在微生物測序分析中序列格式與數據庫的區別，常常需要對未知的核酸或蛋白序列進行物種,功能或類別注釋。注釋方法種類較多，其中最常用的是與一些標準數據庫進行相似性搜索，也就是序列比對。因此，數據庫的優劣對注釋結果至關重要。本期小編為大家帶來的是NCBI上的三個重要的數據庫—NR/NT，和。
NR/NT 數據庫
NR(Non- )非冗余蛋白庫，所有+EMBL+DDBJ+PDB中的非冗余蛋白序列，對于所有已知的或可能的編碼序列，NR記錄中都給出了相應的氨基酸序列（通過已知或可能的讀碼框推斷而來）以及專門蛋白數據庫中的序列號。NR庫相當于一個以核酸序列為基礎的交叉索引序列格式與數據庫的區別，將核酸數據和蛋白數據聯系起來。NT( ),核酸序列數據庫，是NR庫的子集。
NR和NT庫都可以通過NCBI（ for ,美國國立生物技術信息中心）進行在線BLAST,也可以在ftp:///blast/db地址中將數據直接下載下來，需要注意的是，NR和NT庫是被切分為以數字命名的子數據庫上傳的（如下圖所示），將所有的子數據庫放到同一個目錄下，解壓縮后構建索引文件即可。
數據庫
??
NCBI的分類數據庫，包括大于7萬余個物種的名字和種系，這些物種都至少在遺傳數據庫中有一條核酸或蛋白序列。其目的是為序列數據庫建立一個一致的種系發生分類學。截止發稿日為止該數據庫所包含的物種數目統計表如下:
表1 數據庫物種數目統計表
下載文件：
下載.nucl.dmp.gz（NT記錄ID號與taxid對應關系），.prot.dmp.gz（NR記錄ID號與taxid對應關系）和.tar.gz三個文件；
.tar.gz里包含兩個重要文件，即names.dmp和nodes.dmp；
names.dmp
names.dmp文件共包含4列，以“|”分割，各列描述如下：
其中即為的記錄號，即對應號的物種名稱。
nodes.dmp
nodes.dmp文件共包含13列，以“|”分割，各列描述如下：
其中，物種分類注釋時需要（記錄號）, （上一層分類級別的）和rank（該所處的分類層級）。
數據庫
(the , ).參考序列數據庫，包含(NCBI )，(NCBI )和 (NCBI )具有生物意義上的非冗余基因,轉錄本和蛋白質序列，是經過NCBI和其他組織校正的數據庫，使用人類基因命名委員會定義的術語，并且包括了官方的基因符號和可選的符號。記錄有三種可以獲得的狀態：預測的、臨時的和檢查過的（）。預測的記錄是來自于那些未知功能的cDNA序列，它們有一個預測的蛋白編碼區;臨時的記錄還沒有被檢查過,它們是有自動的程序產生的；檢查過的記錄代表了目前關于一個基因和它的轉錄子的知識的匯編，它們很多都來自于記錄、人類基因組命名委員會和OMIM，標準為人類基因組的功能注解提供一個基礎。
數據庫和數據庫的區別在于：是一個開放的數據庫，對每個基因都含有許多序列。很多研究者或者公司都可以自己提交序列，另外這個數據庫每天都要和EMBL和DDBJ交換數據。的數據可能重復或者不準。而數據庫被設計成每個人類位點挑出一個代表序列來減少重復，是NCBI提供的校正的序列數據和相關的信息。數據庫包括構建的基因組、mRNA、蛋白和整個染色體。序列是NCBI篩選過的非冗余數據庫，一般可信度比較高。
NCBI作為生信分析最牛逼的網站，還包含有很多其他重要的數據庫，后面幾期小編將為大家逐個介紹，敬請關注！