轉自：http://www.biotrainee.com/thread-411-1-1.html

常用數據庫 ID

ID 示例	ID 來源
ENSG00000116717	Ensemble ID
GA45A_HUMAN	UniProtKB/Swiss-Prot, entry name
A5PJB2_BOVIN	UniProtKB/TrEMBL, entry name
A2BC19, P12345, A0A022YWF9	UniProt, accession number
GLA, GLB, UGT1A1	HGNC Gene Symbol
U12345, AF123456	GenBank, NCBI, accession number
NT_123456, NM_123456, NP_123456	RefSeq, NCBI, accession number
10598, 717	Entrez ID, NCBI
uc001ett, uc031tla.1	UCSC ID

Ensembl stable IDs

Ensembl stable ID 的結構是根據不同物種設置的前綴, 加上數據所指的類型, 如基因蛋白質, 再加上一系列的數字. 有的時候可以有不同的版本, 則在 Ensembl ID 后面加上小數點和版本號.
常用物種前綴

前綴	學名
ENSCEL	Caenorhabditis elegans (Caenorhabditis elegans)
ENSCAF	Canis lupus familiaris (Dog)
ENSDAR	Danio rerio (Zebrafish)
FB	Drosophila melanogaster (Fruitfly)
ENS	Homo sapiens (Human)
ENSMUS	Mus musculus (Mouse)
ENSRNO	Rattus norvegicus (Rat)
ENSXET	Xenopus tropicalis (Xenopus)

類型前綴

前綴	類型
E	exon
FM	Ensembl protein family
G	gene
GT	gene tree
P	protein
R	regulatory feature
T	transcript

UniProt

UniProt 中錄入的數據都被分配了一個唯一的 entry name.

UniProtKB/Swiss-Prot entry name
UniProtKB/Swiss-Prot entry name 是最多有 11 位包含大寫字母的字符串, 一般有著 "X_Y" 的形式, 其中 "X" 是最多五個便于記憶的蛋白質編號, "_" 是下劃線, "Y" 是最多五個便于記憶的物種編號.

蛋白質編號示例如下:

Code(X)	Recommended protein name	Gene name
B2MG	Beta-2-microglobulin	B2M
HBA	Hemoglobin subunit alpha	HBA1
INS	Insulin	INS
CAD17	Cadherin-17	CDH17

物種編號示例如下:

Code	Species
BOVIN	Bovine
CHICK	Chicken
ECOLI	Escherichia coli
HORSE	Horse
HUMAN	Homo sapiens
MAIZE	Maize (Zea mays)
MOUSE	Mouse
PEA	Garden pea (Pisum sativum)
PIG	Pig
RABIT	Rabbit
RAT	Rat
SHEEP	Sheep
SOYBN	Soybean (Glycine max)
TOBAC	Common tobacco (Nicotina tabacum)
WHEAT	Wheat (Triticum aestivum)
YEAST	Baker’s yeast (Saccharomyces cerevisiae)

UniProtKB/TrEMBL entry name
UniProtKB/TrEMBL entry name 是最多 16 位包含大寫字母的字符串, 一般有著 "X_Y" 的形式, 其中 "X" 是
6 到 10 個字符組成的 accession number, "_" 是下劃線, "Y" 是最多五個便于記憶的物種編號.

Accession Number
UniProtKB 的 Accession Number 相當于數據庫的主鍵, 由 6 到 10 個大寫字母或者數字組成. 其構成規律為:
[OPQ][0-9][A-Z0-9]{3}[0-9]|[A-NR-Z][0-9]([A-Z][A-Z0-9]{2}[0-9]){1,2}
實際上, accession number 是三種類型:

1	2	3	4	5	6	7	8	9	10
[O P Q]	[0-9]	[A-Z 0-9]	[A-Z 0-9]	[A-Z 0-9]	[0-9]
[A-N R-Z]	[0-9]	[A-Z]	[A-Z 0-9]	[A-Z 0-9]	[0-9]
[A-N R-Z]	[0-9]	[A-Z]	[A-Z 0-9]	[A-Z 0-9]	[0-9]	[A-Z]	[A-Z 0-9]	[A-Z 0-9]	[0-9]

如果一個條目被分成兩個, 或者多個條目合成一個, 則有相應的 accession number 繼承規則.

HUGO Gene Nomenclature Committee
Gene Symbol
Gene Symbol 是用來表示基因的編碼, 由大寫字母構成, 或由大寫字母和數字構成, 首字母均應該是字母.
如: GLA "galactosidase, alpha"; GLB "galactosidase, beta"; UGT1A1 "UDP
glycosyltransferase 1 family, polypeptide A1" 再到 UGT1A13 代表了 13 個不同的
gene symbol.

NCBI
GenBank Accession Number
GenBank 的通用 accession number 通常是由一個大寫字母加上 5 個數字的組合, 或者兩個大寫字母加上 6 個數字的組合.
RefSeq Accession Number
RefSeq 有一套特殊的 Accesion Number. 形式是: [A-Z]{2}[_][0-9]{6:}, 兩個大寫字母, 一個下劃線, 6 個或更多的數字.

Accession 前綴	類型	說明
AC_	Genomic	Complete genomic molecule, usually alternate assembly
NC_	Genomic	Complete genomic molecule, usually reference assembly
NG_	Genomic	Incomplete genomic region
NT_	Genomic	Contig or scaffold, clone-based or WGS
NW_	Genomic	Contig or scaffold, primarily WGS
NS_	Genomic	Environmental sequence
NZ_	Genomic	Unfinished WGS
NM_	mRNA
NR_	RNA
XM_	mRNA	Predicted model
XR_	RNA	Predicted model
AP_	Protein	Annotated on AC_ alternate assembly
NP_	Protein	Associated with an NM_ or NC_ accession
YP_	Protein
XP_	Protein	Predicted model, associated with an XM_ accession
ZP_	Protein	Predicted model, annotated on NZ_ genomic records

WGS: Whole Genome Shotgun sequence data, 鳥槍法測序.

Entrez ID
Entrez 是 NCBI 使用的能夠對眾多數據庫進行聯合搜索的搜索引擎, 其對不同的 Gene 進行了編號, 每個 gene 的編號就是
entrez gene id. 由于 entrez id 相對穩定, 所以也被眾多其他數據庫, 如 KEGG 等采用. Entrez Gene
ID 就是一系列數字, 也比較容易辨識. R 或網站都有眾多的工具可以幫助從不同的 ID 轉換為 entrez id 或者反向轉換.

UCSC ID
UCSC ID 由小寫字母和數字構成, 起始均為 uc, 然后是三位數字, 接著又是三位小寫字母, 最后有小數點和數字構成版本號.
如: uc010qfk.3, uc010qfk.3.

總結

以上是生活随笔為你收集整理的常用数据库ID格式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。