标题：NCBI部分Database数据库的介绍
浏览次数：189
NCBI部分Database数据库的介绍
GenBank Overview
基本信息
• 什么是GenBank？GenBank是一个有来自于70,000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。GenBank属于一个序列数据库的国际合作组织，包括EMBL和DDBJ。
• 纪录样本 - 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。
• 访问GenBank - 通过Entrez Nucleotides来查询。用accession number，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。
• 增长统计 - 参见公布通知的2.2.6（每个分类的统计），2.2.7（每个物种的统计），2.2.8（GenBank增长）小节。
• 公布通知，最新 - 最近和即将有的变化，GenBank的分类，数据增长统计，GenBank的引用。
• 公布通知，旧 - 同上相同，是过去公布的统计。
• 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。
（向）GenBank提交（数据）
• 关于提交序列数据，收到accession number，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。（请在提交前用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“network aware”模式，可以链接到其他NCBI的资源和软件比如Entrez和PowerBLAST。（请在提交前用VecScreen去除载体）
• ESTs - 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。
• GSSs - 基因组调查序列，短的、单次（测序）阅读的cDNA序列，exon trap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Human Genome Sequencing页面上访问。）
• 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。
• 注：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）。
国际核苷酸序列数据库合作组织
• GenBank，DDBJ，EMBL - 合作计划的概述，并链接到相应的主页。GenBank，DDBJ（DNA Data Bank of Japan），and EMBL （European Molecular Biology Laboratory）数据库共享的数据是每天都交换的，因此他们是相等的。数据纪录的格式和搜索方式可能会不一样，但是accession number，序列数据和注解都是一模一样的。即，你可以用accession number U12345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。
• DDBJ/EMBJ/GenBank特性表 — 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。
________________________________________
FTP GenBank and Daily Updates
• 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。
• FASTA格式 — 定义行号后只跟随序列数据（示例），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，但是不包括EST, STS, GSS, or HTGS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。
分子数据库概览
核酸序列
• Entrez核酸 — 用accession number,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Batch Entrez（批量Entrez）。
• RefSeq — NCBI数据库的参考序列。校正的，非冗余集合，包括基因组DNA contigs，已知基因的mRNAs和蛋白，在将来，整个的染色体。Accession numbers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，exon trap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。
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。
• UniGene — 被整理成簇的EST和全长mRNA序列，每一个代表一种特定已知的或假设的人类基因，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。
o 人类UniGene
o 小鼠UniGene
o 大鼠UniGene
o 斑马鱼UniGene
• 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）
蛋白序列
• Entrez蛋白 —用accession number,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Batch Entrez（批量Entrez）。
• RefSeq — NCBI数据库的参考序列。Curated, 非冗余集合包括基因组DNA contigs,已知基因的mRNAs和蛋白，在将来，整个的染色体。Accession numbers用NT_xxxxxx, NM_xxxxxx, NP_xxxxxx, 和NC_xxxxxx的形式来表示。
• 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。
完整基因组
• 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。
• 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（参见下面Genomes和Maps,部 分Entrez基因组的一般描述）
• 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。
• 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）
• BLAST — 将你的序列同蛋白库中的的序列比较，检索相似的序列。（更详细的信息见下面Tools/Sequence相似搜索部分）
结构
• 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型数据库（MMDB）和用来搜索和显示结构的相关工具。
• MMDB：分子模型数据库 — 一个关于三维生物分子结构的数据库，结构来自于X-ray晶体衍射和NMR色谱分析。MMDB是来源于Brookhaven蛋白数据库（PDB）三维结构 的一部分，排除了那些理论模型。MMDB重新组织和验证了这些信息，从而保证在化学和大分子三维结构之间的交叉参考。数据的说明书包括生物多聚体的空间结 构，这个分子在化学上是如何组织的，以及联系两者的一套指针。利用将化学，序列，和结构信息整合在一起，MMDB计划成为基于结构的同源模型化和蛋白结构 预测的资源服务。MMDB的记录以ASN.1格式存储，可以用Cn3D, Rasmol, 或 Kinemage来显示。另外，数据库中类似的结构已经被用VAST确认，新的结构可以用VASTsearch来同数据库进行比较。
• Cn3D — “See in 3-D”， 一个用于NCBI数据库的结构和序列相似显示工具，它允许观察3-D结构和序列—结构或结构—结构同源比较。Cn3D用起来就象你浏览器上的一个帮助工具。
• VAST — 矢量同源比较搜索工具—一个在NCBI开发的计算算法，用于确定相似的蛋白三维结构。每一个结构的“结构邻居”都是预先计算好的，而且可以通过MMDB的结构概要页面的链接访问。这些邻居可以用来确认那些不能被序列比较识别的远的同源性。
• VAST 搜索 — 结构—结构相似搜索服务。比较一个新解出的蛋白结构和在MMDB/PDB数据库中的结构的三维坐标。VAST搜索计算一系列可能会被交互浏览的结构邻居，用分子图形来观察重叠和同源相似。
分类学
• NCBI的分类数据库主页 — 关于分类计划的一般信息，包括分类资源和同NCBI分类学家合作的外部管理者的列表。
• 分类浏览器 — 搜索NCBI的分类数据库，包括大于70000个物种的名字和种系，这些物种都至少在遗传数据库中有一条核酸或蛋白序列。可以检索一个特定种或者更高分类 （如属，科）的核酸，蛋白，和结构记录。如果有新物种的序列数据被放到数据库中，这个物种就北加到（分类）数据库中。NCBI的分类数据库的目的是为序列 数据库建立一个一致的种系发生分类学。
文献数据库概要
• PubMed — 一个关于生物医药科学的检索系统，包括引用，摘要，和杂志的索引术语。它包括直接由出版商提供给NCBI的文献引用以及链接到在出版商网址上的全文的 URLs。PubMed包括MEDLINE和PREMEDLINE的完整内容。它还包括一些被MEDLINE认为超出范围的文章和杂志，（这些文章或杂 志）由于内容或在某一时期不在索引范围内。因此PubMed是比MEDLINE的更大的集合。
• 杂志浏览器 — 允许你去查找收录到PubMed系统的杂志的名字，MEDLINE的缩写，或ISSN号码。
• PubRef（开发中）— 一个关于来自于广大范围的科学杂志的数目记录，和链接到出版商网址的全文。PubRef包含了PubMEd，加上了来自其它学科的杂志出版商提供的引用和 摘要。因此它是比PubMed更大的集合。这个计划的启动是因为NAS要求为科学领域的电子杂志提供一个“白皮书”服务。
• PubMed中心（开发中） — PubMed中心是一个无障碍的NIH资源，用于在生命科学领域中同业互查的基础研究报告。从2000年一月开始接受杂志文章。所有在PubMed中心的 材料将由目前任一主要的摘要和索引服务中列出的杂志提供，或者在编辑委员会中拥有3个以上有主要资金机构的研究经费的拥有人的杂志提供。
• 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。
• 书籍 — 同书籍出版商合作NCBI为网络改编了教科书，并把他们链接到PubMed—生物医药书目数据库。这是为了给PubMed提供背景信息，这样使用者可以探究在PubMed搜索结果中不熟悉的概念。目前收录的书有：
• Molecular Biology of the Cell, 3rd ed. Alberts B., Bray D., Lewis J., Raff M., Roberts K., Watson J.D., 1994, Garland Publishing.
• 外部链接 — 一个登记服务，用于建立从在Entrez中的特定的文章，杂志，或生物数据到外部网址的链接。第三方可以提供一个URL，资源名字，关于他们网址的简要的 描述，和关于从NCBI数据的哪里他们希望建立链接的详细说明。这个详细说明可以用对Entrez有效的布尔查询来写，也可以用特定的文章或序列的标志列 表来写。这样NCBI PubMed的用户将可以通过“NCBI小房间”服务（开发中）来选择哪个外部链接在他们的搜索中是可见的。
• 引用匹配 — 允许你找到任何一篇在PubMed数据库中的文章的PubMed ID或MEDLINE UID，给出书目信息（杂志，卷，页码等）。
• 单篇文章的引用匹配。
• 许多文章的批量引用匹配。
• E-mail引用匹配也是可以的，也可以用于单篇或许多文章。如果要获得帮助文件，给citation_matcher@ncbi.nlm.nih.gov写一封只有内容为HELP的E-Mail。
________________________________________
Genomes and Maps Overview
• Entrez基因组：人，小鼠，大鼠，酵母，线虫，疟原虫，细菌，病毒，viroids，质粒，和真核细胞器。
• Entrez基因组（各种物种）
• 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。提供完成的基因组/染色体的图形概览，并可以探究那些逐步细化的区域。也提供那 些已经被NCBI工作人员分析过的物种的编码区的摘要和TaxTables。另外，Entrez Map Viewer，Entrez基因组的一个软件组成部分，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NCBI ftp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。