DNA数据库大型数据库介绍大型数据库分成若干子库，有许多好处
首先，可以把数据库查询限定在某一特定部分，以便加快查询速度
其次，基因组计划快速测序得到的大量序列尚未加以注释，将它们单独分类，有利于数据库查询和搜索时“有的放矢”
GenBank将这些数据按高通量基因组序列(High Throughput Genomic Sequences，HTG)、表达序列标记(Expressed Sequence Tags，EST)、序列标记位点(Sequence Tagged Sites，STS)和基因组概览序列(Genome Survey Sequences，GSS)单独分类
尽管这些数据尚未加以注释，它们依然是GenBank的重要组成部分
可通过Entrez数据库查询系统对GenBank进行查询
这个系统将核酸、蛋白质序列和基因图谱、蛋白质结构数据库整合在一起
此外，通过该系统的文献摘要数据库MEDLINE，可获取有关序列的进一步信息
在万维网上，进入NCBI的主页，可以用BLAST程序对GenBank数据库进行未知序列的同源性搜索(详见第六章)
完整的GenBank数据库包括序列文件，索引文件以及其它有关文件
索引文件是根据数据库中作者、参考文献等子段建立的，用于数据库查询
GenPept是由GenBank中的核酸序列翻译而得到的蛋白质序列数据库，其数据格式为FastA
GenBank曾以CD-ROM光盘的形式分发，价格比较便宜
随着数据库容量的增长，一套最新版的GenBank需要12张光盘存放，不仅生产成本很高，也不便于使用
光盘分发的方式已经停止，可以通过网络下载GenBank数据库
GenBank中最常用的是序列文件
序列文件的基本单位是序列条目，包括核甘酸碱基排列顺序和注释两部分
许多生物信息资源中心通过计算机网络提供该数据库文件
下面，我们介绍序列文件的结构
序列文件由单个的序列条目组成
序列条目由字段组成，每个字段由关键字起始，后面为该字段的具体说明
有些字段又分若干次子字段，以次关键字或特性表说明符开始
每个序列条目以双斜杠“//”作结束标记
序列条目的格式非常重要，关键字从第一列开始，次关键字从第三列开始，特性表说明符从第五列开始
每个字段可以占一行，也可以占若干行
若一行中写不下时，继续行以空格开始
序列条目的关键字包括代码(LOCUS)，说明(DEFINITION)， 编号(ACCESSION)，核酸标识符(NID)，关键词(KEYWORDS)，数据来源(SOURCE)，文献(REFERENCE)，特性表(FEATURES)，碱基组成(BASE COUNT)及碱基排列顺序(ORIGIN)
代码LOCUS是该序列条目的标记，或者说标识符，蕴涵这个序列的功能
例如，图4.1中所示的HUMCYCLOX表示人的环氧化酶cyclooxygenase
该字段还包括其它相关内容，如序列长度、类型、种属来源以及录入日期等
说明字段是有关这一序列的简单描述，如本例为人环氧化酶-2的mRNA全序列
序列代码具有永久性，如本例中代码M90100用来表示上述人环氧化酶-2的mRNA序列，在文献中引用这个序列时，应该以此代码为准
核酸标识符NID对序列信息的当前版本提供？关键词字段由该序列的提交者提供，包括该序列的基因产物以及其它相关信息，如本例中还氧化酶-2 (cyclooxygenase-2)，前列腺素合成酶(prostaglandin synthase)
数据来源字段说明该序列是从什么生物体、什么组织得到的，如本例中人脐带血管(umbilical vein)
次关键字种属(ORGANISM)指出该生物体的分类学地位，如本例人、真核生物等等
文献字段说明该序列中的相关文献，包括作者(AUTHORS)，题目(TITLE)及杂志名(JOURNAL)等，以次关键词列出
该字段中还列出医学文献摘要数据库MEDLINE的代码
该代码实际上是个网络链接指针，点击它可以直接调用上述文献摘要
一个序列可以有多篇文献，以不同序号表示，并给出该序列中的哪一部分与文献有关
FEATURES是具有自己的一套结构，用来详细描述序列特性的一个表格
在这个表格内，带有‘/db-xref/’标志的字符可以连接到其它数据库内(本例，您看到的是一个分类数据库(taxon 9606)，以及一个蛋白质数据库(PID：g181254))；序列中各部分的位置都加以标明，5’非编码区(1-97)，编码区(98-1912)，3非编码区(1913-3387)，多聚腺苷酸序列(3367-3374)，等等；蛋白质翻译的信号肽及最终的多肽也都有所说明
这个例子不能说很全面，但已经足以说明特性表给出信息的详细程度
接下来是BASE COUNT记录，计算出不同碱基在整个序列中出现的次数(1010A，712个C，633个G，1032个T)
ORIGIN那一行，指出了序列第一个碱基在基因组中可能的位置
最后，核酸的序列全部列出，并以//作为结尾
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
