查看“GenBank”的源代码

{{Infobox
| bodystyle    = width: 300px; float: right; clear: right; margin: 0 0 1em 1em; border: 1px solid #a2a9b1; background: #f9f9f9;
| abovestyle   = background: #e0e0e0; font-size: 110%; font-weight: bold; text-align: center;
| headerstyle  = background: #eeeeee; font-weight: bold;

| above        = GenBank<br><small>基因银行</small>
| image        = 

| label1       = 维护机构
| data1        = [[NCBI]] (美国)

| label2       = 成立时间
| data2        = 1982年

| label3       = 所属联盟
| data3        = [[INSDC]] (国际核苷酸序列数据库联盟)

| label4       = 数据量
| data4        = > 2.5 亿条序列 (2024年)

| label5       = 核心功能
| data5        = 存储公开的 DNA/RNA 序列

| label6       = 关键区别
| data6        = GenBank (存档) vs [[RefSeq]] (标准)

| label7       = 对AI价值
| data7        = 基因组学大模型 (Genomic LLM)<br>的训练语料
}}

'''GenBank''' 是一个开放获取的核苷酸序列数据库，包含了所有公开的 DNA 和 RNA 序列及其注释信息。它由美国国家生物技术信息中心（[[NCBI]]）负责维护。

它是现代生命科学研究的基石。无论是新冠病毒的测序，还是癌症基因突变的发现，所有原始序列数据最终都会汇聚于此。GenBank 与欧洲的 **ENA** 和日本的 **DDBJ** 共同组成了 **INSDC** 联盟，三方数据每天同步，确保全球科学家使用的是同一套数据。<ref name="GenBank_Overview" />

== 核心数据结构 (Flat File) ==
GenBank 使用一种经典的“纯文本”格式（GenBank Flat File）来存储数据。这种格式虽然古老，但至今仍是生物信息学的通用标准：
* '''LOCUS'''：序列的基本信息（长度、类型、日期）。
* '''ACCESSION'''：'''登录号'''（如 `NM_000546`）。这是序列的唯一身份证，您的 AI 系统在引用基因时必须使用此号码，以避免歧义。
* '''FEATURES'''：特征表。详细描述了基因的各个部分，如 '''CDS'''（编码区）、'''Exon'''（外显子）、'''Promoter'''（启动子）。AI 可以通过解析这些标签，学习基因的语法结构。
* '''ORIGIN'''：实际的碱基序列（A, T, C, G）。

== GenBank vs RefSeq (关键区分) ==
这是您的技术团队在开发“基因医生”诊断系统时最容易踩的坑：

=== 1. GenBank (档案库) ===
* '''性质'''：它是“作者提交什么，就存什么”。
* '''冗余性'''：同一个基因可能有几千个不同实验室提交的版本，质量参差不齐，甚至包含错误。
* '''用途'''：用于科学研究，查看基因的多样性。

=== 2. RefSeq (参考序列库) ===
* '''性质'''：它是 NCBI 官方精选的“标准答案”。
* '''唯一性'''：每个基因通常只有一个最佳的 RefSeq 序列。
* '''用途'''：'''临床诊断的标准'''。当您的 AI 报告说患者在 `TP53` 基因上有突变时，必须是相对于 `RefSeq` 标准序列（如 hg19 或 hg38）而言的差异。<ref name="NCBI_RefSeq" />

== 数据提交与更新 ==
* '''BankIt'''：基于 Web 的提交工具，用于少量序列提交。
* '''Sequin'''：传统的独立软件，用于复杂提交。
* '''数据增长'''：GenBank 的数据量呈指数级增长（摩尔定律在生物界的体现），大约每 18 个月翻一番。这要求您的 AI 基础设施必须具备处理 PB 级数据的能力。

== 对 AI 基因组学的价值 ==
随着 AI 能够理解“生物语言”（DNA/Protein），GenBank 成为了训练 '''Genomic LLM'''（如 DNABERT, Nucleotide Transformer）的核心语料库。
* '''序列预测'''：AI 学习了 GenBank 中的数十亿条序列后，可以预测未知的基因功能或突变后果。
* '''合成生物学'''：AI 可以利用这些数据设计出自然界不存在的全新蛋白质序列。

== 参见 ==
* [[NCBI]]
* [[BLAST]] - 搜索 GenBank 的工具
* [[人类基因组计划]]
* [[生物信息学]]
* [[RefSeq]]

== 参考资料 ==
<references>
<ref name="GenBank_Overview">Benson, D. A., et al. (2018). GenBank. ''Nucleic Acids Research'', 46(D1), D41-D47. [https://academic.oup.com/nar/article/46/D1/D41/4766551]</ref>
<ref name="NCBI_RefSeq">O'Leary, N. A., et al. (2016). Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation. ''Nucleic Acids Research'', 44(D1), D733-D745.</ref>
</references>

[[Category:生物信息学]]
[[Category:在线数据库]]
[[Category:基因组学]]