上传基因组数据到NCBI

1. ">" 和 第一个空格之间的内容是序列名。
2. header部分可以加入其它因素，比如：
organism [organism=Saccharomyces cerevisiae]
strain [strain=S288C]
isolate [isolate=CWS1]  # 代表在什么个体上获得的样品
chromosome [chromosome=XVI]
topology [topology=circular]
location [location=mitochondrion]
molecule [moltype=mRNA] (DNA is the default)
technique [tech=wgs]
protein name [protein=helicase]
genetic code [gcode=4]

1. 对每条序列的所有注释之前，有一行额外的内容，例如：
>Feature scaffold_1
该行内容后面的所有注释信息属于序列 scaffold_1 ，一定不能遗漏 Feature 这个单词，Feature 和 scaffold_1 用空格分隔。
 
 
2. 每个 feature 使用 5 行内容进行阐述，并分成 2 个部分。
第 1 部分是 feature 在序列上的结构信息。有 3 列，分别为该 feature 的起始位点、结束位点和 feature 名。若 feature 在正义链上，则起始位点 < 结束位点，若在负义链上，则起始位点 > 结束位点。若 feature 为断裂基因的 CDS 或 exon 等信息时，则有多行数据，但仅在其首行的第 3 列上显示 feature 名。
第 2 部分是 feature 的功能注释信息。使用第 4、5 列，前面有 3 个 tab 键。第 4 列对应 feature 的 qualifier，第 5 列是 qualifier 的值。 qualifier 是对 feature 的描述标签。如果有多个 qualifier 及其值，则用多行进行表示。
 
 
3. feature 和 qualifier 的具体标签名称参考http://www.insdc.org/documents/feature_table.html。
 
 
4. 常用的 feature 名称有：gene, mRNA, CDS, exon, 5'UTR, 3'UTR, tRNA, rRNA, ncRNA 等。其中 ncRNA 是指除了 tRNA 和 rRNA 以外的其余 ncRNA。
 
 
5. gene 的 qualifier 标签一般是 gene, 第 5 列使用基因组系统化的 geneID。 mRNA 和 CDS 的 qualifier 标签一般使用 product，第 5 列是 Nr 注释的结果。exon 的 qualifier 标签一般使用 number，其值为 1,2,3... 。 UTR 的 qualifier 标签可以使用 note。 tRNA 和 rRNA 的 qualifier 标签一般使用 product，第 5 列是相应种类的 RNA 名称。ncRNA 的 qualifier 标签中必须有 ncRNA_class，第 5 列则是 ncRNA 的类别，比如 miRNA, siRNA, scRNA 等。此外，可以使用 note 作为 qualifier 的标签，其值可随意标示。
 
 
6. mRNA 和 CDS 的 product 的取值，使用 Nr 注释的最优结果。最优结果如果包含 "hypothetical protein" 、 "predicted protein" 、 "unknown" 、 "partial"  或 "homolog" 时，则需要取其它注释结果，或采取一定的措施了。

tbl2asn -t C001.sbt -p ./ -a s -V vb
# -a s 一个fasta文件有多条序列时，使用此参数配置。
# -V vb v表示对输入的数据进行验证，生成 2 个 .val 的文件；-b 生成GeneBank格式的文本文件，以 .gbf 为后缀。
# 运行完毕后需要查看 val 文件，其中有很多错误与警示信息。 有些蛋白质序列不是以 M 开头，会在此处提示 ERROR 。尽量排除除此之外的错误和警告。