NCBI/DDBJ/EMBL序列的标识符：GI number和Accession.Version

标题: NCBI/DDBJ/EMBL序列的标识符：GI number和Accession.Version
摘要: [NCBI DDBJ EMBL序列的标识符：GI number和Accession Version]GI?number及Accession Version就像是序列的身份证号码一样。通过这个号码，我们能在NCBI DDBJ EMBL等数据库查到该序列的数据。问题： 为什么会有两种类型的序列标识符（GI number、Accession Version），两者…… [关键词:序列 数据库 核酸序列 核苷酸序列 通用性 生物信息学 氨基酸序列]……
关键词: 序列 数据库 核酸序列 核苷酸序列 通用性 生物信息学 氨基酸序列

GI?number及Accession.Version就像是序列的身份证号码一样。通过这个号码，我们能在NCBI/DDBJ/EMBL等数据库查到该序列的数据。

问题：
为什么会有两种类型的序列标识符（GI number、Accession.Version），两者之间又有什么不同呢？

回答：

两种类型的序列标识符（GI number、Accession.Version），有着不同的格式，并且开始使用的时间也不同。

1，GI?number（有时用小写字母"gi"），由一系列的数字组成，是NCBI在处理序列时连续分配的。跟序列的Accession number是没有关联。

• 在GenBank数据中，核苷酸序列的GI number放在Version的区域。
• 蛋白序列的GI number，如果核苷酸序列存在CDS区，在CDS/db_xref 区有蛋白序列的GI number。在蛋白数据库，GI number同样放在Version区。

2，Version区，通常我们都可以看到是Accession.Version，如NM_008261.1

• 核酸序列的Version区，由两个字母，接着6位数字，再一点，后面跟着版本号。（旧的记录是一个字母，5位数字，一点，再版本号）
• 蛋白序列的Version区，三个字母，5位数字，一点，版本号。（注，这是原文的说法，但好像不是太准确，这可能是旧的记录。我觉得是二个字母，6位数字，版本号。如NP_032287.1）

GI?number作为序列的唯一标识符已经在GenBank使用多年，其它相关的数据库仍然保留这个号码。1999，随着国际核酸序列数据库同盟（NCBI/DDBJ/EMBL，International Nucleotide Sequence Database Collaboration）的成立，Version系统也开始启用。

这两种不同系统的标识符是平行运行的，即当序列的数据改变或升级时，将会分配一个新的GI?number，Accession number后的版本也会随着增加。如NM_008261.1-->NM_008261.2(GI?number:6680238-->46575915)。

大概的历史是这样子的，一开始在GenBank及相关的数据库中使用的是GI?number，GI是"GenInfo Identifier" 的缩写。后来国际核酸序列数据库同盟成立后，考虑到GI?number不适合作为国际性的通用序列标识符，所以就弄了一个新的词叫NID，代表核酸序列，PID代表氨基酸序列。但到了1999年12月，这个叫法就中断了，全部统一改为用"GI"表示。