如何向NCBI提交基因组序列

1.整理序列信息：包括病原采集地、病原的寄主、寄主症状、采集人等基本信息；还有序列分析结果，包括序列全长大小，开放阅读框（ORF）的长度、位置及特定ORF序列翻译的氨基酸序列等基因水平的信息，这对于接下来的快速准确提交序列及提交成功后为全世界其他作者准确全面分享此类信息很重要；

2.登陆BackIt站点，注意到页面右边的“Sign in to use BankIt”标签，点击登录进入。如果没有账号就注册一个（注意，此账号与NCBI账号不通用）。

附 注册账号步骤，需要填写的项目为：

Title：你的职位或头衔

First name：名

last name：姓

login：登陆名

Affiliation：所属机构地址，一般填写自己学校地址

E-mail Address：通信电邮，填完后会发随机密码到此电邮地址，使用随机密码进行登陆，当然登陆后可对密码进行重置；

3.登陆BankIt，看到如下图所示界面，此时NCBI会自动分配一个SubmissionID，但不是最终的提交序列ID：

接下来共有九个步骤（好事多磨）：

3.1 Contact Information

填写个人姓名、机构、电邮等资料集联系方式，如果错误该页会有ERROR提示直到正确填写，填写完毕点击CONTINUE；

3.2 Reference

填写参考作者信息（Reference author）及序列相关信息，比如该序列是否对应有文章，如单纯提交序列则只需选择Unpublished即可（Reference title项可以填入“Direct Submission”），有的话就填写已发表文章的信息（卷、期等），接下来会问你该序列的提交者是否是序列的发现者等信息，填写完毕点击CONTINUE；

※提示：新版的BankIt中，接下来会有“Sequencing Technology”一项，呈现有454、Illumina、SOLiD及Other等测序方法选择，目前为“Sanger dideoxy sequencing”即一代测序方法测序，并且所提交的序列均为“assembled sequences”，目前的“assembly program”为“Lasergene，version 7.0”。

3.3 Nucleotide

包括三个小项：Submission Release Date（期望NCBI什么时候公布你的序列）、16S

rRNA submissions（该序列是否为16S rRNA）、Sequence(s) and Definition

Line(s)（会提示问你该序列是否为全长genomic

DNA、线状或环状等、序列长度，需要复制序列或提交FASTA格式文件），如若序列长度与复制序列或FASTA文件长度不同则会有提示，需要重新提交序列，依次选择即可。一般选择“Immediately after Processing”，“非16S rRNA”，“genomic DNA”，“circular”，“complete”等信息，然后将全序列粘贴到下方的空格中，别忘了在上方写上总核苷酸数。完后审查看有没有错误，继续CONTINUE；

3.4 Organism

填写Organism（病原物）的名字，即序列公开显示时候的标题（如MYVYNV分离物序列“Malvastrum yellow vein Yunnan virus isolate SC226-5, complete genome"），点击CONTINUE后会出现自动检索项目，核对后（有可能会进行选择）继续CONTINUE；

3.5 Submission Category

提交范畴，是否直接提交或通过第三方Annotation提交（不是太清楚什么意思，可能指的是从EMBL和DDBJ中导入的数据吧），一般为直接提交，如下图示选择Original，继续CONTINUE；

3.6 Source modifier

选择该病原物的种类，比如质粒、线粒体等；

Source

modifier下拉菜单及后面的Value设置：进一步选择该病原物获取信息，比如Country、Host、Clone、Collection

date、Strain/Isolate等，至少三项（Organelle/Location为细胞器/位置，该项可以不填写），否则该项不通过，尽量信息全面真实，需要继续添加则点击Add，填写完毕查看下方已填写表格进行信息核对，然后CONTINUE；

3.7 Primers

PCR引物项目，可选项目，不想填写可CONTINUE；

3.8 Features（※）

该步骤重要！将用到之前准备的内容，比如序列内ORFs等信息的填写，并根据之前的选项来填写该步骤，比如需要将DNA翻译为氨基酸序列并进行复制粘贴等，该步 *** 作只需将之前准备信息录入即可，比较耗时；

点击下方“ADD”键，页面将切换为↓

在这里我们需要录入更多与该序列有关的信息，最主要的就是录入之前已经整理好的序列里面的开放阅读框（ORF）信息：Genetic Code设置为”Standard“，5'和3'都勾选上，Protein Name/Protein Description项都填写，将特定区域（ORF）的核苷酸序列翻译为氨基酸序列后（除去末端的终止子）复制到下方的”Amino Acid Sequence“框中，依次录入即可。在这里越详细越好，具体参照实际 *** 作；

3.9 Review and Correct

对已填写信息进行复核及提交，并被告知在2个工作日之内会收到NCBI电邮，需要进一步对序列进行审查核对；

4.至此，基本序列提交已经完工，剩下的事情就是等待审核，大概两个工作日后会收到来自NCBI工作人员的电邮，如有问题会通知你进一步修改信息直到完全无误，包括以后的接受序列号，即你的序列会出现在NCBI里面世界上唯一的一个界面里。

许多期刊在文章发表之前需要在文章中有序列的登录号，并且要求你在文章发表时，序列可以被读者索取。

NCBI的GenBank提供了两个投递方式：

1、在线投递－BankIt，特点是比较方便。

2、本地投递文件生成程序——Sequin。目前NCBI seqin有MAC, PC和UNIX不同版本。其输出文件需要你通过电子邮件发给NCBI.

另外，上面所述一般适用于研究单个或多个功能基因的情况。如果大规模的测序如EST、 STS和GSS序列分别有专门的投递途径。

另外，提醒你的两个问题：

1、对你所投序列所属物种分类（拉丁名）要有所了解，这通常是出错的地方（seqin）

2、在你投递序列到发表文章之间，要注意NCBI发给你的电子邮件，它会询问你在什么时间将序列公布。

具体细节你可以浏览参考资料所指连接。

NCBI主页进入提交界面

选择基因组以及细胞器基因

登录以后正式进入提交流程，前四个提交都不是线粒体基因相关的，所以只能选第五个。

姓名，机构地址以及相关信息，电话+86（中国）

邮箱会有两个，会有一个Alternative Email，写不同的比较好，可以保证你一个邮箱出问题还有一个可以接收邮件。

第一个部分是序列作者

第二部分是文献引用，以及文献的作者，咱上传序列不是就为了发文章用嘛，写上这个文章就行。

根据自己实际情况选择就可以。测序方式，是否组装成序列，是的话还要写上用的什么软件组装。

最上面的是写数据释放时期，可以选择立即释放，如果选择延后释放的话，那就至少六个月以后。

下面就是分子数据类型，拓扑结构（线性，成环），是否是完整序列。然后上传序列信息就可以，上传文件和粘贴序列二选一就可以。

线粒体这块看选项，咱们也只能选第一个基因组DNA

这块建议写大家都先定到种再上传，这样这块就可以写上物种名（属名加种名）。如果没有定种，那写sp.也是可以的。

这里就两种类型一个就是自己数据自己组装序列，另一个就是使用第三方数据，你组装上传的序列。

这块不知道咋说了，除了上面写一下细胞器或者序列定位。剩下的都是添加一些零碎信息，坐标，海拔，收集时间，收集人，这些东西。自由发挥。

这部分我觉得是重头戏，线粒体基因序列的基因注释信息太重要了呀，没有这个就不知那一块是啥基因，这样后人使用就会很麻烦。

分为两个注释方式，

使用五列要素表如图下，记得选择文件以后要点一下2.Upload File，这是上传。（后面我会单独说一下五列要素表的格式）

上传以后NCBI会检查一下你上传的是否有问题，有问题的地方会警告。

底下接着是所有的注释特征可编辑。最底下是预览的gbk格式。

再确认一遍邮箱我觉得就可以完成提交。

其余都是具体情况再调整的。

最后完成提交，收工。

Feature Table File

https://www.ncbi.nlm.nih.gov/WebSub/html/help/feature-table.html

五列要素表我第一次接触是在mitoz的结果文件中有一个*.tbl文件，所以我后面使用时候也都这么写后缀，虽然不知是不是这个后缀。

格式要求：

1.五列说明：

2.跟gbk一样每一个基因都应该有两个特征一个是gene；另一个是tRNA，rRNA，CDS。

3.负链上基因特征起始和终止位置要跟gbk反过来，因为这里面没有complement（）可以用，所以反向那就把起始和终止位置写成实际位置，系统自动读取为负链

4.tRNA，rRNA，CDS都要有 product

CDS还要有 transl_table

特殊需要注释的使用 note

---