NCBI简介及序列编号说明.pdfVIP

NCBI简介及序列编号说明

一：ncbi简介

ncbi的genbank与ddbj(dnadatabankofjapan)、embl的ebi数据库共同组成国际

dna数据库，每日都交换更新数据和信息，并主持两个国际年会－国际dna数据库咨询会

议和国际dna数据库协作会议，互相交换信息，因此三个库的数据实际上是相同的。

genbank存有源自于70,000多种生物的核苷酸序列。每条纪录都存有编码区（cds）

特征的注解，还包括氨基酸的译者。（就是美国国家生物技术信息中心

(nationalcenterforbiotechnologyinformation，ncbi)创建的dna序列数据

库，从公共资源中获取序列数据，主要是科研人员直接提供或来源于大规模基因组测

序计划(benson等，1998)。entrez是美国国家生物技术信息中心所提供的在线资源检索

器。该资源将genbank序列与其原始文献出处链接在一起。entrez是由ncbi主持的一个

数据库检索系统。它包括核酸，蛋白以及medline文摘数据库，在这三个数据库中建立了

非常完善的联系。因此，可以从一个dna序列查询到蛋白产物以及相关文献，而且，每个

条目均有一个类邻（neighboring）信息，给出与查询条目接近的信息。）

ddbj主要向研究者搜集dna序列信息并剥夺其数据读取号，信息来源主要就是日本的

研究机构，亦拒绝接受其他国家递交国书的序列。

ebi的主要任务：⑴为科学界建立和维护生物学数据库，提供免费的数据和生物信息

服务，支持生物学数据的存储和挖掘，促进科技进步；⑵通过生物信息学的基础研究继续

推动生物学发展；⑶为各个层次的科学工作者提供生物信息学培训；⑷支持帮助边缘尖端

科技成果向工业界的转化；⑸协调欧洲生物数据的提供。

refseq就是ncbi数据库的参照序列。refseq资料库就是ncbi将genbank的序列再

搞详尽整理的non-redundent序列资料库，它的序列格式和genbank几乎完全相同，但因

为就是全然相同的单一制资料库,为与genbank区别，refseq的accessionnumber格式和

genbank相同。

二：常用序列编号

一般来说，mrna和基因组序列就是我们主要的找寻对象。如果想要打听标准序列的话，

mrna用nm_结尾的，基因组用nc_或者ac_结尾的。1.mrna

nm_表示标准序列,为转录产物序列；成熟mrna转录本序列。

xm_则表示预测的蛋白编码序列；mrna源自基因组注解，序列相等于基因组重叠群。

大多数属预测的。nr_则表示非编码的mRNA子序列，包含结构rnas，假基因转子等。2.基

因组

nc_完整的基因组分子序列，标记的类别包括基因组、染色体、细胞器、质粒。ac_一

些可供选择的注释的基因组序列，主要用来标记病毒和原核生物。

三：accession编号

accession是ncbi序列数据中我们常用到编号（另一个是gi）。accession形式为

cc_#####，其中cc为两个字母，其不同组合又可以区分为蛋白序列、核酸序列或基因组

序列，而#为位数不等的数字；accession后面又会加版本号，以cc_####.#形式表示，最

后的尾数递增表示序列信息较之前的版本有所修改。这样accession+版本号就是一个唯一

的表示，代表一个唯一的序列，而且这个编号不会改变。

1）ac_***：genomicmixed，一些可以供选择的注解的基因组序列，主要用以标记病

毒和原核生物；2）ap_***：proteinmixed，ac_标记序列对应的蛋白产物；

3）nc_***：genomicmixed，完整的基因组分子序列，标记的类别包括基因组、染色

体、细胞器、质粒；4）ng_***：genomicmixed，不完整的基因组区域，提供ncbi基因组

注释途径。比较