GenBank简介

发布网友 发布时间：2024-10-17 02:38

我来回答

共1个回答

热心网友 时间：2024-10-17 06:20

大型数据库的分段管理为多个优势：一方面，能够有效限制数据库查询范围，加速搜索速度；另一方面，对于基因组快速测序产生的大量未注释序列，单独分类有助于查询时定向筛选。GenBank将这些数据按照高通量基因组序列、表达序列标记、序列标记位点和基因组概览序列进行划分。尽管这些数据尚未注释，它们依旧是GenBank不可或缺的组成部分。通过Entrez数据库查询系统，用户可以整合访问核酸、蛋白质序列、基因图谱、蛋白质结构数据库以及MEDLINE文献摘要数据库。在NCBI的主页上，利用BLAST程序进行未知序列的同源性搜索，进一步获取序列信息。完整的GenBank数据库包含序列文件、索引文件以及其他相关文件，其中索引文件依据作者、参考文献等子段建立，用于数据库查询。GenPept数据库是GenBank中的核酸序列翻译产物，数据格式为FastA。早期的GenBank以CD-ROM光盘形式分发，但随着数据库容量的增大，光盘分发方式不再适用。如今，用户可通过网络下载最新的GenBank数据库。

在GenBank中，序列文件是最常用的部分，它由序列条目构成，每个序列条目包括核甘酸碱基排列顺序和注释两部分。这些文件通常通过计算机网络提供。序列条目由字段组成，每个字段由关键字起始，后跟具体说明，有些字段还包括次关键字或特性表说明符。序列条目的格式非常重要，关键字从第一列开始，次关键字从第三列开始，特性表说明符从第五列开始。每个字段可以占一行或多行，若一行写不下，则继续行以空格开始。序列条目结束标记为双斜杠“//”。关键字包括代码、说明、编号、核酸标识符、关键词、数据来源、文献、特性表、碱基组成及碱基排列顺序等。代码字段为序列条目的唯一标识符，包含序列的功能信息。说明字段提供序列的简要描述。序列代码具有唯一性和永久性，是引用序列时的官方标识。核酸标识符提供序列的当前版本信息。关键词字段由提交者提供，包含序列的基因产物和其他相关信息。数据来源字段说明序列的生物体、组织来源。次关键字种属指出生物体的分类学地位。文献字段列出相关文献的作者、题目和杂志名称，以及MEDLINE代码，用于网络链接调用文献摘要。FEATURES表格详细描述序列特性，包括数据库链接、序列各部分位置、蛋白质翻译的信号肽和最终多肽等信息。BASE COUNT记录不同碱基在序列中的出现次数。ORIGIN一行指出序列第一个碱基在基因组中的可能位置。最后，核酸序列全部列出，并以“//”结束。

检索序列时，如在文献中查阅到感兴趣基因及其Genbank ID，进入NCBI，选择Nucleotide搜索，输入Genbank ID号，点击“GO”，即可检索到所需序列。这种高效的方法简化了数据查询过程，为科学研究提供了便利。

GenBank是美国国家生物技术信息中心(National Center for Biotechnology Information ，NCBI)建立的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)。为保证数据尽可能的完全，GenBank与EMBL、DDBJ建立了相互交换数据的合作关系。