如何从NCBI导出GBFF和FASTA格式序列

如何从NCBI导出GBFF和FASTA格式序列

NCBI是生物信息常用的网站之一，下面就以大肠杆菌甘油醛-3-磷酸脱氢酶基因为例，简单介绍一下如何从NCBI导出GBFF和FASTA格式序列。

打开NCBI网站，可以通过搜索引擎搜索NCBI或者直接输入网址打开。NCBI网址为：http://www.ncbi.nlm.nih.gov/

进入NCBI主页，选择Nucleotide数据库

在Nucleotide数据库的检索框中输入甘油醛-3-磷酸脱氢酶基因的基因名（GAPDH）或者基因的GenBank号：X02662.1。点击搜索。在右边Top Organisms中选择物种来源，点More可以显示更多隐藏选项

选择所需要的物种信息

GenBank会根据设定的检索条件得出相应结果，选择所需要的序列

点击相应序列打开详序列的细信息，默认为GBFF(GenBank Flat File)格式文件。主要包括以下三部分组成：第一部分：描述符，其中包含了关于整个记录的信息；第二部分：特征表，包含了注释这一记录的特性；第三部分：核酸序列本身；在最后一行以“// ”结尾

在这里也可以选择FASTA格式。

FASTA格式又称Pearson 格式

特点：最常用、最简单的序列注释格式

命名规则：

1、以大于号“>"起始

2、 标题行(a single-line description) 位于文件的第一行

3、 序列行随后，序列行中不允许有空间，每行文字不超 过80个字符

4、组成序列信息字符串的符号应为IUB/IUPAC（International Union Of Pure And Applied Chemistry）核苷酸或氨基酸的符号

5、核苷酸字符大小写均可，氨基酸字符应大写

6、"-"单个连字符表示一个空位 “gap”

7、序列中不允许有数字、不明确的核苷酸用N表示，氨基酸用X表示

8、 氨基酸序列中“*”表示终止

导出序列时点击Send to

在弹出的窗口选择文件单选按钮

在下拉框中选择你需要的文件格式

点击创建文件即可开始下载，下载后的文件可以通过任意文本编辑软件打开。由于NCBI上的文件采用的是Unix/Linux文本格式，而Unix系统里，每行结尾只有“<换行>”，即“\n”；但Windows系统里面，每行结尾是“<换行><回车>”，即“\n\r”，在用记事本等软件打开时每行结尾有一个黑方框，这里只需用兼容Unix/Linux文本格式的编辑器打开即可