/第十四章提交DNA序列到數(shù)據(jù)庫(kù)序言:要在分子生物學(xué)領(lǐng)域進(jìn)行計(jì)算分析，從公共數(shù)據(jù)庫(kù)(DDBJ/EMBL/GenBank)中獲得DNA序列記錄是其必需條件。借助于和一個(gè)已了解其生物學(xué)功能而被分離出來(lái)并測(cè)序的基因比較相似性的方法，我們可以嘗試確定某疾病基因的功能，這種方法要求序列記錄有精確并且富于信息的生物學(xué)注解。對(duì)于將其作為BLAST或Entrez的檢索結(jié)果來(lái)研究的科學(xué)家來(lái)說(shuō)，編碼的蛋白質(zhì)產(chǎn)物的名稱或功能、基因座位的名稱以及和該序列最初的公布之間的了解（它因何被測(cè)序？）構(gòu)成了序列記錄的直接的確切涵義。本章的內(nèi)容是提交DNA序列及其注解到公共數(shù)據(jù)庫(kù)，重點(diǎn)介紹了與國(guó)際核苷酸序列協(xié)作數(shù)據(jù)庫(kù)：DDBJ、EMBL和GenBank密切相關(guān)的核苷酸序列數(shù)據(jù)庫(kù)。我們描述了提交序列到這些數(shù)據(jù)庫(kù)的兩種不同的方法，一種方法基于互聯(lián)網(wǎng)，（例如，使用Bankit）,另一種方法使用Sequin,這是一個(gè)多平臺(tái)程序，若同時(shí)具有網(wǎng)絡(luò)連接有很大益處，不過(guò)這不是必需的。Sequin也是一種很好的利用了NCBI數(shù)據(jù)模型（參見(jiàn)第六章）的ASN.1編輯工具，而且在不久的將來(lái)會(huì)成為許多采用NCBI的序列分析工具的平臺(tái)，因此，Sequin是可供選擇的升級(jí)工具。大多數(shù)期刊不再刊登完整的序列數(shù)據(jù)，并且現(xiàn)在公開(kāi)發(fā)表文章時(shí)向公共數(shù)據(jù)庫(kù)提交序列數(shù)據(jù)已成為一條準(zhǔn)則?；蚪M測(cè)序時(shí)期（ESTs和基因組序列的數(shù)量以很快的速度增加的時(shí)期，在歷史上以1992年底EST計(jì)劃的開(kāi)始為標(biāo)志）已經(jīng)通過(guò)很多方式影響了科學(xué)界。例如，許多科學(xué)家公布他們發(fā)現(xiàn)的序列先于發(fā)表對(duì)其進(jìn)行的詳細(xì)分析，這個(gè)習(xí)慣已成為大型基因研究中心的規(guī)定，盡管一些個(gè)別的實(shí)驗(yàn)室仍然直到文章發(fā)表后才公開(kāi)他們的數(shù)據(jù)，還有一些人認(rèn)為公開(kāi)他們的記錄與否取決于自己的愿望。像第二章概述的那樣，到目前為止，數(shù)據(jù)庫(kù)內(nèi)容的增長(zhǎng)是指數(shù)性的。大多數(shù)早期的序列記錄是由對(duì)于某個(gè)基因感興趣的單個(gè)的科學(xué)家提交的，適合這種情況的提交程序必須允許手工進(jìn)行生物學(xué)信息的任意注解。然而最近這些數(shù)據(jù)庫(kù)不得不接受新類型的數(shù)據(jù)，而且提交速度要有實(shí)質(zhì)性的提高。在EST測(cè)序開(kāi)始不久，為了接受這些記錄必需一種單獨(dú)的提交協(xié)議，這種要求變得很明顯，通過(guò)該協(xié)議每天接受的記錄將達(dá)到上千個(gè)，峰值時(shí)期更將達(dá)到每周100，000個(gè)提交量。幸運(yùn)的是，這些記錄相當(dāng)簡(jiǎn)單，而且在內(nèi)容上是一致的，因此適合于自動(dòng)處理。這種大批量提交協(xié)議將在下文討論。提交過(guò)程也是國(guó)際活動(dòng)的一部分，值得注意的是，向三個(gè)國(guó)際性協(xié)作數(shù)據(jù)庫(kù)中的任一個(gè)提交的記錄（參見(jiàn)第二章圖2.1）幾天后都將在另兩個(gè)數(shù)據(jù)庫(kù)中出現(xiàn)，然后這些序列記錄將被許多研究組和研究中心傳送到世界范圍，其中有些研究者再格式化這些記錄以適合他們的數(shù)據(jù)庫(kù)和他們的程序使用（例如，GCG,參見(jiàn)第四章），因此僅僅提交序列數(shù)據(jù)到這三個(gè)數(shù)據(jù)庫(kù)之一，研究者們能夠避免給這三個(gè)地方的數(shù)據(jù)庫(kù)維護(hù)人員帶來(lái)任何可能的重復(fù)工作，而且也能避免發(fā)布多余的記錄。同樣的，大多數(shù)期刊都希望在一篇文章中提出的所有核苷酸序列，將被由國(guó)際性的協(xié)作數(shù)據(jù)庫(kù)之一提供的加入號(hào)碼所驗(yàn)證，而且這對(duì)該文章來(lái)說(shuō)具有核心的意義。（參見(jiàn)第2章和第6章）。提交到哪兒？過(guò)去研究者將數(shù)據(jù)提交到哪一個(gè)特定的數(shù)據(jù)庫(kù)依賴于他們想要發(fā)表文章的期刊，雖然現(xiàn)在一些期刊仍然不合適的指出一個(gè)偏愛(ài)的數(shù)據(jù)庫(kù)，但這不再是正確的了，研究者應(yīng)該提交到最方便的數(shù)據(jù)庫(kù)。這可能是地理上最近的數(shù)據(jù)庫(kù)（例如，如果需要一次電話會(huì)談的話）；也可能是經(jīng)常提交的數(shù)據(jù)庫(kù)；或者可能僅是因?yàn)樵谀抢锾峤豢赡艿玫阶疃嗟淖⒁狻＿@三個(gè)數(shù)據(jù)庫(kù)都有知識(shí)豐富的人員來(lái)幫助提交者完成整個(gè)提交過(guò)程。在通常的情況下，一個(gè)工作日內(nèi)將會(huì)反饋回來(lái)一個(gè)加入號(hào)碼，而記錄的完成將需要5�10天的時(shí)間，其實(shí)際長(zhǎng)短將依賴于那個(gè)工作周的繁忙程度和提交的序列的狀態(tài)。目前，假設(shè)所有的序列記錄提交都通過(guò)電子方式：例如通過(guò)互聯(lián)網(wǎng)，通過(guò)電子郵件，或者（最起碼）通過(guò)常規(guī)方式郵寄一張計(jì)算機(jī)磁盤(pán)。供電子方式提交的URLs和E_mail位置列于本章末尾,這兩種提交方式取代了早期使用的授權(quán)軟件的方法，該方法現(xiàn)在已經(jīng)過(guò)時(shí)了。不過(guò)通過(guò)授權(quán)軟件來(lái)提交仍然可被接受（在本文出版時(shí)），但是使用授權(quán)軟件的提交者應(yīng)該注意其局限性和可以選擇更好的方法。提交什么內(nèi)容？這三個(gè)數(shù)據(jù)庫(kù)都需要同樣的最終結(jié)果：充分注解的、具生物學(xué)意義的、便于計(jì)算的良好記錄，該記錄允許其他科學(xué)家利用提交該記錄的生物學(xué)家已獲得的工作成果，并且提供了與蛋白質(zhì)、參考文獻(xiàn)和基因組數(shù)據(jù)庫(kù)（參見(jiàn)第5章）的了解。這些數(shù)據(jù)庫(kù)是所有通過(guò)實(shí)驗(yàn)獲得的序列的寶庫(kù)，因此最新測(cè)序的mRNA或基因區(qū)域的序列可以提交到某個(gè)數(shù)據(jù)庫(kù)，其工作人員將協(xié)助提交者提供足夠的信息以使該序列對(duì)其他研究者有使用價(jià)值。一套豐富的生物特征和其他注解是可得到的，但其中重要的部分無(wú)疑是那些可用于分析的內(nèi)容。這些部分包括核苷酸和蛋白質(zhì)序列：CDS（編碼序列，又稱編碼區(qū)）、基因、mRNA特征（如：表現(xiàn)分子生物學(xué)中心法則的特征）；序列得以確定的生物；以及關(guān)于參考文獻(xiàn)的引用，這些引用將此序列連接到有關(guān)的信息領(lǐng)域并將給出證明該序列存在的實(shí)驗(yàn)細(xì)節(jié)。DNA/RNA提交的過(guò)程相當(dāng)簡(jiǎn)單，但必須小心謹(jǐn)慎，才能提供準(zhǔn)確（無(wú)錯(cuò)誤和無(wú)載體污染）和生物學(xué)上盡量良好的信息，以保證其得到科學(xué)界的最充分利用。無(wú)論提交形式如何，在開(kāi)始提交以前，都要解決以下幾個(gè)問(wèn)題。序列的性質(zhì)該序列來(lái)源于基因組還是mRNA？數(shù)據(jù)庫(kù)的用戶想知道被測(cè)序的DNA分子的來(lái)源。例如：盡管cDNA是在DNA（不是RNA）上進(jìn)行測(cè)序的，在細(xì)胞中的分子表現(xiàn)型卻是mRNA。同樣對(duì)于rRNA基因的基因組測(cè)序而言，測(cè)序的分子幾乎全都是DNA分子。將rRNA復(fù)制成DNA，就象直接對(duì)rRNA測(cè)序一樣，盡管是可能的，但很少這樣做。記?。杭热槐惶峤坏幕虮仨氂歇?dú)特的分子類型，它就不會(huì)表現(xiàn)出（例如）一種基因組和mRNA分子的混合類型，否則實(shí)際上不會(huì)從一個(gè)活細(xì)胞中提取出來(lái)。序列是合成的，但不是人造的嗎？合成分子在核苷酸數(shù)據(jù)庫(kù)中有一個(gè)特殊的分類，在此環(huán)境中，序列被按照實(shí)驗(yàn)排列，而這在自然環(huán)境中是不會(huì)出現(xiàn)的（如：蛋白質(zhì)表達(dá)的載體序列）。DNA數(shù)據(jù)庫(kù)不接受計(jì)算機(jī)產(chǎn)生的序列（如：同源序列），在數(shù)據(jù)庫(kù)中的所有序列都是從有問(wèn)題的實(shí)際分子序列中通過(guò)實(shí)驗(yàn)獲得的，但是它們可以被匯聚成測(cè)序訓(xùn)練獵槍。序列有多精確？在數(shù)據(jù)庫(kù)文獻(xiàn)中很少提到這個(gè)問(wèn)題，但假設(shè)被提交的序列盡可能精確，這通常意味著整個(gè)提交序列至少包括兩相覆蓋域（相反方向）。證實(shí)最終提交的序列也同樣重要，它必須無(wú)載體的污染（這可以用在載體數(shù)據(jù)庫(kù)中BLASTN查尋證實(shí)：參見(jiàn)其后的第7章），可以以已知的限制圖譜檢驗(yàn)，消除序列重組的可能性，或確認(rèn)正確的序列集合。生物體給每條記錄分配正確的生物是至關(guān)重要的，盡管在大多數(shù)情況下這是很容易做到的。所有的DNA序列記錄必須有一個(gè)生物分配給它們，從數(shù)據(jù)庫(kù)中的記錄出現(xiàn)在系統(tǒng)發(fā)生樹(shù)上的位置可以得到許多推論。如果它們被錯(cuò)誤的安置了，可能會(huì)翻譯錯(cuò)誤的遺傳密碼，并產(chǎn)生被錯(cuò)誤截取的蛋白質(zhì)產(chǎn)物序列。已經(jīng)知道的基因和物種的種類足可以使數(shù)據(jù)庫(kù)成員識(shí)別生物和其譜系。NCBI提供了一個(gè)重要的分類服務(wù)，分類學(xué)家維護(hù)能用于所有核苷酸數(shù)據(jù)庫(kù)和Swiss-Prot蛋白質(zhì)數(shù)據(jù)庫(kù)的分類法。引用注解即使再好，也永遠(yuǎn)比不上一篇充分闡述生物學(xué)的已發(fā)表文章，因此，有必要保證正確鏈接研究出版物和它將引用的原始數(shù)據(jù)。基于此理由,提交中準(zhǔn)備好引用是很重要的，即使其中只有整理的臨時(shí)列表和工作標(biāo)題。在出版時(shí)更新這些引用對(duì)于記錄的價(jià)值也很重要。（這由數(shù)據(jù)庫(kù)成員慣例的執(zhí)行，而且如果提交者在發(fā)表文章以前通知數(shù)據(jù)庫(kù)成員，將執(zhí)行得更快）。編碼序列核苷酸序列的提交也意味著包括其編碼的蛋白質(zhì)序列，這是因?yàn)椋?.蛋白質(zhì)數(shù)據(jù)庫(kù)（如：Swiss-Prot和PIR）幾乎完全由在DNA序列數(shù)據(jù)庫(kù)中記錄的蛋白質(zhì)序列所組成。2.在提交過(guò)程中包括蛋白質(zhì)序列如果不是必需的話,也是重要和有效一步。蛋白質(zhì)包括執(zhí)行我們研究的許多生物反應(yīng)的酶分子，其序列數(shù)據(jù)是提交中的固有部分，它們的重要性（在第6章中概述）也在提交過(guò)程中體現(xiàn)出來(lái)，在各種數(shù)據(jù)庫(kù)中其信息作為代表性必須被捕獲。如果已知的話,蛋白質(zhì)產(chǎn)物和基因的名稱也很重要，有各種各樣的資源（許多在總結(jié)這些章節(jié)的列表中有描述）為給定的生物提供準(zhǔn)確的命名系統(tǒng)。（參見(jiàn)“基因命名指導(dǎo)，基因趨勢(shì)”，1995，Elsevier。）編碼序列特征，或CDS，是DNA或RNA和蛋白質(zhì)序列的了解，隨同正確的翻譯表一起,在有效性中其正確定位占據(jù)了中心位置。核苷酸數(shù)據(jù)庫(kù)現(xiàn)在用了13種不同遺傳密碼（參見(jiàn)章末的列表），這些遺傳密碼由NCBI中的分類學(xué)和分子生物工作人員維護(hù)。由于蛋白質(zhì)序列是如此重要，它們是生物學(xué)家可以計(jì)算的主要分子生物信息資源之一，它們理所當(dāng)然地得到各種數(shù)據(jù)庫(kù)成員的重視。在mRNA中正確地找到開(kāi)放的讀框架通常是很簡(jiǎn)單的（參見(jiàn)第10章）,并且有多種工具可供利用[如：NCBI的ORF查找器(見(jiàn)章末列表)]，而且在Sequin中是作為一個(gè)函數(shù)（如下）；從一個(gè)較高級(jí)的真核生物獲得正確的CDS間隔就不那么容易了：必須連接不同的外顯子序列，這涉及許多方法，在第10章中有介紹(如果給定蛋白質(zhì)序列和正確的遺傳密碼的話,Sequin中的推薦間隔函數(shù)可以計(jì)算CDS間隔)。在提交中包括什么內(nèi)容將由數(shù)據(jù)庫(kù)工作人員來(lái)決定,更恰當(dāng)?shù)卣f(shuō),這受到所使用的提交工具的限制,如通過(guò)互聯(lián)網(wǎng)或Sequin。有效性檢查包含CDS間隔中的起始和終止密碼子，該間隔具有合法的外顯子/內(nèi)含子一致邊界，用合適的遺傳密碼可將提供的氨基酸序列從指定的CDS中轉(zhuǎn)換出來(lái)。其他特征在提交序列記錄的特征部分還有許多其它特征，并且其中許多特征將擴(kuò)充記錄內(nèi)容。在特征表文件中描述了完整的特征集，該文件可以WWW方式取得或通過(guò)匿名FTP獲得PostScript文件。盡管有許多特征可供利用，但在數(shù)據(jù)庫(kù)中卻有許多不一致的用法，主要原因是缺乏一致的原則和生物學(xué)家們對(duì)它們究竟意味著什么看法很不相同。正確地獲得生物、書(shū)目、基因、CDS、mRNA通常就足以并且有助于證實(shí)序列，使生物學(xué)家通過(guò)幾行文字就能獲得生物學(xué)的內(nèi)容。只要應(yīng)用恰當(dāng)，一個(gè)特征表文件是可以利用的，但要注意文件注解的意圖。種群、系統(tǒng)發(fā)生、變異的研究現(xiàn)在核苷酸數(shù)據(jù)庫(kù)可接受種群、系統(tǒng)發(fā)生、變異的研究作為提交的序列集，盡管在簡(jiǎn)單文件記錄中并沒(méi)有充分描述該信息，但它卻在各種各樣的數(shù)據(jù)庫(kù)中出現(xiàn)。新型的提交方式允許：若僅因?yàn)椴僮鞯脑颍黄鹛峤灰唤M相關(guān)序列，那么獲得共享信息入口只需要一次請(qǐng)求。Sequin也允許用戶包含有用自己中意的比對(duì)工具生成的序列比對(duì)結(jié)果，并隨著DNA序列提交該信息。盡管所有的數(shù)據(jù)庫(kù)都知道該信息對(duì)于目前獲得的大量記錄很重要，但是NCBI是唯一接受該信息的數(shù)據(jù)庫(kù)。顯示該信息的新方法（如：Entrez）應(yīng)盡快能使一般科學(xué)團(tuán)體更易獲得這種數(shù)據(jù)。僅提交蛋白質(zhì)序列在大多數(shù)情況下，蛋白質(zhì)序列和DNA序列并存，但也有些例外�人們直接處理蛋白質(zhì)序列�這些序列必須在沒(méi)有相應(yīng)的DNA序列的情況下提交。對(duì)于這些提交而言，目前SWISS-PROT是最好的地方，EBI處理這些提交，并將其傳送到SWISS-PROT。如何提交到互聯(lián)網(wǎng)Authorin利用率的下降使這三個(gè)數(shù)據(jù)庫(kù)決定在互聯(lián)網(wǎng)上采用基于表格的方式，這個(gè)新的媒介能很好的適應(yīng)提交過(guò)程。三個(gè)數(shù)據(jù)庫(kù)都設(shè)計(jì)了一種表格，以使DNA序列提交到自身的數(shù)據(jù)庫(kù)中：DDBJ的Sakura(櫻花開(kāi))、EBI的WebIn、和GenBank的BankIt。互聯(lián)網(wǎng)是簡(jiǎn)單提交序列的理想提交途徑（如圖14.1），也是那些不需要復(fù)雜注解和過(guò)多重復(fù)的提交序列的最佳選擇（如：在種群研究中，很典型的有30條類似的序列，用Sequin提交最好）?；ヂ?lián)網(wǎng)對(duì)于那些只做少量提交和要求較少、只需要簡(jiǎn)單的學(xué)習(xí)或不需要的研究小組最為理想。對(duì)于大多數(shù)提交來(lái)說(shuō)，互聯(lián)網(wǎng)的表格方式將是合適和足夠的：60%�80%的提交者通過(guò)互聯(lián)網(wǎng)向NCBI提交其DNA或RNA序列。這三個(gè)數(shù)據(jù)庫(kù)提交的入口位置（或URLs）在本章末有介紹。盡管本章的這部分強(qiáng)調(diào)NCBI的BankIt提交工具，實(shí)際上，提交到基本數(shù)據(jù)庫(kù)中的任何一個(gè)都將使序列獲得合理的處理，并存儲(chǔ)到另外兩個(gè)數(shù)據(jù)庫(kù)中。進(jìn)入BankIt提交后（圖14.2），用戶被詢問(wèn)要提交的核苷酸序列長(zhǎng)度。這是由于WWW瀏覽器的局限性，使得在一個(gè)給定的窗口不可能輸入29，000個(gè)核苷酸（字符）。如果必須提交40，000條堿基對(duì)（人們提交的粘性質(zhì)粒的通常大?。?，BankIt將打開(kāi)兩個(gè)窗口，故通過(guò)每個(gè)窗口復(fù)制和輸入20，000個(gè)字符，這樣就解決了這個(gè)矛盾。圖14.1：決定采用哪種協(xié)議提交DNA序列到某一DNA序列數(shù)據(jù)庫(kù)的流程圖。WWW是BankIt，WebIn，或Sakura。其URLs和電子郵件位置，請(qǐng)參見(jiàn)本章末的列表。圖14.2圖14.2：BankIt,GenBank互聯(lián)網(wǎng)的提交網(wǎng)頁(yè)。新提交序列的進(jìn)入點(diǎn)（輸入序列長(zhǎng)度，并按New按鈕）或更新GenBank數(shù)據(jù)庫(kù)中的一條記錄。BankIt的下一張表格也是明了的（圖14.3），它詢問(wèn)了解人（即回答數(shù)據(jù)庫(kù)工作人員詢問(wèn)的人），引用（誰(shuí)得到了科學(xué)榮譽(yù)），生物（前100個(gè)在列表中，其余的必須輸入），位置（細(xì)胞還是細(xì)胞器），一些圖譜信息和核苷酸序列本身。在列表末，有個(gè)BankIt按鈕，能激活下一張列表。按下這個(gè)按鈕后，首先驗(yàn)證一些項(xiàng)的有效性，如果一些基本的區(qū)域沒(méi)填，該表將再次出現(xiàn)。若全部合格，下一張表將查問(wèn)會(huì)加入多少特征并提示用戶指出其類型。如果沒(méi)填任何特征，（圖14.4），BankIt將發(fā)出警告，以證實(shí)提交序列中沒(méi)有加入一個(gè)CDS。用戶可以回答沒(méi)有（0個(gè)新CDS）或選擇加入一個(gè)或更多的CDS。此時(shí)，結(jié)構(gòu)化RNA信息或其它合法的DDBJ/EMBL/GenBank特征也會(huì)被加入。圖14.3圖14.3：BankIt，GenBank的互聯(lián)網(wǎng)提交頁(yè)面：標(biāo)明提交了解人。圖14.4圖14.4：BankIt，GenBank的互聯(lián)網(wǎng)提交網(wǎng)頁(yè)：BankIt要求獲得特征的數(shù)目,以產(chǎn)生一個(gè)具有合適數(shù)目的特征表。要保存記錄，再次按BankIt，出現(xiàn)的新頁(yè)面（圖14.5）必須在提交完成前得到確認(rèn)，也就是說(shuō)，在此之前，可做更多的改變或加入其他特征。再次單擊BankIt結(jié)束。接著出現(xiàn)最后的頁(yè)面:(圖14.6）切換Update/Finished按鈕，最后按BankIt按鈕，提交將進(jìn)入NCBI進(jìn)行處理。剛完成的提交序列復(fù)本必須立即通過(guò)電子郵件送達(dá)，否則，有必要了解數(shù)據(jù)庫(kù)以證實(shí)提交已被接受，并做出任何必要的修改。圖14.5圖14.5：BankIt，GenBank的互聯(lián)網(wǎng)提交網(wǎng)頁(yè)：倒數(shù)第二個(gè)屏幕：這是一個(gè)增加或改變一些特征的互鎖按鈕，顯示如所指示的完成入口。圖14.6圖14.6：BankIt，GenBank的互聯(lián)網(wǎng)提交網(wǎng)頁(yè)：最后一個(gè)屏幕：顯示BankIt的提交表格已成功完成。如何用Sequin提交Sequin是設(shè)計(jì)用來(lái)協(xié)助科學(xué)家準(zhǔn)備新序列，更新序列數(shù)據(jù)的一個(gè)程序，利用它將序列數(shù)據(jù)提交到DDBJ，EMBL和GenBank數(shù)據(jù)庫(kù)。這是一個(gè)能在絕大多數(shù)計(jì)算機(jī)平臺(tái)上運(yùn)行的軟件，而且適用于各種序列長(zhǎng)度和復(fù)雜情況，包括傳統(tǒng)的（基因大?。┖塑账嵝蛄?，分段的記錄（如：剪接的基因組，不是所有的內(nèi)含子序列都已被確定），有許多注解特征的長(zhǎng)序列（基因組大?。透鞣N相關(guān)序列（如：對(duì)于一個(gè)特殊基因、域或?yàn)V過(guò)性病毒基因的種群、系統(tǒng)發(fā)生、變異的研究），許多這樣的提交能通過(guò)互聯(lián)網(wǎng)執(zhí)行，但Sequin在復(fù)雜的情況下更實(shí)用。而且特定類型的提交（如：分段類）不能通過(guò)Web來(lái)完成，除非給數(shù)據(jù)庫(kù)工作人員加以明確的指導(dǎo)。Sequin也接受以提交的核苷酸酸序列編碼的蛋白質(zhì)序列，允許在這些蛋白質(zhì)上進(jìn)行特征的注解（如：信號(hào)肽、跨膜區(qū)或二硫鍵）。這與大多數(shù)科學(xué)家在提交DNA序列時(shí)的普遍觀點(diǎn)形成鮮明的對(duì)比。這里的新概念是蛋白質(zhì)是直接注解的，而不是編碼生成之的DNA的副產(chǎn)物。對(duì)于各種相關(guān)或是相近的序列（如：種群或系統(tǒng)發(fā)生的研究），Sequin從提交者處獲得關(guān)于多個(gè)序列是如何比對(duì)的信息，最終它可以用來(lái)編輯和重新提交已存在于GenBank中的記錄，不論是延長(zhǎng)（或取代）已有的序列，還是注解附加的特征或比對(duì)（見(jiàn)下描述）。進(jìn)入一個(gè)新的提交過(guò)程Sequin有許多性質(zhì)大大簡(jiǎn)化了創(chuàng)建和注解一條記錄的過(guò)程。最神奇的一方面是在只給定核苷酸酸序列，蛋白質(zhì)產(chǎn)物序列和遺傳密碼（從生物的名稱中自動(dòng)獲得）的情況下，自動(dòng)計(jì)算CDS特征間隔。這所謂的“建議間隔”過(guò)程在計(jì)算中考慮了一致的剪接位點(diǎn)。傳統(tǒng)上這些間隔是手工輸入的，這是一個(gè)既耗時(shí)又易錯(cuò)的過(guò)程，尤其是對(duì)于一個(gè)在可變剪接或分段時(shí)有許多外顯子的基因序列。Sequin的另一種重要的貢獻(xiàn)在于能在序列數(shù)據(jù)庫(kù)文件的定義行上以一種簡(jiǎn)單的格式輸入相關(guān)注解。在讀序列時(shí)，Sequin識(shí)別和提取這一信息，并將其放置在記錄中合適的位置。對(duì)于核苷酸序列，可以輸入生物體的科學(xué)名稱、品系或克隆名稱和幾個(gè)其它的修飾基因。對(duì)于蛋白質(zhì)序列，可以輸入基因和蛋白質(zhì)名稱。（如果在定義行上沒(méi)有這些信息，Sequin在執(zhí)行前就會(huì)提示用戶此信息。定義行的注解是非常方便的，因?yàn)樾畔⒑托蛄惺窃谝黄鸬囊虼艘院蟛蝗菀妆贿z忘或混淆。）除了組建合適的CDS特征以外，Sequin將自動(dòng)利用該信息生成基因和蛋白質(zhì)特征。由于大多數(shù)提交序列包含了一個(gè)單獨(dú)的核苷酸序列和一個(gè)或多個(gè)編碼區(qū)域特征（及相關(guān)的蛋白質(zhì)序列），前面概述的功能將頻繁地影響一條沒(méi)有進(jìn)一步注解時(shí)就被提交的記錄。由于正確地記錄了基因和蛋白質(zhì)名稱，從而使得該記錄為其他科學(xué)家提供有用信息，他們可能通過(guò)一個(gè)BLAST的相似性比對(duì)或從Entrez查找中獲得該信息。有效性為保證提交數(shù)據(jù)的質(zhì)量，Sequin使用一個(gè)內(nèi)建的有效器來(lái)查詢。例如：丟失的生物體信息，錯(cuò)誤的編碼區(qū)長(zhǎng)度（相對(duì)于被提交的蛋白質(zhì)序列），編碼區(qū)內(nèi)部的終止密碼子，不匹配的氨基酸或不一致的剪接位點(diǎn)。在錯(cuò)誤報(bào)告中雙擊其中一項(xiàng)，在“沖突”特征項(xiàng)中就會(huì)出現(xiàn)一個(gè)編輯框。有效器也檢查“局部”指示器的使用是否一致，尤其是在編碼區(qū)、蛋白質(zhì)產(chǎn)物和產(chǎn)物的蛋白質(zhì)特征中的使用。（除非作了相反的設(shè)置，否則CDS就會(huì)自動(dòng)的同步這些分散的局部指示器，將使糾正這類不一致問(wèn)題變得很方便。）觀察序列記錄Sequin對(duì)同一條記錄提供了許多不同的視圖。傳統(tǒng)的簡(jiǎn)單文件可以出現(xiàn)在FASTA，GenBank或EMBL形式中。（它們可以在用戶計(jì)算機(jī)中以文件的方式輸出，然后輸入其它的序列分析包中。）圖像視圖顯示了序列的特征間隔，這對(duì)于觀察可變剪接的編碼區(qū)尤其有意義。（圖像視圖的風(fēng)格可以定制，這些視圖可以被復(fù)制到個(gè)人計(jì)算機(jī)的剪貼板中，粘貼到文字處理器或視圖程序中，用于準(zhǔn)備出版物的手稿。）有一個(gè)視圖可以更詳細(xì)地顯示實(shí)際序列的特征，對(duì)于包含比對(duì)的記錄（如：由一個(gè)用戶輸入的相關(guān)序列或通過(guò)PowerBLAST中查找的比對(duì)結(jié)果，參見(jiàn)第7章），用戶可以請(qǐng)求一個(gè)全圖像視圖以顯示添加、刪除和不匹配的情況，或細(xì)節(jié)視圖顯示序列字母比對(duì)。上述提及的觀察者是主動(dòng)的，單擊一個(gè)特征、序列或序列比對(duì)圖片，將會(huì)高亮度顯示該處。雙擊會(huì)出現(xiàn)一個(gè)合適的編輯框，以便多個(gè)觀察者使用同一條記錄，而能夠看到不同的形式。例如：可以很方便的使圖像視圖和GenBank（或EMBL）的簡(jiǎn)單文件視圖同時(shí)顯示，尤其是對(duì)于包含多個(gè)CDS的較大記錄。圖像視圖可比做科學(xué)家實(shí)驗(yàn)室的記事本圖片，為特征注解的準(zhǔn)確性提供一個(gè)快速實(shí)用的檢查手段。先進(jìn)的注解和編輯功能Sequin中的序列編輯器能在編輯序列時(shí)自動(dòng)調(diào)節(jié)特征間隔，這對(duì)于想在已提交的序列記錄中加入一段5’端的序列尤為重要。在Sequin出現(xiàn)之前，這需要手工添加，并糾正序列中所有生物特征間隔。這樣很有可能從草稿開(kāi)始重做全部提交過(guò)程。序列編輯器很象文本編輯器，可在光標(biāo)所在出處插入或輸入一個(gè)新的序列。在提交序列中的一個(gè)大類包含了多樣的相關(guān)序列（如：種群、系統(tǒng)發(fā)生和變異的研究），如果用戶提交了這些序列是如何自身比對(duì)的信息，這些記錄將會(huì)更有指導(dǎo)意義。這種比對(duì)可隨序列數(shù)據(jù)（如：以PHYLIP、NEXUS或FASTA+GAP形式）輸入或在輸入序列以后用Sequin計(jì)算。參見(jiàn)附錄II中的各種形式的實(shí)例。對(duì)于這些記錄，Sequin允許給一條序列添加注解，而且該注解可以被復(fù)制到其它的序列中。（若為CDS特征，特征間隔可通過(guò)讀蛋白質(zhì)產(chǎn)物序列自動(dòng)進(jìn)行計(jì)算，而不必全部輸入。）為了實(shí)現(xiàn)這一方法，選用特征傳播的方法（從比對(duì)編輯器中），被選中的特征將傳播到剩余序列中去，并用比對(duì)信息調(diào)整特征間隔。這和在每條序列上手工注解特征產(chǎn)生的效果相同。但用特征傳播的方法僅需幾分鐘就能完成全過(guò)程，而手工則需幾小時(shí)。特征傳播和序列編輯器組合起來(lái)為更新一個(gè)已經(jīng)存在的序列提供了簡(jiǎn)單而且自動(dòng)的方法。更新序列的功能允許用戶輸入重疊或替代的序列。Sequin設(shè)計(jì)了比對(duì)，在有必要時(shí)合并序列，將特征傳播到新序列的新位置，以取代舊序列和舊特征。Sequin做為分析平臺(tái)Sequin也提供了許多種序列分析的功能，例如：有一個(gè)功能可以反補(bǔ)于序列和特征間隔，也很容易加入新的功能。這些功能在一個(gè)稱為NCBI桌面的窗口中出現(xiàn)，直接顯示調(diào)入內(nèi)存的當(dāng)前記錄的內(nèi)部結(jié)構(gòu)。該窗口可以被理解為一個(gè)有描述器的Venn圖表（參見(jiàn)下述和第6章），此描述器能在一組系統(tǒng)中（如：種群研究）應(yīng)用于各種序列。在桌面上，用戶可以讀出PowerBLAST的分析結(jié)果，再拖動(dòng)之將其在一條序列記錄上釋放，從而向記錄中加入比對(duì)數(shù)據(jù)，修改的結(jié)果將很快顯示在觀察者面前。注意：并非所有的注解都能被任何一個(gè)觀察者看見(jiàn)，簡(jiǎn)單文件視圖有其局限性，例如：它不顯示比對(duì)。NCBI數(shù)據(jù)模型支持大量的序列集，Sequin允許為了顯示或注解的目的在這些序列集中進(jìn)行完全的漫游，例如：Nuc-Prot類包含一條核苷酸序列和它的蛋白質(zhì)產(chǎn)物，核苷酸序列可自身分解。在這種情況下，Seg類包含了片段序列和一個(gè)Parts類，Parts類順序包含每一個(gè)片段的原始數(shù)據(jù)。種群、系統(tǒng)發(fā)生和變異可包含多種相關(guān)序列或Nuc-Prot類。NCBI桌面是瀏覽記錄內(nèi)部結(jié)構(gòu)的最快的方法。數(shù)據(jù)模型的重要性Sequin是一種ASN.1編輯器。用ASN.1數(shù)據(jù)描述語(yǔ)言寫(xiě)成的NCBI數(shù)據(jù)模型，可用來(lái)使相關(guān)信息在描述器或特征項(xiàng)中保持在一起（參見(jiàn)第6章），特征項(xiàng)是典型的生物概念（如：基因，編碼區(qū)，RNAs，蛋白質(zhì)），這些概念通常在一條序列中有一個(gè)位置（一個(gè)或多個(gè)間隔）。描述器可用于傳送應(yīng)用于多個(gè)序列的信息，這樣避免了重復(fù)輸入同一條信息的多個(gè)拷貝。例如：BioSource描述器包含了一個(gè)生物體的科學(xué)名稱，常用名稱，分類學(xué)上的鏈接，GenBank分類，和修飾器（如：品系、克隆、染色體、圖譜位置）。將此信息收集在一起記錄在數(shù)據(jù)詳細(xì)說(shuō)明書(shū)中，將便于用戶輸入和修改。將單個(gè)的BioSource描述器應(yīng)用于Nuc-prot集將滿足證實(shí)者的愿望:在每條序列,包括蛋白質(zhì)序列上都有生物來(lái)源信息,這同時(shí)也是數(shù)據(jù)庫(kù)的規(guī)定。在GenBank簡(jiǎn)單文件視圖上雙擊一段，或在圖形視圖中雙擊一個(gè)特征，將激活一個(gè)編輯器用于修改該項(xiàng)的永久性的信息。在某些情況下，特別是在BioSource或出版物中，這些項(xiàng)可能是描述器或者是特征，并且在簡(jiǎn)單文件中將其區(qū)分開(kāi)來(lái)是困難的。(在NCBI桌面上可以很容易地區(qū)分描述器和特征。并且只有特征和序列在總結(jié)、圖表、比對(duì)、和序列視圖中出現(xiàn)。對(duì)于偶然的使用者來(lái)說(shuō)，數(shù)據(jù)模型導(dǎo)致習(xí)慣可能并不明顯（請(qǐng)看GenBank或EMBL的視圖文件），但確實(shí)能夠簡(jiǎn)化生物信息的輸入。例如：在GenBank簡(jiǎn)單文件的頭部出現(xiàn)的文獻(xiàn)能夠包含一個(gè)評(píng)價(jià)的子部分，在這里可以輸入解釋關(guān)于引用的生物學(xué)結(jié)論，和那些關(guān)于序列記錄的信息。在報(bào)告中文本通常和引用在一起，相反將解釋性的信息放置在大的注解段中，并用編號(hào)指向引用的文章（如“〖5〗”）是一種冒險(xiǎn)性的做法，因?yàn)檫@些編號(hào)可能會(huì)發(fā)生變化，（例如由于新的文獻(xiàn)的引用），將導(dǎo)致編號(hào)和文獻(xiàn)不相符。類似地，對(duì)于特征的引用（例如確定在編碼區(qū)中核糖體的滑動(dòng)）內(nèi)在地引用了文獻(xiàn)，而不是文獻(xiàn)編號(hào)，即使在簡(jiǎn)單文件中顯示了一個(gè)數(shù)字。這是另一個(gè)慣例允許文獻(xiàn)編號(hào)改變而不“破壞”引用的完整性。并且這意味著只有一個(gè)完整的引用復(fù)本，這將使更新文獻(xiàn)中的任何信息變得更容易。然而，應(yīng)該保守地使用對(duì)于序列記錄的文字上的引用，一個(gè)序列記錄并不是一門(mén)學(xué)科的回顧，使用Entrez中的鏈接和近鄰是一種更加可靠的收集信息的方法和使用序列數(shù)據(jù)庫(kù)作出最初發(fā)現(xiàn)的方法。在最簡(jiǎn)單的情況下，單個(gè)的核苷酸序列有一個(gè)或多個(gè)蛋白質(zhì)產(chǎn)物。Sequin允許用戶不了解數(shù)據(jù)模型的結(jié)構(gòu)層次而使用它。CDS特征編輯器用來(lái)輸入蛋白質(zhì)序列（或?qū)⑵鋸囊演斎氲牡胤椒g出來(lái)）,并且輸入或修改特征（提供了蛋白質(zhì)的名稱）。用戶可以獲得（單個(gè)的）蛋白質(zhì)特征而不必在整個(gè)蛋白質(zhì)序列中“漫游”。并且CDS編輯器也用基因名建立了分離的序列特征。如果預(yù)期有關(guān)于蛋白質(zhì)產(chǎn)物序列的大量的注解，那么漫游是必需的，至少作為對(duì)于數(shù)據(jù)模型的一種粗略的了解，許多蛋白質(zhì)有半胱氨酸的雙硫鍵。結(jié)合區(qū)，活性區(qū)，糖基化區(qū)，信號(hào)肽，或跨膜區(qū)。關(guān)于這些部分的注解對(duì)將其作為BLAST或Entrez檢索結(jié)果的生物學(xué)家很有意義，對(duì)于給定序列設(shè)置目標(biāo)控制使觀察者轉(zhuǎn)向顯示該序列的圖形平面或文字報(bào)告。使用注解子菜單建立的任何特征或描述器將和當(dāng)前的目標(biāo)序列組織在一起。雖然Sequin確實(shí)提供了在一個(gè)結(jié)構(gòu)記錄中所有的序列間進(jìn)行完全的漫游的功能，但是最初的序列數(shù)據(jù)建立原始的結(jié)構(gòu)最好由Sequin的“創(chuàng)建新提交”功能來(lái)完成。Sequin在前面的步驟中提取信息，（例如生物體和資源編輯器，基因和蛋白質(zhì)名稱）并且知道怎樣正確的將每個(gè)信息填充在合適的位置。這也就是Sequin的主要設(shè)計(jì)目標(biāo)之一。手工注解需要對(duì)于數(shù)據(jù)模型更詳盡的了解，和對(duì)于具有使用Sequin復(fù)雜功能的專業(yè)技能。完成的提交可以存儲(chǔ)到磁盤(pán)（File->PrepareSubmission）和發(fā)送電子郵件到某一數(shù)據(jù)庫(kù)，在Sequin期間經(jīng)常存盤(pán)是一個(gè)好習(xí)慣，可以避免無(wú)意中的數(shù)據(jù)丟失。提交單個(gè)的序列最簡(jiǎn)單的交包含一個(gè)單個(gè)的沒(méi)有中斷的核苷酸序列和一個(gè)或多個(gè)蛋白質(zhì)產(chǎn)物序列。這些序列典型地來(lái)自于傳統(tǒng)的基于基因的生物學(xué)研究，并且這樣的提交在大多數(shù)情況下可以通過(guò)互聯(lián)網(wǎng)（請(qǐng)看上例BankIt）或Sequin來(lái)完成,Sequin提供了許多已經(jīng)確認(rèn)的好處和對(duì)于各種網(wǎng)絡(luò)連接的獨(dú)立性。Sequin開(kāi)始時(shí)出現(xiàn)一個(gè)窗口，提示用戶開(kāi)始一個(gè)新的提交或者打開(kāi)一個(gè)包含記錄的文件（圖14.7）。在最初的提交建立以后，記錄可以保存下來(lái)存為文件和在最終傳送到數(shù)據(jù)庫(kù)之前進(jìn)行編輯，如果Sequin被配置為網(wǎng)絡(luò)敏感，該窗口將允許下載已存在的將要更新的數(shù)據(jù)記錄。圖14.7圖14.7Sequin的初始窗口，提供了開(kāi)始一個(gè)提交的幾個(gè)選擇，為了由原始序列文件和其它信息的最小集生成一個(gè)提交，選擇開(kāi)始新的提交（StartNewSubmission），一旦初始記錄建立起來(lái)，就可以存成一個(gè)文件。若要讀已存的文件或任何其它存成文件的ASN.1記錄，選擇讀已存在的記錄（ReadExistingRecord），若Sequin配置為網(wǎng)絡(luò)連接，將會(huì)顯示按鈕DownloadfromEntrez，該按鈕用來(lái)下載記錄用于更新。通過(guò)完成幾個(gè)表格可以建立一個(gè)新的提交（圖14.8－14.15）。這些表格使用文件夾標(biāo)簽來(lái)將窗口劃分為幾頁(yè)，這樣允許輸入所有必需數(shù)據(jù)而不必一個(gè)大的計(jì)算機(jī)屏幕，這些表格項(xiàng)有前一頁(yè)和后一頁(yè)的按鈕，當(dāng)用戶到達(dá)一個(gè)表格的最后一頁(yè)時(shí)，下一頁(yè)按鈕變成了下一個(gè)表格按鈕。開(kāi)始一個(gè)新的提交過(guò)程，第一步是請(qǐng)求一個(gè)暫時(shí)性的標(biāo)題（圖14.8）：然后詢問(wèn)了解人、序列整理和他們的學(xué)術(shù)了解的信息（圖14.9）。對(duì)于所有的提交來(lái)說(shuō)，這個(gè)表格是一致的，了解人、序列整理、和他們的學(xué)術(shù)了解頁(yè)通過(guò)按輸出菜單按鈕可以存儲(chǔ)下來(lái)，在開(kāi)始其它提交時(shí)可通過(guò)選擇輸入菜單按鈕讀入該文件。然而，因?yàn)榉N群、系統(tǒng)發(fā)生和變異研究是作為一個(gè)記錄一次引入的，存儲(chǔ)提交表格頁(yè)面就不太必要了。圖14.8圖14.8提交頁(yè)用來(lái)從手稿中為Sequin輸入一個(gè)暫時(shí)的標(biāo)題；即使該文章沒(méi)有寫(xiě)，或者試圖發(fā)表，對(duì)于提交的描述也是必要的。該頁(yè)也允許提交者要求直到文章發(fā)表再公布序列或指測(cè)序列公布的日期。圖14.9圖14.9Sequin的了解人頁(yè)面記錄了回答數(shù)據(jù)庫(kù)工作人員查詢的負(fù)責(zé)人的姓名和了解信息（通常是執(zhí)行提交的人，但不必是真正測(cè)序的人）。Sfx域要求名字后綴（例如：Jr.,III），而不是敬語(yǔ)或?qū)W位（如Ph.D,M.D.）。當(dāng)記錄公布時(shí)該信息并不公開(kāi)，而是保存在數(shù)據(jù)庫(kù)中。序列格式表格（圖14.12）詢問(wèn)提交的類型（單個(gè)的序列，如例子中所用；片段序列或種群、系統(tǒng)發(fā)生、變異研究）。對(duì)于最后三種類型的提交，包括相關(guān)序列的比對(duì)研究，輸入數(shù)據(jù)的形式也能被指示。缺省是FASTA格式（或原始序列），不過(guò)PHYLIP，NEXUS，PAUP和FASTA＋GAP格式也是支持的。后幾種格式包含比對(duì)信息，這些存儲(chǔ)在序列記錄中。圖14.10圖14.10Sequin整理頁(yè)命名了描述測(cè)序的手稿整理。（例如從測(cè)序中獲得榮譽(yù)的人），本頁(yè)是一個(gè)電子表格，可以容納需要的整理名。按TAB按鈕可以水平地從一個(gè)域移動(dòng)到下一個(gè)域。要移動(dòng)到下一行的第一個(gè)名字列，從Sfx列內(nèi)按TAB按鈕。如果在最后一行中鍵入了任何東西，新的一行將附加到表格的后面。（在視覺(jué)上立刻感到滾動(dòng)條的變化），在一行中的任何位置按下回車按鈕將在當(dāng)前行下增加新的一行。Sequin將忽略任何姓一欄空著的行。圖14.11圖14.11Sequin的了解頁(yè)，用于與手稿原始整理的制度上的了解，當(dāng)數(shù)據(jù)庫(kù)工作人員處理記錄時(shí)，該信息將出現(xiàn)在引用其自身的參考書(shū)目中。在本頁(yè)中下一頁(yè)（NextPage）換名為下一表格（NextForm）；當(dāng)按下該按鈕時(shí)，Sequin自動(dòng)檢查表格內(nèi)容，如果用戶遺漏了任何基本信息的話，將給出提示。如果輸入的信息符合要求，Sequin將出現(xiàn)下一個(gè)表格。圖`14.12圖14.12Sequin的序列格式表格，允許用戶指定提交記錄的類型和原始序列數(shù)據(jù)的類型。大數(shù)提交是單個(gè)的序列（核苷酸）（也可能有一條或幾條蛋白質(zhì)產(chǎn)物序列）。另一類提交是片段序列。例如，在一些基因組序列中，外顯子已測(cè)序，但是內(nèi)含子并未完全測(cè)序。通過(guò)分割該記錄，我們可以注解編碼區(qū)和mRNA特征。系統(tǒng)發(fā)生、種群研究和變異研究涉及不止一條相關(guān)序列的提交，它們由Sequin包裝為合適的集合。批量提交是用于那些并不具有相似性的序列集的提交，這樣作只是基于方便的理由。單個(gè)的序列數(shù)據(jù)和分段的序列數(shù)據(jù)必須是FASTA格式。種群、系統(tǒng)發(fā)生和變異研究也可以使用包含比對(duì)的格式。這些比對(duì)是關(guān)于提交者對(duì)于序列之間關(guān)系的斷言。目前Sequin支持FASTA＋GAP，PHYLIP，交叉存取NEXUS和近鄰的NEXUS多種格式。生物體和序列表（圖14.13－14.15）要求生物學(xué)數(shù)據(jù)。在生物體頁(yè)面上（圖14.13，隨著用戶鍵入生物體的科學(xué)名，經(jīng)常使用的生物體名列表自動(dòng)翻卷，Sequin保存了GenBank中存在的最多的800種生物體。）因此在鍵入幾個(gè)字母后，用戶可以通過(guò)在列表中單擊合適的項(xiàng)來(lái)補(bǔ)全生物體名稱的其余部分?，F(xiàn)在Sequin知道了科學(xué)名稱，一般名稱，GenBank分類，分類學(xué)了解和其中最重要的，使用的遺傳密碼，（對(duì)于線粒體基因，有一個(gè)控制指示應(yīng)該使用哪個(gè)遺傳密碼）對(duì)于列表中沒(méi)有的生物體，需要手工設(shè)置遺傳密碼控制。Sequin缺省使用標(biāo)準(zhǔn)密碼。圖14.13圖14.13序列的生物體頁(yè)面，詢問(wèn)測(cè)序的生物體的科學(xué)名。對(duì)于通常用到的800種生物體來(lái)說(shuō)，還有普通名，完全的分類，GenBank分類和存儲(chǔ)的遺傳密碼。對(duì)于表中沒(méi)有的生物體，用戶必須輸入正確的遺傳密碼，序列彈出位置允許用戶指示線粒體編碼在這種情況下,在翻譯中使用了特定生物體的可選遺傳密碼。在系統(tǒng)發(fā)生研究中，包括了不同的生物體，生物體選擇列表被隱藏起來(lái)，單個(gè)的生物體名希望在數(shù)據(jù)文件中編碼。并且在缺省情況下，在生物體列表中不出現(xiàn)遺傳密碼控制。在核苷酸頁(yè)（圖14.14），激活I(lǐng)mportNucleotideFASTA按鈕將讀取序列。給基因組DNA或mRNA[cDNA]設(shè)置合適的分子控制，對(duì)3’和5’端的檢查框同樣也應(yīng)予以適當(dāng)?shù)脑O(shè)置。序列可以有一條FASTA定義行。這條線作為序列的先導(dǎo)，并以一個(gè)左尖括號(hào)開(kāi)始（>）；一個(gè)“局部標(biāo)識(shí)符”可能被定義為尖括號(hào)后的第一個(gè)字符。如果你是這樣做的，在引入該序列前檢查“以序列ID開(kāi)頭的FASTA定義行”框。在加入數(shù)字由序列數(shù)據(jù)庫(kù)工作人員發(fā)放以前，局部ID代替了其位置。如果需要的話，樣本定義行如下：>TK[org=Musculus][strain=BALB/c]thymidinekinasegene在讀完核苷酸文件后，將有一個(gè)總結(jié)報(bào)告給出序列的長(zhǎng)度，局部ID，任何生物體名，品系，或其它修飾成分，這些是從定義行上解析（抽?。┏鰜?lái)的，以及剩余的標(biāo)題（圖14.14）。總結(jié)同樣給出了任何不在核苷酸字母表中的無(wú)效字母。例如，偶然引入了一個(gè)氨基酸序列，將有許多字母不在字母表中，結(jié)果報(bào)告將指出這個(gè)錯(cuò)誤。在這種情況下，從編輯菜單下選擇Clear（清除），然后引入正確的序列。片段的核苷酸序列可通過(guò)連接同一文件中的單個(gè)片段來(lái)輸入。在這種情況下，在每個(gè)序列上方的定義行上向Sequin指出有多個(gè)片段。每一個(gè)片段必須有唯一的一個(gè)局部ID號(hào)（如：通過(guò)對(duì)該片段編碼的外顯子號(hào)使其變得唯一）。圖14.14圖14.14序列的核苷酸頁(yè)，該頁(yè)是核苷酸序列文件和分子類型（例如基因組DNA，基因組RNA，mRNA,tRNA）說(shuō)明書(shū)的入口，即使排列的分子實(shí)際上組成了cDNA也使用了mRNA。按下輸入核酸FASTA（ImportNucleotideFASTA）按鈕引出用戶計(jì)算機(jī)上的閱讀對(duì)話框。當(dāng)記錄在分立的文件中時(shí)，這種情況出現(xiàn)在分段序列和多條序列的研究中，必須多次按該按鈕。然而，將所有序列放置在單個(gè)的文件中將更為合適。如果檢測(cè)出任何無(wú)效字母，將有一個(gè)警告信息，同時(shí)出現(xiàn)一份關(guān)于序列文件是如何被中斷的報(bào)告。蛋白質(zhì)頁(yè)面（圖14.15）允許輸入蛋白質(zhì)序列，比起手工加入CDS特征（和相關(guān)基因及蛋白質(zhì)特征）而輸入該序列，讓Sequin組建記錄要容易得多。這對(duì)于片段序列來(lái)說(shuō)尤其如此，若合適的話也須設(shè)置的局部標(biāo)記。蛋白質(zhì)頁(yè)面有個(gè)控鍵，可以提示局部的ID號(hào)是否在定義行上，它也允許基因和蛋白質(zhì)的名稱被編碼，如：>TKp[gene=TK][prot=thymidinekinase]thymidinekinaseprotein局部ID號(hào)TKp必須不同于所有其余的ID號(hào)，在這個(gè)例子中是TK，它是核苷酸序列的局部ID號(hào)。蛋白質(zhì)頁(yè)面也有一個(gè)檢驗(yàn)框，以產(chǎn)生與將要生成的CDS具有相同間隔的mRNA特征，用戶隨后雙擊mRNA的結(jié)果，通過(guò)mRNA編輯器延長(zhǎng)該特征項(xiàng)5’和3’的間隔。（Sequin編輯器被設(shè)計(jì)來(lái)保證重復(fù)的基因特征也被延長(zhǎng)，使用戶不必分別延長(zhǎng)其范圍。）多蛋白質(zhì)序列（如：可變剪接的產(chǎn)物）的進(jìn)入可鎖定在同一個(gè)文件中。由于有核苷酸序列，每條蛋白質(zhì)序列上的定義行提示Sequin有多條序列。讀入蛋白質(zhì)也會(huì)產(chǎn)生一個(gè)報(bào)告（圖14.15），它給出序列長(zhǎng)度，解析的局部ID號(hào)，解析定義行的基因和蛋白質(zhì)，剩余標(biāo)題。報(bào)告也指出蛋白質(zhì)列表中不存在的非法特征，同樣選擇編輯菜單中的清除按鈕修正該頁(yè)面。圖14.15圖14.15Sequin的蛋白質(zhì)頁(yè)，允許蛋白質(zhì)產(chǎn)物序列的輸入。其輸入按鈕的表現(xiàn)和核酸頁(yè)的按鈕相同。作為表格中的最后一頁(yè)，它有一個(gè)下一表格（NextForm）的按鈕。按下之后將提示用戶在表格中任何被忽視的基本信息。表格完成后，Sequin將開(kāi)始處理序列數(shù)據(jù)。如果再蛋白質(zhì)序列FASTA定義行上基因和蛋白質(zhì)名未被注解，Sequin將提出一個(gè)表格來(lái)輸入這些名字。然后Sequin將基于已提供的數(shù)據(jù)開(kāi)始建立一個(gè)初始的記錄。此時(shí)，按下NextForm按鈕將會(huì)使Sequin把進(jìn)入的數(shù)據(jù)組建成一條提交記錄，對(duì)于每條蛋白質(zhì)，建議間隔按照核苷酸序列來(lái)選?。ㄓ靡呀?jīng)輸入的遺傳密碼，它通常是從被選擇的生物體來(lái)推斷出）。編碼區(qū)特征是由間隔的結(jié)果產(chǎn)生的，這也是一個(gè)最初的mRNA特征?；蛱卣魇怯梢粋€(gè)橫跨所有間隔的間隔產(chǎn)生的，這樣生成了蛋白質(zhì)序列，并由蛋白質(zhì)特征給出它的名稱，生物體（BioSource描述器）被放在記錄中，同樣有文獻(xiàn)的描述器。（最后兩個(gè)被歸入Nuc-Prot類，這樣它們?cè)谀軕?yīng)用于該類中所有的核苷酸序列和蛋白質(zhì)序列），在所有的序列中加入合適的分子信息描述。這樣產(chǎn)生了一個(gè)閱讀器表格，它能顯示記錄的GenBank簡(jiǎn)單文件表格（圖14.16）。這個(gè)閱讀器有各種菜單項(xiàng)，能將記錄保存到文件中，使記錄有效，以及加入新的特征和描述器。可能最后剩下的一步是雙擊mRNA，出現(xiàn)一個(gè)編輯框，點(diǎn)擊”Locationfoldertab”,用位置電子數(shù)據(jù)表擴(kuò)展5’和3’端，更新記錄中所有的閱讀器。圖象視圖（圖14.17）可以進(jìn)行CDS和mRNA間隔的圖象比較，確定在這些域中基因特征是一個(gè)單獨(dú)的間隔區(qū)。序列視圖（圖14.18）顯示了特征范圍和CDS特征在實(shí)際序列中的翻譯。選擇準(zhǔn)備提交按鈕，運(yùn)行有效器，保存文件，并顯示提交到GenBank,EMBL或DDBL的電子郵件位置（在打開(kāi)的窗口中選擇一個(gè)位置）。圖14.16圖14.16在GenBank格式中缺省的序列記錄觀察器。在這個(gè)例子中，已按下了序列的CDS特征，如該段旁邊的條所示。在段落上雙擊將開(kāi)啟特征、描述器或選測(cè)序列的編輯器。該觀察器可被復(fù)制。并且同一個(gè)記錄可以不同格式在多個(gè)觀察器中打開(kāi)。圖14.17圖14.17Sequin的圖表格式顯示了片段序列結(jié)果和特征間隔。這可以和實(shí)驗(yàn)室記錄本相比較，大概看一下，特征是否注解在正確的位置上?？梢允褂貌煌娘L(fēng)格，和建立了新的風(fēng)格來(lái)定制圖形窗口的外觀表現(xiàn)。圖片可以拷貝到個(gè)人計(jì)算機(jī)的剪貼板，以備引入字處理軟件和畫(huà)圖程序中去。圖14.18圖14.18序列視圖顯示了Sequin的序列編輯器。它顯示了在序列上的特征間隔。提交一個(gè)比對(duì)的序列集一個(gè)逐漸增長(zhǎng)的提交項(xiàng)包括相關(guān)的序列類：種群、系統(tǒng)發(fā)生或變異。許多的HIV序列是用來(lái)作為種群研究的，通常系統(tǒng)發(fā)生的研究包括RUBISCO（1，5二磷酸核酮糖羧化酶），它是光合作用的主要酶，也許是地球上最普遍的蛋白質(zhì)（重量方面）。提交這樣一套序列并不比提交單個(gè)序列復(fù)雜多少，輸入整理和了解人的信息具有相同的表格。在序列格式表格中，選擇所要提交的類型。種群研究一般來(lái)自于同種（交叉繁殖）物種的不同個(gè)體，系統(tǒng)發(fā)生是來(lái)自于不同的物種。對(duì)于前一種情況，最好下定義行加上品系、克隆、隔離或其余的一些種類識(shí)別的信息；對(duì)于后一種情況，要用生物體的科學(xué)名稱。復(fù)雜序列的研究可以用FASTA形式，在這種情況下，Sequin后來(lái)應(yīng)該用于計(jì)算一個(gè)比對(duì)。更好的方法是在PHYLIP，NEXUS或FASTA+GAP形式中對(duì)數(shù)據(jù)編碼以表示比對(duì)信息。在序列格式表格中也可選擇這些數(shù)據(jù)形式。生物體和序列表格在序列種類上有一點(diǎn)不同，生物體頁(yè)面上對(duì)于系統(tǒng)發(fā)生的研究設(shè)置默認(rèn)的遺傳密碼，僅用于生物體，不能用于Sequin中種群的局部列表。核酸頁(yè)只在引入按鈕的名稱上有所不同，這反映了選用的實(shí)際格式（例如“引入FASTA”或“引入PHYLIP”）?，F(xiàn)在代替蛋白質(zhì)頁(yè)的是一個(gè)注解頁(yè)（圖14.19）。許多提交是屬于rRNA序列或只是一條完整的CDS。（這意味著特征間隔跨越了每條序列的整個(gè)范圍。）注解頁(yè)允許建立和為以上這些命名。指定一個(gè)定義行（標(biāo)題），并且Sequin可將單個(gè)的生物體名置于標(biāo)題前綴。在更加復(fù)雜的情況下，序列在整個(gè)橫跨區(qū)中有不止一個(gè)單獨(dú)的區(qū)間特征，可以在序列建立且其中的一條已作了注解后，通過(guò)特征拷貝來(lái)完成注解，這將在下文詳述。按下一張表（NextForm）出現(xiàn)編輯器，允許在每條序列上編輯所有的生物體和修改器。直到確認(rèn)修改，Sequin將記錄組織成正確的結(jié)構(gòu)。當(dāng)查看器出現(xiàn)時(shí)，目標(biāo)控制被設(shè)置為該集的第一個(gè)元素。設(shè)置目標(biāo)為所有序列（ALLSEQUENCES）將產(chǎn)生一個(gè)所有序列的簡(jiǎn)單文件視圖。然而圖形視圖在同一時(shí)間只能顯示一條序列上的特征。并且序列視圖將在單獨(dú)的堿基水平上比較序列。圖14.19圖14.19對(duì)于種群、系統(tǒng)發(fā)生或變異研究，注解頁(yè)替代了蛋白質(zhì)頁(yè)，最一般的提交是一條CDS或多個(gè)來(lái)源的rRNA。當(dāng)所有的CDS或間隔擴(kuò)展到這個(gè)序列時(shí)，Sequin可以自動(dòng)生成這些特征的注解。輸入對(duì)于CDS特征或RNA名或rRNA特征的蛋白質(zhì)產(chǎn)物的名稱，基因符號(hào)，關(guān)于每個(gè)CDS或rRNA特征的注解，以及每條序列的標(biāo)題。在每條記錄標(biāo)題的前面可以加上生物體的名稱。這將為每條記錄整理正確的定義行。通過(guò)特征傳播進(jìn)行注解假定提交幾種乙醇脫氫酶基因組區(qū)域，同時(shí)傳送一個(gè)比對(duì)，表明了提交者對(duì)于它們之間的關(guān)系的判斷。序列包括5’和3’未翻譯的區(qū)域以及乙醇脫氫酶外顯子和內(nèi)含子。假設(shè)由第一個(gè)核苷酸編碼的蛋白質(zhì)序列也是可獲得的，下面使用特征傳播來(lái)注解研究中的所有序列。首先，定位第一條序列。然后從編碼區(qū)和注解菜單的副本子菜單選擇CdRgn。進(jìn)入產(chǎn)物子頁(yè)（在編碼區(qū)頁(yè)中）；并且輸入蛋白序列文件（在文件菜單中引入蛋白質(zhì)FASTA）。如果在定義行上蛋白質(zhì)和基因名沒(méi)有被注解，那么在蛋白質(zhì)子頁(yè)和屬性子頁(yè)的一般頁(yè)中分別輸入其注解。引入序列自動(dòng)運(yùn)行建議間隔，因此現(xiàn)在位置頁(yè)在第一個(gè)核苷酸上應(yīng)該有三個(gè)間隔，并且BioSource應(yīng)該已設(shè)置了那個(gè)核苷酸上的遺傳密碼。按下接受（Accept）完成特征的添加。定位所有的序列（ALLSEQUENCES），從編輯菜單選擇編輯比對(duì)打開(kāi)比對(duì)編輯器，并從特征菜單選擇傳播。在第一個(gè)框中選擇CDS特征。最后，按下傳播按鈕（要看記錄結(jié)構(gòu)的變化過(guò)程，在這幾步中將NCBI桌面打開(kāi)。）使用Sequin作為工作臺(tái)NCBI桌面（圖14.20）允許在一個(gè)記錄中拖放項(xiàng)目。在一個(gè)記錄中點(diǎn)擊向上的箭頭將擴(kuò)展顯示的細(xì)節(jié)的層次。如果你從一個(gè)記錄拖動(dòng)其某個(gè)特征到桌面，它將被從記錄中除掉。但它保留在桌面上。它也可拖回記錄中去，并可能到另一個(gè)不同的地方。（特征可以被拖到bioseqs，Bioseqs集，或存在的特征表，然而這并不改變特征位置。對(duì)于描述器來(lái)說(shuō)卻有所不同，改變打包的層次將改變描述器應(yīng)用的范圍。并且在桌面上的一個(gè)獨(dú)立的Seq-loc能被拖動(dòng)到特征上，在此情況下，它確實(shí)改變了特征的位置。）圖14.20圖14.20NCBI桌面用圖形的方式顯示了基于NCBI數(shù)據(jù)模型，記錄在內(nèi)存里的結(jié)構(gòu)。這對(duì)于生物學(xué)家來(lái)說(shuō)用處不大，但對(duì)于軟件開(kāi)發(fā)人員和數(shù)據(jù)庫(kù)序列注解者甚為有用。在本例中，提交包括了一個(gè)單獨(dú)的Nuc-prot集，該集順序包括了一個(gè)核苷酸鏈和兩條蛋白質(zhì)鏈。每條序列都有特征了解在一起。BioSource和關(guān)于Nuc-prot的出版描述對(duì)于所有的序列都提供了同樣的生物體（Drsophiamelanogaster）和同樣的文獻(xiàn)。其它ASN.1的數(shù)據(jù)可以從桌面的打開(kāi)菜單讀取。下面的子菜單包括ASN.1文本格式、ASN.1二進(jìn)制格式和FASTA格式的核苷酸和蛋白質(zhì)序列。這些在桌面上將以分離的實(shí)體的形式出現(xiàn)。但是它們應(yīng)用于拖放方式或使用桌面上的過(guò)濾功能進(jìn)行分析很合適。例如，從PowerBLAST進(jìn)行的Seq-align輸出可被讀進(jìn)來(lái)并拖放到一個(gè)序列記錄上去。（當(dāng)Sequin配置為網(wǎng)絡(luò)連接時(shí)，PowerBlast可以在Sequin內(nèi)部運(yùn)行。參見(jiàn)如下）。就象觀察者想到的一樣，其將成為記錄的一部分。因此任何可以輸出ASN.1格式的程序��例如從一個(gè)基因查找程序得到的基因特征��能夠用Sequin讀取其結(jié)果并由用戶將其添加到序列中去，并且分析程序不需要理解數(shù)據(jù)模型或如何包裝其結(jié)果。一個(gè)復(fù)雜記錄的爆炸視圖，描述了在桌面上將會(huì)看到的內(nèi)容，如圖14.21所示。在這個(gè)例子中，系統(tǒng)發(fā)生的研究包括五個(gè)部分，每部分是一個(gè)Nuc-prot集。在Phy集中有兩個(gè)描述器（建立日期和文獻(xiàn)）它們應(yīng)用于所有的部分，第一個(gè)Nuc-pot集是“放大”顯示更多的細(xì)節(jié)：它包含了核苷酸和蛋白質(zhì)biosoqs，還有一個(gè)BioSource描述器在這二者上都有應(yīng)用。（系統(tǒng)發(fā)生的其它部分將有不同生物體的BioSources）兩種bioseqs都是“原始”類型，意味者實(shí)際的序列數(shù)據(jù)在bioseq中編碼（“片段的”bioseqs包含了指向?qū)嶋H原始片段的序列指示符。這就是Entrez基因組部分建立的方法；參見(jiàn)第6章），核苷酸bioseq有一個(gè)Molleo描述器，說(shuō)明測(cè)序的分子是基因組分子[和mRNA（cDNA，）或tRNA,rRNA相反]。蛋白質(zhì)bioseq的Mollnfo是一個(gè)肽段，并且是整理提供的概念性的翻譯[與通過(guò)Edman降解法或其它方法直接測(cè)序不同]。在桌面視圖上的特征顯示了一個(gè)文本標(biāo)簽和關(guān)于特征位置和可選產(chǎn)物的信息。例如，CDS特征位置指向核苷酸bioseq上的間隔。其產(chǎn)物指向了整個(gè)蛋白質(zhì)。bioseq.文本標(biāo)簽（“乙醇脫氫酶”）實(shí)際上來(lái)自于蛋白質(zhì)bioseq上的蛋白質(zhì)特征。（GenBank上的簡(jiǎn)單文件視圖作同一類型的映射，CDS將蛋白質(zhì)特征的名字作為它的產(chǎn)物的限定詞，以及蛋白質(zhì)bioseq的序列數(shù)據(jù)為其翻譯限定詞。）想要熟悉NCBI數(shù)據(jù)模型的人將會(huì)發(fā)現(xiàn)用NCBI桌面觀察不同類型的記錄是了解bioseqs的好方法，也是發(fā)現(xiàn)包裝多種多樣的描述器的層次的好途徑，還能知道其層次的工作方式。但是對(duì)于高級(jí)用戶來(lái)說(shuō)，很快可以發(fā)現(xiàn)數(shù)據(jù)中沒(méi)有什么神秘的東西。圖14.21圖14.21系統(tǒng)發(fā)生的桌面視圖。在這個(gè)復(fù)合的圖表里，一個(gè)系統(tǒng)發(fā)生發(fā)生包括幾個(gè)Nuc-prot集并且給所有的部件應(yīng)用了同樣的文獻(xiàn)，Nuc-prot中的一個(gè)更詳細(xì)地?cái)U(kuò)展開(kāi)來(lái)。其中包括了一個(gè)果蠅黑素的BioSource，這是一個(gè)包括了基因、mRNA/和CDS特征的核苷酸序列和一個(gè)蛋白質(zhì)序列，帶有一個(gè)蛋白質(zhì)特征說(shuō)明了該蛋白質(zhì)產(chǎn)物的名稱。具有網(wǎng)絡(luò)連接的Sequin當(dāng)配置為網(wǎng)絡(luò)連接時(shí)，Sequin包括PowerBLAST,網(wǎng)絡(luò)Entrez，可實(shí)現(xiàn)MEDL/PubMed查找的能力，以及分類學(xué)查找的功能。從查找菜單選擇PowerBLAST,將出現(xiàn)一個(gè)對(duì)話框，提供選擇運(yùn)行BLASTN或具有核苷酸比對(duì)的BLASTX；另外，還可以選擇搜索nr數(shù)據(jù)庫(kù)或幾個(gè)子數(shù)據(jù)庫(kù)，包括est和載體，其結(jié)果自動(dòng)添加到序列記錄中，并將在摘要、圖表、比對(duì)和序列視圖中出現(xiàn)。在這些視圖之一的比對(duì)上雙擊將從Entrez網(wǎng)絡(luò)服務(wù)中獲取相關(guān)的序列記錄，在結(jié)果觀察窗的底部是近鄰和鏈接控制。因此若一個(gè)用戶對(duì)某疾病基因進(jìn)行了測(cè)序，并在Sequin內(nèi)運(yùn)行PowerBLAST,他將立即看到數(shù)據(jù)庫(kù)“選中”，而且只需一步就可以得到討論該生物學(xué)問(wèn)題的MEDLINE文獻(xiàn)，同時(shí)還有該記錄的鄰近記錄，然后將其發(fā)送到Entrez查詢窗口（通過(guò)Refine按鈕），在那里，例如可通過(guò)選擇或排除某分類目錄來(lái)縮小查詢范圍。為了配置網(wǎng)絡(luò)應(yīng)用，從Misu菜單選擇網(wǎng)絡(luò)配置（NetConfigure）。如果使用了防火墻的話選中“只有往外去的鏈接”檢查框。通常來(lái)說(shuō)，除非網(wǎng)絡(luò)有暫時(shí)性的問(wèn)題，“在配置過(guò)程中測(cè)試鏈接”檢查框應(yīng)被選中。在本書(shū)編寫(xiě)的過(guò)程中，在Sequin中加入了無(wú)數(shù)的擴(kuò)充。緊跟最新發(fā)展的最好方法是（例如：新版本的Sequin；排除了bug）訪問(wèn)Sequin的主頁(yè)和注冊(cè)為Sequin的用戶。Sequin的主頁(yè)同樣包括了最新更新的信息和完全的文檔以及常見(jiàn)問(wèn)題列表。EST/STS/GSS表達(dá)的序列標(biāo)簽（ESTs）是一些短的RNA序列，它們是克隆mRNA序列鑒定計(jì)劃的結(jié)果（更廣泛的定義參見(jiàn)詞匯表）。雖然這些序列代表了大量的現(xiàn)存的核苷酸數(shù)據(jù)庫(kù)的內(nèi)容，但從數(shù)據(jù)庫(kù)的觀點(diǎn)來(lái)看，ESTs只包含了提交過(guò)程的一小部分投資。只有這個(gè)過(guò)程的自動(dòng)化使處理ESTs成為可能。因?yàn)镋ST文件的提交格式簡(jiǎn)單，使其很便于快速處理，而且可以達(dá)到每天數(shù)千個(gè)提交進(jìn)入數(shù)據(jù)庫(kù)的量級(jí)。ESTs通常大量生成，并且代表了在GenBank版本102中的超過(guò)三分之二的記錄。僅僅因?yàn)槠鋽?shù)目巨大，許多核苷酸數(shù)據(jù)庫(kù)被迫為其提交和該形式記錄的處理設(shè)計(jì)了新的系統(tǒng)。幸運(yùn)的是這些記錄的結(jié)構(gòu)相當(dāng)簡(jiǎn)單，而且除了序列本身以外，在提交過(guò)程中只有幾種重要的數(shù)據(jù)類型需要合并進(jìn)來(lái)，包括關(guān)于圖書(shū)館的信息（包括BioSource），以及引用信息。另外，為了提交可能知道的關(guān)于某個(gè)特定的EST的圖譜信息，數(shù)據(jù)庫(kù)為圖譜組發(fā)展了一種簡(jiǎn)單的方法。該信息的簡(jiǎn)單結(jié)構(gòu)使其非常符合關(guān)系型數(shù)據(jù)庫(kù)模型，由其可以調(diào)出簡(jiǎn)單的數(shù)據(jù)項(xiàng)進(jìn)而由其生成各種報(bào)告，在最簡(jiǎn)單的情況下提交者只需提交一個(gè)文獻(xiàn)信息文件，一個(gè)了解信息文件和一個(gè)庫(kù)信息文件。它們可以和數(shù)以百計(jì)（或數(shù)以千計(jì)）的EST文件一起發(fā)送（參見(jiàn)圖14.22），其中包括將每個(gè)序列鏈接到其它類型合適文件的標(biāo)簽。這些文件通常由定制的程序創(chuàng)建，確保在不同的記錄間該信息是不變的。然后這些文件通過(guò)e-mail的方式提交（如果其數(shù)目在百的量級(jí)上），或借助于FTP（如果其數(shù)目在千的量級(jí)上），提交記錄所需的數(shù)據(jù)庫(kù)當(dāng)前的位置和了解信息參見(jiàn)本章末的列表。這個(gè)提交模型是如此成功以致于為序列標(biāo)簽位置（STS），和基因鑒定序列（GSS）數(shù)據(jù)庫(kù)提交過(guò)程所借用，在這里同樣使用了具有幾個(gè)變量的簡(jiǎn)單文件格式。關(guān)于如果提交這些記錄的更詳盡的信息參見(jiàn)它們各自的網(wǎng)頁(yè)。圖14.22圖14.22EST提交。提交ESTs(或STS和GSS記錄)需要生成一些簡(jiǎn)單文件，GenBank和dbEST數(shù)據(jù)庫(kù)工作人員用它們來(lái)創(chuàng)建記錄。單獨(dú)的了解信息、發(fā)表信息、一個(gè)或多個(gè)數(shù)據(jù)庫(kù)信息文件將和大量序列文件連接起來(lái)生成許多完全的EST記錄。所有這些文件開(kāi)始的一行是TYPE，最后用||作為一行結(jié)束。基因組中心專門(mén)研究大段DNA（每年幾十萬(wàn)到幾百萬(wàn)的堿基對(duì)）的中心有其自己的信息處理系統(tǒng)，他們不僅設(shè)計(jì)了自己的數(shù)據(jù)庫(kù)系統(tǒng)，并且他們的程序員維護(hù)軟件和數(shù)據(jù)庫(kù)以明了各種各樣的測(cè)序計(jì)劃，而且他們將組織此信息以允許跟蹤其集合，性能跟隨，和早期發(fā)現(xiàn)問(wèn)題?；蛑行膶⑺麄兊慕Y(jié)果格式化為多種形式，通常包括WWW網(wǎng)頁(yè)，將他們生產(chǎn)的信息直接對(duì)社區(qū)全部開(kāi)放或只面向他們的顧客。如果這些基因中心希望他們的序列可被公共數(shù)據(jù)庫(kù)得到，那么他們與這些數(shù)據(jù)庫(kù)之一了解以確保正確的數(shù)據(jù)交換。這三個(gè)數(shù)據(jù)庫(kù)（DDBJ，EBI，和NCBI）具有與這些不同的基因中心打交道的經(jīng)驗(yàn)以確保及時(shí)有效率的信息交換（盡可能的快）。這包括自動(dòng)數(shù)據(jù)交換的設(shè)置，特殊FTP帳戶的建立以便于以一種準(zhǔn)確、方便的方式進(jìn)行數(shù)據(jù)交換，以及生成工具確保以最有用的方式進(jìn)行數(shù)據(jù)交換。在NCBI，為所有向該組織提交數(shù)據(jù)的基因測(cè)序中心建立了FTP帳戶。還有設(shè)計(jì)了各種各樣的工具用來(lái)加速提交高吞吐量的基因序列（HTGS）。在GenBank的兩個(gè)分部可以找到這些HTGS記錄，查詢結(jié)果依賴于它們的完成情況（參見(jiàn)第二章）。未完成的記錄（第1段或第2段）在GenBank的HTG分部，而完成的記錄（第3段）在它們所屬的分類學(xué)分部里。在它們整個(gè)的存在過(guò)程中，HTGS記錄擁有一致的DDBJ/EMBL/GenBank確認(rèn)號(hào)碼。NCBI設(shè)計(jì)的一種用來(lái)建立這些記錄的工具是fa2htgs，這是一個(gè)命令行程序，可以很容易地編寫(xiě)腳本，并允許用戶從FASTA文件和一個(gè)Sequin模板生成HTGS提交。就象其它所有的NCBI產(chǎn)品，該程序?qū)τ诖蠖鄶?shù)計(jì)算機(jī)平臺(tái)都是可使用的。高吞吐量的基因組測(cè)序也意味者序列使用方式的改變。這就是由這些中心生成的序列由HTG關(guān)按鈕字標(biāo)識(shí)的原因，目的是使用戶在他們的分析中有選擇的使用這些數(shù)據(jù)，或者簡(jiǎn)單地注意到其來(lái)源。如此標(biāo)記的數(shù)據(jù)不應(yīng)和未完成的記錄相混淆，后者不僅有HTG關(guān)按鈕字，而且在GenBank的HTG分部中。這在第2章中由Ouellette和Boguski（1997）更詳盡地予以檢驗(yàn)?；蚪M中心愿意與之合作的數(shù)據(jù)庫(kù)應(yīng)該通過(guò)最新的指南和工具確保對(duì)于HTG數(shù)據(jù)的合適的處理。更新更新DDBJ/EMBL/GenBank記錄可能是強(qiáng)加給每個(gè)科學(xué)家的最沒(méi)有報(bào)酬的任務(wù)之一，這項(xiàng)工作沒(méi)有什么刺激性，也沒(méi)有什么科學(xué)榮譽(yù)，而且它很少受到注意。然而，這項(xiàng)工作是完成提交過(guò)程后最重要的步驟之一，它確保了在記錄中的信息仍然是正確的。更新記錄的最重要的方面是通知數(shù)據(jù)庫(kù)與該記錄了解的引用的文獻(xiàn)的發(fā)表。這將允許數(shù)據(jù)庫(kù)工作人員更新數(shù)據(jù)庫(kù)中的引用，進(jìn)而允許將其鏈接到合適的參考數(shù)目上去，（參見(jiàn)第5章），然后記錄可以鏈接到大量的相關(guān)引用上，以及使用Entrez可得到的知識(shí)范圍。信息的另一個(gè)重要方面是在記錄中提到的每種蛋白質(zhì)和基因的正確名稱；同樣，此處的一個(gè)更新允許在信息和數(shù)據(jù)庫(kù)中可比較的材料之間建立合適的鏈接。數(shù)據(jù)庫(kù)給出了更新記錄的e-mail位置和WWW位置，而且Sequin也可用來(lái)執(zhí)行此項(xiàng)任務(wù)，Sequin設(shè)計(jì)用來(lái)更新已存在于數(shù)據(jù)庫(kù)中的序列記錄，要下載已存在的記錄，必需將Sequin配置為具有網(wǎng)絡(luò)連接（網(wǎng)絡(luò)連接菜單項(xiàng)包括了設(shè)置此連接的對(duì)話框）。然后待Sequin重新啟動(dòng)后，“從Entrez下載”（DownloadfromEntrez）的按鈕（圖14.7）將在開(kāi)始窗口中出現(xiàn)，這允許輸入一個(gè)加入號(hào)碼并直接從ID數(shù)據(jù)庫(kù)中獲?。▍⒁?jiàn)第6章）。通過(guò)更新引用（可通過(guò)MEDLINE、PubMed查找器獲得）或增加特征來(lái)編輯記錄，或利用序列編輯器加入新的序列，在后一種情況下，采用更新功能可能比直接將其貼到序列編輯器中更加方便。加入了新的更新特征，并且建議Sequin用戶訪問(wèn)Sequin的WWW站點(diǎn)以確保他們獲得了最新的版本。這三個(gè)數(shù)據(jù)庫(kù)的工作人員都?xì)g迎使更新過(guò)程盡可能地有效和無(wú)痛苦。也強(qiáng)烈建議那些注意到記錄已發(fā)表卻還沒(méi)有公開(kāi)的人們通知數(shù)據(jù)庫(kù)。如果有人檢查到錯(cuò)誤，同樣應(yīng)該傳送到更新位置，據(jù)此數(shù)據(jù)庫(kù)工作人員通知記錄的所有者，并且通常導(dǎo)致結(jié)果的改正。這條事件鏈可以同第三方注解分別開(kāi)來(lái)，該方式目前并不被數(shù)據(jù)庫(kù)所接受。記錄屬于提交者，數(shù)據(jù)庫(kù)工作人員提供了一些幫助，格式化指南建議，但是實(shí)質(zhì)性的改變只能是來(lái)自于列表中的提交者。結(jié)論性的評(píng)價(jià)將序列提交到數(shù)據(jù)庫(kù)和看著它們公開(kāi)發(fā)布對(duì)于部分提交者來(lái)說(shuō)通常是一種自豪的經(jīng)歷，這是他們所在的實(shí)驗(yàn)室的一段科學(xué)活動(dòng)，提交者通過(guò)參與實(shí)驗(yàn)室的工作而出現(xiàn)在科學(xué)團(tuán)體里，這也是在出版過(guò)程中由出版者施加的影響的一步。在此過(guò)程中，提交者通常希望以最完全和有用的方式提供信息，允許他們的數(shù)據(jù)獲得科學(xué)團(tuán)體的最大程度的利用。極少的使用者注意到數(shù)據(jù)庫(kù)中表現(xiàn)出來(lái)的錯(cuò)綜復(fù)雜的完全排列，但是他們確實(shí)知道他們所提供的生物學(xué)內(nèi)容。提供便利這一過(guò)程的工具已成為數(shù)據(jù)庫(kù)的任務(wù)。數(shù)據(jù)庫(kù)工作人員也提供關(guān)于其索引的專家（某些數(shù)據(jù)庫(kù)也將其稱為監(jiān)護(hù)人或注解者），他們?cè)谏飳W(xué)方面有廣泛的訓(xùn)練并且非常熟悉數(shù)據(jù)庫(kù)，確保在提交過(guò)程中不遺漏任何東西。提交過(guò)程本身并不是一直都這樣簡(jiǎn)單的，甚至在測(cè)序初期并不被鼓勵(lì)，這只是由于數(shù)據(jù)庫(kù)不知道如何處理這種信息。然而，現(xiàn)在數(shù)據(jù)庫(kù)強(qiáng)烈地建議序列數(shù)據(jù)的提交和所有合理的更新。出現(xiàn)了許多工具便利完成這個(gè)任務(wù)，同時(shí)除它們各自的WWW提交工具以外，數(shù)據(jù)庫(kù)也支持Sequin為新的提交工具，現(xiàn)在提交數(shù)據(jù)到數(shù)據(jù)庫(kù)變成了一種令人愉快的享受，并且科學(xué)家不再有忽視它的好借口了。致謝：Sequin建立的基礎(chǔ)是NCBI的軟件工具箱，相當(dāng)多的人對(duì)此作出了貢獻(xiàn)；應(yīng)特別提及NCBI的幾位工整理，因?yàn)樗麄兊墓ぷ鲗?duì)于Sequin的成功具有決定性的作用。除了我們中的一員（JAK），還包括ColombeChappey,JinghuiZhang。TatianaTatusov，JimOstell，和GregSchuler。建議間隔程序由Pennsylvania州大學(xué)的WebbMiller編寫(xiě)，WarrenGish（現(xiàn)在在華盛頓大學(xué)）、KarlSirotkin（NCBI）和YuriSadykov（現(xiàn)在在Netscape）修改。BankIt提交表格由DavidLipman設(shè)計(jì)，并由BrandonBrylawski,，SergeiShavirin，和TatianaTatusov實(shí)現(xiàn)。在第14章提及的通訊資源：互聯(lián)網(wǎng)和通信位置；電話和傳真號(hào)碼DDBJ/EMBL和GenBank的一般了解信息以及提交DNA序列到這些數(shù)據(jù)庫(kù)的入口。DDBJ（信息生物學(xué)中心，NIG）位置：DDBJ，1111Yata，Mishima，Shiznoka411，Japan傳真：81-559-81-6849E-mail提交：ddbjsub@ddbj.nig.ac.jp更新：ddbjupd@ddbj.nig.ac.jp信息：ddbj@ddbj.nig.ac.jp互聯(lián)網(wǎng)主頁(yè)：bbb://aaaddbj.nig.ac.jp/提交：bbb://sakura.ddbj.nig.ac.jp/EMBL（歐洲生物信息協(xié)會(huì)，EMBL分部）位置：EMBLOutstation,EBI,WellcomeTrustGenomeCampus,HinxtonCambridge,CB101SD,UnitedKingdom電話：01.22.349.44.44傳真：01.22.349.44.68E-mail提交：datasubs@ebi.ac.uk更新：update@ebi.ac.uk信息：datalib@ebi.ac.uk互聯(lián)網(wǎng)主頁(yè)：HYPERLINK"bbb://0/aaaddbj.nig.ac.jp