NCBI序列數(shù)據(jù)庫概述(2017.3.16)

1、NCBINCBI序列數(shù)據(jù)庫序列數(shù)據(jù)庫時間：2017.3.16一、一、NCBINCBI概述概述 1988年11月美國國家健康研究所（NIH）、國家醫(yī)學(xué)圖書館（NLM）發(fā)起成立； 1992年，NCBI建立GenBank核酸序列數(shù)據(jù)庫，將美國專利商標(biāo)局存儲的專利序列并入GenBank管理并與EMBL、DDBJ實現(xiàn)數(shù)據(jù)資源的交換與共享； GenBank、EMBL、DDBJ并稱世界三大生物序列信息數(shù)據(jù)庫。二、二、NCBINCBI中的重要子庫中的重要子庫 NCBI收收錄的生物數(shù)據(jù)依據(jù)不同的類別、層次、錄的生物數(shù)據(jù)依據(jù)不同的類別、層次、存儲質(zhì)量和應(yīng)用特征等劃分為眾多相對獨立，存儲質(zhì)量和應(yīng)用特征等劃分為眾多相

2、對獨立，而又交叉引用的子庫而又交叉引用的子庫 1.GenBank與RefSeq 2.Gene 3.Genome 4.蛋白質(zhì)數(shù)據(jù)庫 5.遺傳多態(tài)數(shù)據(jù)庫 6.BioProject 7.其他1.GenBank與與RefSeq GenBank是是NIH遺傳序列數(shù)據(jù)庫，集成了所有遺傳序列數(shù)據(jù)庫，集成了所有公開可獲得的已注釋公開可獲得的已注釋DNA序列。根據(jù)其不同的序列。根據(jù)其不同的研究屬性，分屬于研究屬性，分屬于Nucleotide、GSS、EST三個三個子庫子庫 Nucleotide:收錄絕大多數(shù)常規(guī)的核酸序列； GSS（Genome Survey Sequence）：收錄測序起始段用來進(jìn)行序列或基因

3、示蹤、重復(fù)序列或基因數(shù)量預(yù)判等的各種短讀長序列； EST（Expressed Sequence Tag）：收錄cDNA及cDNA特征序列信息。 RefSeq (reference sequence)：GenBank中的數(shù)據(jù)是由用戶提交數(shù)據(jù)構(gòu)成，具有較高的冗余度和差錯率，為更好的實現(xiàn)特征序列的查詢，NCBI在GenBank數(shù)據(jù)基礎(chǔ)上針對每個基因不同的數(shù)據(jù)類型提取一個可靠地注釋條目作為參考條目，組成RefSeq。2.Gene Gene:基因數(shù)據(jù)庫收錄全部已測序物種的基因注釋信息，包括基因的名稱、染色體定位、基因序列和編碼產(chǎn)物（mRNA、蛋白質(zhì)）情況基因功能和相關(guān)文獻(xiàn)信息等； 與GenBank、OM

4、IM、遺傳多態(tài)數(shù)據(jù)庫等NCBI子庫及KEGG、Gene Ontology等外源性數(shù)據(jù)庫進(jìn)行交叉引用； 基因數(shù)據(jù)庫是目前最權(quán)威的基因注解數(shù)據(jù)庫。3.Genome NCBI收錄了超過1000種已經(jīng)完成測序的生物體全部基因組序列和定位數(shù)據(jù)，及正在進(jìn)行測序的物種階段性發(fā)布的基因組信息。 Genome涉及的物種涉及所有的生物領(lǐng)域：細(xì)菌、古細(xì)菌、真核生物，以及許多病毒、噬菌體、類病毒、質(zhì)粒和含遺傳物質(zhì)的細(xì)胞器。4.蛋白質(zhì)數(shù)據(jù)庫蛋白質(zhì)數(shù)據(jù)庫 NCBI Protein數(shù)據(jù)庫收錄來源于GenPept、RefSeq、Swiss-Prot、PIR、PRF及PDB等蛋白質(zhì)數(shù)據(jù)資源的蛋白質(zhì)序列和注釋數(shù)據(jù)； Protei

5、n Cluster數(shù)據(jù)庫提供存在一定聯(lián)系的蛋白質(zhì)集合信息，并與蛋白質(zhì)注釋、結(jié)構(gòu)、結(jié)構(gòu)域、家族相關(guān)數(shù)據(jù)庫之間交互訪問； Structure數(shù)據(jù)路是由蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)庫PDB衍生而來的大分子模建數(shù)據(jù)庫，提供蛋白質(zhì)三維結(jié)構(gòu)信息及相關(guān)的可視化和結(jié)構(gòu)化比對工具5.遺傳多態(tài)數(shù)據(jù)庫遺傳多態(tài)數(shù)據(jù)庫 NCBI中的dbSNP、dbVar、dbGaP和ClinVar四個子庫涉及DNA多態(tài)或變異信息。 dbSNP：收錄了所有物種中發(fā)現(xiàn)的短序列多態(tài)的突變信息； dbVar:主要收錄較大規(guī)模的基因組變異，包括大片段的插入、缺失、異位、倒置和拷貝數(shù)多態(tài)等信息資源； dbGaP:收錄大量以遺傳多態(tài)為分子標(biāo)記物的基因型和表型

6、關(guān)聯(lián)性研究數(shù)據(jù)； ClinVar：收錄臨床中發(fā)現(xiàn)或報道的有證據(jù)支持的與人類疾病或健康狀態(tài)有關(guān)的變異位點，并與多個疾病和衛(wèi)生系統(tǒng)數(shù)據(jù)庫進(jìn)行交互引用。6.BioProject 隨著NCBI中歸檔的數(shù)據(jù)集的量和復(fù)雜性的快速增加，對收集和組織相關(guān)元數(shù)據(jù)的需求也在快速增加。盡管以前已經(jīng)為一些歸檔數(shù)據(jù)庫收集了元數(shù)據(jù)，但是在NCBI沒有集中的方式收集這些信息，并跨數(shù)據(jù)庫使用它們。最近建立了BioProject數(shù)據(jù)庫以促進(jìn)提交到NCBI、EBI和DDBJ數(shù)據(jù)庫的項目數(shù)據(jù)的組織和分類。它捕獲有關(guān)研究項目的描述性信息，導(dǎo)致到歸檔數(shù)據(jù)庫的大量提交，將跨多個歸檔的相關(guān)數(shù)據(jù)整合在一起，并充當(dāng)了一個中心入口，通過該入口告

7、知用戶數(shù)據(jù)的可用性。7.其他其他 GEO（Gene Expression Omnibus）接受和管理各研究機構(gòu)提交的基因芯片或測序技術(shù)獲得的不同生理、病理狀態(tài)個體或細(xì)胞系基因（包括非編碼基因）表達(dá)數(shù)據(jù)。 Epigenomics：是一個表觀基因組數(shù)據(jù)查詢和瀏覽相結(jié)合的數(shù)據(jù)庫。提供DNA甲基化、組蛋白修飾等表觀遺傳學(xué)數(shù)據(jù)集下載、基因序列、表觀遺傳狀態(tài)的定位比較和可視化等。 Unigene:針對每一個基因建立一個獨立的數(shù)據(jù)系統(tǒng)，分別將不同來源的基因序列、蛋白質(zhì)相似性、基因表達(dá)、染色體定位、cDNA序列、mRNA序列、EST序列等進(jìn)行羅列和比較，旨在為研究者提供全面、豐富的信息資源，更好地對基因的功能和注釋信息的可靠性進(jìn)行梳理。三、三、NCBI提供的重要支持工具提供的重要支持工具 BLAST:BLAST是由NCBI開發(fā)的序列相似性