NCBI/DDBJ/EMBL序列的标识符:GI number和Accession.Version

  • A+
所属分类:Glossary

GI number及Accession.Version就像是序列的身份证号码一样。通过这个号码,我们能在NCBI/DDBJ/EMBL等数据库查到该序列的数据。

问题:
为什么会有两种类型的序列标识符(GI number、Accession.Version),两者之间又有什么不同呢?

回答:

两种类型的序列标识符(GI number、Accession.Version),有着不同的格式,并且开始使用的时间也不同。

1,GI number(有时用小写字母"gi"),由一系列的数字组成,是NCBI在处理序列时连续分配的。跟序列的Accession number是没有关联。

  • 在GenBank数据中,核苷酸序列的GI number放在Version的区域。
  • 蛋白序列的GI number,如果核苷酸序列存在CDS区,在CDS/db_xref 区有蛋白序列的GI number。在蛋白数据库,GI number同样放在Version区。

2,Version区,通常我们都可以看到是Accession.Version,如NM_008261.1

  • 核酸序列的Version区,由两个字母,接着6位数字,再一点,后面跟着版本号。(旧的记录是一个字母,5位数字,一点,再版本号)
  • 蛋白序列的Version区,三个字母,5位数字,一点,版本号。(注,这是原文的说法,但好像不是太准确,这可能是旧的记录。我觉得是二个字母,6位数字,版本号。如NP_032287.1)

GI number作为序列的唯一标识符已经在GenBank使用多年,其它相关的数据库仍然保留这个号码。1999,随着国际核酸序列数据库同盟(NCBI/DDBJ/EMBL,International Nucleotide Sequence Database Collaboration)的成立,Version系统也开始启用。

这两种不同系统的标识符是平行运行的,即当序列的数据改变或升级时,将会分配一个新的GI number,Accession number后的版本也会随着增加。如NM_008261.1-->NM_008261.2(GI number:6680238-->46575915)。

大概的历史是这样子的,一开始在GenBank及相关的数据库中使用的是GI number,GI是"GenInfo Identifier" 的缩写。后来国际核酸序列数据库同盟成立后,考虑到GI number不适合作为国际性的通用序列标识符,所以就弄了一个新的词叫NID,代表核酸序列,PID代表氨基酸序列。但到了1999年12月,这个叫法就中断了,全部统一改为用"GI"表示。

详细查看GenBank格式的详细说明:http://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html

同时在1999年2月,NCBI/DDBJ/EMBL启用了Accession.Version系统,确保了国际的通用性,并且对序列的标识性与追踪性更加地方便,同时跟GI number平行运行。

更多的内容,请看 current GenBank release notes

原文链接:http://www.ncbi.nlm.nih.gov/Sitemap/sequenceIDs.html

更多关于《GenBank数据库格式的说明》请点击阅读。

avatar

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: