使用NCBI做BLAST，我应该选择哪个Database

NCBI (National Center for Biotechnology Information) 由美国国立卫生研究院(NIH)于1988年创办，创办NCBI的初衷是为了给分子生物学家提供一个信息储存和处理的系统。除了建有GenBank核酸序列数据库(该数据库的数据资源来自全球几大DNA数据库，其中包括日本DNA数据库DDBJ、欧洲分子生物学实验室数据库EMBL以及其它几个知名科研机构)之外，NCBI还可以提供众多功能强大的数据检索与分析工具。其中NCBI提供的BLAST工具相信访问过NCBI的每个科学研究人员都用过该序列比对工具，但是在使用BLAST工具进行序列比对时，往往都要选择一个Database进行比对，那如何选择呢？
BLAST工具一：Nucleotide BLAST


Nucleotide BLAST是核苷酸与核苷酸比对工具，进行比对时，选择Standard database中具体哪一种database进行比对呢？每种database都包含哪些序列信息呢？

 

1. Nucleotide collection(nr/nt)

Database描述：包含了除EST，STS，GSS，WGS，TSA，patent，HTGS以及长度超过100Mb序列以外的包含在GenBank，EMBL，DDBJ，PDB，RefSeq中的所有序列。
使用环境：未知序列，在不清楚序列物种，序列来源，序列类型的情况下可优先考虑
序列类型：mixed DNA
更新时间：2019/10/03
序列数量：55908648

2. Reference RNA sequences(refseq_rna)

Database描述：包含了refseq数据库中的NM_，NR_，XM_，XR_序列记录，区别于Refseq mRNA。
使用环境：知道序列对应的基因名称，可以考虑选择该Database进行序列比对
序列类型：cDNA
更新时间：2019/09/26
序列数量：33713514
 

3. RefSeq Representative Genome Database

Database描述：该数据库以最小冗余度建立，包含了从NCBI Refseq基因组数据库中选择的参考和代表性基因组，其结果是该数据库中的基因组是NCBI提供的质量好的基因组序列信息。对于真核生物，每个生物仅包含一个基因组。但是，对于其他生物，可能包括来自同一生物（例如大肠杆菌）的不同分离株的多个基因组。
使用环境：判断序列大概有几个外显子组成，或者某段序列在基因组中的位置，方向等
序列类型：Genomic
更新时间：2015/09/30
序列数量：13454918
 

4. RefSeq Genome Database(refseq_genomes)

Database描述：包含了所有分类物种的NCBI Refseq基因组序列。它仅包含顶层(top-level)序列，即仅包含代表基因组任何给定部分的最长序列。虽然包含组装的染色体序列，但用于组装此染色体序列的任何较短序列，例如重叠群(contigs)不包括在内。
使用环境：判断序列大概有几个外显子组成，或者某段序列在基因组中的位置，方向等
序列类型：Genomic
更新时间：2016/12/14
序列数量：33120025

BLAST工具二：Primer-BLAST
对于Standard database的介绍就到这里，NCBI中还有一类特殊比对工具，这里主要介绍Primer-BLAST比对工具中的各Database的区别。

1. nr(Nucleotide collection)

Database描述：包含了除EST，STS，GSS，WGS，TSA，patent，HTGS以及长度超过100Mb序列以外的包含在GenBank，EMBL，DDBJ，PDB，RefSeq中的所有序列。

2、Refseq mRNA
Database描述：只包含了NCBI Refseq 数据库中编码蛋白质的mRNA。.

3、Refseq RNA
Database描述：包含了NCBI Refseq 数据库中编码蛋白质的mRNA和非编码RNA。

Refseq mRNA和Refseq RNA区别：举例NCBI human GLYR1(Gene ID: 84656)有5个NM号，6个NR号，7个XM号，4个XR号。在使用AGTCGTCTCAACCTGCGACAT和GCCGCTAAGATCACCAACATC这对qPCR引物进行比对，结果为：
如果选择Refseq mRNA比对，只能比对到5个NM号和7个XM号；
如果选择Refseq RNA比对，比对到5个NM号，6个NR号，7个XM号，4个XR号。

4、Refseq representative genomes
Database描述：该数据库以最小冗余度建立，包含了从NCBI Refseq基因组数据库中选择的参考和代表性基因组，其结果是该数据库中的基因组是NCBI提供的质量好的基因组序列信息。
 

5. Genomes for selected organisms (primary reference assembly only)

Database描述：包含了来自主要染色体装配的完整或接近完整的基因组序列，可以选择限定的物种有：apis mellifera，bos taurus ，danio rerio，dog，drosophila melanogaster，gallus gallus，human，mouse，pan troglodytes，pig，rat。

Refseq representative genomes与Genomes for selected organisms (primary reference assembly only)的区别：前者完全包含后者，后者Genomes for selected organisms (primary reference assembly only)不包含替代基因组，因此比Refseq representative genomes数据库具有更少的冗余。如果您不考虑替代基因组或者线粒体序列，建议在进行qPCR引物特异性比对时推荐使用Genomes for selected organisms (primary reference assembly only)。
总结：选择正确的，合适的Database能够让我们非常容易的分析结果，另外，Database选择不合适可能会导致错误的判读哦，后面大家在使用BLAST工具时如果碰到此种情况，建议更换Database重新比对试试。