GenBank数据库检索及其应用

GenBank数据库检索及其应用——Entrez检索功能重庆医科大学图书馆李轶简介GenBank数据库是由美国国立生物技术信息中心（NCBI）维护的一级核酸序列数据库。GenBank数据库的数据来源有三种：1、直接来源于测序工作者提交的序列；2、与其它数据机构协作交换的数据；3、美国专利局提供的专利数据。NCBI网站网址：(序列数据)检索的比较：1、GenBank的检索结果是序列及其注释信息；PubMed的检索结果是与序列数据相关的文献信息。2、GenBank数据更新早于PubMed，GenBank数据库的检全率高于PubMed。3、GenBank可对序列数据进行限制检索，而PubMed只能对文献、杂志、作者等进行限制检索，因而GenBank数据库的检准率也高于PubMed。检索界面简介基本检索输入框基本检索界面：执行检索按钮基本检索输入框基本检索界面：ras[GENE]点击进入跨库检索跨库检索界面：ras[GENE]执行检索按钮跨库检索界面：点击进入GenBank数据库GenBank数据库界面：GenBank数据库界面：点击进入核苷酸序列数据库检索界面GenBank数据库界面：特征栏提供辅助检索功能核苷酸序列数据库检索界面：核苷酸序列数据库检索界面：简介检索界面基本检索功能（一）名称、作者姓名、截词检索、布尔逻辑运算（二）特殊标志符检索（五）范围检索（三）序列长度检索（四）分子重量检索简介检索界面基本检索功能（一）名称、作者姓名、截词检索、布尔逻辑运算检索限定词：1、基因名称的检索限定词：[GENE]2、生物体名称的检索限定词：[ORGN]3、作者姓名的检索限定词：[AUTH]简介检索界面基本检索功能（一）名称、作者姓名、截词检索、布尔逻辑运算（二）特殊标志符检索特殊标志符的格式（核酸序列）：2、GenBank/EMBL/DDBJ序列接受号：(1)1个字母+5个阿拉伯数字e.g.：U12345(2)2个字母+6个阿拉伯数字e.g.：AY123456，Af1234561、序列辨认号（GI）：一串阿拉伯数字e.g.：6995995（1）mRNA记录（NM_*）:e.g.:NM_000492（2）基因组DNA重叠群（NT_*）:e.g.:NT_000347（3）完整的基因组或染色体（NC_*）:e.g.:NC_000907（4）基因组的局部区域（NG_*）:e.g.:NG_000019（5）从人类基因组序列注释、加工得到的序列模型记录（XM，XP，orXR_*）：e.g.:XM_000483特殊标志符的格式（核酸序列）：3、RefSeq（ReferenceSequence）序列接受号:特殊标志符的格式（核酸序列）：4、PDB序列接受号：１个阿拉伯数字＋３个字母e.g.：１TUP序列接受号的检索限定词为[ACCN]or[ACCESSION]AF123456[ACCN]简介检索界面基本检索功能（一）名称、作者姓名、截词检索、布尔逻辑运算（二）特殊标志符检索（三）序列长度检索1510[SLEN]序列长度的检索限定词：[SLEN]简介检索界面基本检索功能（一）名称、作者姓名、截词检索、布尔逻辑运算（二）特殊标志符检索（三）序列长度检索（四）分子重量检索2009[MOLWT]分子重量的检索限定词：[MOLWT]简介检索界面基本检索功能（一）名称、作者姓名、截词检索、布尔逻辑运算（二）特殊标志符检索（五）范围检索（三）序列长度检索（四）分子重量检索范围检索：中间用冒号连接1、序列接受号范围检索：AF114696:AF114714[ACCN]2、序列长度范围检索：3000：4000[SLEN]3、分子重量范围检索：2002：2009[MOLWT]4、日期范围检索：2005/01：2006/09/26[MDAT]or[PDAT]简介检索界面基本检索功能特征栏辅助检索限制检索（Limits）预检索/索引检索（Preview/Index）检索史管理（History）剪贴板管理（Clipboard）详细匹配过程（Details）限制检索预检索/索引检索检索史管理剪贴板管理详细匹配过程简介检索界面基本检索功能特征栏辅助检索限制检索（Limits）限制检索界面：限制检索界面：核苷酸序列数据库分为三个子数据库：EST:表达序列标记数据库GSS:基因组测序序列数据库CoreNucleotide:包含所有未被以上两个子数据库收录的核苷酸序列核苷酸序列数据库检索界面：核苷酸序列数据库检索界面：限制检索界面：限制检索界面：检索结果显示界面：限制检索范围限制检索（Limits）：限制检索范围ras排除某种类型的序列限制分子类型限制分子类型限制基因位点限制基因位点限制序列片段的显示限制序列片段的显示限制数据来源限制数据来源限制数据修订日期限制数据修订日期简介检索入口基本检索功能特征栏辅助检索限制检索（Limits）预检索/索引检索（Preview/Index）预检索/索引检索界面：hepatitisb索引检索输入框索引检索按钮索引检索按钮序列特性关键词索引ras[GENE]序列特性关键词索引简介检索界面基本检索功能特征栏辅助检索限制检索（Limits）预检索/索引检索（Preview/Index）检索史管理（History）剪贴板管理（Clipboard）详细匹配过程（Details）penicillin-bindingmycobacteriumtuberculosis#8AND#4penicillin-bindingANDmycobacteriumtuberculosis[ORGN]简介检索入口基本检索功能特征栏辅助检索检索结果的显示检索结果显示界面：选择检索结果的显示格式选择检索结果的显示格式选择检索结果的显示格式摘要格式：联接Genbank格式：Genbank格式：Genbank格式：Genbank格式：Genbank格式：Genbank格式：Genbank格式：Genbank格式：GenBank记录中特性表中的主要关键词:关键词解释关键词解释misc_feature生物学特性无法用特性表关键词描述的序列promoter转录起始区misc_difference序列特性无法用特性表关键词描述的序列CAAT_signal真核启动子上游的CAAT盒,与RNA结合相关conflict同一序列在不同的研究中在位点或区域上有差异TATA_signal真核启动子的TATA盒unsure序列不能确定的区域-35_signal原核启动子中的-35框old_sequence该序列对以前的版本做过修订-10_signal原核启动子的Pribow盒variation包含稳定突变的序列GC_signal真核启动子的GC盒modified_base修饰过的核苷酸RBS核糖体结合位点gene已识别为基因或已命名的序列区域polyA_signalRNA转录本的剪切识别位点misc_signal无法用信号特性关键词描述的信号序列enhancer增强子关键词解释关键词解释attenuator与转录终止有关的序列CDS蛋白质编码序列terminator转录终止序列sig_peptide编码信号肽的序列rep_origin双链DNA复制起始区transit_peptide转运蛋白编码序列misc_RNA无法用RNA关键词描述的转录物或RNA产物mat_peptide编码成熟肽的序列prim_transcript初始转录本intron内含子precursor_RNA前体RNApolyA_siteRNA转录本的多聚腺苷酸化位点mRNA信使RNArRNA核糖体RNA5’clip前体转录本中被剪切掉的5’端序列tRNA转运RNA3’clip前体转录本中被剪切掉的3’端序列scRNA小细胞质RNA5’UTR5’非翻译区snRNA小核RNA3’UTRexon3’非翻译区外显子snoRNA加工和修饰rRNA的小核RNA关键词解释关键词解释immunoglobulin_relatedrepeat_unit单个的重复元件C_region免疫相关蛋白上的不变区LTR长末端重复序列D_segment免疫球蛋白重链的可变区，T细胞受体β链Satellite卫星重复序列J_segment免疫球蛋白重链、轻链以及T细胞α、β、γ的结合链misc_binding无法描述的核酸序列结合位点N_region插入重排免疫球蛋白片段间的核苷酸primer_bind复制、转录的引物结合位点S_region免疫球蛋白重链的开关区protein_bind蛋白质结合区V_region编码免疫球蛋白的可变区N末端的序列STS测序标签位点V_segment编码免疫球蛋白的可变区的序列misc_recomb无法用重组特性关键词描述的重组事件repeat_region基因组中所包含的重复序列iDNA通过重组所消除的DNA关键词解释关键词解释misc_structure无法用结构关键词描述的核酸序列高级结构或构型stem_loop发夹结构D_loop线粒体中DNA中的取代环GenBank记录中特性表中的限定词:限定词含义限定词含义/allele=给定基因的等位基因/codon_start=相对于序列第一个碱基，编码序列密码子的偏移量/bound_moiety=嵌合范围/country=DNA样本的来源国/cell_type=获得序列的细胞类型/db_xref=其他数据库信息的交叉索引号/citation=已被引用的参考文献数/direction=DNA复制方向/clone_lib=获得序列的克隆文库/environmental_sample=序列直接从环境材料中获得而没有指明来源物种限定词含义限定词含义/exception=指明DNA序列未按通常的生物学规律翻译，如RNA编辑/PCR_conditi-ons=描述PCR的反应条件/frequency=在种群中发生变异的频率/pop_variant=获得序列的群体变异种名称/germline如果序列是DNA并来源于免疫球蛋白家族，则表示该序列来源于未重排DNA/product=序列编码产物的名称/insertion_seq=序列来源于某种插入元件/anticodon=tRNA反义密码子的位置及它所编码的氨基酸/isolate=序列来源的生物个体/cell_line=获得序列的细胞系/lab_host=为扩增序列来源物种所用的实验室宿主/chromosome=获得序列的染色体/macronuclear指明DNA来源于染色体分化的大核期/clone=获得序列的克隆子/note=评论及附加信息/codon=指出与参考密码子不同的密码子/organelle=获得序列的细胞器/EC_number=序列产物的酶学编号限定词含义限定词含义/cons_splice=区分内含子剪切位点和“5‘-GT.AG-3'”剪切位点/map=相关特性在基因图谱上的位置/cultivar=所获序列植物的栽培变种/mod_base=被修饰碱基的简写/dev_stage=序列来源于某种生物的特定发育阶段/number=从5’→3’注明遗传元件的顺序/evidence=序列特性来源于实验还是推理/organism=提供测序用遗传物质的物种的科学名称/focus指出在记录中的来源特性在其他物种中还有不同的来源特性/phenotype=序列特性所导致的表型/function=序列所代表的功能/plasmid=获得序列的质粒名称/haplotype=序列来源于某种物种的单倍体/protein_id=蛋白质的检索号/isolation_sou-rce=描述序列来源物种的生理、环境和地理信息/proviral整合在基因组中的前病毒/label=序列特性的俗名/rearranged如果序列是DNA并来源于免疫球蛋白家族，则表示该序列来源于重排DNA限定词含义限定词含义/rpt_family=重复序列/transposon=转座