一、NCBI数据库简介
NCBI，全称为美国国家生物技术信息中心（National Center for Biotechnology Information），是美国国立卫生研究院（National Institutes of Health）的一个部门。NCBI成立于1988年，旨在促进生物医学研究，通过收集、存储和提供生物医学信息来加速科学和健康进步。
NCBI提供多种数据库和工具，用于研究遗传学、分子生物学和生物信息学等领域。其中最著名的数据库包括GenBank（一个公开的核酸序列数据库）、PubMed（一个医学文献数据库）、Protein（蛋白质序列数据库）和SNP（单核苷酸多态性数据库）等。
NCBI还开发了多种在线工具，如BLAST（基本局部对齐search工具），用于比较生物序列，当你只有一段DNA、RNA或蛋白序列的时候，你想知道它是什么，这时候BLAST：Basic Local Alignment Search Tool （http://nih.gov）就是一个很好的工具，BLAST能够快速比较核酸或蛋白质之间的相似性，帮助你快速找到相似的基因或者蛋白。这些资源对于研究人员、医生、学生和公众来说都是免费可用的，极大地促进了生物医学研究和教育。
二、NCBI数据库怎么用呢？
NCBI数据库是一个提供广泛生物医学信息的综合资源库，涵盖了基因、RNA、蛋白质序列等多个领域。NCBI收录了70000多种生物的核苷酸序列，每条纪录都有编码区（CDS）特征的注释，还包括氨基酸的翻译。与专注于基因组检索的Ensembl数据库相比，NCBI的数据库内容更为广泛和综合。NCBI提供了多达36种不同的数据检索及分析工具，其主页面显示了不同的功能分区，以下是一个简要的使用教程：
1.访问NCBI官网：首先，打开浏览器并输入http://www.ncbi.nlm.nih.gov，进入NCBI的主页。
2.search文献：在主页的search框中输入您感兴趣的关键词，例如疾病名称、基因名称或特定的生物化学物质等。点击“Search”按钮进行search。
3.浏览search结果：search结果会列出相关的文献、基因、蛋白质等信息。您可以点击相应的链接查看详细信息。
4.使用PubMed：PubMed是NCBI提供的一个免费的文献检索系统。在主页上点击“PubMed”链接，进入PubMed search界面。您可以使用布尔运算符（AND，OR，NOT）来组合关键词进行更精确的search。
5.查找基因信息：在主页上点击“Gene”链接，进入基因数据库。在这里您可以search特定的基因，并获取其序列、功能、表达等信息。
6.查找蛋白质信息：点击“Protein”链接，进入蛋白质数据库。您可以search特定的蛋白质，了解其结构、功能、相互作用等信息。
7.使用BLAST：在主页上点击“BLAST”链接，选择合适的BLAST程序进行序列比对。
8.注册账号：为了使用一些高级功能，如保存search历史、创建个性化的工作区等，您可以在主页上注册一个NCBI账号。
9.学习资源：NCBI提供了许多学习资源，包括教程、视频、FAQ等，帮助用户更好地使用数据库。您可以在主页上找到这些资源。
三、如何查找CDS和蛋白序列？
进入NCBI网站，选择“Gene”，在search框中输入感兴趣的基因的名称、基因ID或相关的生物物种，以“P53”为例。
点击“search”按钮，系统会显示与您的查询相关的数据库条目列表，选择对应的物种，以“human”为例。
点击对应物种基因名，系统会显示与您的查询相关的数据库条目列表。包括基因的Summary、Genomic context和Genomic regions, transcripts, and products等。
在search结果中，找到“Genomic regions, transcripts, and products”条目，该页面显示了基因所有对应的转录本ID和蛋白ID，根据需求选择对应转录本，一般推荐MANE Select（MANE数据旨在收录和整理人类基因的转录本注释信息，并且提供编码基因最具代表性转录本和相应的蛋白质。）鼠标悬浮在转录本上，在转录本信息里可以看到“Status：MANE Select”。
另外，转录本的选择一般有两种思路，一种是一般认为每个基因在“NCBI Reference Sequences(RefSeq)”条目里显示的转录本1是研究最多的，可以从转录本编号后边的“.几”来判断该转录本更新的次数，更新的次数越多代表该转录本研究的越多；另一种则是选择众多mRNA转录本中最长的转录本（longest isoform）。
鼠标悬浮在第一个转录本上，会出现该转录本的详细信息，如Location:complement（7,668,421..7,687,490）、CDS length：1182 nt和Protein length：393 aa等。
您可以在页面上找到“Links & Tools”条目，点击“CCDS：CCDS11118.1”，进入相应的详细页面，找到“Nucleotide Sequence（1182 nt）即CDS序列”，找到“Translation（393 aa）即蛋白序列”。
另外，在基因相关信息页面，下拉找到“NCBI Reference Sequences(RefSeq)”条目，在“mRNA and Protein(s)”里可以看到有不同的转录本，其中mRNA一般是“NM”开头，非编码RNA一般以“NR”开头，还有一种“XM”开头是生物信息预测的转录本。“NP”开头表示蛋白质，“NC”开头表示基因。
找到想要的“NM”开头的转录本号和“NP”开头的蛋白号，点击进入，即可看到基因详细信息。
下滑找到“CDS”，点击，即可看到CDS序列，可以直接复制或者点击右下角“FASTA”再复制。
蛋白序列同理，下滑找到“Protein”，点击即可直接复制或者点击右下角“FASTA”再复制。
四、如何查找启动子序列？
进入NCBI网站，选择“Gene”,在search框中输入感兴趣的基因的名称、基因ID或相关的生物物种，以“P53”为例。
点击“search”按钮，系统会显示与您的查询相关的数据库条目列表，选择对应的物种，以“human”为例。
向下翻动页面，找到“Genomic context”条目，此时注意查看基因的方向，P53基因方向为反向。
向下翻动页面，找到“Genomic regions, transcripts, and products”条目，点击FASTA。
进入基因序列详情页，在右侧“Selected region”选项中把from7668421to7687490改为from7687491to7689491（启动子序列一般默认为基因上游2000bp，由于P53基因方向为反向，而NCBI默认的基因方向为正向，故选择在基因位置最大值上加2001，若基因方向为正向，则选择在基因位置最小值上减2001）。
点击“Update View”，所得序列即为P53基因启动子区域序列。
五、如何查找基因的5’UTR和3’UTR序列？
进入NCBI网站，选择“Gene”,在search框中输入感兴趣的基因的名称、基因ID或相关的生物物种，以“GAPDH”为例。
点击“search”按钮，系统会显示与您的查询相关的数据库条目列表，选择对应的物种，以“human”为例。
向下翻动页面，找到“Genomic regions, transcripts, and products”条目，点击“Tools”。
选择“Tools”中的“sequence text view”选项，点击后能看到基因的序列信息。
显示出来的结果应该怎么看？（这里标记的颜色是网站自动给出来的。）
蓝色标记序列代表的是5’UTR或3’UTR。红色标记序列代表的是外显子，因为外显子要翻译成氨基酸，所以下面会给出对应的氨基酸序列。绿色标记序列代表的是内含子，内含子不翻译，所以下面没有氨基酸序列。若没有显示出来完整的5’UTR或3’UTR，可以点左上角的“Prev page”或“Next page”。
因此，GAPDH这个基因的5’UTR序列如下：
GCTCTCTGCTCCTCCTGTTCGACAGTCAGCCGCATCTTCTTTTGCGTCGCCAG
3’UTR序列如下：
GACCCCTGGACCACCAGCCCCAGCAAGAGCACAAGAGGAAGAGAGAGACCCTCACTGCTGGGGAGTCCCTGCCACACTCAGTCCCCCACCACACTGAATCTCCCCTCCTCACAGTTGCCATGTAGACCCCTTGAAGAGGGGAGGGGCCTAGGGAGCCGCACCTTGTCATGTACCATCAATAAAGTACCCTGTGCTCAACCA
六、如何查找lncRNA序列？
进入NCBI网站，选择“Gene”,在search框中输入感兴趣的lncRNA名称、基因ID或相关的生物物种，以“MALAT1”为例。
点击“search”按钮，系统会显示与您的查询相关的数据库条目列表，选择对应的物种，以“human”为例。
向下翻动页面，找到“NCBI Reference Sequences(RefSeq)”条目，在“RNA”里可以看到有很多转录本，根据需求选择对应的转录本，一般推荐RefSeq Select（RefSeq的Select转录本通常有良好的存档数据支持，表达良好，保守，代表基因的生物学特性。）
向下翻动页面，找到“gene”条目点击，所得序列即为lncRNA“MALAT1”的序列。
