介紹

Taxonomy : NCBI公共序列數(shù)據(jù)庫中所有生物的策劃分類和命名法。目前包含地球上大概10%的物種。 我們現(xiàn)在查詢到底包含有有多少物種，進入統(tǒng)計頁面：?？梢钥吹讲煌姆诸愊碌姆植记闆r，總體包含有597658條物種信息。

查詢某個物種的全部核酸序列和蛋白序列

1. 進入 NCBI 首頁

2. 點擊Taxonomy，進入物種分類數(shù)據(jù)庫

3. 進入 Taxonomy 首頁，輸入human，點擊Search

4. 瀏覽該物種下的核酸序列或蛋白序列，直接點擊Nucleotide或者Protein

   

5. 瀏覽核酸序列列表，數(shù)量遠遠超過了所預想的數(shù)量，因為這里包含的是與 Nucleotide 相關的該物種的信息

6. 選擇左欄的Viruses切換顯示物種，可以看到有好多病毒的整合位點信息。你也可以點擊左欄來篩選其他你想要的信息，比如mRNA。

   

查看某個物種的其他信息（蛋白結構，基因，測序數(shù)據(jù)，相關文獻等）

https://www.ncbi.nlm./Taxonomy/Browser/wwwtax.cgi?mode=Root

1. 進入首頁，我們以人類為例：輸入human，點擊Go

   

2. 點擊Homo sapiens

3. 大家會看到在NCBI中關于人類的目前幾乎全部的生物數(shù)據(jù)。左欄顯示人類拉丁名Homo sapiens，Taxonomy編號為txid9606，基因密碼子表，線粒體密碼子表等。

右欄展示與人相關的數(shù)據(jù)，常用的包括

• Nucleotide: 核酸序列
• Protein: 蛋白序列
• Structure: 蛋白結構（大部分來源于PDB數(shù)據(jù)庫）
• SNP: 單位點突變數(shù)據(jù)
• GEO Datasets/SRA Experiments/GEO Profiles: 用于儲存公共測序數(shù)據(jù)，這個包含之前的芯片數(shù)據(jù)，也有目前大部分的高通量測序
• PubMed Central: 文獻
• Gene: 基因信息

Taxonomy 編號在查詢和標注信息時候常常用到，比如，在Nucleotide中查詢現(xiàn)代智人的時候：

Taxonomy 的相關數(shù)據(jù)下載

ftp://ftp.ncbi./pub/taxonomy/

1. gi_taxid 標識的數(shù)據(jù)

NCBI早在2016年已經(jīng)宣布逐漸停用，這部分信息不再關注

2. taxcat 標識的數(shù)據(jù)

ncbi提供有不同格式的壓縮包，解壓后都只有一個categories.dmp文件。打開該文件，包含三列信息，三列代表的不同的分類層次。

• 第一列：代表分類的頂級類別(top-level category)，字母分別代表不同分類名（古菌，細菌，真核生物，病毒和類病毒，未分類，其他）

  A = Archaea
  B = Bacteria
  E = Eukaryota
  V = Viruses and Viroids
  U = Unclassified
  O = Other

• 第二列：相應的物種級別(species-level)的taxid

• 第三列：taxid本身

以尼安德特人（taxid：63221）為例

查看categories.dmp文件（下面命令代表去categories文件中查找63221并顯示）:

cat categories.dmp | grep 63221

結果如下，第一行即為63221（taxid）代表尼安德特人：

我們現(xiàn)在可以描述尼安德特人（taxid：63221）屬于真核生物（E）里的智人（taxid：9606）類的一個分支。

3. taxdump 標識的數(shù)據(jù)

同樣提供不同格式的壓縮包，解壓gunzip -c taxdump.tar.gz | tar xf -后包含7個文件:

• citations.dmp：與某個物種（taxid表示）的文獻信息：

  

  • it_id ：the unique id of citation
  • cit_key：citation key
  • medline_id：unique id in MedLine database (0 if not in MedLine)
  • pubmed_id：unique id in PubMed database (0 if not in PubMed)
  • url：URL associated with citation
  • text ：any text (usually article name and authors)
    ：The following characters are escaped in this text by a backslash:
    ：newline (appear as “\n”),
    ：tab character ("\t"),
    ：double quotes (’"’),
    ：backslash character ("\").
  • taxid_list：list of node ids separated by a single space

• names.dmp：存儲 taxid 對應的物種名信息

  

  • tax_id：the id of node associated with this name
  • name_txt：name itself
  • unique name：the unique variant of this name if name not unique
  • name class：(synonym, common name, …)

• nodes.dmp：存儲 taxid對應的多級節(jié)點信息

  

  • tax_id：node id in GenBank taxonomy database
  • parent tax_id：parent node id in GenBank taxonomy database
  • rank：rank of this node (superkingdom, kingdom, …)
  • embl code：locus-name prefix; not unique
  • division id：see division.dmp file
  • inherited div flag (1 or 0)： 1 if node inherits division from parent
  • genetic code id：see gencode.dmp file
  • inherited GC flag (1 or 0)： if node inherits genetic code from parent
  • mitochondrial genetic code id： – see gencode.dmp file
  • inherited MGC flag (1 or 0)： – 1 if node inherits mitochondrial gencode
  • GenBank hidden flag (1 or 0) ： – 1 if name is suppressed in GenBank entry
  • hidden subtree root flag (1 or 0) ： – 1 if this subtree has no sequence data yet
  • comments：free-text comments and citations

• delnodes.dmp：已經(jīng)刪除不用的節(jié)點信息

  

• division.dmp：

  

  • division id：taxonomy database division id
  • division cde：GenBank division code (three characters)
  • division name：e.g. BCT, PLN, VRT, MAM, PRI…
  • comments

• gencode.dmp：密碼子表信息

  

  • genetic code id：GenBank genetic code id
  • abbreviation：genetic code name abbreviation
  • name：genetic code name
  • cde：translation table for this genetic code
  • starts：start codons for this genetic code

• merged.dmp：記錄新taxid替換舊taxid的信息

  

  • old_tax_id：id of nodes which has been merged
  • new_tax_id：id of nodes which is result of merging
  • 
    
  • 常用物種拉丁文名稱
    
  • Homo sapiens (human，人)
    
  • Mus musculus (mouse，小鼠 )
    
  • Xenopus laevis (frog ，爪蟾 )
  • Danio rerio (zebrafish，斑馬魚 )
    
  • Drosophila melanogaster (fruit fly ，果蠅 )
    
  • Caenorhabditis elegans (nematode，線蟲 )
    
  •  Escherichia coli (colibacillus ，大腸桿菌 )
  •  Saccharomyces cerevisiae (yeast，酵母 )
    
  • 
    
  • Arabidopsis thaliana (thale cress，擬南芥 )
  • Oryza sativa (rice，水稻 )
    
  • Triticum aestivum (wheat，小麥 ) 
  • Hordeum vulgare (barley，大麥 )
  • Glycine max (soybean，大豆 )
  • Medicago truncatula (barrel medic，蒺藜狀苜蓿 ) Chlamydomonas reinhardtii (Chlorophyta ，萊因哈德衣藻 )
  • 
    
  • Helicobacter pylori （H.pylori，幽門螺旋桿菌）
  • Ciona intestinalis (sea squirt，海膽 )
    
  • Anopheles gambiae (malaria mosquito，按蚊 )
    
  • Takifugu rubripes (pufferfish ，河豚 )
  •  Macaca mulatta (monkey，恒河猴 )
    
  • Mesocricetus auratus (hamster，倉鼠 )
  • Rattus norvegicus (rat，大鼠 )
    
  •  Ciona intestinalis (sea squirt，海鞘 )