完整的GenBank資料庫包括序列檔，索引檔以及其它有關檔。索引檔是根據資料庫中作者、參考文獻等建立的，用於資料庫查詢。GenPept是由GenBank中的核酸序列翻譯而得到的蛋白質序列資料庫，其資料格式為FastA。
GenBank中最常用的是序列檔。序列檔的基本單位是序列條目，包括核苷酸堿基排列順序和注釋兩部分。目前，許多生物資訊資源中心通過電腦網路提供該資料庫檔。GenBank序列檔由單個的序列條目組成。序列條目由欄位組成，每個欄位由關鍵字起始，後面為該欄位的具體說明。有些欄位又分若干次子欄位，以次要索引機碼或特性表說明符開始。每個序列條目以雙斜杠“//”作結束標記。序列條目的格式非常重要，關鍵字從第一列開始，次要索引機碼從第三列開始，特性表說明符從第五列開始。每個欄位可以占一行，也可以占若干行。若一行中寫不下時，繼續行以空格開始。序列條目的關鍵字包括LOCUS (代碼)，DEFINITION (說明)，ACCESSION (編號)，NID符(核酸標識)，KEYWORDS (關鍵字)，SOURCE (資料來源)，REFERENCE (文獻)，FEATURES (特性表)，BASE COUNT (堿基組成)及ORIGIN (堿基排列順序)。
先版的核酸序列資料庫將引入新的關鍵字SV (序列版本號)，用“編號.版本號”表示，並取代關鍵字NID。
- LOCUS (代碼)：是該序列條目的標記，或者說識別字，蘊涵這個序列的功能。該欄位還包括其它相關內容，如序列長度、類型、種屬來源以及錄入日期等。說明欄位是有關這一序列的簡單描述。
- 以GAPDH為例
- LOCUS NC_000012 3880 bp DNA linear CON 29-JUL-2011
- ACCESSION (編號)：具有唯一性和永久性，在文獻中引用這個序列時，應該以此編號為准。
- ACCESSION NC_000012
- KEYWORDS (關鍵字)欄位：由該序列的提交者提供，包括該序列的基因產物以及其它相關資訊。
- SOURCE (資料來源)欄位：說明該序列是從什麼生物體、什麼組織得到的，如本例中人臍帶血(umbilical vein)。次要索引機碼ORGANISM (種屬)指出該生物體的分類學地位，如本例人、真核生物等等。
- SOURCE Homo sapiens (human)
- REFERENCE (文獻)欄位：說明該序列中的相關文獻，包括AUTHORS (作者)，TITLE (題目)及JOURNAL (雜誌名)等，以次關鍵字列出。該欄位中還列出醫學文獻摘要資料庫MEDLINE的代碼。該代碼實際上是個超文字連結，點擊它可以直接調用上述文獻摘要。一個序列可以有多篇文獻，以不同序號表示，並給出該序列中的哪一部分與文獻有關。
- FEATURES (特性表)：具有特定的格式，用來詳細描述序列特性。特性表中帶有‘/db-xref/’標誌的字元可以連接到其它資料庫。序列中各部分的位置都在表中標明，5’非編碼區(1-97)，編碼區(98-1912)，3’非編碼區(1913-3387)，多聚腺苷酸重複區域(3367-3374)，等等。翻譯所得信號肽以及最終蛋白質產物也都有所說明。當然，這個例子只是特性表的部分注釋資訊，但已經足以說明其詳細程度。接下來是堿基含量欄位，給出序列中的堿組成，如本例中1010個A，712個C，633個G，1032個T。ORIGIN行是序列的引導行，接下來便是堿基序列，以雙斜杠行“//”結束。
參考網址:
http://baike.baidu.com/view/923000.html
http://www.cbi.pku.edu.cn/chinese/documents/bioinfor/overview/web5/3.html
No comments:
Post a Comment