ジェンバンク

GenBank配列データベースは、公開されているすべてのヌクレオチド配列とそのタンパク質翻訳のオープン アクセスの注釈付きコレクションです。これは、国際ヌクレオチド配列データベース共同体(INSDC)の一環として、国立生物工学情報センター (NCBI、米国国立衛生研究所の一部)によって 作成および管理されています。

GenBankとその協力者は、世界中の研究室で作成された、正式に記載された50万種以上の配列を受け取ります。 [ ^{2]このデータベースは、1982年に}ウォルター・ゴードとロスアラモス国立研究所によって開始されました。GenBankは生物学分野の研究にとって重要なデータベースとなり、近年では約18か月ごとに倍増する指数関数的な成長を遂げています。 ^{[3] [4]}

2022年6月に公開されたリリース250.0には、24億5千万以上の配列に17兆以上のヌクレオチド塩基が含まれていました。^[5] GenBankは、個々の研究室からの直接の提出と、大規模なシーケンシングセンターからの一括提出によって構築されています。

GenBank に提出できるのはオリジナルの配列のみです。GenBank への直接提出は、Web ベースのフォームである BankIt またはスタンドアロンの提出プログラムである Sequin を使用して行われます。配列の提出を受け取ると、GenBank のスタッフがデータのオリジナル性を検査し、配列にアクセス番号を割り当て、品質保証チェックを行います。提出されたデータはその後、公開データベースに公開され、Entrezで取得したり、FTPでダウンロードしたりできます。大規模なシーケンシング センターでは、 Expressed Sequence Tag (EST)、Sequence-tagged site (STS)、Genome Survey Sequence (GSS)、および High-Throughput Genome Sequence (HTGS) データの一括提出が最も多く行われています。GenBank の直接提出グループは、完全な微生物ゲノム配列も処理します。^{[6] [7]}

ロスアラモス国立研究所（LANL）の理論生物学および生物物理学グループのウォルター・ゴードらは1979年にロスアラモス配列データベースを設立し、1982年には公開のGenBankが設立された。 ^[8]資金は国立衛生研究所、国立科学財団、エネルギー省、国防総省から提供された。LANLはボルト、ベラネック、ニューマン社と共同でGenBankを開発し、1983年末までに2,000以上の配列が保存された。

1980年代半ば、スタンフォード大学のバイオインフォマティクス企業であるIntelligeneticsは、LANLと共同でGenBankプロジェクトを管理しました。^[9]インターネット上で最も初期のバイオインフォマティクスコミュニティプロジェクトの1つとして、GenBankプロジェクトは、バイオサイエンティスト間のオープンアクセスコミュニケーションを促進するためにBIOSCI / Bionetニュースグループを開始しました。1989年から1992年にかけて、GenBankプロジェクトは新しく設立された国立生物工学情報センター（NCBI）に移行しました。^[10]

GenBankリリース250.0（2022年6月）のリリースノートには、「1982年から現在まで、GenBankの塩基数は約18か月ごとに倍増しています」と記載されています。^{[5] [11]} 2022年6月15日現在、GenBankリリース250.0には、2億3,900万の報告された配列から、2億3,900万以上の遺伝子座、1,390兆ヌクレオチド塩基が含まれています。^[5]

GenBank データベースには、メインのシーケンス データ コレクションから機械的に構築された追加のデータ セットが含まれているため、このカウントから除外されます。

国立生物工学情報センターの Basic Local Alignment Search Tool (NCBI BLAST) を使用して検索できる公開データベースには、ピアレビューされたタイプ株の配列と非タイプ株の配列がありません。一方、商用データベースには、フィルタリングされた高品質の配列データが含まれている可能性がありますが、参照配列の数は限られています。

Journal of Clinical Microbiology ^[12]に発表された論文では、 GenBank で解析した16S rRNA遺伝子配列結果を、EzTaxon -e [ ^13]や BIBI ^{[14]データベースなどの他の無料で入手可能な品質管理されたウェブベースの公開データベースと組み合わせて評価しました。結果によると、GenBank と}EzTaxon -e (kappa = 0.79)を組み合わせて解析すると、GenBank (kappa = 0.66) または他のデータベースを単独で使用した場合よりも識別力が高くなりました。

GenBank は公開データベースであるため、生物の最初の同定が間違っていたために、特定の種に誤って割り当てられた配列が含まれている可能性があります。最近Genomeに掲載された記事によると、ミトコンドリアシトクロム c オキシダーゼサブユニット Iの配列の 75% が、最初に誤って同定された個体の配列を継続的に使用した結果、魚類Nemipterus mesoprionに誤って割り当てられたことが示されました。 ^[15]著者らは、不正確な学名を持つ公開されている配列のさらなる配布を回避する方法について推奨事項を示しています。

多数の出版された論文で、GenBank に誤った配列が特定されています。^{[16] [17] [18]これらは、誤った種の割り当て (さまざまな原因が考えられます) だけでなく、キメラや配列エラーのある登録記録も含まれます。}鳥類のすべてのシトクロム b記録 の品質に関する最近の論文では、特定された誤った記録の 45% に、種の同定の再評価を妨げる証拠標本が欠けていることがさらに示されました。^[19]

• アンサンブル
• ヒトタンパク質参照データベース(HPRD)
• 配列分析
• ユニプロット
• 配列決定された真核生物ゲノムのリスト
• 配列決定された古細菌ゲノムのリスト
• RefSeq — 参照配列データベース
• Geneious — GenBank 提出ツールが含まれています
• オープンサイエンスデータ
• オープンスタンダード

•  この記事には、NCBI ハンドブック (国立生物工学情報センター)のパブリック ドメイン資料が組み込まれています。

• ジェンバンク
• ヘモグロビンベータのシーケンスレコードの例
• バンクイット
• Sequin — GenBank 配列データベースへのエントリの送信と更新のために NCBI によって開発されたスタンドアロン ソフトウェア ツール。
• EMBOSS — 分子生物学のための無料のオープンソースソフトウェア
• GenBank、RefSeq、TPA、UniProt: 名前には何が含まれていますか?