Genbank 数据库简介

xiaoliu

Genbank 库包含了所有已知的核酸序列和蛋白质序列，以及与它们相关的文献著
作和生物学注释。它是由美国国立生物技术信息中心(NCBI) 建立和 维护的。它的
数据直接来源于测序工作者提交的序列；由测序中心提交的大量  EST 序列和其它
测序数据；以及与其它数据机构协作交换数据而来。Genbank 每天都会与欧洲分子
生物学实验室(EMBL)的数据库，和日本的  DNA 数据库(DDBJ)交换数据，使这三
个数据库的数据同步。到 1999 年 8 月，Genbank 中收集的序列数量达到  460 万
条， 34  亿个碱基 ，而且 数据增长 的速度 还在不断 加快。Genbank 的数 据可以从
NCBI 的 FTP 服务器上免费下载完整的库，或下载积累的新数据。NCBI 还提供广
泛的数据查询、序列相似性搜索以及其它分析服务，用户可以从 NCBI 的主页上找
到这些服务。
Genbank 库里的数据按来源于约 55,000 个物种，其中  56%是人类的基因组序列
(所有序列中的 34%是人类的 EST 序列)。每条 Genbank 数据记录包含了对序列的
简要描述，它的科学命名，物种分类名称，参考文献，序列 特征表 ，以及 序列本
身。序列特征表里包含对序列生物学特征注释如：编码区、转录单元、重复区域、
突变位点或修饰位点等。所有数据记录被划分在若干个文件里，如 细菌类 、病毒
类、灵长类、啮齿类，以及 EST 数据、基因组测序数据、大规模基因组序列数据
等 16 类，其中 EST 数据等又被各自分成若干个文件。


(1)Genbank 数据检索
NCBI 的数据库检索查询系统是 Entrez。Entrez 是基于 Web 界面的综合生物信息
数据库检索系统。利用 Entrez 系统，用户不仅可以方便地检索  Genbank 的核酸数
据， 还可以检 索来自  Genbank  和其它数 据库的蛋 白质序列 数据、基 因组图谱 数
据、来自分子模型数据库(MMDB)的蛋白质三维结构数据、种群序列数据集、以及
由 PubMed 获得 Medline 的文献数据。
Entrez 提供了方便实用的检索服务，所有操作都可以在网络浏览器上完成。用户
可以利用 Entrez 界面上提供的限制条件(Limits)、索引(Index)、检索历史(History)和
剪贴板(Clipboard)等功能来实现复杂的检索查询工作。对于检索获得的记录，用户
可以选择需要显示的数据，保存查询结果，甚至以图形方式观看检索获得的序列。
更详细的 Entrez 使用说明可以在该主页上获得。
(2)向 Genbank 提交序列数据
测序工作者可以把自己工作中获得的新序列提交给  NCBI，添加到  Genbank 数据
库。这个任务可以由基于 Web 界面的 BankIt 或独立程序 Sequin 来完成。
BankIt 是一系列表单，包括联络信息、发布要求、引用参考信息、序列来源信息、
以及序列本身的信息等。用户提交序列后，会从电子邮件收 到自动 生成的 数据条
目，Genbank 的新序列编 号，以及完成注释后的完整的数据记录。用户还可以在
BankIt 页面下修改已经发布序列的信息。BankIt 适合于独立测序工作者提交少量序
列，而不适合大量序列的提交，也不适合提交很长的序列，EST 序列和  GSS 序列
也不应用 BankIt 提交。BankIt 使用说明和对序列的要求可详见其主页面。
大量的序列提交可以由 Sequin 程序完成。Sequin 程序能方便的编辑和处理复杂注
释，并包含一系列内建的检查函数来提高序列的质量保证。它还被设计用于提交来
自系统进化、种群和突变研究的序列，可以加入比对的数据。Sequin 除了用于编辑
和修改序列数据记录，还可以用于序列的分析，任何以 FASTA 或 ASN.1 格式序列
为输入数据的序列分析程序都可以整合到  Sequin 程序下。在不同操作系统下运行
的 Sequin 程序都可以在 ftp://ncbi.nlm.nih.gov/sequin/下找到，Sequin 的使用说明可
详见其网页。
NCBI 的网址是：http://www.ncbi.nlm.nih.gov。
Entrez 的网址是：http://www.ncbi.nlm.nih.gov/entrez/。
BankIt 的网址是：http://www.ncbi.nlm.nih.gov/BankIt。
Sequin 的相关网址是：http://www.ncbi.nlm.nih.gov/Sequin/。