NCBI的基因entrez ID相关文件介绍

地址：ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/

里面主要有以下几个文件

我这里主要介绍gene2ensembl，gene2accession， gene2pubmed，gene2go，gene_info信息文件，它们的核心连接是gene的entrez ID号，了解了以下文件之后，可以把gene的entrez ID随意转换为ensembl的ID号，也可以随意转为基因名字，或者基因的通路信息。解压之后的大小如下：

一：第一个文件是gene2ensembl

第一列：物种ID号

第二列：gene的entrez ID号

第三列：Ensembl_gene ID号

第四列：RNA的NCBI索取号

第五列：RNA的Ensembl_ ID号

第六列：protein的NCBI索取号

第七列：protein的Ensembl_ ID号

一般，一个gene有多个蛋白

7227是果蝇的物种ID号，30970这个gene ID号对应两个转录本

 

第二个文件是gene2accession

第一列：物种ID号

第二列：gene的entrez ID号

第三列：status

第四列：RNA_nucleotide_accession.version，RNA_nucleotide_gi

第五列：protein_accession.version ，protein_gi

第六列：genomic_nucleotide_accession.version，genomic_nucleotide_gi

第七列：然后是start和end的pos坐标，还有正负链的标记

第八列:

第三个文件是 gene2pubmed

总共只有三列，分别是物种ID号，gene的entrez ID号，和对应的pubmed ID号

#Format: tax_id GeneID PubMed_ID (tab is used as a separator, pound sign - start of a comment)

其中一个物种里面有多个基因，一个基因会在多篇文献里面都有报道。

第四个文件是gene2go

主要看第三列的GO_ID与第四列的gene_name对应着

#Format: tax_id     GeneID     GO_ID     Evidence         Qualifier         GO_term         PubMed         Category

其中一个物种里面有多个基因，一个基因会有多个GO通路

第五个文件是gene_info      

主要是连接了gene的entrez ID与基因的俗名及其描述。

其中比较重要的是Homo_sapiens.gene_info 这个文件。