认识核酸数据库

今天了解几个重要的生物数据库～
生物数据库种类很多，可以分为 核酸数据库、蛋白质数据库，和一些特殊的专用数据库。而数据库都有一定的内部结构，以pubmed为例，它的信息被分割成小节，每个小节都有自己的索引名，如 au 代表作者，AB 代表摘要，所以在pubmed检索 TAPase 时，可以使用 TAPase[AB]这种形式（搜索摘要中存在 TAPase的词条）。

1.一级核酸数据库（Genebank、ENA、DDBJ）

Genebank、ENA、DDBJ共同构成国际核酸序列数据库合作联盟INSDC，通过INSDC，三大核酸数据库的信息每日互相交换、更新汇总，这使得他们几乎在任何时候都享有相同的数据。

dUTPase在Genebank中的展示为例：

dUTPase在Genebank

• LOCUS：其中包含了如下信息... 基因座名（无论如何都是唯一的）；核酸序列长度；分子的类型；拓扑类型；更新日期
• DEFINITION：这条序列的定义和解释
• ACCESSION ：检索号（在一个数据库中唯一且不变的，但在不同的数据库中可以不同）
• VERSION：版本号
• FEATURES：描述核酸序列中各个已确定的片段区域，包含很多字条目，比如来源（source），启动子（promoter），RBS 核糖体结合位点，CDS记录ORF开放阅读框等。

如果你想要复制出整条序列，可以在网页起始处点击FASTA，获得FASTA格式的核酸序列

• 第一行：大于号加名称或其他注释

• 第二行以后：序列，每行60个字母

  
  fasta格式

2.二级核酸数据库（RefSeq、dbEST、Gene）

• RefSeq数据库：参考序列数据库，是通过自动及人工精选出的非冗余数据库，包括基因组序列、转录组序列和蛋白质序列。
• dbEST数据库：表达序列标签数据库，包含来源于不同物种的表达序列标签（ETS）
• Gene数据库：为用户提供基因序列注释和检索服务，收录了来自5300多个物种的430万条基因记录