本文内容均来自山东大学生物信息学课程
这一篇文章主要介绍生物信息学需要用到的各个数据库
由于数据库的数量众多，本文将对数据库进行一个分类，并选取其中几个重要数据库进行分析。
你的导师给你扔来了一大段基因序列让你去研究，该如何进行呢？ 你头大，你去问你师兄。你的师兄告诉你，这一段序列十分的像dUTPase。 但什么是dUTPase呢？你的师兄不告诉你
这时候我们就需要借助自己的力量，使用PubMed来解决！
PubMed是拥有超过两百四十万的生物医学文献。它们来源于MEDLINE（生物医学文献数据库）、生命科学领域数据杂志以及在线的专业书籍。 PubMed链接: http://www.ncbi.nlm.nih.gov/pubmed
在PubMed中进行搜索： 
关于PubMed搜索的相关内容，通过WoS的知识进行理解。（后续会更新WoS搜索相关文章）
（1）搜索1995年前文献中排名是为以后的作者 （2）搜索1976年以前的文献是没有摘要的 （3）1965年前的文献较难搜索
通过PubMed我们了解到dUTPase到底是什么： dUTP焦磷酸酶（dUTPase）是DNA合成中的一种关键酶，广泛分布于真核、原核细胞以及病毒等生命有机体内。该酶能够水解细胞质中的dUTP，从而最大限度地减少尿嘧啶在DNA合成中的错误插入，降低细胞中dUTP/dTTP的比例，维持基因组复制的保真度和顺利进行。
当你对导师的任务有了一个初步的了解，之后就该去干活惹。那我们在哪里获取核酸的数据呢？
GenBank是由美国国家生物技术信息中心（NCBI）开发并负责维护，隶属于美国国立卫生研究院（NIH）。 GenBank数据库: http://www.ncbi.nlm.nih.gov/
解读GenBank
恭喜！到了这一阶段，说明你已经开始渐渐习惯打工人的生活了。我们现在开始学习你该学会的第一个技能：解读一级核酸数据库
在这一章，我们用真核生物和原核生物作为例子，来了解两者的基因在数据库中不同的存储以及注释方式
首先，我们得明白，为什么他们之间为何存在不同？
原核生物核酸数据库解读
当你了解到了真核生物和原核生物的区别之后。你的导师又跑来找你，让你搜索一下大肠杆菌（原核生物）dUTPase的DNA序列：X01714
那这时候我们就可以通过上面的几个数据库，轻松地得到对应的信息，X01714的DNA序列如下:
观察数据的第一行，是不是一时有些懵？这一段代表的是什么意思呢？用中文标记一下，或许更有利于理解：
以下是剩余的几行相关术语的注解：
ACCESSION：检索号在数据库中是唯一旦不变的，即使数据提交者改变数据内容。ACCESSION不一定和IOCUS相同。（原因：LOCUS是真实姓名，ACCESSION是编号。同一个基因只有一个名字，但可以在不同的数据库中有不同的编号。）
VERSION：版本号的格式是“检索号.版本编号”。版本号于1999年2月由三大数据库采纳使用。主要用于识别数据库中一条单一的特定核苷酸序列。在数据库中，如果某条序列数据发生了变化，即使是单碱基的改变，它的版本号都将增加，而它的检索号保持不变。 （例如：由U12345.1变为U12345.2。）
GI (Genlnfo Identifier）号：与前面的版本号系统是平行运行的。当一条序列改变后，它将被赋予一个新的GI号，同时它的版本号將增加。
KEYWORDS:能够大致描述该条目的几个关键词。
SOURCE：基因序列所属物种的俗名。
ORGANISM：对所属物种的更详细定义，包括他的科学分类。
REFERENCE：基因序列来源的科学文献（一条基因序列的不同片段可能来源于不同的文献）。文献具体分为作者、题目和刊物。刊物还包括PubMedID作为其子条目。
COMMENT：自由撰写内容，比如致谢或者无法归入前几类的内容。
FEATURES（重要信息）： 描迷核酸序列中各个已确定的片段区域，包含很多子条目，比如来源(source)，启动子 （ptomotet）等。 source：说明了核酸序列的来源，据此可以容易地分辦出该序列是来源于克隆載体还是基因组。当前序列（全长）来源于大肠杆茵的基因组DNA。 promotet：列出了启动子的位置。复习：细菌有两个启 动子区，一个-35区（5’-TTGACA-3〞）位置在第286 个碱基到第291个碱基，一个-10区（5’-TATAAT-3〞） 位置在第310个碱基到第316个碱基。 misc_ featute：混合内容。比如，这条说明了从第322个 碱基到第324个碱基是一个推测的(putative，推定，但无实验证实） 转录起始位置。 RBS (Ribosome Binding Site)：核糖体结合位点。 CDs(CodingSegment)：记录了一个ORF(open reading frame），从第343个碱基开始的ATG（起始密码子）到第798个碱基结束的TAA（结束密码子）。除了第一行的位置信息，还包括翻译产物（蛋白质）的诸多信息。
终于，我们把X01714的信息给解读完了，但此时还不能休息
我们还需要学会如何下载其信息，我们直接采用ctrlcv大法是不行的。我们把界面翻到最上面，可以看到两个选项：FASTA和Graphics。
点击FASTA我们可以获取FASTA格式的核酸序列信息，点击Graphics可以获取序列的图形概览。
真核生物核酸数据库解读
你的导师又派给了你一个任务，去研究一下人（真核生物）dUTPase的成熟mRNA（U90223）序列信息。
根据上文所述的技巧，我们可以得到真核生物的序列信息：
观察这一大串符号我们可以发现，真核生物和原核生物在数据库中的数据排列方式很类似，但是却出现了两个不一样的条目：
mat_peptide 270…818的编码位置与 CDS 343…798相差了三个碱基，为什么？ 回答：在这一段序列最后的三个氨基酸为编码区的终止密码子（不翻译）
新任务！：研究一下人（真核生物）dUTPase的基因组DNA序列信息（AH005568）
我们观察FEATURES段：
第五行的 /map=“15q15-q21.1”，指出了该序列属于第15号染色体，更精确地说是该染色体的长臂q上的q21.1条带内。
gen指出了完整基因的具体位置。
mRNA指出了所有外显子的具体位置，mRNA中的基因串起来相当于完成了剪切的过程，就是成熟的mRNA。
值得注意的是，剪切后的mRNA有两种：
上方的mRNA在前端多一个外显子，这一块将被翻译为定位线粒体的信号肽，从而翻译出线粒体型的蛋白质。下一种没有信号肽的，将形成细胞核型蛋白质。
exon段表示的含义是：当前序列所包含的282-561号碱基是“DUT”基因的第一个外显子。
欧洲核苷酸序列数据集（ENA）是由欧洲分子生物学研究室（EMBL）开发并维护。 ENA数据库: http://www.ebi.ac.uk/ena/
日本DNA数据库（DDBJ），由位于日本国立遗传学研究所（NIG）开发并负责维护。 DDBJ数据库： http://www.ddbj.nig.ac.jp/
INSDC是三家数据库共同组成的国际核酸序列数据库合作联盟，通过每日的数据共通，使得他们几乎在任何时候都享有相同的数据。 INSDC数据库： http://www.insdc.org/
这部分我们来学习使用Ensemble基因组数据库
Ensemble链接: http://www.ensembl.org
Ensembl是由欧洲生物信息学研究所（EBI）和英国桑格研究院合作开发。Esemble收入了各种动物的基因组，特别是那些离我们人类相近的动物。这些基因组的注释都是通过配套开发的软件自动添加的。
通过点击上方的连接我们可以前往Ensemble的官网。 
从中我们可以获取到染色体一览图等信息： 
点击DNA条段，可以进入查看条段的详细信息。从上文的学习可以得知，DUT基因位于15号染色体的长臂条段21.1附近，我们进入这条条段查看一下。
点击条段进入
进入之后可以看到该条段的详细信息
我们在基因图谱中找到DUT基因，并以其为中心放大
点击DUT基因在Ensemble数据库中的检索号，便可以得到该基因在数据库中的详细记录。
JCVI链接: http://www.jcvi.org
美国基因组研究所（TIGR）致力于为生物基因组的研究，也有部分植物基因组项目。它是克莱格·凡特研究所（JCVI）的一部分，自1995年成立之初的两个基因组，至今已有超过700个基因组。TIGR是NCBI基因组资源的有力补充，因为它不仅拥有已经完成测序的基因组，还有哪些测序中的基因组信息。
二级核酸数据库包含的内容很多，经常会用到的几个数据库有：NCBI下属的RefSeq数据库，dbEST数据库以及Gene数据库。
RefSeq数据库：参考序列数据库，是通过自动及人工精选出的非冗余数据库，包括基因组序列、转录序列和蛋白质序列。
dbEST数据库：表达序列标签数据库，包含来源于不同物种的表达序列标签（EST）
Gene数据库：为用户提供基因序列注释和检索服务，收录了来自5300多个物种的430万条基因记录
ncRNAdb：非编码RNA数据库，提供非编码RNA的序列和功能信息。包含来源于99种细菌，古细菌和真核生物的3万多条序列。
ncRNA链接: http://biobases.ibch.poznan.pl/ncRNA/
miRbase：主要存放已发表的microRNA序列和注释。可以分析microRNA在基因组中的定位和挖掘miRNA序列间的关系。
miRbase链接: http://www.mirbase.org/