向GenBank提交基因组数据
文章目录
向NCBI提交基因组数据的关键在于提供符合NCBI规范的注释信息。NCBI要求其专门的5列的注释形式，以.tbl文件提供。当时该文件的生成比较
获取locus_tag
locus_tag其实是一个定位的标签，指向所提交基因组信息的BioProject与BioSample组合。在申请完成BioProject与BioSample后，会在NCBI返回的邮件中告知。若没有收到，也可以邮件向NCBI询问。
准备序列文件
Fasta文件
如果没有基因组的注释信息，则可以直接提交fasta文件。
.sqn文件
具有注释信息的基因组序列，应当以.sqn文件提交。
准备.sqn文件需要的
- 序列fasta文件
- 数据提交方和出版方信息的模板文件
- 注释文件
- 序列质量文件（可选）
其中，最关键的注释文件，可以以NCBI要求的5列的列表文件给出。现在，可以通过比较常见的gtf或gff文件形式给出，使用table2asn_GFF工具整合注释信息。
校验注释文件完整规范
通过genometools提供的gff工具可检验gff文件是否符合规范。
GenBank对注释信息的要求
- GFF3/GTF文件中第一列的序列名称必须与fasta文件中的序列名称一致
- contig, supercontig, chromosome 等信息并不必要，而且在整合过程中被忽略。
- gene和mRNA注释可以提供，但不是必须。只有CDS信息是必须的，而其他信息会根据CDS信息自动生成。
准备注释信息
检验报错信息
报错处理
发现的错误往往包括许多类型。但应当保证其中没有ERROR