一文走进NCBI数据库，科研事业轻松一大步

admin

民以食为天，而科研则以数据为天。其中，对数据的挖掘、分析、利用更是重中之重。NCBI作为科研工作者必不可少的工具，其包含的各类数据库无疑是科研数据积累的宝藏，只待科研者认真挖掘。如今，小鱼就将带你一起学习NCBI的6种常见使用方法。 首先，简单介绍下NCBI序列的标识符：GI number和Accession.Version GI number和Accession.Version就像是序列的身份证号码一样。通过这个号码，可在NCBI等数据库里查到该序列的数据。 GI number是由一系列的数字组成，是NCBI在处理序列时连续分配的。Accession形式为CC_#####，其中CC为两个字母，其不同的组合有又可区分为蛋白序列、核酸序列或基因组序列，而#为位数不等的数字；Accession后面经常会加上版本号，以CC_####.#形式表现，表示序列信息较之前的版本有所修改。



一般来说，不同的编码代号代表不同的意思，如NM_开头的表示标准序列，XM_表示预测的蛋白编码序列，NR_表示非编码蛋白的mRNA序列，AF开头的表示克隆序列，BC开头的表示模板序列...... 接下来，我们进入NCBI的使用方法中的六大模块吧。             Part One利用Map viewer查找基因和mRNA序列、启动子                   以人的IL-12（白细胞介素12）为例：

1. 进入NCBI主页面，点击页面下方的Feature/ Map Viewer，进入该界面，并在下拉的菜单里选择物种，for后面填写你的目的基因，而后点击“Go”。



2. 在Quick Filter中，点击Gene前面的小方框，并点击Filter，结果如下图所示。



结果中，染色体的红色区域即为你的目的基因所处位置。
3. 点击第一条序列（即reference）对应的“Genes Seq”，出现新的页面，页面如下图所示：



点击上图中的Download/View Sequence/Evidence，即可下载查看序列等功能，结果如图所示：



在上图中的Sequence Format（序列输出格式）中有一个下拉式选择菜单，默认的为FASTA格式，还有一个是GenBank格式。推荐大家选择GenBank格式，因为这个格式提供了很多基因的信息，而FASTA格式只有基因序列。 4. 在Sequence Format后选择GenBank，点击下方的Display，目的基因的相关信息和序列结果如下图所示。


             Part Two用Probe查找已经公布的引物序列              1. 进入NCBI主页，在下拉菜单选择Probe之后填写需要查找的基因名称。



点击search，出现下面界面：



2. 点击第一个链接，序列结果如下图所示：


             Part Three运用其Blast 进行序列比对、检验引物特异性                 点击查看Blast的具体操作步骤：【实验工具专栏】Blast，有种，有料，有用！


            Part Four上传数据到NCBI              NCBI对可提交的数据类型有详细列表，不同类型的数据分别提交到不同的数据库，具体可查看http://www.ncbi.nlm.nih.gov/guide/howto/submit-sequence-data/




在此，小鱼进行了简单的归纳总结。就数据类型而言可分为两类：测序数据及分析数据。前者一般分为二代和三代测序数据。二代测序中最常见的是illumina测序仪产生的Fasta文件，454测序仪产生的sff文件等。三代测序数据主要是指pacbio测序仪产生的4个文件：3个bax.h5文件和1个bas.h5文件。这些文件需要提交到NCBI的SRA数据库中。
由于测序平台应用在不同类型的项目长会有不同分析结果，所以分析数据的提交要根据测序项目类型来定。目前高通量测序就项目类型可分为：基因组测序、转录组测序、16S/ITS测序、宏基因组测序等。



1. 建立一个属于自己的NCBI登录账户，用以提交数据。如何创建My NCBI账户详细请参见：http://www.ncbi.nlm.nih.gov/books/NBK3842/#MyNCBI.Registering_with_My_NCBI。



2. 为提交的数据申请BioProject和BioSample号。一个BioProject代表一项测序研究项目，它可包含多次实验（experiments）:
Step1：打开https://submit.ncbi.nlm.nih.gov/，点击“BioProject”进入新建页面。
Step2：点击“New submission”，进行提交。Step3：根据研究项目实际情况，填写一系列信息，每填写完一个步骤，都要点击页面下方的continue，保存已填写的信息。点击“submit”即可。 3. 在NCBI网站上登录自己的账户，进入数据提交的Submit界面后（https://submit.ncbi.nlm.nih.gov/），点击相应的数据库进行数据的提交。

             Part Five如何用NCBI批量下载基因序列                  1. 登入NCBI主界面，在下拉菜单里选择nucleotide，将基因的Accession number都排列在一起，用空格隔开，不要有回车符（怎么快速排列就不多说了，excel就能实现），例如：NM_181571 NM_012319 NM_016651 NM_007678NM_004642 NM_145918 NM_024504 NM_014847 NM_004196 NM_002295：




填好后Search，然后会出现这样一个界面：



2. 点击上面的summary下拉标记，在Format选项中选择FASTA：



点击Apply，就会出现下一个界面：



3. 点击右上角的Send下拉标记，选中CompleteRecord和File，然后在下面Format中选择FASTA，Sort by不变（默认），最后点击Create File保存数据即可。


            Part Six如何用NCBI下载物种的全基因组序列              1. 打开NCBI，在下拉栏里选择Genome，之后输入下载物种的拉丁名。以拟南芥Arabidopsis thaliana为例。




搜索结果如下图所示：



2. 点击上图的“GenomeAssembly and Annotation report”进入下面的界面：



将上图中scaffold和conting前的√去掉，系统会自动筛选出比较好的基因组，一般来说，选择level这一列中测序水平最高的一组就是黑色部分占据面积最多的。
3. 点击Assenbly这一列中的基因组编号：



可进入全基因组下载界面。



4. 点击该界面的右侧，即可进行全基因组的下载。

转载请注明：解螺旋·临床医生科研成长平台