GeneBank的使用學(xué)習(xí)課件

GeneBank的使用學(xué)習(xí)課件第1頁(yè)/共127頁(yè)生物信息學(xué)數(shù)據(jù)庫(kù)歐洲分子生物學(xué)實(shí)驗(yàn)室的EMBLhttp://www.embl-heidelberg.de美國(guó)生物技術(shù)信息中心的GenBank/Genbank/日本國(guó)立遺傳研究所的DDBJhttp://www.ddbj.nig.ac.jp/searches-e.html核酸序列數(shù)據(jù)庫(kù)第2頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)結(jié)構(gòu)作用：了解序列數(shù)據(jù)庫(kù)的格式，有助于更好地提高數(shù)據(jù)庫(kù)檢索的效率和準(zhǔn)確性。DDBJ數(shù)據(jù)庫(kù)的內(nèi)容和格式與GenBank相同，此處不作詳細(xì)介紹。分別介紹EMBL和GenBank的數(shù)據(jù)庫(kù)結(jié)構(gòu)第3頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)數(shù)據(jù)注釋

(/genbank/)GenBank庫(kù)包含所有已知的核酸序列和蛋白質(zhì)序列,以及與它們相關(guān)的文獻(xiàn)著作和生物學(xué)注釋。NCBI可提供廣泛的數(shù)據(jù)查詢、序列相似性搜索以及其它分析服務(wù)。數(shù)據(jù)庫(kù)序列文件：注釋內(nèi)容——文章索引文件：檢索目錄——文摘第4頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)結(jié)構(gòu)完整的GenBank數(shù)據(jù)庫(kù)包括序列文件，索引文件以及其它有關(guān)文件。索引文件是根據(jù)數(shù)據(jù)庫(kù)中作者、參考文獻(xiàn)等建立的，用于數(shù)據(jù)庫(kù)查詢。GenPept是由GenBank中的核酸序列翻譯而得到的蛋白質(zhì)序列數(shù)據(jù)庫(kù)數(shù)據(jù)格式為FastA。第5頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)結(jié)構(gòu)GenBank中最常用的是序列文件。序列文件的基本單位：是序列條目，包括核苷酸堿基排列順序和注釋兩部分。生物信息資源中心通過(guò)計(jì)算機(jī)網(wǎng)絡(luò)提供該數(shù)據(jù)庫(kù)文件。注釋條目：文章的格式(/genbank/第6頁(yè)/共127頁(yè)Genbank第7頁(yè)/共127頁(yè)Genbank查找頁(yè)面第8頁(yè)/共127頁(yè)D31716描述部分第9頁(yè)/共127頁(yè)CDsarerecurringunitsinpolypeptidechains(sequenceandstructuremotifs),theextentsofwhichcanbedeterminedbycomparativeanalysis.Molecularevolutionusessuchdomainsasbuildingblocksandthesemayberecombinedindifferentarrangementstomakedifferentproteinswithdifferentfunctions.CDs編碼序列，含終止密碼子polyA_signal多聚A信號(hào)

第10頁(yè)/共127頁(yè)D31716特性表序列本身關(guān)鍵字CDsarerecurringunitsinpolypeptidechains第11頁(yè)/共127頁(yè)D31716序列本身第12頁(yè)/共127頁(yè)第13頁(yè)/共127頁(yè)序列結(jié)束4859bp第14頁(yè)/共127頁(yè)D31716第15頁(yè)/共127頁(yè)GenBank數(shù)據(jù)記錄第16頁(yè)/共127頁(yè)GenBank數(shù)據(jù)記錄第17頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)結(jié)構(gòu)GenBank序列文件由單個(gè)的序列條目組成。序列條目由字段組成，每個(gè)字段由關(guān)鍵字起始，后面為該字段的具體說(shuō)明。字段分若干次子字段，以次關(guān)鍵字或特性表說(shuō)明符開始。每個(gè)序列條目以雙斜杠“//”作結(jié)束標(biāo)記第18頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)結(jié)構(gòu)序列條目的格式非常重要，關(guān)鍵字從第一列開始，次關(guān)鍵字從第三列開始，特性表說(shuō)明符從第五列開始。每個(gè)字段可占一行，也可以占若干行。若一行中寫不下時(shí)，繼續(xù)行以空格開始第19頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)物種：GenBank庫(kù)里的數(shù)據(jù)按來(lái)源于大約100,000個(gè)物種，其中56%是人類的基因組序列(所有序列中的34%是人類的EST序列)記錄：每條GenBank數(shù)據(jù)記錄包含對(duì)序列的簡(jiǎn)要描述，它的科學(xué)命名，物種分類名稱，參考文獻(xiàn)，序列特征表，及序列本身第20頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)序列特征表：包含對(duì)序列生物學(xué)特征注釋如：編碼區(qū)、轉(zhuǎn)錄單元、重復(fù)區(qū)域、突變位點(diǎn)或修飾位點(diǎn)等分類：所有數(shù)據(jù)記錄被劃分為如細(xì)菌類、病毒類、靈長(zhǎng)類、嚙齒類，以及EST數(shù)據(jù)、基因組測(cè)序數(shù)據(jù)、大規(guī)模基因組序列數(shù)據(jù)等16類，其中EST數(shù)據(jù)等又被分成若干文件第21頁(yè)/共127頁(yè)注釋內(nèi)容序列條目關(guān)鍵字：LOCUS(代碼),DEFINITION(說(shuō)明)，ACCESSION(編號(hào))，NID符(核酸標(biāo)識(shí)),KEYWORDS(關(guān)鍵詞)，SOURCE(數(shù)據(jù)來(lái)源)，REFERENCE(文獻(xiàn))，F(xiàn)EATURES(特性表)，BASECOUNT(堿基組成)ORIGIN(堿基排列順序)。新版的核酸序列數(shù)據(jù)庫(kù)將引入新的關(guān)鍵詞SV(序列版本號(hào))，用“編號(hào).版本號(hào)”表示，并取代關(guān)鍵詞NID第22頁(yè)/共127頁(yè)LOCUSLOCUS(代碼)：是該序列條目的標(biāo)記，或者說(shuō)標(biāo)識(shí)符，蘊(yùn)涵這個(gè)序列的功能：如HUMCYCLOX表示人的環(huán)氧化酶。序列長(zhǎng)度類型種屬來(lái)源錄入日期等說(shuō)明字段是有關(guān)這一序列的簡(jiǎn)單描述第23頁(yè)/共127頁(yè)ACCESSIONACCESSION(編號(hào))：具有唯一性和永久性，在文獻(xiàn)中引用這個(gè)序列時(shí)，應(yīng)該以此編號(hào)為準(zhǔn)。第24頁(yè)/共127頁(yè)KEYWORDSKEYWORDS(關(guān)鍵詞)字段：由該序列的提交者提供，包括該序列的基因產(chǎn)物其它相關(guān)信息第25頁(yè)/共127頁(yè)SOURCESOURCE(數(shù)據(jù)來(lái)源)字段：說(shuō)明該序列是從什么生物體、什么組織得到的次關(guān)鍵字ORGANISM(種屬)：指出該生物體的分類學(xué)地位第26頁(yè)/共127頁(yè)REFERENCEREFERENCE(文獻(xiàn))字段：說(shuō)明該序列中的相關(guān)文獻(xiàn)，包括AUTHORS(作者),TITLE(題目)及JOURNAL(雜志名)等,以次關(guān)鍵詞列出。MEDLINE的代碼：該代碼實(shí)際上是個(gè)超文本鏈接，點(diǎn)擊它可以直接調(diào)用上述文獻(xiàn)摘要。一個(gè)序列可有多篇文獻(xiàn),以不同序號(hào)表示，并給出該序列中哪一部分與文獻(xiàn)有關(guān)。第27頁(yè)/共127頁(yè)FEATURESFEATURES(特性表)：具有特定的格式，用來(lái)詳細(xì)描述序列特性。特性表中帶有‘/db-xref/’標(biāo)志的字符可以連接到其它數(shù)據(jù)庫(kù)，如分類數(shù)據(jù)庫(kù)(taxon9606),以及蛋白質(zhì)序列數(shù)據(jù)庫(kù)(PID：g181254)。序列中各部分的位置都在表中標(biāo)明，5’非編碼區(qū)，編碼區(qū)，3’非編碼區(qū)，多聚腺苷酸重復(fù)區(qū)域等。翻譯所得信號(hào)肽以及最終蛋白質(zhì)產(chǎn)物堿基含量字段，給出序列中的堿組成第28頁(yè)/共127頁(yè)ORIGINORIGIN行是序列的引導(dǎo)行下面便是堿基序列以雙斜杠行“//”結(jié)束。第29頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)—數(shù)據(jù)庫(kù)格式FASTA格式

>gi|1293613|gb|U49845.1|SCU49845SaccharomycescerevisiaeTCP1-betagene,partialcds;andAxl2p(AXL2)andRev7p(REV7)genes,completecdsGATCCTCCATATACAACGGTATCTCCACCTCAGGTTTAGATCTCAACAACGGAACCATTGCCGACATGAGACAGTTAGGTATCGTCGAGAGTTACAAGCTAAAACGAGCAGTAGTCAGCTCTGCATCTGAAGCCGCTGAAGTTCTACTAAGGGTGGATAACATCATCCGTGCAAGACCAAGAACCGCCAATAGACAACATATGTAACATATTTAGGATATACCTCGAAAATAATAAACCGCCACACTGTCATTATTATAATTAGAAACAGAACGCAAAAATTATCCACTATATAATTCAAAGACGCGAAAAAAAAAGAACAACGCGTCATAGAACTTTTGGCAATTCGCGTCACAAATAAATTTTGGCAACTTATGTTTCCTCTTCGAGCAGTACTCGAGCCCTGTCTCAAGAATGTAATAATACCCATCGTAGGTATGGTTAAAGATAGCATCTCCACAACCTCAAAGCTCCTTGCCGAGAGTCGCCCT……（該序列沒有完全列出）第30頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)—數(shù)據(jù)庫(kù)格式(1)FASTA格式：將一個(gè)DNA或者蛋白質(zhì)序列表示為一個(gè)帶有一些標(biāo)記的核苷酸或氨基酸字符串。大于號(hào)（>）表示一個(gè)新文件的開始結(jié)束用（//）FASTA格式并沒有什么特殊的要求。第31頁(yè)/共127頁(yè)FASTA格式序列的提交第32頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)—數(shù)據(jù)庫(kù)格式(1)FASTA格式特點(diǎn)：只存儲(chǔ)了最少量的信息它將所存儲(chǔ)的信息轉(zhuǎn)化為簡(jiǎn)單的字符串人和計(jì)算機(jī)對(duì)其存儲(chǔ)的信息都具有極大的可讀性FASTA格式在許多分子生物學(xué)軟件包中得到廣泛應(yīng)用。第33頁(yè)/共127頁(yè)GenBank數(shù)據(jù)庫(kù)—數(shù)據(jù)庫(kù)格式(2)GenBank純文本文件格式(GenBankflatfile,GBFF):GenBank、EMBL、DDBJ每天都相互同步更新各自的數(shù)據(jù)庫(kù)，它們是怎樣交換數(shù)據(jù)的呢？第34頁(yè)/共127頁(yè)GBFF文件格式GBFF是GenBank數(shù)據(jù)庫(kù)的基本信息單位，是最為廣泛使用的生物信息學(xué)序列格式之一。第35頁(yè)/共127頁(yè)頭部中部尾部GENBANK純文本文件格式>LOCUSSCU498455028bpDNAPLN21-JUN-1999DEFINITIONSaccharomycescerevisiaeTCP1-betagene,partialcds,andAxl2p(AXL2)andRev7p(REV7)genes,completecds.ACCESSIONU49845VERSIONU49845.1GI:1293613KEYWORDS.SOURCEbaker'syeast.ORGANISMSaccharomycescerevisiaeEukaryota;Fungi;Ascomycota;Hemiascomycetes;Saccharomycetales;Saccharomycetaceae;Saccharomyces.REFERENCE1(bases1to5028)AUTHORSTorpey,L.E.,Gibbs,P.E.,Nelson,J.andLawrence,C.W.TITLECloningandsequenceofREV7,agenewhosefunctionisrequiredforDNAdamage-inducedmutagenesisinSaccharomycescerevisiaeJOURNALYeast10(11),1503-1509(1994)MEDLINE95176709REFERENCE2(bases1to5028)AUTHORSRoemer,T.,Madden,K.,Chang,J.andSnyder,M.TITLESelectionofaxialgrowthsitesinyeastrequiresAxl2p,anovelplasmamembraneglycoproteinJOURNALGenesDev.10(7),777-793(1996)MEDLINE96194260REFERENCE3(bases1to5028)AUTHORSRoemer,T.TITLEDirectSubmissionJOURNALSubmitted(22-FEB-1996)TerryRoemer,Biology,YaleUniversity,NewHaven,CT,USAFEATURESLocation/Qualifierssource1..5028/organism="Saccharomycescerevisiae"/db_xref="taxon:4932"/chromosome="IX"/map="9"CDS<1..206/codon_start=3/product="TCP1-beta"/protein_id="AAA98665.1"/db_xref="GI:1293614"/translation="SSIYNGISTSGLDLNNGTIADMRQLGIVESYKLKRAVVSSASEAAEVLLRVDNIIRARPRTANRQHM"gene687..3158/gene="AXL2"CDS687..3158/gene="AXL2"/note="plasmamembraneglycoprotein"/codon_start=1/function="requiredforaxialbuddingpatternofS.cerevisiae"/product="Axl2p"/protein_id="AAA98666.1"/db_xref="GI:1293615"/translation="MTQLQISLLLTATISLLHLVVATPYEAYPIGKQYPPVARVNESF……（有部分序列未列出）

VDFSNKSNVNVGQVKDIHGRIPEML"BASECOUNT1510a1074c835g1609tORIGIN1gatcctccatatacaacggtatctccacctcaggtttagatctcaacaacggaaccattg61ccgacatgagacagttaggtatcgtcgagagttacaagctaaaacgagcagtagtcagct……（有部分序列未列出）

4921ttttcagtgttagattgctctaattctttgagctgttctctcagctcctcatatttttct4981tgccatgactcagattctaattttaagctattcaatttctctttgatc//第36頁(yè)/共127頁(yè)GBFF格式按域（Field）可以劃分為三個(gè)部分頭部包含整個(gè)記錄的信息（描述符）；第二部分包含了注釋這一記錄的特性；第三部分是核苷酸序列本身。所有序列數(shù)據(jù)庫(kù)記錄都在最后一行以“//”結(jié)尾。第37頁(yè)/共127頁(yè)GBFF格式頭部－Locus行所有的GBFF都起始于LOCUS行：+++++1102030405060LOCUSSCU498455028bpDNAPLN21-JUN-1999第38頁(yè)/共127頁(yè)GBFF格式頭部－Locus行1、LOCUS行：第一項(xiàng)是LOCUS名稱:最初這一名稱是用來(lái)表示本記錄描述的基因座，以方便檢索相似序列：前三個(gè)字母代表特定物種的名稱第四、第五個(gè)字母代表如基因產(chǎn)物等特定的類別名稱。如HUMHBB(人-珠蛋白基因區(qū)域)。第39頁(yè)/共127頁(yè)GBFF格式頭部－Locus行LOCUS這種“十字符”命名方式已經(jīng)無(wú)法滿足基因在基因座中所包含的信息。LOCUS名稱目前唯一的作用是它在數(shù)據(jù)庫(kù)中是獨(dú)一無(wú)二的，已不在具有任何實(shí)際意義。僅使用檢索號(hào)碼(acessionnumber)以滿足對(duì)LOCUS名稱的要求1102030405060LOCUSSCU498455028bpDNAPLN21-JUN-1999第40頁(yè)/共127頁(yè)GBFF格式頭部－Locus行第二項(xiàng)是序列長(zhǎng)度。GenBank對(duì)提交的序列長(zhǎng)度沒有上限要求。根據(jù)國(guó)際序列數(shù)據(jù)庫(kù)合作計(jì)劃的協(xié)議，為方便不同的軟件處理序列，規(guī)定單條數(shù)據(jù)庫(kù)記錄的長(zhǎng)度不能超過(guò)350kb。GenBank已經(jīng)很少接受長(zhǎng)度低于50bp的序列。1102030405060LOCUSSCU498455028bpDNAPLN21-JUN-1999第41頁(yè)/共127頁(yè)GBFF格式頭部－Locus行第三項(xiàng)表明序列的分子類型：其序列必須是一種單一的分子類型。包括：基因組DNA、RNA、RNA前體、mRNA(cDNA)、tRNA等。1102030405060LOCUSSCU498455028bpDNAPLN21-JUN-1999第42頁(yè)/共127頁(yè)GBFF格式頭部－Locus行第四項(xiàng)是GenBank分類碼：由三個(gè)字母組成，分類碼將GenBank數(shù)據(jù)庫(kù)分為17個(gè)分支1102030405060LOCUSSCU498455028bpDNAPLN21-JUN-1999第43頁(yè)/共127頁(yè)GenBank分類碼（GenBankDivision）類中文名稱符號(hào)類符號(hào)primatesequences靈長(zhǎng)類動(dòng)物序列PRIrodentsequences嚙齒類動(dòng)物序列RODothermammaliansequences其它哺乳動(dòng)物序列MAMothervertebratesequencs其它脊椎動(dòng)物序列VRTinvertebratesequences無(wú)脊椎動(dòng)物序INVPlants,fungal,andalgalsequences植物、真菌和藻類序列PLNbacterialsequences細(xì)菌序列BCTviralsequences病毒序列VRLbacteriophagesequences噬菌體序列PHGsyntheticsequences人工合成序列SYNunanntotatedsequences未注釋序列UNAESTsequences表達(dá)序列標(biāo)簽ESTpatentsequences專利序列PATSTSsequences序列標(biāo)記位點(diǎn)STSgenomesurveysequences基因組測(cè)定序列GSSHTGSsequences高通量基因組序列HTGunfinishedhigh-throughputcDNAsequencing未完成測(cè)序的高通量cDNA序列HTC第44頁(yè)/共127頁(yè)GBFF格式頭部－Locus行第五項(xiàng)是最后修訂日期。某些時(shí)候，它也是數(shù)據(jù)第一次被公開的日期。這項(xiàng)簡(jiǎn)單的信息并無(wú)法對(duì)此做出判斷。1102030405060LOCUSSCU498455028bpDNAPLN21-JUN-1999第45頁(yè)/共127頁(yè)GBFF格式頭部－DEFINITION行2、DEFINITION行：主要對(duì)GenBank記錄中所含的生物學(xué)意義做出總結(jié)。它的說(shuō)明內(nèi)容包括來(lái)源物種、基因/蛋白質(zhì)名稱；+++++1102030405060DEFINITIONSaccharomycescerevisiaeTCP1-betagene,partialcds,andAxl2p(AXL2)andRev7p(REV7)genes,completecds.第46頁(yè)/共127頁(yè)GBFF格式頭部－DEFINITION行如果序列是非編碼區(qū)，則包含對(duì)序列功能的簡(jiǎn)單描述；如果序列是一段編碼區(qū)，則標(biāo)明該序列是部分序列(partialcds)還是全序列(completecds)。+++++1102030405060DEFINITIONSaccharomycescerevisiaeTCP1-betagene,partialcds,andAxl2p(AXL2)andRev7p(REV7)genes,completecds.第47頁(yè)/共127頁(yè)GBFF格式頭部-ACCESSION行3、檢索號(hào)（ACCESSION）:是序列記錄的唯一指針。檢索號(hào)通常由一個(gè)字母加5個(gè)數(shù)字（U12345）或者由兩個(gè)字母加6個(gè)數(shù)字（AF123456）組成。+++++1102030405060ACCESSIONU49845DearGenBankSubmitter:ThankyouforyourdirectsubmissionofsequencedatatoGenBank.WehaveprovidedaGenBankaccessionnumberforyournucleotidesequence:bankit660463AY795899WestronglyrecommendthatthisGenBankaccessionnumberappearsinanypublicationthatreportsordiscussesthesedata,asitgivesthecommunityauniquelabelwithwhichtheymayretrieveyourdatafromouron-lineservers.第48頁(yè)/共127頁(yè)GBFF格式頭部-ACCESSION行檢索號(hào)在數(shù)據(jù)庫(kù)中是唯一而且不變的，即使數(shù)據(jù)的提交者改變數(shù)據(jù)的內(nèi)容。在ACCESSION行中可能出現(xiàn)多個(gè)檢索號(hào)，可能是因?yàn)閿?shù)據(jù)提交者提交了一條與原記錄相關(guān)的新記錄，或者新提交的記錄覆蓋了原有的舊記錄。第一個(gè)檢索號(hào)為主檢索號(hào)，而其余的統(tǒng)稱為二級(jí)檢索號(hào)。第49頁(yè)/共127頁(yè)GBFF格式頭部－VERSION行4、版本號(hào)行：它的格式是：檢索號(hào).版本號(hào)。版本號(hào)于99年2月由三大數(shù)據(jù)庫(kù)采納使用。主要用于識(shí)別數(shù)據(jù)庫(kù)中一條單一的特定核苷酸序列。在數(shù)據(jù)庫(kù)中，如果某條序列數(shù)據(jù)發(fā)生了變化，即使是單堿基的改變，它的版本號(hào)都將增加，而它的檢索號(hào)保持不變?nèi)缬蒛12345.1變?yōu)閁12345.2。+++++++11020304050607079VERSIONU49845.1GI:1293613第50頁(yè)/共127頁(yè)GBFF格式頭部－VERSION行版本號(hào)系統(tǒng)與跟在其后的GI（GenInfoIdentifier）號(hào)系統(tǒng)是平行運(yùn)行當(dāng)一條序列改變后，它將被賦予一個(gè)新的GI號(hào)，同時(shí)它的版本號(hào)將增加。當(dāng)依據(jù)核酸序列的內(nèi)部序列進(jìn)行蛋白質(zhì)翻譯時(shí)，蛋白質(zhì)的翻譯發(fā)生任何變換，核酸序列都將被賦予一個(gè)新的GI號(hào)。+++++++11020304050607079VERSIONU49845.1GI:1293613第51頁(yè)/共127頁(yè)GBFF格式頭部－KEYWORDS行5、關(guān)鍵詞行：是用來(lái)描述序列的。如果該行中沒有任何內(nèi)容，那么就只包含一個(gè)“.”。由于沒有對(duì)照詞匯表，所以NCBIGenBank拒絕接受關(guān)鍵詞，它只存在于舊的記錄中。+++++++11020304050607079KEYWORDS.第52頁(yè)/共127頁(yè)GBFF格式頭部－SOURCE行6、序列來(lái)源行：沒有做特殊的規(guī)定，它通常包含序列來(lái)源生物的簡(jiǎn)稱，有些時(shí)候也包含分子類型。Organism：以NCBI的分類數(shù)據(jù)庫(kù)為依據(jù)，指明物種的正式科學(xué)名稱。+++++++11020304050607079SOURCEbaker'syeast.ORGANISMSaccharomycescerevisiaeEukaryota(真核);Fungi(真菌);Ascomycota(子囊菌門);Hemiascomycetes(半子囊菌綱);Saccharomycetales;Saccharomycetaceae;Saccharomyces.第53頁(yè)/共127頁(yè)GBFF格式頭部－REFERENCE行7、參考文獻(xiàn)行：將與該數(shù)據(jù)有關(guān)的參考文獻(xiàn)均收錄在內(nèi)，將最先發(fā)表的文獻(xiàn)列于第一位。如果序列數(shù)據(jù)沒有被文獻(xiàn)報(bào)道，該行將顯示“inpress”或“unpublished”如所引用文獻(xiàn)存在于MEDLINE數(shù)據(jù)庫(kù)中，將出現(xiàn)一個(gè)MEDLINE單一指針(uniqueidentifier,UID)以便檢索。+++++++11020304050607079REFERENCE1(bases1to5028)AUTHORSTorpey,L.E.,Gibbs,P.E.,Nelson,J.andLawrence,C.W.TITLECloningandsequenceofREV7,agenewhosefunctionisrequiredforDNAdamage-inducedmutagenesisinSaccharomycescerevisiaeJOURNALYeast10(11),1503-1509(1994)MEDLINE95176709第54頁(yè)/共127頁(yè)GBFF格式頭部－REFERENCE行如果序列是直接提交而未經(jīng)發(fā)表的，就將在標(biāo)題(TITLE)中注明“直接提交(DirectSubmission)”在期刊（JOURNAL）中注明提交日期，提交者姓名以及提交者的工作單位。+++++++11020304050607079REFERENCE

1

(bases1to1939)

AUTHORS

Yi,CAO.,Dairong,QIAO.,Qinghua,HE.andShunji,HE.

TITLE

CloningandexpressionstudiesofacDNAencodingUDP-glucosedehydrogenasefromDunaliellasalina

JOURNAL

Unpublished第55頁(yè)/共127頁(yè)GBFF格式中部特性表(FEATURES):它描述基因和基因的產(chǎn)物，以及與序列相關(guān)的生物學(xué)特性。特性表提供一個(gè)參考詞匯表以對(duì)合法的特性進(jìn)行注釋這些特性包括該序列是否執(zhí)行一個(gè)生物學(xué)功能；它是否與一個(gè)生物學(xué)功能的表達(dá)相關(guān)；它是否與其它分子相互作用；它是否影響一條序列的復(fù)制；它是否與其它序列的重組相關(guān)；它是否是一條已識(shí)別的重復(fù)序列；它是否有二級(jí)或三級(jí)結(jié)構(gòu)；它是否存在變異或者它是否被修訂過(guò)。第56頁(yè)/共127頁(yè)GBFF格式中部特性表格式：按表單的方式設(shè)計(jì)的，包含三個(gè)部分：第一，特性關(guān)鍵詞(Featurekey)；第二，特性位置(Location)；第三，限定詞(Qualifiers)。FEATURESLocation/Qualifierssource1..5028/organism=“Saccharomycescerevisiae”釀酒酵母/mol_type="genomicDNA"基因組DNA/db_xref="taxon:4932"分類學(xué)/chromosome="IX"染色體/map="9"第57頁(yè)/共127頁(yè)GBFF格式中部－FEATURES第一，特性關(guān)鍵詞(Featurekey),是一個(gè)簡(jiǎn)要說(shuō)明功能組的關(guān)鍵詞，允許加入新的或未定義的特性；第二，特性位置(Location)，指明在特性表中的什么地方找到相關(guān)特性，在位置特性中可以包含操作符(Operator)和功能性描述符(Descriptor)以指明序列需經(jīng)過(guò)怎樣的處理才能得到相應(yīng)的特性；第三，限定詞(Qualifiers),相關(guān)特性的輔助信息，限定詞使用一組標(biāo)準(zhǔn)化的對(duì)照詞匯表以利于計(jì)算機(jī)從中提取信息。第58頁(yè)/共127頁(yè)GBFF格式中部－FEATURES例1KeyLocation/QualifiersCDS23..400/product="alcoholdehydrogenase"/gene="adhI"特性表含義：該編碼序列（CDS）起始于第23堿基，終止于第400堿基產(chǎn)物是乙醇脫氫酶基因名稱是“adhI”。第59頁(yè)/共127頁(yè)GBFF格式中部－FEATURES例2KeyLocation/QualifiersCDSjoin(544..589,688..1032)/product="T-cellreceptorbeta-chain"特性表含義：它表示記錄中所存儲(chǔ)的序列為部分編碼序列，表達(dá)產(chǎn)物“T-細(xì)胞受體beta鏈”由序列內(nèi)兩個(gè)片段結(jié)合生成指明兩個(gè)片段在序列中所處的位置。第60頁(yè)/共127頁(yè)GBFF格式中部－特性表關(guān)鍵詞1、特性表的關(guān)鍵詞：以樹型結(jié)構(gòu)生成misc_feature生物學(xué)特性無(wú)法用特性表關(guān)鍵詞描述的序列misc_difference序列特性無(wú)法用特性表關(guān)鍵詞描述的序列conflict同一序列在不同的研究中在位點(diǎn)或區(qū)域上有差異unsure序列不能確定的區(qū)域old_sequence該序列對(duì)以前的版本做過(guò)修訂variation包含穩(wěn)定突變的序列modified_base修飾過(guò)的核苷酸gene已識(shí)別為基因或已命名的序列區(qū)域misc_signal無(wú)法用信號(hào)特性關(guān)鍵詞描述的信號(hào)序列promoter轉(zhuǎn)錄起始區(qū)CAAT_signal真核啟動(dòng)子上游的CAAT盒，與RNA結(jié)合相關(guān)TATA_signal真核啟動(dòng)子的TATA盒-35_signal原核啟動(dòng)子中的-35框-10_signal原核啟動(dòng)子Pribow盒GC_signal真核啟動(dòng)子的GC盒RBS核糖體結(jié)合位點(diǎn)polyA_signalRNA轉(zhuǎn)錄本的剪切識(shí)別位點(diǎn)enhancer增強(qiáng)子attenuator與轉(zhuǎn)錄終止有關(guān)的序列terminator轉(zhuǎn)錄終止序列rep_origin雙鏈DNA復(fù)制起始區(qū)第61頁(yè)/共127頁(yè)GBFF格式中部－特性表關(guān)鍵詞misc_RNA無(wú)法用RNA關(guān)鍵詞描述的轉(zhuǎn)錄物或RNA產(chǎn)物prim_transcript初始轉(zhuǎn)錄本precursor_RNA前體RNAmRNA信使RNA5'clip前體轉(zhuǎn)錄本中被剪切掉的5’端序列3'clip前體轉(zhuǎn)錄本中被剪切掉的3’端序列5'UTR5’非翻譯區(qū)3'UTR3’非翻譯區(qū)exon外顯子CDS蛋白質(zhì)編碼序列sig_peptide編碼信號(hào)肽的序列transit_peptide轉(zhuǎn)運(yùn)蛋白編碼序列mat_peptide編碼成熟肽的序列intron內(nèi)含子polyA_siteRNA轉(zhuǎn)錄本的多聚腺苷酸化位點(diǎn)rRNA核糖體RNAtRNA轉(zhuǎn)運(yùn)RNAscRNA小細(xì)胞質(zhì)RNAsnRNA小核RNAsnoRNA加工和修飾rRNA的小核RNA第62頁(yè)/共127頁(yè)GBFF格式中部－特性表關(guān)鍵詞immunoglobulin_relatedC_region免疫相關(guān)蛋白上的穩(wěn)定區(qū)D_segment碼免疫球蛋白重鏈的可變區(qū)基因之一J_segment編碼免疫球蛋白輕鏈和重鏈的可變區(qū)基因之一N_region插入重排免疫球蛋白片段間的核苷酸S_region免疫球蛋白重鏈的開關(guān)區(qū)V_region免疫球蛋白輕鏈和重鏈的可變區(qū)，和T－細(xì)胞受體α，β和γ鏈；編碼可變的氨基末端部分；可由V_segment,D_segment,N_region和J_segment組成V_segment免疫球蛋白輕鏈和重鏈的可變區(qū)段，和T－細(xì)胞受體α，β和γ鏈；編碼大多數(shù)可變區(qū)（v_region）和前導(dǎo)肽的最后幾個(gè)氨基酸repeat_region基因組中所包含的重復(fù)序列第63頁(yè)/共127頁(yè)GBFF格式中部－特性表關(guān)鍵詞repeat_unit單個(gè)的重復(fù)元件LTR長(zhǎng)末端重復(fù)序列Satellite衛(wèi)星重復(fù)序列misc_binding無(wú)法描述的核酸序列結(jié)合位點(diǎn)primer_bind復(fù)制、轉(zhuǎn)錄的引物結(jié)合位點(diǎn)protein_bind蛋白質(zhì)結(jié)合區(qū)STS測(cè)序標(biāo)簽位點(diǎn)misc_recomb無(wú)法用重組特性關(guān)鍵詞描述的重組事件iDNA通過(guò)重組所消除的DNAmisc_structure無(wú)法用結(jié)構(gòu)關(guān)鍵詞描述的核酸序列高級(jí)結(jié)構(gòu)或構(gòu)型stem_loop發(fā)夾結(jié)構(gòu)D-loop線粒體中DNA中的取代環(huán)第64頁(yè)/共127頁(yè)GBFF格式中部－Location2、特性位置（Location）：用來(lái)描述在序列中的什么區(qū)域能夠找到相關(guān)的特性，位置特性可以包含Complement、Join、Order等三個(gè)操作符（Operator）。467指明序列中的單個(gè)堿基340..565指明包括起始和中止堿基在內(nèi)的一段連續(xù)序列<345..500指明序列起始于起始?jí)A基號(hào)之前的某個(gè)位置，但起始?jí)A基號(hào)之前的特性邊界未知第65頁(yè)/共127頁(yè)GBFF格式中部－Location<1..888指明特性起始于第一個(gè)已測(cè)序的堿基之前(102.110)指明正確位置未知，但包含在102和110號(hào)堿基之間(23.45)..600指明序列特性起始?jí)A基在23和45堿基之間，終止于600號(hào)堿基(122.133)..(204.221)指明序列特性起始于122和133堿基之間，終止于204和221號(hào)堿基之間123^124指明123和124號(hào)堿基之間的位點(diǎn)，如限制性酶切位點(diǎn)145^177指明145和177堿基之間的某個(gè)位點(diǎn)第66頁(yè)/共127頁(yè)GBFF格式中部－Locationjoin(12..78,134..202)12至78堿基及134至202堿基之間序列相應(yīng)連以構(gòu)成一段連續(xù)序列complement(join(2691..4571,4918..5163))紀(jì)錄中的特性處于2691至4571堿基以及4918至5163堿基之間的序列相連構(gòu)成的連續(xù)序列的互補(bǔ)鏈上join(complement(4918..5163),complement(2691..4571))將4918至5163堿基之間序列的互補(bǔ)鏈與2691至4571間序列的互補(bǔ)鏈結(jié)合以構(gòu)成一段連續(xù)序列第67頁(yè)/共127頁(yè)GBFF格式中部－Locationcomplement(34..(122.126))指明序列特性起始于與122至126堿基之間某個(gè)互補(bǔ)的堿基，終止于與34號(hào)堿基互補(bǔ)的堿基J00194:100..202指明起始于100號(hào)堿基，終止于202號(hào)堿基的序列在數(shù)據(jù)庫(kù)中的主檢索號(hào)為J00194第68頁(yè)/共127頁(yè)GBFF格式中部－Qualifiers3、限定詞(Qualifier):為進(jìn)一步說(shuō)明特性表關(guān)鍵詞和特性位置提供的信息給出了一個(gè)通用機(jī)制。格式:在“/”后跟上限定詞名稱，加上“=”,其后是限定詞的值KeyLocation/QualifiersCDS86..742次黃嘌呤磷酸核糖轉(zhuǎn)移酶/product="hypoxanthinephosphoribosyltransferase"/label=hprt/note="hprtcatalyzesvitalstepsinthereutilizationpathwayforpurinebiosynthesisanditsdeficiencyleadstoformsof""gouty""arthritis"rep_origin234..243缺乏/direction=leftCDS109..564/usedin=X10009:catalase

重復(fù)利用易患痛風(fēng)的關(guān)節(jié)炎過(guò)氧化氫酶第69頁(yè)/共127頁(yè)常見的特性表關(guān)鍵詞所使用的限定詞限定詞含義限定詞含義/allele=給定基因的等位基因/anticodon=tRNA反義密碼子的位置及它所編碼的氨基酸/bound_moiety=嵌合范圍/cell_line=獲得序列的細(xì)胞系/cell_type=獲得序列的細(xì)胞類型/chromosome=獲得序列的染色體/citation=已被引用的參考文獻(xiàn)數(shù)/clone=獲得序列的克隆子/clone_lib=獲得序列的克隆文庫(kù)/codon=指出與參考密碼子不同的密碼子/codon_start=相對(duì)于序列第一個(gè)堿基，編碼序列密碼子的偏移量/cons_splice=區(qū)分內(nèi)含子剪切位點(diǎn)和“5'-GT.AG-3'”剪切位點(diǎn)/country=DNA樣本的來(lái)源國(guó)/cultivar=所獲序列植物的栽培變種/db_xref=其它數(shù)據(jù)庫(kù)信息的交叉索引號(hào)/dev_stage=序列來(lái)源于某種生物的特定發(fā)育階段/direction=DNA復(fù)制方向/EC_number=序列產(chǎn)物的酶學(xué)編號(hào)/environmental_sample=序列直接從環(huán)境材料中獲得而沒有指明來(lái)源物種/evidence=序列特性來(lái)源于實(shí)驗(yàn)還是推理/exception=指明DNA序列未按通常的生物學(xué)規(guī)律翻譯，如RNA編輯/focus指出在紀(jì)錄中的來(lái)源特性在其它物種中還有不同的來(lái)源特性/frequency=在種群中發(fā)生變異的頻率/function=序列所代表的功能/germline如果序列是DNA并來(lái)源于免疫球蛋白家族，則表示該序列來(lái)源于未重排DNA/haplotype=序列來(lái)源于某種物種的單倍體/insertion_seq=序列來(lái)源于某種插入元件/isolation_source=描述序列來(lái)源物種的生理、環(huán)境和地理信息/isolate=序列來(lái)源的生物個(gè)體/label=序列特性的俗名第70頁(yè)/共127頁(yè)常見的特性表關(guān)鍵詞所使用的限定詞(續(xù))/lab_host=為擴(kuò)增序列來(lái)源物種所用的實(shí)驗(yàn)室宿主/map=相關(guān)特性在基因圖譜上的位置/macronuclear指明DNA來(lái)源于染色體分化的大核期/mod_base=被修飾堿基的簡(jiǎn)寫/note=評(píng)論及附加信息/number=從5’→3’注明遺傳元件的順序/organelle=獲得序列的細(xì)胞器/organism=提供測(cè)序用遺傳物質(zhì)的物種的科學(xué)名稱/PCR_conditions=描述PCR的反應(yīng)條件/phenotype=序列特性所導(dǎo)致的表型/pop_variant=獲得序列的群體變異種名稱/plasmid=獲得序列的質(zhì)粒名稱/product=序列編碼產(chǎn)物的名稱/protein_id=蛋白質(zhì)的檢索號(hào)/proviral整合在基因組中的前病毒/pseudo假基因/rearranged如果序列是DNA并來(lái)源于免疫球蛋白家族，則表示該序列來(lái)源于重排DNA/replace=表明特性間的間隔序列已被替換/rpt_family=重復(fù)序列/rpt_type=重復(fù)序列的組織方式/rpt_unit=指明重復(fù)區(qū)域的重復(fù)元件構(gòu)成/sequenced_mol=獲得序列的分子類型/serotype=同一物種的不同血清學(xué)特征/serovar=同一原核生物的血清學(xué)特征/sex=獲得序列的物種性別/specific_host=獲得序列的天然宿主/specimen_voucher=指明來(lái)源物種保存于什么地方/standard_name=特性的通用名稱/strain=獲得序列的菌株/sub_clone=獲得序列的亞克隆/sub_species=獲得序列的來(lái)源物種的亞種/sub_strain=獲得序列的來(lái)源微生物亞種/tissue_lib=獲得序列組織庫(kù)/tissue_type=獲得序列組織類型/transgenic指明物種的來(lái)源特性是否是轉(zhuǎn)基因受體/translation=按通用或指定的密碼子表翻譯的氨基酸序列/transl_except=標(biāo)明序列中未按指定密碼子表翻譯的氨基酸的位置/transl_table=描述在翻譯中與通用密碼表不同的密碼表/transposon=轉(zhuǎn)座子/usedin=表明該特性在其它檢索中也被使用/variety=獲得序列的生物變種/virion病毒顆粒第71頁(yè)/共127頁(yè)GBFF格式尾部－ORIGIN序列：類似于FASTA格式給出了所記錄的序列。ORIGIN1gatcctccatatacaacggtatctccacctcaggtttaga41tctcaacaacggaaccattgccgacatgagacagttaggt81atcgtcgagagttacaagctaaaacgagcagtagtcagct……（有部分序列未列出）4921ttttcagtgttagattgctctaattctttgagctgttctc4961tcagctcctcatatttttcttgccatgactcagattctaa5001ttttaagctattcaatttctctttgatc//第72頁(yè)/共127頁(yè)總結(jié)全面了解GBFF文件格式及其所涉及的各個(gè)方面GBFF是核苷酸和蛋白質(zhì)序列數(shù)據(jù)庫(kù)最常用的數(shù)據(jù)格式。正確地理解數(shù)據(jù)庫(kù)格式成分的含義，知道從中如何提取生物學(xué)知識(shí)在數(shù)據(jù)庫(kù)中進(jìn)行檢索，使用不同的工具進(jìn)行生物信息學(xué)分析，具有十分重要的意義。第73頁(yè)/共127頁(yè)圖C2.2人類某一EST克隆的Genbank(dbEST)第74頁(yè)/共127頁(yè)第75頁(yè)/共127頁(yè)第76頁(yè)/共127頁(yè)EMBL生化實(shí)驗(yàn)技術(shù)質(zhì)譜分析(Mass

Spectrometry)等細(xì)胞生物學(xué)(Cell

Biology)，研究細(xì)胞膜上蛋白和脂肪的分布，包括膜運(yùn)輸、微管網(wǎng)絡(luò)、細(xì)胞核及細(xì)胞周期，焦點(diǎn)是Rab蛋白。細(xì)胞生物物理(Cell

Biophysics)，重點(diǎn)是理論創(chuàng)新和實(shí)際應(yīng)用的研究，尤其是光學(xué)顯微鏡的完善使用。分化(Differentiation)，集中研究果蠅的早期發(fā)育。第77頁(yè)/共127頁(yè)EMBL的研究?jī)?nèi)容基因表達(dá)(Gene

Expression)，研究基因到蛋白質(zhì)信息傳遞的過(guò)程，尤其是核糖體合成在整個(gè)細(xì)胞生命過(guò)程中的重要作用。結(jié)構(gòu)生物學(xué)(Structure

Biology)，在過(guò)去9年中建立了cDNA測(cè)序技術(shù)、生物計(jì)算、蛋白工程、晶體學(xué)、電子顯微鏡(EM)及核磁共振(VMR)，研究肌肉巨型蛋白分子Titin。Grenoble研究分部，主要研究蛋白質(zhì)合成過(guò)程，尤其揭示了G-蛋白-鳥苷酸交換因子偶聯(lián)物的結(jié)構(gòu)Hamburg研究分部，有關(guān)長(zhǎng)期的分子生物學(xué)國(guó)際合作研究歷史，著重于結(jié)構(gòu)生物學(xué)研究，如光學(xué)測(cè)量系統(tǒng)、晶體學(xué)、X-線吸收光譜及小角散射。第78頁(yè)/共127頁(yè)EMBL的研究?jī)?nèi)容Hinxton研究分部EBI，重點(diǎn)是與世界上其他分子生物學(xué)數(shù)據(jù)庫(kù)進(jìn)行合作研究，主要有EMBL核酸序列數(shù)據(jù)庫(kù),于1980年開始建立,隨后參予了與日內(nèi)瓦大學(xué)共同進(jìn)行的SWISS-PROT的建設(shè)。在SWISS-PROT與EMBL核苷酸序列庫(kù)之間的數(shù)據(jù)轉(zhuǎn)移的基礎(chǔ)上，產(chǎn)生了新的數(shù)據(jù)庫(kù)TREMBL,即使核苷酸序列庫(kù)的核苷酸序列自動(dòng)翻譯成SWISS-PROT蛋白序列庫(kù)中的蛋白序列。放射性雜交數(shù)據(jù)庫(kù)(Radiation

Hybrid

Database)。Monterotondo研究中心：EMBL和歐洲其他研究機(jī)構(gòu)一起，加入到哺乳類生物學(xué)和生物醫(yī)學(xué)等的研究行列,該中心位于意大利羅馬北部的Monterotondo。EMBL著重于鼠遺傳學(xué)研究第79頁(yè)/共127頁(yè)EMBL數(shù)據(jù)記錄第80頁(yè)/共127頁(yè)EMBL數(shù)據(jù)庫(kù)結(jié)構(gòu)EMBL數(shù)據(jù)庫(kù)的基本單位也是序列條目，包括核甘酸堿基排列順序和注釋兩部分。序列條目由字段組成，每個(gè)字段由標(biāo)識(shí)字起始，后面為該字段的具體說(shuō)明。有些字段又分若干次子字段，以次標(biāo)識(shí)字或特性表說(shuō)明符開始，最后以雙斜杠“//”作本序列條目結(jié)束標(biāo)記。第81頁(yè)/共127頁(yè)EMBL數(shù)據(jù)庫(kù)結(jié)構(gòu)條目的關(guān)鍵字包括：ID(序列名稱)，DE(序列簡(jiǎn)單說(shuō)明)，AC(序列編號(hào))，SV(序列版本號(hào))，KW(與序列相關(guān)的關(guān)鍵詞)，OS(序列來(lái)源的物種名)，OC(序列來(lái)源的物種學(xué)名和分類學(xué)位置)，RN(相關(guān)文獻(xiàn)編號(hào)或遞交序列的注冊(cè)信息)，RA(相關(guān)文獻(xiàn)作者或遞交序列的作者)，第82頁(yè)/共127頁(yè)EMBL數(shù)據(jù)庫(kù)結(jié)構(gòu)RT(相關(guān)文獻(xiàn)題目)RL(相關(guān)文獻(xiàn)雜志名或遞交序列的作者單位),RX(相關(guān)文獻(xiàn)Mediline引文代碼)，RC(相關(guān)文獻(xiàn)注釋)，RP(相關(guān)文獻(xiàn)其他注釋)，CC(關(guān)于序列的注釋信息)，DR(相關(guān)數(shù)據(jù)庫(kù)交叉引用號(hào))，F(xiàn)H(序列特征表起始)，F(xiàn)T(序列特征表子項(xiàng))，SQ(堿基種類統(tǒng)計(jì)數(shù))第83頁(yè)/共127頁(yè)EMBL數(shù)據(jù)庫(kù)記錄注釋代碼和內(nèi)容說(shuō)明代碼(Code)(Fullmeaning)全稱說(shuō)明(Comments)IDACDTDEKWOSOCOGRNRCRPRXRARTRLDRFHFTCCXXSQblank//identifieraccessionnumberdatadescriptionkeywordsorganism(species)organism(classification)Organellereferencenumberreferencecommentreferencepositionscross-referencereferenceauthorsreferencetitlereferencelocationdatabasecross-referencefeatureheaderfeaturetabledatacommentsspacerlinesequenceheadersequencedataterminationline（身份號(hào)）（記錄號(hào)）（日期）（描述）（關(guān)鍵詞）（物種）（分類）（細(xì)胞器）（文獻(xiàn)編號(hào)）（文獻(xiàn)說(shuō)明）（文獻(xiàn)大?。ㄏ嚓P(guān)文獻(xiàn)）（文獻(xiàn)作者）（文獻(xiàn)題目）（文獻(xiàn)出處）（相關(guān)文獻(xiàn)數(shù)據(jù)庫(kù)）（主表頭）（主表數(shù)據(jù)）（說(shuō)明）（空白行）（序列頭）（空白）（終止行）該行的第一項(xiàng)內(nèi)容是該數(shù)據(jù)庫(kù)記錄的名稱，該名稱是唯一的，是由EMBL數(shù)據(jù)庫(kù)給定的。其它內(nèi)容注明了該記錄的一些狀況(如是否已經(jīng)被核實(shí)—本例中為已核實(shí)，即standard；記錄的堿基數(shù)等)每個(gè)記錄號(hào)均是唯一的，并從不更改，是由GenBank給定的。如果兩個(gè)記錄被合并成一個(gè)記錄，原始上著2個(gè)記錄號(hào)均會(huì)被注明2個(gè)日期被注出，一個(gè)是該數(shù)據(jù)第一次被記錄時(shí)間，另一個(gè)是最后一次的時(shí)間。對(duì)該基因的文字描述描述該基因的關(guān)鍵詞物種名稱物種的一個(gè)簡(jiǎn)單分類，該分類并不一定準(zhǔn)確，應(yīng)謹(jǐn)慎從事該基因是否在某一個(gè)特殊的細(xì)胞器中與該記錄研究相關(guān)的文獻(xiàn)信息見文中說(shuō)明該記錄主要內(nèi)容列表表頭見文中說(shuō)明對(duì)記錄的文字說(shuō)明有關(guān)該序列大小和組成的信息一個(gè)記錄的終止符號(hào)第84頁(yè)/共127頁(yè)第85頁(yè)/共127頁(yè)http://www.ebi.ac.uk/ena/第86頁(yè)/共127頁(yè)第87頁(yè)/共127頁(yè)第88頁(yè)/共127頁(yè)相關(guān)文獻(xiàn)數(shù)據(jù)庫(kù)(DR)的說(shuō)明許多二級(jí)數(shù)據(jù)庫(kù)內(nèi)容來(lái)自初始數(shù)據(jù)庫(kù)OMIM數(shù)據(jù)庫(kù)是有關(guān)人類遺傳疾病的數(shù)據(jù)，如OMIM中的一個(gè)記錄與EMBL中一個(gè)已知序列的基因有關(guān)，則該基因?qū)⑴c該記錄建立聯(lián)系，EMBL庫(kù)中該序列的DR欄中將包括OMIM和OMIM中相關(guān)記錄的名稱。DR欄中有該DNA序列翻譯成蛋白質(zhì)序列的SWISS-PROT記錄號(hào)等。第89頁(yè)/共127頁(yè)EMBL數(shù)據(jù)庫(kù)記錄相關(guān)文獻(xiàn)數(shù)據(jù)庫(kù)第90頁(yè)/共127頁(yè)相關(guān)文獻(xiàn)數(shù)據(jù)庫(kù)(DR)的說(shuō)明DR欄內(nèi)容有助于了解與該原始DNA序列相關(guān)信息的狀況和存貯站點(diǎn)。與DR欄有關(guān)的數(shù)據(jù)庫(kù)：SWISS-PROT、EMBL、OMIM、PROSITE(保守蛋白質(zhì)模序數(shù)據(jù)庫(kù))、HSSP、PDB、PIR、MEDLNE(與RL欄相關(guān)的文獻(xiàn)摘要數(shù)據(jù)庫(kù))等。第91頁(yè)/共127頁(yè)相關(guān)文獻(xiàn)數(shù)據(jù)庫(kù)(DR)的說(shuō)明注釋中另一個(gè)需要說(shuō)明的重要內(nèi)容是主表數(shù)據(jù)(featuretabledata,FT)欄。主表試圖將盡可能多的序列信息囊括其中，并以計(jì)算機(jī)可以閱讀的格式編排。3個(gè)主要DNA數(shù)據(jù)庫(kù)(EMBL、GenBank和DDBJ)已經(jīng)對(duì)該表的表述格式達(dá)成了一致。具體表述在：www.ebi.ac.uk/ebi_docs/embl_db/ft/feature_table.html第92頁(yè)/共127頁(yè)GeneralInformation第93頁(yè)/共127頁(yè)AdditionalInformation第94頁(yè)/共127頁(yè)AdditionalInformation第95頁(yè)/共127頁(yè)Sequence第96頁(yè)/共127頁(yè)P(yáng)rimaryAccession－頭部第97頁(yè)/共127頁(yè)P(yáng)rimaryAccession－中部第98頁(yè)/共127頁(yè)P(yáng)rimaryAccession－尾部第99頁(yè)/共127頁(yè)序列文件格式文本格式簡(jiǎn)單文本格式Line,PlainTextStadenFASTABionet(生物網(wǎng)膜allowscomments)加入注釋的文本格式GenBankGCG二進(jìn)制格式(通常都帶有注釋)MacVector第100頁(yè)/共127頁(yè)序列文件格式例子（Fasta）>gi|995614|dbj|D49653|RATOBESERatmRNAforobese.CCAAGAAGAAGAAGACCCCAGCGAGGAAAATGTGCTGGAGACCCCTGTGCCGGTTCCTGTGGCTTTGGTCCTATCTGTCCTATGTTCAAGCTGTGCCTATCCACAAAGTCCAGGATGACACCAAAACCCTCATCAAGACCATTGTCACCAGGATCAATGACATTTCACACACGCAGTCGGTATCCGCCAGGCAGAGGGTCACCGGTTTGGACTTCATTCCCGGGCTTCACCCCATTCTGAGTTTGTCCAAGATGGACCAGACCCTGGCAGTCTATCAACAGATCCTCACCAGCTTGCCTTCCCAAAACGTGCTGCAGATAGCTCATGACCTGGAGAACCTGCGAGACCTCCTCCATCTGCTGGCCTTCTCCAAGAGCTGCTCCCTGCCGCAGACCCGTGGCCTGCAGAAGCCAGAGAGCCTGGATGGCGTCCTGGAAGCCTCGCTCTACTCCACAGAGGTGGTGGCTCTGAGCAGGCTGCAGGGCTCTCTGCAGGACATTCTTCAACAGTTGGACCTTAGCCCTGAATGCTGAGGTTTC以上這個(gè)FASTA文件中包含了gi號(hào)碼、GenBank檢索號(hào)碼、LOCUS名稱、以及GenBank記錄中的DEFINATION字段。一種最簡(jiǎn)單的fasta序列形式可以表示為：>D49653CCAAGAAGAAGAAGACCCCAGCGAGGAAAATGTGCTGGAGACCCCTGTGCCGGTTCCTGTGGCTTTGGTCCTATCTGTCCTATGTTCAAGCTGTGCCTATCCACAAAGTCCAGGATGACACCAAAACCCTCATCAAGACCATTGTCACCAGGATCAATGACATTTCACACACGCAGTCGGTATCCG….第101頁(yè)/共127頁(yè)序列文件格式例子(GenBank)LOCUSRATOBESE539bpss-mRNAROD23-SEP-1995DEFINITIONRatmRNAforobese.ACCESSIOND49653KEYWORDS.SOURCERattusnorvegicus(strainOLETF,LETOandZucker,)differentiatedadiposecDNAtomRNA.ORGANISMRattusnorvegicusEukaryotae;mitochondrialeukaryotes;Metazoa;Chordata;Vertebrata;Sarcopterygii;Mammalia;Eutheria;Rodentia;Sciurognathi;Myomorpha;Muridae;Murinae;Rattus.REFERENCE1(bases1to539)AUTHORSMurakami,T.andShima,K.TITLECloningofratobesecDNAanditsexpressioninobeseratsJOURNALBiochem.Biophys.Res.Commun.209,944-952(1995)STANDARDfullautomaticCOMMENTSubmitted(10-Mar-1995)toDDBJby:TakashiMurakamiDepartmentofLaboratoryMedicineSchoolofMedicineUniversityofTokushimaKuramotocho3-chom