GenBank数据下载说明

主要数据文件

• gbpri*.seq.gz：主要GenBank序列数据（优先级1-9），按生物分类分组
• gbctg*.seq.gz：基因组contig序列数据
• gbhtg*.seq.gz：高通量基因组序列(HTG)数据
• gbbct*.seq.gz：细菌序列数据
• gbvrl*.seq.gz：病毒序列数据
• gbpln*.seq.gz：植物序列数据
• gbrod*.seq.gz：啮齿动物序列数据
• gbmam*.seq.gz：其他哺乳动物序列数据
• gbest*.seq.gz：EST(表达序列标签)数据
• gbgss*.seq.gz：GSS(基因组调查序列)数据
• gbsts*.seq.gz：STS(序列标签位点)数据

特殊项目数据

• wgs/：全基因组鸟枪法(WGS)项目数据
• tsa/：转录组鸟枪法组装(TSA)项目数据
• tls/：靶向位点研究(TLS)项目数据
• quality_scores/：序列质量评分数据
• daily-nc/：每日增量更新文件
• livelists/：每周更新的序列访问号列表
• release.notes/：历史版本发布说明

索引与报告文件

• gbrel.txt：版本发布说明
• README.genbank：数据库说明文档
• gbnew.txt.gz：新增序列列表
• gbchg.txt.gz：变更序列列表
• gbdel.txt.gz：删除序列列表
• stats.wgs.XXXX：WGS项目统计信息
• stats.tsa.XXXX：TSA项目统计信息
• stats.tls.XXXX：TLS项目统计信息

GenBank文件采用标准格式，主要字段包括：

• LOCUS：序列标识符，包含序列名称、长度、分子类型等
• DEFINITION：序列的简要描述
• ACCESSION：序列的唯一访问号
• VERSION：序列版本号
• KEYWORDS：与序列相关的关键词
• SOURCE：序列来源的生物体
• ORGANISM：生物体的科学分类
• REFERENCE：相关文献引用
• FEATURES：序列特征表，包含编码区、启动子等注释信息
• ORIGIN：序列数据起始标记
• //：序列记录结束标记

1. 我们同步的数据全部来自NCBI（美国国家生物技术信息中心）的公开数据库GenBank。所有数据均通过NCBI官方提供的接口或下载渠道获取。
2. 请按照NCBI的规定引用相关数据。
3. 平台会定期更新NCBI数据，如希望更新数据，可以联系我们。
4. 用户使用NCBI的数据，需严格遵守NCBI的相关政策：https://www.ncbi.nlm.nih.gov/home/about/policies/。若发现内容存在侵权行为，请及时与我们联系，我们会删除相关内容。
5. 具体的说明以NCBI的官方文档https://ftp.ncbi.nlm.nih.gov/genbank/README.genbank为准

如果有其他问题（如新增数据库需求或数据使用疑问），欢迎随时联系我们：

• 联系邮箱：CNGBdb@cngb.org
• 联系电话：0755-3394 5586