背景: 将预测得到的基因(核酸序列)注释到nr 数库,可以的得到物种注释结果;
存在的问题: 一个基因可能注释到多个物种;
解决 :寻找最近公共祖先(即如果一个基因注释到多个物种,但是他们有共同的属,那么认为这个基因注释到了属水平)
数据库:taxonomy
附:
taxid : NCBI人为的给自然界所有的物种都给了一个编号,其中人类的编号是 9606;
taxid的资料还有很多 ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/
accession2taxid : ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/accession2taxid/prot.accession2taxid.gz
ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/new_taxdump/new_taxdump.tar.gz
nodes.dmp 这个文件列出了taxid的树的结构信息,子节点,父节点等等
names.dmp 这个文件里面列出了每个独特的taxid对应着的物种名