测序技术中准确度最高的。虽然第二代测序技术的工作一般都由专业的商业公司来完成，但是了解测序原理、操作流程等会对后续的数据分析有很重要的作用，下文将以Illumina/Solexa Genome Analyzer 测序为例，简述第二代测序技术的基本原理、操作流程等方面。
2.基本原理
Illumina/Solexa Genome Analyzer测序的基本原理是边合成变测序。在Sanger等测序方法的基础上，通过技术创新，用不同颜色的荧光标记四种不同的dNTP，当DNA聚合酶合成互补链时，每添加一种dNTP就会释放出不同的荧光，根据捕捉的荧光信号并经过特定的计算机软件处理，从而获得待测DNA的序列信息。
3.操作流程
1）测序文库的构建（Library Construction）
首先准备基因组DNA（虽然测序公司要求样品量要达到200ng，但是Gnome Analyzer系统所需的样品量可低至100ng,能应用在很多样品有限的实验中），然后将DNA随机片段化成几百碱基或更短的小片段，并在两头加上特定的接头（Adaptor）。如果是转录组测序，则文库的构建要相对麻烦些，RNA片段化之后需反转成cDNA，然后加上接头，或者先将RNA反转成cDNA，然后再片段化并加上接头。片段的大小（Insert size）对于后面的数据分析有影响，可根据需要来选择。对于基因组测序来说，通常会选择几种不同的insert size，以便在组装（Assembly）的时候获得更多的信息。
2）锚定桥接（Surface Attachment and Bridge Amplification）
Solexa测序的反应在叫做flow cell的玻璃管中进行，flow cell又被细分成8个Lane，每个Lane的内表面有无数的被固定的单链接头。上述步骤得到的带接头的DNA 片段变性成单链后与测序通道上的接头引物结合形成桥状结构，以供后续的预扩增使用。
3）预扩增（Denaturation and Complete Amplification）
添加未标记的dNTP 和普通Taq 酶进行固相桥式PCR 扩增，单链桥型待测片段被扩增成为双链桥型片段。通过变性，释放出互补的单链，锚定到附近的固相表面。通过不断循环，将会在Flow cell 的固相表面上获得上百万条成簇分布的双链待测片段。
4）单碱基延伸测序（Single Base Extension and Sequencing）
在测序的flow cell中加入四种荧光标记的dNTP 、DNA 聚合酶以及接头引物进行扩增，在每一个测序簇延伸互补链时，每加入一个被荧光标记的dNTP就能释放出相对应的荧光，测序仪通过捕获荧光信号，并通过计算机软件将光信号转化为测序峰，从而获得待测片段的序列信息。从荧光信号获取待测片段的序列信息的过程叫做Base Calling，Illumina公司Base Calling所用的软件是Illumina’s Genome Analyzer Sequencing Control Software and Pipeline Analysis Software。读长会受到多个引起信号衰减的因素所影响，如荧光标记的不完全切割。随着读长的增加，错误率也会随之上升。
5）数据分析（Data Analyzing）
这一步严格来讲不能算作测序操作流程的一部分，但是只有通过这一步前面的工作才显得有意义。测序得到的原始数据是长度只有几十个碱基的序列，要通过生物信息学工具将这些短的序列组装成长的Contigs甚至是整个基因组的框架，或者把这些序列比对到已有的基因组或者相近物种基因组序列上，并进一步分析得到有生物学意义的结果。
（注：图片引自Elaine R. Mardis (2008) Next-Generation DNA Sequencing Methods Annu. Rev. Genomics Hum. Genet. 9:387–402）
4.讨论
目前Solexa测序的读长能达到75bp，这个大小比传统的Sanger测序要短得多，也比Applied Biosystems 公司的SOLID测序要短，但是Solexa测序的优势是能够获得海量的数据，并且价格低廉，按相同的数据量来算，Solexa测序要比其他测序技术便宜很多。75bp的长度肯定是不适合直接用来分析的，测序得到的reads需要拼接之后才能有实际的用途，这就要求有强大的生物信息学分析能力作为支撑。
和传统的测序技术相比，Solexa测序的错误率也相对较高，并且测序错误倾向于分布在read后面的碱基中，如何区分测序错误和真正的DNA多态性也是一个大问题。
尽管新一代测序技术还不尽如人意，但是它还是有着广泛的应用。目前一些模式生物的全基因组重测序、非模式生物的全基因组测序以及一些生物的转录组测序都采用了新一代测序技术，比如说前不久刚发表的熊猫的全基因组(Ruiqian Li et al,2009)测序就是用Solexa测序技术完成的。
5.参考文献
(1)Elaine R. Mardis (2008) Next-Generation DNA Sequencing Methods Annu. Rev. Genomics Hum. Genet. 9:387–402
(2)Jay Shenre, Hanlee Ji (2008) Next-generation DNA sequencing. nature biotechnology 6:1135-1145
(3)Stephan C Schuster (2008) Next-generation sequencing transforms today’s biology. Nature Methods 5:16-18
(4)Zhou DG, Zhao QG, Fu CG et al (2008) The Next Generation Sequencing and its Effect on the Rice Molecular Design Breeding. Molecular Plant Breeding 6: 619-630
⑹ 销售测序方面的技巧
所有的销售技巧，包括销售测序方面的技巧，都可以简单地浓缩成一句话，那就是：促使顾客达成交易的关键是满足顾客的欲望，你的产品是什么并不重要，重要的是通过你的产品这个媒介，顾客可以得到某种欲望的满足。当你与顾客进行行之有效的沟通时，顾客所感受到的不应该是你要卖给他东西，而是能够从你这个得到非常专业的他所想要的帮助。这就是最关重要的销售任何产品的技巧。
许多专业销售人员感觉到自己在实际销售中面对的最大的、最令人头痛的、最难应付的问题就是价格问题。那么，为什么在销售中卖方会经常遇到价格问题？金钱是否就是决定买方购买的因素？对于这一问题，我们关键是要正确认识和理解两种因素，一是清洁因素，二是满足因素。
金钱并非最主要的激发买方购买的因素，金钱不足以激励买方产生强大的购买力量。当然，买方会因为支付太多而感到沮丧，但只是当他们认为其他人与他们相比能得到折扣或更低价格时才会这样。买方对付价格的态度与他们对待清洁的态度具有明显的相似之处，人们一般只是在手脏了的时候或是习惯性地去洗手，仅是想保持清洁的或维持习惯的愿望促使人们去洗手，这对价格与购买也是一样，所以价格因素在心理学上又称作清洁因素。
如果金钱并非最主要的激发买方购买的因素，那么是什么呢？心理学通过大量研究证实，买方购买的动力大多来自于成就感、对自身工作的满意、工作本身所具有的挑战性、所担当的责任、个人发展的可能性以及对未来的期许等，这在心理学上称作满足因素，因为它们能够促成满足，而清洁因素仅仅通过它们形成的不满足感起作用。
所以，强调买方拥有产品后的价值感，而非对自己产品的观感，譬如成本，在销售中是最最重要的技巧。
建议读一本书：
《行为心理学》（学苑出版社，2003年）。章乃器学院导师推荐书目 http://znq.zjgsu.e.cn/eWebEditor/UploadFile/200810309249872.xls
网络文库下载
http://hi..com/%BD%E2%B6%C1%D0%C4%C0%ED%D1%A7/blog/item/8da16aafd023f0024a36d64b.html
⑺ 将16s rRNA测序数据上传NCBI的SRA数据库，释放数据的时间选择最好是什么时候
一般上传数据到NCBI SRA的过程需要6步：
1、Create a BioProject for this research
2、Create a BioSample submission for your biological sample(s)
3、Gather Sequence Data Files
4、Enter Metadata on SRA website
a、Create SRA submission
b、Create Experiment(s) and link to BioProject and BioSample
c、Create Run(s)
5、Transfer Data files to SRA
6、Update Submission with PubMed links, Release Date, or Metadata Changes
需要注意的一点是，上传的过程中很多地方一旦保存或提交就不可以修改，尤其是各处的Alias。但是，可以联系NCBI的工作人员修改内容。NCBI的工作效率是很高的，一般不超过48小时，就可以得到确认，并拿到登录号。
⑻ 什么是高性能计算集群
群集技术
开放分类： IT、群集技术
就像冗余部件可以使你免于硬件故障一样，群集技术则可以使你免于整个系统的瘫痪以及操作系统和应用层次的故障。一台服务器集群包含多台拥有共享数据存储空间的服务器，各服务器之间通过内部局域网进行互相连接；当其中一台服务器发生故障时，它所运行的应用程序将与之相连的服务器自动接管；在大多数情况下，集群中所有的计算机都拥有一个共同的名称，集群系统内任意一台服务器都可被所有的网络用户所使用。一般而言，群集和高可用性结合的服务器可将运行提升至99.99%。群集技术不仅仅能够提供更长的运行时间，它在尽可能地减少与既定停机有关的停机时间方面同样有着重要意义。例如，如果使用群集，你可以在关闭一台服务器的同时，不用与用户断开即可进行应用，硬件，操作系统的"流动升级"。集群系统通过功能整合和故障过渡技术实现系统的高可用性和高可靠性，集群技术还能够提供相对低廉的总体拥有成本和强大灵活的系统扩充能力。
随着计算机技术的发展和越来越广泛的应用，越来越多的依赖于计算机技术的应用系统走进了我们的工作和生活。在给我们带来方便和效率的同时，也使得各行各业对于计算机技术的依赖程度越来越高。尽管随着计算机技术以日新月异的速度发展，单台计算机的性能和可靠性越来越好，但还是有许多现实的要求是单台计算机难以达到的。
高可用性集群，英文原文为High Availability Cluster, 简称HA Cluster，是指以减少服务中断（宕机）时间为目的的服务器集群技术。
随着全球经济的增长，世界各地各种各样的组织对IT系统的依赖都在不断增加，电子贸易使得商务一周七天24小时不间断的进行成为了可能。新的强大的应用程序使得商业和社会机构对日常操作的计算机化要求达到了空前的程度，趋势非常明显，我们无时无刻不依赖于稳定的计算机系统。
这种需求极速的增长，使得对系统可用性的要求变得非常重要，许多公司和组织的业务在很大程度上都依赖于计算机系统，任何的宕机都会造成严重的损失，关键IT系统的故障可能很快造成整个商业运作的瘫痪，每一分钟的宕机都意味着收入、生产和利润的损失，甚至于市场地位的削弱。
⑼ 中国存在的狼的种类有哪些
答西密恩豺
直到最近，这种体重15～30千克、小巧玲珑的狼被认为是一个独特的品种，定名为犬属鲁拂斯。现在解剖学家认为，这种狼仅仅是犬属卢普希大小和颜色的变异。当发生这种自然变化时，我们称之为亚种。如果发生这种变化时由于人为作用，则称之为“育种”。现在，纯种红狼亚种可能在野外消失。美国东南部常见像狼的动物最可能是红狼的杂种，或是向东迁移的郊狼。
郊狼
郊狼给人的形象是单独狩猎者，但当保卫领地或猎物时，有血缘关系的郊狼会形成群体。北美洲广阔的牧羊场曾经被这些适应能力很强的似犬的动物所破坏，现在，牧羊场的经营者利用欧洲牧犬群保护羊群。
北美洲狼
数百万年前，同其它狼一样，作为狼家族中数量最多的北美洲狼在欧亚大陆的进化，随后迁移到北美洲。它有复杂的群居等级制度。
红狼
体小，细长，外形象犬，是轻巧和肌肉发达的追猎者。
墨西哥狼
小型墨西哥狼是存在于墨西哥中部山区的一个独特亚种。它们的出现表明古代墨西哥人，如阿兹克人和印加人有对犬进行育种的遗传基因材料。墨西哥狼体形小，但却很强健
肯内艾狼
它们是灰狼中最大的亚种，其个体中多数都超过45千克，生活在美国阿拉斯加州的肯内艾半岛，于1951年灭绝。
纽芬兰白狼
1842年，纽芬兰地方政府为追捕这种动物的人设立奖金。1911年，它们成为北美洲灰狼许多亚种中第一个灭绝的亚种。冬天长的被毛容易伪装。
日本狼
日本狼的体型或许是狼亚种中最细小的，因此，这种动物能生存到20世纪。日本狼生活在本州、北海道和现在有争议的日本群岛中的千岛群岛。这些小型灰狼中的最后一只于1905年被杀死。尾巴长，粗壮、毛浓密。
狼在世界上的分布
北极狼
北极狼生活在加拿大北极地区，向北到艾利斯梅里岛。由于食物的缺乏，每群狼都有很大的领地。加拿大南部食物较多，所以狼群的领地就小。
欧洲灰狼
欧洲灰狼曾经一直是具有优势的亚种，但现在这个品种在西欧的大部分地区都已经灭绝。在欧洲的中部和东部、斯堪的纳维亚半岛和伊比利亚半岛生活着少数的欧洲灰狼。
亚洲/阿拉伯狼
这个小的亚种可能是许多欧洲和亚洲家犬的祖先。在亚洲广大地区，这种群居生活和适应性强的狼，居住在家犬最早出现的地区。由于它们是在中国、欧洲和北美有血缘关系的，从而增加了家犬育种遗传基因。
⑽ YLWWINNER是什么
分子生物学数据库的演变经历了文献索引数据库、事实数据库和知识数据库三个阶段。
生物信息学涉及的数据库可大致分为二种：初级数据库和二级数据库。
一级数据库（初级数据库）：数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释。
二级数据库：对原始生物分子数据进行整理、分类的结果，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立的。
国际上着名的初级核酸数据库有Genbank数据库、EMBL核酸库和DDBJ库等；蛋白质序列数据库有SWISS-PROT、PIR等；蛋白质结构库有PDB等；基因组数据库等。
国际上二级生物学数据库非常多，它们因针对不同的研究内容和需要而各具特色，如人类基因组图谱库GDB、转录因子和结合位点库TRANSFAC、蛋白质结构家族分类库SCOP等等。
EMBL数据库的每个条目是一份纯文本文件。每一行最前面是由两个大写字母组成的识别标志， 欧洲国家的许多数据库如SWISS-PROT、ENZYME、TRANSFAC 都采用EMBL格式。
GenBank序列文件由单个的序列条目组成。序列条目是一个纯文本文件，由字段组成，每个字段由关键字（为完整的英文字，不用缩写）起始（每行左端或为空格），后面为该字段的具体说明。有些字段又分若干次子字段，以次关键字或特性表说明符开始。每个序列条目以双斜杠“//”作结束标记。
Genbank库包含了所有已知的核酸序列和蛋白质序列，以及与它们相关的文献着作和生物学注释。
PubMed系统是由美国国立生物技术信息中心（NCBI）开发的用于检索MEDLINE、PreMED-LINE数据库的网上检索系统。MEDLINE是美国国立医学图书馆（U.S.National Library of Medicine）最重要的书目文摘数据库，内容涉及医学、护理学、牙科学、兽医学、卫生保健和基础医学。
BLAST(Basic Local Alignment Search Tool)：是目前常用的数据库搜索程序，意为“基本局部相似性比对搜索工具”。国际着名生物信息中心都提供基于网络的BLAST服务器。
SWISS-PROT和PIR是国际上二个主要的蛋白质序列数据库。
数据库查询(database query) ：对序列、结构以及各种二次数据库中的注释信息进行关键词匹配查找。有时也称数据库检索，它和互联网上通过搜索引擎 (Search engine) 查找需要的信息是一个概念。
数据库搜索(database search
是指通过特定的序列相似性比对算法，找出核酸或蛋白质序列数据库中与检测序列具有一定程度相似性的序列。最为着名的信息检索系统是美国NCBI开发的Entrez数据检索系统和EBI开发的SRS序列检索系统
数据库相似性搜索工具最常见的是FASTA工具和BLAST工具。
EMBL的发送系统为WebIn
GenBank 的发送系统sequin
测序工作者可以把自己工作中获得的新序列提交给NCBI，添加到Genbank数据库。这个任务可以由基于Web界面的BankIt或独立程序Sequin来完成。
确定DNA序列之间或蛋白质序列之间相似性程度的过程称为序列比对(sequence alignment)。
双序列比对(pairwise alignment)是指通过一定算法对两个DNA或蛋白质序列进行比较，找出两者之间最大相似性匹配。
变异的种类主要有以下三种： 替代(substitution)插入或删除(insertion or deletion) indel 重排(rearrangement
同源序列是从某一共同祖先经趋异进化而形成的不同序列 。
相似性（similarity）指序列比对过程中用来描述序列之间相同或相似DNA碱基或氨基酸残基序列所占比例的高低。
同源性（homology）是指从一些数据中判断出两个基因在进化上曾具有共同祖先的结论。
全局比对(global alignment)：
从全长序列出发，考察两个序列之间的整体相似性。
局部比对(local alignment)：
着眼于序列中的某些特殊片断，比较这些片断之间的相似性、
（3）K-元法/字法
(k-tuple method /word method)
该方法从寻找完全匹配的短片断(称为k-元或字)出发，并以此为基础运用动态规划方法将这一片断向两端延伸，得到较长的相似性匹配。
在进行序列两两比对时，有两方面问题直接影响相似性分值：取代矩阵和空位罚分。
空位:序列中任意连续的尽可能长的空格
空位开放 (gap opening)
对新空位的产生进行的空位开放罚分（a）
空位延伸（gap extension )
对空位延伸所进行的空位延伸罚分（b）
空位罚分（Wk）的数学公式
Wk=a+bk k为连续空位个数
@空位处罚特点：1、同常对于a会选择一个高分（10-15分）对于b会选择一个低分（1-2分）
2、大的空位设置值配以很小的空位扩展罚值被普遍证实是最佳的设定思路
@目前最有名的蛋白质矩阵Blosum、PAM
@PAM矩阵要点：可观测突变百分率
核酸序列的检索
1.NCBI中的Entrez
*核酸中载体序列的识别和去除VecScreen
重复序列分析 有CENSOR（EMBL）和RepeatMasker
CpG岛识别 CpGPlot/CpGReport
启动子与转录因子结合位点的识别TRES、Neural Network Promoter Prediction、Dragon Promoter Finder、 promoterInspector、NNPP2.1、TSSG、promoter2.0、Mcpromoter 。
内含子－外显子剪接位点的识别SpliceView、NetGene2和BDGP中Splice Site Prediction等。
编码区统计特性分析GRAIL和GenMark
tRNA基因的识别tRNAscan-SE
其它综合基因预测工具GENSCAN
限制性内切酶分析REBASE(从google英文界面进入)
在线限制性酶切资源NEBcutter V2.0 WebCutter
PCR引物设计Primer 3 Genefisher
① 引物应用核酸系列保守区内设计并具有特异性。
② 产物不能形成二级结构。
③ 引物长度一般在15~30bp碱基之间，常用的是18~27bp，但不应大于38bp，两引物长度差异不超过3bp。
④ G+C含量在40%~60%之间。
⑤ 退火温度在42~57℃，但两引物间的退火温度的差不可大于5℃ 。
⑥ 引物自身不能有连续4个碱基的互补。
⑦ 引物之间不能有连续4个碱基的互补。
⑧ 引物5′端可以修饰（加酶切位点序列；标记生物素、荧光素、地高辛等 ）。
⑨ 引物3′端不可修饰。
⑩ 引物3′端要避开密码子的第3位，一般避免使用碱基A，最好为G和C。
PIR国际蛋白质序列数据库(PSD)是由蛋白质信息资源(PIR)、慕尼黑蛋白质序列信息中心(MIPS)和日本国际蛋白质序列数据库(JIPID)共同维护的国际上最大的公共蛋白质序列数据库。这是一个全面的、经过注释的、非冗余的蛋白质序列数据库，
PSD数据库有几个辅助数据库，如基于超家族的非冗余库等。PIR提供三类序列搜索服务：基于文本的交互式检索；标准的序列相似性搜索，包括BLAST、FASTA等；结合序列相似性、注释信息和蛋白质家族信息的高级搜索，包括按注释分类的相似性搜索、结构域搜索GeneFIND等。
SWISS-PROT是经过注释的蛋白质序列数据库，由欧洲生物信息学研究所(EBI)维护。数据库由蛋白质序列条目构成，每个条目包含蛋白质序列、引用文献信息、分类学信息、注释等，注释中包括蛋白质的功能、转录后修饰、特殊位点和区域、二级结构、四级结构、与其它序列的相似性、序列残缺与疾病的关系、序列变异体和冲突等信息。
ProtParam工具这是用于计算蛋白质的各种物理化学性质的工具，包括蛋白质的相对分子质量、理论pI值、氨基酸组成、原子组成、消光系数、半衰期、不稳定系数以及总平均亲水性等。
Compute pI/MW工具 是ExPASy工具包中的程序，计算蛋白质的等电点和分子量。对于碱性蛋白质，计算出的等电点可能不准确。
AACompldent工具 根据氨基酸组成辨识蛋白质。
PeptideMass工具 是分析蛋白质在各种蛋白酶和化学试剂处理后的内切产物。
蛋白质二级结构预测
nnpredict工具 （不能用，二级结构预测改用GOR）
HNN工具- Hierarchical Neural Network method
ProtScale工具蛋白质的疏水性分析
Tmpred---跨膜结构分析
COILS---卷曲螺旋预测
SignalP ---信号肽预测工具
蛋白质三级结构预测
SWISS-Model工具 自动蛋白质同源模建服务器，有三个工作模式：Automated Mode、 Alignment Mode和 Project Mode。程序先把提交的序列在ExPdb晶体图像数据库中搜索相似性足够高的同源序列，建立最初的原子模型，再对这个模型进行优化产生预测的结构模型。
最为着名的三大核心数据库：PDB 生物大分子结构数据库；SWISS-PROT 蛋白质序列数据库；
GENBANK 核酸数据库
公认三大核酸数据库：NCBI(美) EMBL（欧洲） DDBJ（日）