第一组 生物信息学

Whale

一、小组成员介绍

组长：王歌嫚琴；

组员：陈栏栏，朱楚瑜，黄晶。

二、班级问题

1) 简介NCBI平台资源。

答：NCBI (National Center for Biotechnology Information)，美国国家生物技术信息中心。NCBI开发有Genbank等公共数据库，提供 Pubmed、BLAST、Entres、OMIM、Taxonomy、Structure等工具，可对国际分子数据库和生物医学文献进行检索和分析，并开发用于分析基因组数据和传播生物医学信息的软件工具。

2) Genbank序列数据注释包括哪些内容？

答：在讲参考基因组之前，需要提到一个组织参考基因组联盟（Genome Reference Consortium），它是由 NCBI，EBI，桑格研究所等机构组成。GRC 利用最佳的技术装配，纠正，增加基因组序列，以此作为在生信分析领域作为参考的基因组。目前，该机构构建了人，小鼠，大鼠，斑马鱼，鸡的参考基因组。

人基因组官名叫 GRCh38 （Genome Reference Consortium Human Build 38），GRCh38 在UCSC基因组浏览器中还有个小名 hg38，这个小名对于大多数人来说是更亲切熟悉的。GRCh38 在 GenBank 中叫 GCA_000001405.15，在 RefSeq 中叫 GCF_000001405.26，虽然 GRC 组织建议在所有出版物和工具中使用该编号，但事实是前两种 GRCh38 和 hg38 对生信分析更常见。

在不更改染色体坐标的情况下，向参考基因组添加或替换新序列，这种打补丁的方式，会在基因组版本后加 .p （patch）来命名。

这就像在王者荣耀，英雄联盟中，为了维持游戏热度，会大幅修改游戏架构，流程，世界观，图片，叫大版本更新，而定期对某些英雄的面板属性修正，作为补丁。



举个例子，GRCh38 的第九个补丁，正式版本叫做 Genome Reference Consortium Human Build 38 patch release 9，简称 GRCh38.p9。在 GenBank 编号为 GCA_000001405.24，RefSeq 编号为 GCF_000001405.35。在 Ensemble 编号为 GRCh38，NCBI 编号为 GRCh38。

3) 什么RefSeq，它与Genbank序列有和区别？

答：RefSeq（reference sequence），即参考序列，Genbank是一个序列的存储池，而RefSeq数据库则是一个参考序列的非冗余（non-redundant）集合。RefSeq是NCBI将Genbank的序列再做详细的整理的非冗余序列资料库，一般可信度较高，是NCBI数据库的参考序列。RefSeq分为几个板块，第一个为“mRNA and Protein”区，可以找到连续编码mRNA序列和蛋白序列；第二个板块是Reference assembly，它下面显示Genomic，点击后可以得到对应的编码DNA序列（包括内含子，不包括5’非编码区）。如果输出文件中有ref, 就代表找到的是RefSeq资料库的序列，例如：gi|4557284|ref|NM_000646.1|[4557284]

（格式说明：gi ：”GenBank Identifier的缩写”, 是序列的ID号，标识符。4557284 是该序列的gi号。ref :标示该序列是参考序列。NM_000646.1 是该序列的Accession号和版本号 ）

RefSeq的序列格式和Genbank几乎完全相同，但是因为是完全不同的独立资料库，为了与Genbank区别，RefSeq的Accession Number格式和Genbank不同，前缀是两个字母+“-”，例如:

NT_123456 constructed genomic contigs

NM_123456 mRNAs

NP_123456 proteins

NC_123456 chromosome

Genbank是一个开放的数据库，对每个基因都含有许多序列。很多研究者或者公司都可以自己提交序列，另外这个数据库每天都要和EMBL和DDBJ交换数据。Genbank的数据可能重复或者不准。

RefSeq数据库被设计成每个人类位点挑出一个代表序列来减少重复，是NCBI提供的校正的序列数据和相关的信息。数据库包括构建的基因组contig、mRNA、蛋白和整个染色体。Refseq序列是NCBI筛选过的非冗余数据库，一般可信度比较高。

4) 如何利用Entrez Gene进行序列查询（举例说明）？

1、Entrez Gene数据库以NCBI的参考序列为数据来源，为人类以及其他物种的基因提供非冗余Gene ID以及该基因的官方命名，染色体定位等注释，在基因规范中起着较大作用。Entrez Gene以每个基因的信息作为一条记录，典型的一条记录包括该基因官方名（official symbol）、全称（official full name）、别名（other aliases）、染色体定位（chromosome location）、注释（annotation）以及GeneID等基本信息。

2、以查询人的p53抑癌基因为例，介绍如何用Entrez Gene进行序列查询：

输入网址：http://www.ncbi.nlm.nih.gov/ 网页链接

http://www.ncbi.nlm.nih.gov/Entrez/网页链接

输入关键词p53，选择想要查询的序列名称。

得到人类肿瘤抑癌蛋白基因p53的Entrez Gene序列，可见TP53的官方名：TP53；全名：tumor protein p53; 别名：P53、BCC7、 LFS1、 BMFS5、 TRP53；染色体的定位：第17号染色体NC_000017.11 (7668421..7687490, complement)

5) 如何在NCBI提交新序列（举例说明，最后一步不能提交啊！！！）？

答：1、进入Banklt主页；

2、点击Start Banklt Submission；

3、填写个人联系方式；

4、自上至下，依次填写序列作者信息，文章未发表：填写文章草拟的标题，已接收或已发表：文章标题，作者；

5、选择测序平台，上传序列是否已拼接，拼接软件名称与版本，Assembly Name：拼接样品名称，Coverage：覆盖度（测序深度，测序Raw data的大小/线粒体基因组大小）；

6、上传序列信息，选择审核通过后立即发布或者发布日期，序列类型选择基因组DNA，序列结构选择是线状或者成环，选择是否为完整的基因组序列，序列信息可以粘贴在该页面的文本框中，也可以在本地编辑好之后上传；

7、如果同时上传2条及以上序列，需要选择上传的序列用于哪种类型的研究中；

8、所提交序列是否为首次上传；

9、选择细胞器类型，线粒体。提供样品来源信息，采集地等等，可点击Source modifier list查看官方说明。测序中如果设计PCR引物，可勾选并补充，引物的填写要求参考primers table；

10、上传.tbl/ .txt格式的注释文件；

11、填写邮箱，完成上传，将收到上传成功邮件，2-3个工作日内会得到答复。

6) 小组内自学时主要问题的提出及解答情况：如何利用NCBI设计引物？

如何用NCBI设计引物

三、小组学习情况

组员们经过认真讨论，精心准备后，完成了这次任务，希望大家都能有所收获！