NCBI中各符号代表的意思.doc

精品文档
GenBank 中字符的意思

Nucleotide 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

● MeSH: 查询缩写基因的全称

3、RefSeq（Reference Sequence）序列接受号:
（1）mRNA 记录（NM_*）:
e.g.:NM_000492
（2）基因组的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）从人类基因组注释、加工得到的序列模型（XM，XP，or XR_*）：
e.g.:XM_000483

● 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_signal
RNA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RNA
polyA_site
RNA转录本的多聚腺苷酸化位点
mRNA
信使RNA
rRNA
核糖体RNA
5’clip
前体转录本中被剪切掉的5’端序列
tRNA
转运RNA
3’ clip
前体转录本中被剪切掉的3’端序列
scRNA
小细胞质RNA
5’UTR
5’非翻译区
snRNA
小核RNA
3’UTR
exon
3’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_related

repeat_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
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
/sub_strain=
获得序列的来源微生物亚种
/transl_table=
描述在翻译中与通用密码表不同的密码表
/tissue_type=
获得序列组织类型
/usedin=
表明该特性在其他检索中也被使用
/translation=
按通用或指定的密码子表翻译的氨基酸序列
/virion
病毒颗粒

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=
转座子
/rpt_unit=
指明重复区域的重复元件构成
/variety=
获得序列的生物变种
/serotype=
同一物种的不同血清学特征
/pseudo
假基因
/sex=
获得序列的物种性别
/replace=
表明特性间的间隔序列已被替换
/specimen_vou-cher=
指明来源物种保存于什么地方
/rpt_type=
重复序列的组织方式
/strain=
获得序列的菌珠
/sequenced_m-ol=
获得序列的分子类型
/sub_species=
获得序列的来源物种的亚种
/serovar=
同一原核生物的血清学特征
/tissue_lib=
获得序列组织库
/specific_host=
获得序列的天然宿主
/transgenic
指明物种的来源特性是否是转基因受体
/standard-name=
特性的通用名称
/transl_except=
标明序列中未按指定密码子表翻译的氨基酸的位置
/sub_clone=
获得序列的亚克隆

◆ BLAST
1. blastn (nucleotide blast)是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将同所查序列作一对一地核酸序列比对。
2. blastp (protein blast)是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐一地同每条所查序列作一对一的序列比对。
3. blastx是核酸序列到蛋白库中的一种查询。先将核酸序列翻译成蛋白序列（一条核酸序列会被翻译成可能的六条蛋白），再对每一条作一对一的蛋白序列比对。
4. tblastn是蛋白序列到核酸库中的一种查询。与blastx相反，它是将库中的核酸序列翻译成蛋白序列，再同所查序列作蛋白与蛋白的比对。
5. tblastx是核酸序列到核酸库中的一种查询。此种查询将库中的核酸序列和所查的核酸序列都翻译成蛋白（每条核酸序列会产生6条可能的蛋白序列），这样每次比对会产生36种比对阵列。

Accession
Molecule
Method
Note
AC_123456
Genomic
Mixed
Alternate complete genomic molecule. This prefix is used for records that are provided to reflect an alternate assembly or annotation. Primarily used for viral, prokaryotic records.
AP_123456
Protein
Mixed
Protein products; alternate protein record. This prefix is used for records that are provided to reflect an alternate assembly or annotation. The AP_ prefix was originally designated for bacterial proteins but this usage was changed.
NC_123456
Genomic
Mixed
Complete genomic molecules including genomes, chromosomes, organelles, plasmids.
NG_123456
Genomic
Mixed
Incomplete genomic region; supplied to support the NCBI genome annotation pipeline. Represents either non-transcribed pseudogenes, or larger regions representing a gene cluster that is difficult to annotate via automatic methods.
NM_123456
NM_123456789
mRNA
Mixed
Transcript products; mature messenger RNA (mRNA) transcripts.
NP_123456
NP_123456789
Protein
Mixed
Protein products; primarily full-length precursor products but may include some partial proteins and mature peptide products.
NR_123456
RNA
Mixed
Non-coding transcripts including structural RNAs, transcribed pseudogenes, and others.
NT_123456
Genomic
Automated
Intermediate genomic assemblies of BAC and/or Whole Genome Shotgun sequence data.
NW_123456
NW_123456789
Genomic
Automated
Intermediate genomic assemblies of BAC or Whole Genome Shotgun sequence data.
NZ_ABCD12345678
Genomic
Automated
A collection of whole genome shotgun sequence data for a project. Accessions are not tracked between releases. The first four characters following the underscore (e.g. 'ABCD') identifies a genome project.
XM_123456
XM_123456789
mRNA
Automated
Transcript products; model mRNA provided by a genome annotation process; sequence corresponds to the genomic contig.
XP_123456
XP_123456789
Protein
Automated
Protein products; model proteins provided by a genome annotation process; sequence corresponds to the genomic contig.
XR_123456
RNA
Automated
Transcript products; model non-coding transcripts provided by a genome annotation process; sequence corresponds to the genomic contig.
YP_123456
YP_123456789
Protein
Mixed
Protein products; no corresponding transcript record provided. Primarily used for bacterial, viral, and mitochondrial records.
ZP_12345678
Protein
Automated
Protein products; annotated on NZ_ accessions (often via computational methods).
NS_123456
Genomic
Automated
Genomic records that represent an assembly which does not reflect the structure of a real biological molecule. The assembly may represent an unordered assembly of unplaced scaffolds, or it may represent an assembly of DNA sequences generated from a biological sample that may not represent a single organism.

可修改