GeneBank

GenBank是美国国家生物来自技术信息中心(National Cen360百科ter 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，主要是科研要起存新损斗具片胜人员直接提供或来源使事四双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(欧洲分子生物学实验室)、DDBJ 建立了相互交换数据的合作关系。

• 中文名 DNA序列数据库
• 外文名 ational Center for Biotechnology Information
• 缩    写 NCBI
• 建立机构 美国国家生物技术信息中心

简介

　　大型数据库分成若干子库，有许多好处。首先，可以把数来自据库查询限定在某一特定部分，探投精以便加快查询速度。其次，基因组计划快速测序得到的大烈夜脚九费大热量序列尚未加以注释，将它们单独分类，有利于数据库查询和搜索时"有的放矢"。GenBank将这些数据按高通量基因组序列教若益距花样载万良脸时(HighThroug鱼曲信千怕攻由关液音够hput Genomic Sequences，HTG)、表达序列标记(Expressed Sequence Tags，EST)、序列标记位点(SequenceTaggedSites，STS)和基因组概览序列(Gen愿丝排善氧六号调促川ome Survey Se360百科quences，GSS)单独分类。尽管这些数据尚未加以注释，它们油这失周均掌号时依然是GenBank的重要组成部分。

　　可通过Entrez数据库查询系统对GenBank进行查询。正这个系统将核酸、蛋白质序列和基因图谱、蛋白质结构数据库整合在一起。此外项己己，通过该系统的文献摘要数据库M系千交同为星副可祖我EDLINE，可获取有关序列的进一步信息。在万维网上，进入N水除CBI的主页，可以用BLAST程序对GenBank数据库进行未知序列的同源性搜索(详见第六章)。

　　完整的GenBank数据库包括序列文件，索引文件以及其它有关文件。索引文件是根据数据库中作者、参考文献等子段建立的，用于数据库查询。GenPept是由GenBank中的核酸序列翻译而得到的蛋白质序列数据库，其数据格式为FastA。GenBank曾以CD-ROM光盘的形式分发，价格比较便宜。随着数据库容量的增长，一套最新版的GenBank需要12张光盘存放，不仅生产成本很高，也不便于使用。现在，光盘分发的方式已经停止，可以通过网络下载GenBank数据库。

　　GenBank中最常用的是序列文件。序列文件的基本单位是就本燃林旧粒许模分队序列条目，包括核甘酸碱基排列顺序和注释两部分。目前，许多生物信息资源中心通过计算机网络提供该曾粮脚环只别先文音定身数据库文件。下面，我们介绍序列文件错思的结构。

　　序列文件由单个的序列条目组成。序列条目由字段组成，每个字段由论机析干阶子纸部关键字起始，后面为该字段的具英省角波制线缺体说明。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。每个治波序列条目以双斜杠"//"作结束标记。序列条目的格式非常重要，关键字从第一列开始，毛赶行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，关青怕扩绝另停队末也可以占若干行。若一行中写不下时，继续行以空格开始。

　　序列条目的关键字包括代码(LOCUS)，说明(DEFINITION)， 编号(ACCESSION)，核酸标识符(NID)，关键词(KEYWORDS)，数据来源(SOURCE)，文献(REFERENCE)，特性表(FEATURES)，碱基组成(BASE COUNT)及碱基排列顺序(ORIGIN)。

　　代码LOCUS是该序列条目的标记，或者说标识符，蕴涵这个序列的功能。例如，图4.1中所示的HUMCYCLOX表示人的环氧化酶cyclooxygenase。该字段还包括其它相关内容，如序列长度、类型、种属来源以及录入日期等。说明字段是有关这一序列的简单描述，如本例为人环氧化酶-2的mRNA全序列。

　　序列代码具有唯一性和永久性，如本例中代码M90100用来表示上述人环氧化酶-2的mRNA序列，在文献中引用这个序列时，应该以此代码为准。核酸标识符NID对序列信息的当前版本提供?

　　关键词字段由该序列的提交者提供，包括该序列的基因产物以及其它相关信息，如本例中还氧化酶-2 (cyclooxygenase-2)，前列腺素合成酶(prostaglandin synthase)。数据来源字段说明该序列是从什么生物体、什么组织得到的，如本例中人脐带血管(umbilical vein)。次关键字种属(ORGANISM)指出该生物体的分类学地位，如本例人、真核生物等等。文献字段说明该序列中的相关文献，包括作者(AUTHORS)，题目(TITLE)及杂志名(JOURNAL)等，以次关键词列出。该字段中还列出医学文献摘要数据库MEDLINE的代码。该代码实际上是个网络链接指针，点击它可以直接调用上述文献摘要。一个序列可以有多篇文献，以不同序号表示，并给出该序列中的哪一部分与文献有关。

　　FEATURES是具有自己的一套结构，用来详细描述序列特性的一个表格。在这个表格内，带有'/db-xref/'标志的字符可以连接到其它数据库内(本例，您看到的是一个分类数据库(taxon 9606)，以及一个蛋白质数据库(PID:g181254));序列中各部分的位置都加以标明，5'非编码区(1-97)，编码区(98-1912)，3非编码区(1913-3387)，多聚腺苷酸序列(3367-3374)，等等;蛋白质翻译的信号肽及最终的多肽也都有所说明。这个例子不能说很全面，但已经足以说明特性表给出信息的详细程度。

　　接下来是BASE COUNT记录，计算出不同碱基在整个序列中出现的次数(1010A，712个C，633个G，1032个T)。ORIGIN那一行，指出了序列第一个碱基在基因组中可能的位置。最后，核酸的序列全部列出，并以//作为结尾。检索方式:

　　如果在文献中看到过你感兴趣的基因，而且文中还提到了该基因在Genbank中的ID号，进入NCBI ，在Search后的下拉框中选择Nucleotide，把Genbank ID号输入GO前面的文本框中，点"GO"，即可以检索到所需序列。

使用说明

　　用户可以通过NCBI(National Center for Biotechnology Information美国国家生物技术信息中心信息中心，隶属于NLM-美国国家医学图书馆)的主页使用GenBank。GenBank的宗旨是鼓励科研团体对DNA序列的获取，从而促进数据库中DNA序列的丰富和更新，所以NCBI对GenBank的数据使用与发送没有任何限制。用户可从GenBank主页上下载Banklt(NCBI提供的WWW格式，用于便捷的提交DNA序列的数据)、Sequin(NCBI的独立于操作系统的提交软件，可用于MAC、PC和UNIX平台，也可以通过FTP远程获取)以及VecScreen(带菌污染物的筛选工具)等便于提交和更新研究成果的应用软件。其页面上的简单检索界面提供19种相关检索选项，分别是:PubMed、Protein(蛋白质)、Nucleotide(核苷)、Structure(结构)、Genome(基因组)、PMC、LocusLink、PopSet、OMIM、Taxonomy(分类学)、Books(图书)、ProbeSet、3D Domains(三维区域)、UniSTS、Domains、SNP、Journals(期刊)、UniGene、NCBI Web Site(NCBI站点)。

　　GenBank可以与DNA Star软件结合使用，进行基因序列分析和比对。