NCBI genebank refseq 编号意义

最近在做virus detection

用到NCBI genebank的病毒库，发现gene bank refseq里面编号很多，贴在下面，有助记忆。

genebank的病毒参考序列库，最近一次更新去掉了GI号，只保留NC或AC号，可以看出全部是完整基因组序列。

另外， 该序列库是非冗余库(non-redundant)，总共只有9556个序列，其中NC 9533个，AC 23个，

可以用grep作简单统计：

grep ">" /path/viral.fa |grep -v ">NC"|wc -l

我关心的HBV只有一个序列，而HCV有7个（各个基因型都有），这一版终于把HEV补上了，小小进步。

 

 

看来我要改造一下这个参考库了，至少要加上所有的HBV基因型。

参考库当然是fa格式了，如下图，没有序列长度