【陪你学·生信】三、核苷酸序列数据库的使用（2）

二、使用GenBank

1. 针对原核生物基因的GenBank使用介绍

原核生物基因组相对小，而且DNA序列，mRNA，ORFs，蛋白序列对应关系相对简单，所以数据库中原核生物的基因组注释等信息较为易懂。下面依旧以大肠杆菌dUTPase基因为例（GenBank ID X01714），介绍GenBank中原核生物基因的一些条目和操作。

（1）打开网页

https://www.ncbi.nlm.nih.gov/genbank/

（2）在检索栏里，选择Nucleotide库，输入GenBank ID X01714。

（3）这个页面差不多显示了全部的信息，默认格式是GenBank的，有一些方便的功能按钮，比如这里是format的选择，可以以FASTA格式显示。右侧send to可以下载文件。

（4）结果显示页面出现的名词介绍

在GenBank格式的结果显示页面左侧，有一系列条目，简单介绍一下它们是什么。

【LOCUS】

基础信息，包含名称代号（X01714），核苷酸序列大小（1609 bp），类型（DNA），拓扑结构（linear），上传/修改时间（BCT 23-OCT-2008）。

【DEFINITION】

对于该基因的简短定义。

【ACCESSION】

就是accession number，登记号。

【VERSION】

同义或过去使用过的ID号。

【KEYWORDS】

描述该序列的关键词，检索的时候如果设定了关键词，就可以搜到这些基因。

【SOURCE】

序列的来源。

【ORGANISM】

将序列来源生物体按照生物分类，详细的写出来。属于【SOURCE】条目的补充。

【REFERENCE】

这里面序列不同的部分归功于的不同AUTHORS，TITLE，JOURNAL和PUBMED（我看到的基因序列一般都不分，序列很多很大的，可能是工作分为几次完成的，这里就会注明）。

【COMMENT】

这里有一些致谢等不适合放在上面条目中的内容，属于补充说明。

【FEATURES】

这个条目下细致的展示了序列中确定的，有着不同生物学功能的基因区域。

[source]

显示的是基因序列中特殊区域的来源。当你想区分克隆载体序列和受体生物序列时，这个条目就比较重要，不过在我们的例子中，所有序列都来源于大肠杆菌。

[regulatory]

这里会注明什么类型的regulatory，比如RBS或者启动子，并且注明位置。

/regulatory_class="ribosome_binding_site"

/regulatory_class="promoter"

[misc_feature]

假定的转录开始区域，或者茎环结构区域等。

/note="put. transcription start region"

/note="put.stem-loop structure"

[CDS]

CDS：CoDing Segment，该条目描述了基因的开放阅读框ORF的信息。

首先是ORF的位置，从起始密码子的位置到终止密码子（343..798）；下面是起始密码子开始的位置，“/codon_start=1”说明序列343位置的氨基酸是起始密码子的第一个氨基酸；/transl_table=11说明翻译的标准是11那套标准，即针对“The Bacterial, Archaeal and Plant Plastid Code”的翻译标准。

然后显示了蛋白质的ID，以及这个蛋白在其他数据库中的信息的超链接。

最后 /translation，是按照上面介绍的起始密码子终止密码子位置和翻译标准，机器翻译的氨基酸序列。