ncbi站点的一般介绍

NCBI站点的一般介绍及其它资源库的介绍GenBankOverview生物信息学站点地图其它资源库的介绍国际核苷酸序列数据库合作组织GenBank由位于马里兰州Bethesda的美国国立卫生研究院下属国立生物技术信息中心建立，与日本DNA数据库（DNADataBankofJapan,DDBJ）以及欧洲生物信息研究所的欧洲分子生物学实验室核苷酸数据库（EuropeanMolecularBiologyLaboratory,EMBL）一起，都是国际核苷酸序列数据库合作的成员。GenBank，DDBJ，andEMBL,所有这3个中心都可以独立地接受数据提交，而3个中心之间则逐日交换信息，并制成相同的充分详细的数据库向公众开放。因此他们是相等的。什么是GenBank？GenBank是美国国立卫生研究院维护的基因序列数据库，汇集并注释了所有公开的核酸序列。GenBank属于一个序列数据库的国际合作组织，包括EMBL和DDBJ。每个记录代表了一个单独的、连续的、带有注释的DNA或RNA片段。这些文件按类别分为几组：有些按照系统发生学划分，另外一些则按照生成DNA序列数据库的直接提交。这些作者将序列数据库作为论文的一部分来发表，或将数据库直接公开。GenBankGenBank是一个有13亿碱基，来自于100,000多种生物的核苷酸序列的数据库。每条纪录都有编码区（CDS）特征的注释，还包括氨基酸的翻译。遗传密码-15个遗传密码的概要。用来确保GenBank中纪录的编码序列被正确的翻译。访问GenBank通过EntrezNucleotides来查询。用accessionnumber，作者姓名，物种，基因/蛋白名字，还有许多其他的文本术语来查询。关于Entrez更多的信息请看下文。用BLAST来在GenBank和其他数据库中进行序列相似搜索。用E-mail来访问Entrez和BLAST可以通过Query和BLAST服务器。另外一种选择是可以用FTP下载整个的GenBank和更新数据。纪录样本每个记录代表了一个单独的、连续的、带有注释的DNA或RNA片段。这些文件按类别分为几组：有些按照系统发生学划分，另外一些则按照生成DNA序列数据库的直接提交。这些作者将序列数据库作为论文的一部分来发表，或将数据库直接公开。关于GenBank的各个字段的详细描述，以及同Entrez搜索字段的交叉索引。DDBJ/EMBJ/GenBank特性表（见讲义或网络课件）特性表格式和标准被合作数据库用在序列记录的注释上，使得数据共享成为可能，包括详细的描述生物特性和特性限定语的附录，以及IUPAC规定的核苷酸和氨基酸的代号。数据纪录的格式和搜索方式可能会不一样，但是accessionnumber，序列数据和注解都是一模一样的。即，你可以用accessionnumberU12345在GenBank，DDBJ或EMBL中查找相应纪录，得到的结果是完全一样的序列数据，参考内容等等。GenBank普通文件格式参见GenBank记录样本和在GenBank公布通知中的详细描述，下载大多数最近的完全公告和日常积累或非积累更新数据。ASN.1格式—摘要句法记号1，国际标准组织（ISO）数据表示格式，下载大多数最近的完全公告和日常积累或非积累更新数据。分子数据库概览核酸序列Entrez核酸—用accessionnumber,作者姓名，物种，基因/蛋白名字，以及很多其它的文本术语来搜索核酸序列记录（在GenBank+PDB中）。更多的关于Entrez的信息见下。如果要检索大量数据，也可使用BatchEntrez（批量Entrez）。Entrez基因组提供了一个编码区的概要和各种物种的分类表（TaxTable）。编码区概要列出了在基因组中所有的的蛋白，并提供链接到FASTA文件和BLAST。分类表总结了蛋白BLAST分析的结果，建议他们的可能功能，并用颜色编码的图来显示物种同其它物种之间的关系。BLAST将你的序列同核酸库中的的序列比较，检索相似的序列。（更详细的信息见下面Tools/Sequence相似搜索部分）BLAST查找BLAST指南BLAST程序对数据库搜索进行大量的改良，提高了搜索速度，同时把数据库搜索建立在了严格的统计学基础上。局部比对的限制条件不包括空位。这个限制条件对应用Karlin—Altschul统计学极为有利，另一方面，既然空位没有明确地放在模型中，结果就不会像人们期望的那样接近于期望的比对。这并不是说插入确实会妨碍匹配，在大多数情况下，比对仅仅会被分解为若干个明显的HSPs。无论如何，老版本的BLAST程序（1.4以前）的局限性在新版本中已经被取消了，新版本在对待空位问题上有着明确的作法。BLAST程序的修订版最近发布的BLAST程序的修订版提高了搜索速度，敏感度和实用性。这个完全重新写过的软件包指定为2.0版本（避免同WU—BLUST混淆，这个软件是由华盛顿大学设计的，有时称为BLAST2）应该注意到，在发布的2.0版本中，命令行的参数有很大改变。序列相似性搜索通过计算机网络或调制解调器登陆到Internet上并把含有你的序列的e-mail发送到NCBI。DATALIB认准你将搜索的数据库，可选择下列数据库：nr“非丰余的”蛋白或核酸序列数据库，它包括来自PDB，GenBank（R），更新的GenBank（r），EMBL的最新情报；gbGenBank（R）核酸序列数据库；embEMBL数据库；Entrez基因组（各种物种）Entrez是NCBI的一个计划，它包含了GenBank数据。但Entrez和GenBank从本质上是不同的，前者是一个信息检索系统，而后者是一个Entrez从中检索的数据库。Entrez基因组—超过800种在GenBank中被完整测序的物种，包括大于500种病毒，〉25种细菌，酵母，和许多viroids，质粒，和细胞器。还包括正在进行中的基因组，比如人，小鼠，线虫，疟原虫，果蝇，利什曼原虫，水稻，和玉米。EntrezMapViewerEntrez基因组一个软件组成部分，提供整合的果蝇（细胞遗传学和序列图谱）和人类（细胞遗传学，遗传连锁，序列，放射杂交，和其它图谱）的染色体图谱的浏览。通过每个物种的Entrez基因组页面来下载〈350kb的基因组。通过NCBIftp站点来下载〉350kb的基因组—参见在genbank/genomes目录下的readme文件，ftp链接在每个物种的Entrez基因组页面上也有。http://www.ncbi.nlm.nih.gov/Sitemap/index.htmlFASTAFASTA程序是第一个广泛使用的数据库相似性搜索程序。程序引用取代矩阵实行局部比对以获得最佳搜索。但众所周知，使用这种策略会非常耗费工作时，为了提高速度，在实施耗时的最佳搜索之前，程序使用已知的字串检索出可能的匹配。在速度和敏感度之间权衡选择依赖于ktup参数。它决定了字串的大小。增大ktup参数就会减少字串命中的数目，也就会减少所需要的最佳搜索的数目和搜索的速度。从2.0版本开始，FASTA对每一个检索的比对都提供一个统计学显著性的评估。Ftp：//ftp.virginis.edu/pub/fasta/FASTA格式定义行号后只跟随序列数据，参见描述数据库的readme文件，包括nt.Z（每天更新的非冗余BLAST核酸数据库，包括GenBank+EMBL+DDBJ+PDB序列，不包括EST,STS,GSS,orHTGS序列），nr.Z（每日更新的非冗余蛋白质），est.Z,gss.Z,htg.Z,sts.Z,和其它文件。FTPGenPept下载“genpept.fsa.Z”文件，这个文件包含了从GenBank/EMBL/DDBJ记录中翻译过来的FASTA格式的氨基酸序列，这些记录都有一到两个CDS特性的描述。FTP基因组蛋白从ftp站点的genbank/genomes目录下下载各种物种的FASTA格式的氨基酸序列*.faa和蛋白表文件*.ptt。参见readme文件。蛋白表也可以在Entrez基因组中看到。向GenBank提交数据关于提交序列数据，收到accessionnumber，和对纪录作更新的一般信息。BankIt-用于一条或者少数条提交的基于WWW的提交工具软件。注意在提交前用VecScreen去除载体）Sequin提交软件程序，用于一条或者很多条的提交，长序列，完整基因组，alignments，人群/种系/突变研究的提交。可以独立使用，或者用基于TCP/IP的“networkaware”模式，可以链接到其他NCBI的资源和软件，比如Entrez和PowerBLAST。GenBankESTs-表达序列标签，短的、单次（测序）阅读的cDNA序列。也包括来自于差异显示和RACE实验的cDNA序列。STSs序列标签位点短的在基因组上可以被唯一操作的序列，用于产生作图位点。SNPs-人类的和其他物种的遗传变异数据可以提交到NCBI数据库的单核苷酸多态性库中（dbSNP）。www.ncbi.nih.gov/SNP/GSSs基因组调查序列，短的、单次（测序）阅读的cDNA序列，exontrap获得的序列，cosmid/BAC/YAC末端，及其他。HTGs来自于大规模测序中心的高通量基因组序列，未完成的（阶段0，1，2）和完成的（阶段3）序列。注意：完成的人类的HTG序列可以同时在GenBank和HumanGenomeSequencing页面上访问。RefSeqNCBI数据库的参考序列。校正的，非冗余集合，包括基因组DNAcontigs，已知基因的mRNAs和蛋白，在将来，整个的染色体。Accessionnumbers用NT_xxxxxx,NM_xxxxxx,NP_xxxxxx,和NC_xxxxxx的形式来表示。dbEST—表达序列标签数据库，短的、单次（测序）阅读的cDNA序列。也包括来自于差异显示和RACE实验的cDNA序列。dbGSS—基因组调查序列的数据库，短的、单次（测序）阅读的cDNA序列，exontrap获得的序列，cosmid/BAC/YAC末端，及其他。dbSTS序列标签位点的数据库，短的在基因组上可以被唯一操作的序列，用于产生作图位点。dbSNP—单核苷酸多态性数据库，包括SNPs，小范围的插入/缺失，多态重复单元，和微卫星变异。UniGene数据库把GenBank中同某个基因有关的非冗余序列聚集成组(或整理成簇的EST和全长mRNA序列库)，每一个代表一种特定已知的或假设的物种基因，有定位图和表达信息以及同其它资源的交叉参考。序列数据可以以cluster形式在Unigene网页下载，完整的数据可以从FTP站点repository/UniGene目录下下载。人类UniGene小鼠UniGene大鼠UniGene斑马鱼UniGene完整的基因组参见下面Genome和Maps部分，包括各种物种资源，人，小鼠，大鼠，酵母，线虫，疟原虫，细菌，病毒，viroids，质粒。人OMIM：在线人类孟德尔遗传经常更新的人类基因和遗传失调的目录，有链接到其它相关的文献参考，序列记录，和相关数据库。蛋白序列Entrez蛋白—用accessionnumber,作者姓名，物种，基因/蛋白名字，以及很多其它的文本术语来搜索蛋白序列记录（在GenPept+Swiss-Prot+PIR+RPF+PDB中）。更多的关于Entrez的信息见下。如果要检索大量数据，也可使用BatchEntrez（批量Entrez）。PROWWeb上的蛋白资源，关于大约200种人类的CD细胞表面分子的简短官方向导。互相检索，为每个CD抗原提供大约20中标准信息的分类（生化功能，配体，等等）结构（Structure）结构主页—关于NCBI结构小组的一般信息和他们的研究计划，另外也可以访问分子模