Formato GenBank

FORMATO GENBANK
Formato más completo que presenta tres secciones: Definición, Características y

Secuencia. En definición podemos ver información acerca de la longitud, número de
acceso, anotación y referencias bibliográficas donde aparece. En características tenemos
información sobre la secuencia codificante, secuencia de aminoácidos y otras
características (como dominios proteicos, exones e intrones). En la de secuencia
aparecen las coordenadas iniciales de cada línea seguida por la secuencia nucleotídica.
El formato acaba en //. Un ejemplo de secuencia en formato GenBank:
https://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html
¿Qué es GenBank?
GenBank es una base de datos de secuencias genéticas de acceso abierto

administrada por el NCBI (Centro Nacional para la Información sobre Biotecnologías),
a su vez parte del NHI (Instituto Nacional de Salud) de los Estados Unidos de América.
Como tal, proporciona acceso a la colección anotada de todas las secuencias de ADN de
dominio público. GenBank es una de las tres integrantes del INSDC (Colaboración
Internacional de Bases de Datos de Secuencias de Nucleótidos), junto con el DDBJ
(DNA DataBank de Japón) y el ENA (Archivo Europeo de Nucleótidos). Estas tres
organizaciones intercambian datos de forma diaria.
En funcionamiento desde 1982, en la actualidad GenBank recibe secuencias

obtenidas en laboratorios de todo el mundo, procedentes de más de 100.000 organismos
vivos distintos. En los últimos años ha tenido un crecimiento exponencial, doblando su
tamaño aproximadamente cada 18 meses (nótese la escala logarítmica del tamaño de la
base de datos):
Figura 1. Crecimiento exponencial de la basa de datos desde 1982.

GenBank hace público su contenido a través de lanzamientos (releases), que tienen
lugar cada dos meses. A la fecha de la redacción de este resumen, el lanzamiento más
reciente es el número 224, con un tamaño de 256,63 Gbp.
Búsquedas en GenBank.
GenBank proporciona tres bases de datos sobre las que realizar consultas:
Nucleotide, Genome Survey Sequence (GSS) y Expressed Sequence Tag (EST). Si bien
todas ellas contienen secuencias de ácidos nucleicos, GSS contiene secuencias cortas sin
caracterizar y EST secuencias de ADNc (ADN complementario). Una búsqueda en
cualquiera de las tres bases de datos proporciona enlaces a los resultados en las otras
dos. Salvo que se sepa de antemano que se buscan secuencias típicas de GSS o EST, los
mejores resultados se obtendrán en Nucleotide, a partir de consultas de texto y el uso de
los filtros.
Para las búsquedas de texto, se pueden emplear los nombres y símbolos de genes y
proteínas directamente. Además, se puede buscar el nombre de autor o persona que
envió las muestras o los identificadores propios de la base de datos, como los números
gi (gi numbers) o de accesión (accession). Si se desean consultas más complejas están
disponibles operadores típicos en buscadores de texto, como son las comillas dobles
para buscar una frase exacta, o los operadores AND, OR y NOT.
Para facilitar la construcción de estas búsquedas complejas se dispone de un

constructor avanzado de consultas, en la que se pueden añadir de manera visual distintos
criterios (autor, organismo, nombre del gen, fecha, especie, raza… así hasta 32) y
relacionarlos entre sí mediante los operadores AND, OR y NOT:
Figura 2. Consultor para la búsqueda avanzada.
Cabe destacar que cualquiera de los tres métodos de búsqueda que empleemos
(cadena de búsqueda, constructor avanzado de consultas o filtrado de resultados)
quedará finalmente reducido a una cadena de búsqueda. Para el usuario avanzado, con
un conocimiento profundo de los operadores y los dominios de búsqueda, es posible que
la forma más eficaz de realizar consultas sea directamente mediante dichas cadenas.
Para un usuario menos experimentado, sin duda los mejores resultados se obtendrán a
partir del filtrado y refinamiento sucesivo. En cualquiera de los casos, la cadena de
búsqueda obtenida al final será especialmente útil a la hora de referenciar o compartir
una búsqueda específica.
Filtrado y ordenación de los resultados.
Una vez obtenidos los resultados de búsqueda, podemos filtrarlos conforme a varios
criterios para afinar mejor nuestra consulta. Los listaremos a continuación, para ilustrar
su uso mediante un sencillo ejemplo más adelante:
Por especie (species): GenBank nos muestra por defecto los reinos
biológicos (animales, plantas, hongos, protistas, arqueas, bacterias y virus)
sobre los que existen resultados para nuestra consulta. Además de esta
selección rápida, podemos personalizar estos enlaces para mostrar cualquier
otra familia, género o especie que nos interese. De manera adicional, en la
parte derecha de la pantalla tenemos un listado de los principales organismos
con resultados para la búsqueda actual (Top Organisms), que podemos
emplear también como filtro.
Por tipo de molécula (molecule type): nos permite seleccionar entre
ADN/ARN genómico y otras variantes de RNA no genómico (mensajero,
complementario, no codificante, ribosómico, de transferencia o transcrito).
Por tipo de enzima (enzyme type): cuando proceda, podremos seleccionar
entre hidrolasas, isomerasas, ligasas…
Por base de datos de origen (source databases): podemos elegir entre
varios orígenes de datos, como el propio GenBank, el DDBJ de Japón, etc.
Por compartimento genético (genetic compartments): muy útil cuando
estemos buscando secuencias de origen extracromosómico (halladas en
cloroplastos, mitocondrias, plásmidos o plastos).
Por rango de longitud (sequence length) de las secuencias resultado,
expresado en pares de bases (bp).
Por fecha de lanzamiento (release date) o de revisión (revision date).
Por campos de búsqueda (search fields): podemos elegir sobre qué campos
queremos que se efectúe la búsqueda textual que hemos introducido.
Figura 3. Inicio de la página de búsqueda.
Por defecto se muestran 20 resultados por página, en formato resumen. Podemos

seleccionar distintos tamaños de página (entre 5 y 200), y distintos criterios de
ordenación (por accesión, fechas de lanzamiento y modificación, nombre del
organismo, identificador o longitud de la secuencia). Además, podemos elegir distintos
formatos para el resumen mostrado en el listado de resultados, de acuerdo con varios
estándares (GenPept, FASTA, ASN…).
Acceso a GenBank.
Hay varias formas de buscar y recuperar datos de GenBank.
 Busque en GenBank identificadores de secuencia y anotaciones con Entrez

Nucleotide .
 Busque y alinee las secuencias de GenBank con una secuencia de consulta
utilizando BLAST (Herramienta básica de búsqueda de alineación
local). Consulte la información de BLAST para obtener más información
sobre las numerosas bases de datos de BLAST.
 Busque, vincule y descargue secuencias programáticamente utilizando las
utilidades electrónicas de NCBI .
 Los formatos ASN.1 y flatfile están disponibles en el servidor FTP anónimo
deNCBI: ftp://ftp.ncbi.nlm.nih.gov/ncbiasn1 y ftp://ftp.ncbi.nlm.nih.gov/
genbank.
Ejemplo de búsqueda.
Supongamos que queremos encontrar información sobre el gen CD4 (responsable de
la expresión del antígeno CD4, fundamental para el funcionamiento del sistema
inmunitario) obtenido en muestras de perros (canis lupus familiaris). Podemos
comenzar con una búsqueda del texto ‘CD4’ en la base de datos por defecto
(Nucleotide), lo que nos devuelve un listado con más de 75000 resultados; observar
figura 4:
Figura 4. Búsqueda del texto “CD4”.
Como solo estamos interesados en una especie en concreto (perros), emplearemos el

filtrado por especie. Entre las opciones por defecto no se encuentra algo tan específico,
así que dentro de la sección Species de la columna izquierda haremos click en enlace
Customize… Ver figura 5.
Figura 5. Búsqueda específica de una especie de la búsqueda anterior.
Buscaremos ‘Canis lupus familiaris’ y lo añadiremos a nuestros enlaces de búsqueda.

Una vez hecho esto lo seleccionaremos, lo que reducirá nuestros resultados a tan solo
15. Estamos interesados en un gen, de modo que podemos afinar aún más nuestra
búsqueda filtrando por tipo de molécula y seleccionando ‘ADN/ARN genómico’. Hecho
esto, habremos reducido los resultados a 4. Ver figura 6.
Figura 6. Búsqueda ‘Canis lupus familiaris’ y lo añadiremos a nuestros enlaces de búsqueda.
Como hemos comentado antes, todos los métodos de búsqueda acaban reducidos a
una cadena y diversos operadores. Como puede verse en la caja de texto de la columna
derecha, el mismo resultado podría haberse obtenido buscando directamente la siguiente
cadena:
CD4[All Fields] AND ("Canis lupus familiaris"[Organism] AND

biomol_genomic[PROP])
Esta cadena puede introducirse directamente en el buscador de texto, o construirla

con el interfaz avanzado. Examinar estas cadenas según se hace uso de los filtros es una
buena manera de familiarizarse con los operadores y dominios de búsqueda.
Consumo de los resultados.
Además de consultar por pantalla los detalles de cada resultado de búsqueda (lo que
no tiene mucho sentido para secuencias del orden de millones de pares de bases), desde
el listado de resultados podemos seleccionar aquellos que nos interesen y enviarlos a un
destino de datos:
En primer lugar, podemos elegir qué información queremos seleccionar: el registro

completo (Complete Record), solo las secuencias codificantes (Coding Sequences) o las
características de los genes (Gene Features). Una vez hecho esto, tenemos cuatro
destinos posibles:
 Fichero (File), que se descagará nuestro navegador.

 Copiar en el portapapeles (Clipboard), para pegar posteriormente en alguna
otra aplicación.
 Añadir a nuestras colecciones (Collections). Se requerirá que estemos
registrados en la plataforma para emplear esta característica.
 Herramienta de análisis (Analysis Tools), donde podremos enviar las
secuencias seleccionadas a BLAST (Basic Local Alignment Search Tool), la
herramienta de alineamiento de secuencias del NCBI.
Siguiendo nuestro ejemplo anterior, si quisiéramos almacenar en disco las secuencias

completas obtenidas al final de nuestra búsqueda, haríamos lo siguiente:
∞ Seleccionar aquellos resultados que queramos

exportar. Si no seleccionamos ninguno, se
entenderá que queremos exportarlos todos.
∞ Hacer click en Send To:, elegir Complete

Record y File.
∞ Elegir el formato GenBank (full).

Figura 7. Búsqueda completa.
∞ Hacer click en Create File. Ver figura 7.

Como resultado, obtendremos un fichero de algo más de 100 Mb con las secuencias
completas en el formato seleccionado (Ver figura 8):
Figura 8. Resultado de la búsqueda de secuencias con más de 100 Mb.
Uso de datos de GenBank.
La base de datos GenBank está diseñada para proporcionar y fomentar el acceso

dentro de la comunidad científica a la información de secuencias de ADN más
actualizada y completa. Por lo tanto, NCBI no impone restricciones sobre el uso o la
distribución de los datos de GenBank. Sin embargo, algunos remitentes pueden
reclamar patentes, derechos de autor u otros derechos de propiedad intelectual sobre la
totalidad o una parte de los datos que han enviado. El NCBI no está en condiciones de
evaluar la validez de dichas afirmaciones y, por lo tanto, no puede proporcionar
comentarios ni autorizaciones ilimitadas con respecto al uso, la copia o la distribución
de la información contenida en GenBank.
Confidencialidad.
A algunos autores les preocupa que la aparición de sus datos en GenBank antes de su
publicación comprometa su trabajo. GenBank, previa solicitud, retendrá la publicación
de nuevos envíos durante un período de tiempo específico. Sin embargo, si el número de
acceso o los datos de secuencia aparecen impresos o en línea antes de la fecha
especificada, se publicará su secuencia. Para evitar el retraso en la aparición de los datos
de secuencias publicados, instamos a los autores a que nos informen de la aparición de
los datos publicados. Tan pronto como esté disponible, envíe los datos completos de la
publicación (todos los autores, título, revista, volumen, páginas y fecha) a la siguiente
dirección: [email protected]

Formato GenBank

Cargado por

Copyright:

Formatos disponibles

Formato GenBank

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Formato GenBank

Cargado por

Copyright:

Formatos disponibles

FORMATO GENBANK

Formato más completo que presenta tres secciones: Definición, Características y

GenBank es una base de datos de secuencias genéticas de acceso abierto

En funcionamiento desde 1982, en la actualidad GenBank recibe secuencias

Figura 1. Crecimiento exponencial de la basa de datos desde 1982.

Para facilitar la construcción de estas búsquedas complejas se dispone de un

Figura 2. Consultor para la búsqueda avanzada.

Filtrado y ordenación de los resultados.

Figura 3. Inicio de la página de búsqueda.

Por defecto se muestran 20 resultados por página, en formato resumen. Podemos

Hay varias formas de buscar y recuperar datos de GenBank.

 Busque en GenBank identificadores de secuencia y anotaciones con Entrez

Figura 4. Búsqueda del texto “CD4”.

Como solo estamos interesados en una especie en concreto (perros), emplearemos el

Figura 5. Búsqueda específica de una especie de la búsqueda anterior.

Buscaremos ‘Canis lupus familiaris’ y lo añadiremos a nuestros enlaces de búsqueda.

Figura 6. Búsqueda ‘Canis lupus familiaris’ y lo añadiremos a nuestros enlaces de búsqueda.

CD4[All Fields] AND ("Canis lupus familiaris"[Organism] AND

Esta cadena puede introducirse directamente en el buscador de texto, o construirla

Consumo de los resultados.

En primer lugar, podemos elegir qué información queremos seleccionar: el registro

 Fichero (File), que se descagará nuestro navegador.

Siguiendo nuestro ejemplo anterior, si quisiéramos almacenar en disco las secuencias

∞ Seleccionar aquellos resultados que queramos

∞ Hacer click en Send To:, elegir Complete

∞ Elegir el formato GenBank (full).

∞ Hacer click en Create File. Ver figura 7.

Uso de datos de GenBank.

La base de datos GenBank está diseñada para proporcionar y fomentar el acceso

También podría gustarte