医学遗传学

新一代测序技术的进步使研究人员能够生成大量序列数据。当使用这些技术对临床样本进行测序时，可能会发现在疾病中具有致病作用的新变体。dbSNP的职责是管理这些新变异体的位置和类型的信息，而ClinVar负责管理变异体临床的当前解释表型.

dbSNP整合来自ClinVar的临床属性数据（即临床断言和断言等位基因起源）变成新的和现有的人类参考SNP记录，以及包含次要属性的附加管理属性数据等位基因频率和变异假阳性状态。

VCF文件从dbSNP的精选记录生成的可用于从一组变体调用中筛选（减去）已知变体，以识别新变体或缩小可能需要进一步评估的潜在致因变体列表。

基因组定位

变异被用作遗传和物理的位置标记映射当核苷酸序列映射到基因组换句话说，dbSNP记录所代表的变异可以作为基因组中的稳定标志，即使变异是固定的等位基因在样本中。当在样本中观察到多个等位基因时血统，家系成员可以像传统的遗传作图研究那样测试变异基因型。为了帮助进行这种绘图工作，dbSNP在发布每个新的生物时更新每个生物的变异绘图和注释基因组组装.

分子和功能后果

基因功能区或保守非编码区发生的变异可能会影响转录、转录后处理或蛋白质产物。dbSNP根据美国国立生物技术信息中心的注释基因组提交人可能会报告功能后果。

协会研究

dbSNP注释了与表型来自dbGAP报告的全基因组关联研究（GWAS），并提供了常见变异的详细目录。dbSNP的GWAS注释和通用变体目录用于指导GWAS研究的设计、GWAS研究中使用的变体数组的创建以及GWAS研究结果的解释。

创造与成长

dbSNP成立于1998年9月为了满足对基因组变异总目录的需求，该目录将促进科学界在遗传关联研究中的努力，基因映射，以及进化生物学。最初，dbSNP由小规模的基因座由侧翼不变序列定义的特定提交。随着高通量测序的出现和完整序列的可用性基因组然而，dbSNP现在可以接收更多的变体，这些变体是通过在参考序列.

提交内容的演变

因为dbSNP是在人类参考之前开发的装配当时，最初的提交物主要来自人类，并在侧翼序列的背景下定义了一个变异序列。支持证据或验证数据通常很少。随着测序和其他发现技术的改变，dbSNP发展迅速，现在包括来自300多个生物体的数据以及充足的验证数据，包括多个独立提交的数据、频率数据、，基因型数据，以及等位基因观察。满足社区对集中变体的需求数据库2008年春季，dbSNP开始接受新的和现有变异的临床断言以及变异位置的断言。这个ClinVar公司数据库，现在具有接受变化的角色临床断言数据按照其自身的加入过程，将新的变异位置路由到dbSNP，以分配ss（提交SNP公司)和rs(参考SNP)数字。

除了将临床断言集成到参考SNP记录，dbSNP在refSNP记录中引入了其他管理属性，如次要属性等位基因频率、断言的等位基因起源和潜在的假阳性状态。它还使用策划的记录生成VCF文件，可用于筛选新变体的变体调用，并识别潜在的致病变体。

使用演变

最初，dbSNP中的数据仅用于填充序列图，因为多态性标记密度太低，无法进一步应用数据。然而，到2007年，标记密度已经增加到足以在关联研究中使用变异数据，高分辨率映射以及许多其他应用，包括种群进化和系统发育研究，这些研究将继续加深我们对遗传关系和性状基因组基础的理解。

dbSNP目前将临床信息集成到dbSNP记录中，这将使dbSNP数据在分子医学和药物遗传学领域以及药物代谢组学和精确医学等新兴领域的研究中得到更大的应用。

提交的内容

dbSNP接受公共实验室和私人组织提交的文件。dbSNP不接受通过跨物种比对和分析确定的合成突变或变异。长度大于50个核苷酸的变异应提交给基因组结构变异数据库(数据库VAR).

dbSNP不会保存在特定日期或特定dbSNP构建中发布的数据。然而，如果您提交的是非临床人类数据或非人类数据，并且您的手稿需要dbSNP登录号（ss号）进行审查，我们可以保留提交的数据，直到出版物被接受，并且您已经通知我们dbSNP可以发布数据。一旦发出通知，dbSNP将在下一个构建发布周期中发布数据。请参阅ClinVar提交文件对于断言的临床变异数据保留策略。

一个称为“提交人手柄”的短标签或缩写唯一地定义了每个提交实验室，并将提交文件分组到数据库。请在线查看dbSNP提交说明以帮助准备提交。

提交的10个主要数据元素包括：

等位基因

通道定义每个变化类别(表1). dbSNP在其提交方案中将单核苷酸变体定义为G、A、T或C，并且不允许在等位基因变化的定义。在变体相互接近的情况下，dbSNP允许使用IUPAC代码，例如N，并且在变体的侧翼序列中，实际上鼓励使用它们。请参见(表1)用于指导dbSNP提交后处理为每个变异分配等位基因类的规则。

表1。

变异类根据等位基因定义组织提交。注：dbSNP的等位基因长度限制为<=50bp。将长度大于50个核苷酸的等位基因提交至基因组结构变异数据库（dbVAR）。

方法

每个提交人在其提交的文件中将方法定义为用于分析变异的技术或用于估计变异的技术等位基因频率。dbSNP按方法类对方法进行分组(表2)使用通用实验技术作为查询字段。提交者在方法的自由文本描述中提供了这些技术的所有其他细节。提交者还可以使用METHOD_EXCEPTION字段描述对特定数据集的通用协议的更改（特定于批的详细信息）。提交者通常在一次提交中只定义一次方法。

表2。

方法类通过方法或实验方法组织提交

特定人群的等位基因频率

等位基因在不同的人群中以不同的频率存在；非常常见的等位基因在一个种群中可能在另一种群中相当罕见。此外，当特定群体与邻近群体进行生殖隔离时，等位基因变体可以作为私人多态性出现，就像隔离或偏远群体的情况一样。

频率数据以如下方式提交给dbSNP等位基因计数或二进制频率间隔，取决于用于进行测量的实验方法的精度。dbSNP包含特定人群样本的等位基因频率记录，由每个提交者定义并用于验证提交的变异。请参见表3用于验证等位基因频率。

表3。

验证状态代码总结了可用的验证数据

计算内容

dbSNP以定期“构建”的形式向公众发布其内容，这些构建与新版本的发布同步基因组每个生物体的组件（手册：真核基因组注释管道）。dbSNP构建过程如下：

1

自上次构建RefSNP（rs）以来提交的集群变体（ss）。

2

映射参考SNP集群到适当的装配.

三。

合并共定位参考SNP集群（如果合适）。

4

标记可疑的假阳性变体（参见“可疑变更“有关假阳性选择的更多信息，请参阅本章第节）。

5

计算映射变量的功能上下文。

6

计算次要等位基因频率以及平均杂合度和标准误差。

7

计算到其他相关的链接美国国立生物技术信息中心资源，如Gene、PubMed和参考序列用于RefSNP群集。

8

将所有聚集变体映射到参考序列序列。

请参见图1获取dbSNP构建过程的完整图形描述。

新提交文件和新构建的开始

每个构建都以“结束数据”开始，该数据定义了将映射到的新提交集基因组用于随后注释和将变异分组为refSNPs的序列。进入每个构建的新数据集通常包括自上一个构建中的数据关闭以来收到的所有提交。

提交的SNP和参考SNP集群

当一个新的变体被提交给dbSNP时，它被分配一个唯一的秒提交S公司NP ID编号（ss#）。如果提交的变更带有断言的位置，一旦分配了ss号，则断言的位置坐标为重新映射到电流上的相应坐标装配如果提交的变更带有侧翼序列，dbSNP将对齐每个提交的侧翼序列SNP公司到其适当的基因组位置。

当同一变更类别的多个提交文件(表1)具有相同权重（唯一性）的映射到装配，dbSNP对ss进行集群，定义“引用SNP公司 集群、“或”参考SNP，”，并为集群提供一个唯一的R（右）参考电压S公司NP ID编号（rs#）。如果提交的多个变异类别的SNP映射到单个位置，则将为该位置的每个变异类别分配一个rs号。如果只有一个提交映射到特定位置，则其ss被分配一个rs号，并且是其RefSNP集群的唯一成员，直到找到映射到相同位置的同一变体类的另一个提交SNP。

A类参考SNP 集群有许多摘要属性，这些属性是在所有集群成员上计算的(图2)、和用于注释其他美国国立生物技术信息中心资源。请参见图2A,2B型,2摄氏度和二维refSNP集群报告中所有摘要属性和内部/外部资源链接的位置。

图2。

refSNP摘要记录（refSNP集群报告）。refSNP摘要记录，也称为refSNP集群报告，为用户提供由提交者提供的广泛摘要属性，由dbSNP根据提交的数据计算得出，或（更多…）

图2A。

参考SNP总结报告：Allele总结和综合地图部分。refSNP报告的等位基因摘要部分提供了临床意义(A类)，其中可以通过点击VarView或OMIM按钮来查看表型；等位基因（更多…）

图2B：。

参考SNP摘要报告：GeneView部分。GenView部分的顶部有一个Display（显示）菜单。完成菜单选择后，单击“Go”（开始）按钮(A类)将生成GeneView显示。默认设置（“临床（更多…）

图2C：。

refSNP摘要报告：GeneView显示。默认的GeneView显示提供了映射到特定基因剪接变体的变体的表格摘要。变更摘要按变更出现的顺序排列（更多…）

图2D。

参考SNP总结报告：FASTA、资源链接、人口多样性和验证总结章节。FASTA部分提供了变化5'侧翼序列(A类)，等位基因(B类)和3'侧翼序列(C类)由提供（更多…）

dbSNP导出整个dbSNP参考SNP以多种报告格式设置为文件传输协议站点，并在用户执行dbSNP批处理时将其作为结果集交付查询.

注释：来自断言数据的摘要属性（例如，临床断言、断言位置、断言等位基因来源）基于实验证据，不能被视为对特定临床的确认表型，基因组位置或等位基因起源美国国立生物技术信息中心不独立验证断言，也不能认可其准确性。

基因组序列的映射

当一个新的基因组构建就绪，dbSNP使用装配-装配对齐到重新映射ss断言了从旧程序集到新程序集的位置和rs位置。

要将没有断言位置的提交映射到基因组组装，dbSNP获得美国金融服务贸易协会在“数据关闭”之前提交的SNP文件，以及当前构建中无法重新映射的refSNP的FASTA文件，然后使用爆炸中描述的步骤附件2.

如果一个有机体由多个集合表示，那么每个集合装配已添加注释。例如，dbSNP注释了两个主要的人类集合：基因组参考联盟（GRC）参考集合和单倍体葡萄胎（CHM1）集合。

refSNP聚类和refSNP定向

a的方向参考SNP，因此其序列和等位基因字符串，由第一个提交的SNP公司（ss）用于创建refSNP（rs）集群按照惯例，集群示例是refSNP集群的成员，该集群具有最长的侧翼序列，或者是集群中分配了断言位置的第一个变量。如果在以后的构建中，添加到集群中的新变体成为示例，并且恰好与refSNP的当前方向相反，dbSNP通过使用集群示例的反向补码来设置refSNP序列的方向，从而保留refSNP方向。

对于随断言的位置一旦dbSNP映射并验证了断言位置，侧翼序列将从断言位置导出，并用于确定变量方向，而不是侧翼序列。

一旦聚类过程确定了集群，它将为参考SNP集群。

在重新设计dbSNP之后，dbSNP将继续使用侧翼序列和样本，用于那些没有成熟的生物体装配，但一旦开始为使用侧翼序列提交的变体创建断言位置，将逐步淘汰“范例”概念。

注释：dbSNP报告装配.

重新映射、refSNP合并和refSNP拆分

选择*
来自[human_9606]。[数据库]。[RsSplitArch]其中rs_2_split=26
rs_2_split rs_new_split split_build_id创建时间上次更新时间
26    78384355    132   2010-08-19 23:38:00     2010-08-19 23:38:00

可疑变更

目前，变体被标记为“可疑””，即，当在基因组(1,2)可能导致映射工件或是否有证据表明排序错误或计算工件。

dbSNP将在不久的将来更新其可疑假阳性标记系统，以便根据每个变体可用的支持证据数量对可疑变体进行排序参考SNP。那些可疑的refSNP集群，但有来自多个提交者的数据，表明存在杂合状态，在dbSNP的新系统中，作为一个值得信任的变体，其排名将比可疑refSNP更高，refSNP有来自单个提交的数据，有多个提交，但没有显示杂合性的证据，或者杂合性的证据相互矛盾。

分子类别

dbSNP通过检测侧翼序列中的基因特征来计算序列变化的分子背景康蒂格注释过程，并对参考序列/GenBank mRNA。

dbSNP已采用序列本体（SO）定义其变异分子类别的术语，以符合生物群落制定的标准。dbSNP用作函数类的SO术语子集可以在表4.

表4。

基因特征中refSNP的分子编码

一个变体可能有多个函数类。例如，当变量位于外显子一份成绩单和一份内含子同一基因的另一个。

临床断言

支持临床断言的新变体和实验证据(表5)提交给ClinVar。dbSNP和ClinVar将继续支持人类变异批量提交网站，作为一个基于Web的工具，可用于提交或更新医学上重要的变异提交。

表5。

临床意义按临床主张类型组织提交

当从ClinVar收到具有支持临床证据的新变体时，dbSNP重新映射变量相对于当前坐标的断言位置装配，以及到cDNA、蛋白质和参考SeqGene序列。映射变量后，dbSNP将为每个变量分配ssID和rsID。

通过支持人工变量批量提交网站提交的数据临床断言由ClinVar处理和提取，ClinVar使用数据为新变体分配临床属性或更新现有变体的临床属性（LSDB）。

一旦映射了提交的变体并分配了其属性，这些数据就可供其他人使用美国国立生物技术信息中心资源，包括VarView、ClinVar和Variation Reporter。

种群多样性数据

构建集成

dbSNP注释非冗余变体集(参考SNP 集群设置）参考基因组基因组序列、染色体、mRNA和蛋白质作为美国国立生物技术信息中心 参考序列项目。dbSNP计算每个refSNP集群的摘要属性，然后使用这些属性在Entrez公司数据库，并在NCBI map Viewer中更新变化图。最后，dbSNP更新dbSNP和BioProject、dbVar、dbGaP、Gene、，同源基因、核苷酸、，OMIM公司、Protein、PubChem Substance、PubMed、PubMed Central、VarView和Variation Reporter。

公开发布

新版本的公开发布涉及对公众的更新数据库以及在dbSNP上生成一组新文件文件传输协议现场。dbSNP向dbsnp-公告当有机体的新构建公开可用时的邮件列表。

dbSNP重新设计：对集群的更改

在撰写本文时，dbSNP正在计划重新设计，将对dbSNP的数据流引入一些基本更改。鼓励用户审查以下建议的更改，并将任何意见和建议提交给vog.hin.mln.ibcn@nimda-pns在这些变化中，有一种新的聚类算法。

虽然在基因组组装，人工序列复制将解决并崩溃，基因组的人工崩溃区域将扩大，缺失的序列区域将增加。在序列崩溃的情况下，变量在装配可能会减少，而在序列扩展或添加的情况下，变异对基因组的命中次数可能会增加。

为了具有处理这些问题所需的灵活性基因组组装变化，dbSNP 2.0将有一个新的聚类算法，它将改变参考SNP正如我们所知。这种新的聚类算法将改变控制聚类的规则，以反转当前存在的ss到rs关系。

目前，同一个rs中可以存在多个ss编号集群并且该集群中的每个ss号都链接到其对应的一个rs号。然而，新的聚类规则将改变这种关系，因为每个r代表一个唯一的位置。根据这些新规则，如果ss编号映射到多个位置，则单个ss编号可以链接到多个rs编号。

dbSNP主页

dbSNP是Entrez公司综合信息检索系统，可以使用ID号进行搜索查询，或通过使用不同搜索字段和限定符的组合。

变体报告器

变体报告器将提交的变体调用与dbSNP或dbVar中的变体相匹配，从而允许通过Web搜索或应用程序编程接口进行访问(API程序)dbSNP拥有的用于匹配变体的所有数据和元数据。如果您提交了新的变体，并且您的数据与dbSNP或dbVar中的变体不匹配，则变体报告器将提供每个提交的变体的预测结果。

爆炸

爆炸可用于将提交的变量与断言位置匹配到匹配的dbSNP记录（请参阅以下位置的说明：ftp://ftp.ncbi.nih.gov/pub/factsheets/HowTo_Finding_SNP_by_BLAST.pdf.使用序列或查询BLAST克隆包含断言的位置的，然后选择适当的参考数据库作为BLAST目标。BLAST算法将查找任何现有的SNP公司映射到查询序列的记录，如果dbSNP记录恰好与之匹配，则映射到感兴趣的变量。

注释：如果爆炸无法为查询的序列中感兴趣的变化找到匹配的dbSNP记录：

1

在没有进一步研究的情况下，您不能假设该变体是新颖的，因为现有变体可能还没有dbSNP记录的原因有几个：

a。

参考中可能缺少现有变体的序列位置装配或变体的转录本位置尚未测序。

b。

现有变体可能是以低序列质量或不明确的基本调用提交的，这将禁止在参考上放置装配.

c。

该变体可能存在于文献中，但作者尚未提交以纳入dbSNP。对于历史文献中报道的那些变体来说，情况尤其如此。

2

你可以使用变体报告器得到人类变异的预测结果，以帮助您在变异已知序列位置时进行分析。

SNP提交信息查询

如果参考SNP（s）或提交SNP公司（ss）在搜索dbSNP记录时无法使用数字，请使用“提交信息“模块以构造查询其将基于与提交的变体相关联的其他可用信息来选择dbSNP变体记录：

• 与提交者相关的信息
• 有关包含兴趣变化的已提交批次的信息
• 与用于分析变异的方法相关的信息(表2)
• 与提交人口相关的信息
• 与报告变体的出版物相关的信息

通过ClinVar、Gene或PubMed搜索

中有多个数据库美国国立生物技术信息中心维护与dbSNP的链接。dbSNP中的相关记录可以通过遵循摘要显示中的查找相关数据，或遵循单个记录的相关信息部分中的链接来识别。

Entrez编程实用程序（Eutils）

使用Entrez公司编程实用程序(电子公用事业或Eutils）到查询dbSNP并通过Web服务检索信息。您可以交互测试Entrez查询，然后使用Eutils执行该查询。有许多可用的Eutil程序，涵盖了广泛的查询类型。请参阅Entrez Programming Utilities帮助文档了解更多信息。

dbSNP FTP站点

美国国立生物技术信息中心通过提供多种不同格式的压缩数据转储，支持dbSNP数据的公共分发。访问NCBI文件传输协议网站可通过万维网访问(ftp://ftp.ncbi.nih.gov/snp/)或匿名FTP（主机FTP.ncbi.nih.gov cd snp）。除了FTP自述文件，其中包括ASN.1号,美国金融服务贸易协会、和XML格式，dbSNP FTP提供了两种附加格式：

ADA第508-节合规链接

dbSNP主页上提供的所有链接也以文本格式提供在页面底部，以支持基于文本的Web浏览器的浏览。改进建议数据库残疾人的访问权限应发送给dbSNP开发小组，网址为snp-admin@ncbi.nlm.nih.gov。

dbSNP的本地副本

如果要创建SQL语言直接访问本地服务器上dbSNP的副本，请使用中的说明附录3从dbSNP模式、数据和SQL语句创建dbSNP的表和索引。

注释：我们将逐步淘汰关系型数据库在dbSNP重新设计期间使用dbSNP的体系结构，并正在考虑用面向服务的体系结构（SOA）和BLOB（博客）/CLOB公司将系统存储在dbSNP2.0中。然而，存储技术和对象模式仍在设计中。由于dbSNP 2.0可能不是SQL语言基于系统，我们将为用户提供API程序为那些想要创建dbSNP本地副本的人访问数据的批量转储。查看或订阅dbSNP新闻和公告网站，用于更新数据作为关系表或对象的重新设计和可用性。

将一个部件或序列上的位置转换为另一个

NCBI的基因组重新定位服务（重映射）允许您根据路线将位置从一个序列转换为另一个序列。如果您已经在装配，或在参考SeqGene/LRG，并希望确定不同组件上的位置（或基因组对于RefSeqGene）。

巷子医学重要性解读史

ClinVar公司归档变体和表型通过添加和版本控制提交。

协会研究

数据库间隙P存档和分发研究数据，以检查表型和基因型这些研究包括全基因组关联研究（GWAS）、医学测序和分子诊断分析。可以从dbGaP控制的访问记录到dbSNP中的相关变化数据进行链接，但除非聚合数据是公开的，否则dbSNP记录到dbGaP之间没有相互链接。这个参考SNP报告“Association”部分将链接到NHGRI GWAS目录和/或PheGenI公司关联数据可用时。

组织相容性

dbMHC公司提供了一个平台，用户可以在该平台上访问、提交和编辑与人类主要组织相容性复合体（也称为人类白细胞抗原（人类白细胞抗原）。

dbMHC和dbSNP都存储定义特定人类白细胞抗原等位基因。dbMHC在单倍型而dbSNP在单倍型水平上提供了对相关dbMHC记录的访问。

单元型

这个国际人类基因组单体型图计划该网站允许访问一些不同人群的统计相关变异目录，也称为单倍型，对于那些寻找与特定基因相关变异的研究人员来说是一个有用的资源。HapMap单倍型可以通过诸如参考SNP数字或基因符号，以及按序列区域或染色体区域。生成的HapMap报告包括一个表意图，其中包含可以更改以提供所需数据的各种轨迹，报告中的适当轨迹将提供到refSNP的直接链接集群记录。

与引文、基因、表型和其他NCBI数据库相关的变异

中的多个数据库美国国立生物技术信息中心可用于识别符合特定标准的变体。它们可以显式引用rs编号，也可以提供从其记录到dbSNP中记录的链接。

变更批提交（VarBatch）

变量批处理是针对临床和非临床人类变异的在线提交资源，允许更新和注释以前提交的变异。当通过VarBatch处理断言的临床变异时，它被分配给提交的dbSNPSNP公司（ss）加入以及ClinVar加入（格式：SCV00000000.0），因为ClinVar加入代表所声称的变化/表型关系。

注释：由于VarBatch不接受频率，基因型或人口数据，将这些数据提交给dbSNP，作为对VarBatch提交的更新，使用dbSNP VCF或平面文件格式通过电子邮件或通过预先安排的文件传输协议将ss编号分配给您提交的变体后上传。

变体报告器

变体报告器将提交的变体调用数据与dbSNP或dbVAR中的变体进行匹配，从而允许访问dbSNP中任何已知匹配变体的所有数据和元数据。如果您向Variation Reporter提交新的变体，并且dbSNP或dbVAR中的数据变体之间没有匹配，则Variation Reporter将提供每个提交的变体的预测结果。

VarView（变量视图）

VarView报告显示与特定基因相关的详细变异信息，并且仅为那些声称存在临床变异的基因创建。可以通过两种方式访问VarView：

1

通过使用查询“gene_snp_clin[过滤器]“以识别具有VarView报告的基因记录。

2

通过dbSNP或使用“VarView”链接显示在中参考SNP报告具有临床意义的变体，或通过使用“snp_gene_clin[filter]”查询dbSNP来识别具有VarView报告的变体。

一旦选择了Gene或dbSNP记录，并且激活了记录上的VarView链接，就会出现一个VarView报告，其中包括：

• 基因简介
• 所有观察到的基因rs变体列表
• 与内部和外部资源的链接，包括基因座特定数据库（LSDB），OMIM公司、基因和公共医学。

选择VarView报告中列出的rs变体之一后，报告的“提交详细信息”部分将提供与所选rs编号关联的ss编号列表，以及到提交者站点和每个ss报告的链接。

注：2014年4月，VarView将被新的变体基因查看器取代。此新资源将允许用户访问所有美国国立生物技术信息中心的变异数据（即dbSNP、dbVar、ClinVar）以基因为中心。

1000基因组浏览器

这个1000基因组浏览器提供1000个基因组数据的访问，包括GRCh37上下文中的变异、基因型和序列读取比对，参考装配1000基因组项目用于分析。该浏览器允许您配置显示，以包括多个感兴趣的数据轨迹，并提供到各种美国国立生物技术信息中心资源。1000基因组浏览器允许用户快速查看支持特定变异调用的比对，并可用于下载和读取感兴趣的小基因组区域的变异数据。

使用1000基因组浏览器链接从dbSNP访问1000基因组浏览器在中参考SNP报告“集成地图”部分。

使用“临床频道”或“引用变体”曲目中的“悬停”功能从1000基因组浏览器访问dbSNP。单击显示的变体rsID。

附录1。dbSNP报告格式

附录2。制图规则和方法

的外观美国金融服务贸易协会-格式化基因组新生成的序列装配或新提交的重大应计项目SNP公司生物体的数据将启动一个MegaBLAST循环爆炸 对齐的变化美国国立生物技术信息中心 基因组组装生物体的。

附录3。如何创建dbSNP的本地副本

如何创建dbSNP的本地副本

目前，dbSNP是一种关系型数据库包含数百个表。自构建125开始以来，设计dbSNP已更改为“轮辐式”模型，其中dbSNP_Main_Table充当轮辐的中心，存储数据库的所有中央表，而轮辐中的每个轮辐都是一个特定于组织的数据库，其中包含特定有机体的最新数据。dbSNP导出数据库的完整内容，供公众从dbSNP下载文件传输协议现场。然而，在dbSNP重新设计期间，我们将逐步淘汰dbSNP的关系数据库体系结构，并考虑用面向服务的体系结构（SOA）和BLOB（博客）/CLOB公司dbSNP 2.0中的存储系统。

由于安全问题和供应商认可问题，dbSNP无法向用户直接转储dbSNP。创建dbSNP的本地副本的任务可能很复杂，应该留给经验丰富的程序员完成。以下部分将指导您创建dbSNP的本地副本，但这些说明假设了解关系数据库，并且编写时没有考虑到新手。

如果在建立dbSNP的本地副本时遇到问题，请通过以下地址联系dbSNP：vog.hin.mln.ibcn@nimda-pns.

架构：dbSNP物理模型

模式是构建自己的dbSNP副本的必要部分，因为它是dbSNP的可视化表示，显示了数据之间的逻辑关系。可打印PDF格式 文件来自dbSNP文件传输协议现场。

dbSNP中的数据根据数据的性质被组织成“主题区域”。这个数据字典包括对dbSNP中的表以及列表及其属性的描述。外键在物理模型中没有强制使用，因为它们使异步加载表数据变得更加困难。未来，dbSNP将添加各个列的描述。这个数据字典也可从dbSNP网站在线获取。

创建dbSNP本地副本所需的资源

软件：

• 关系数据库软件。如果您计划创建dbSNP的本地副本，则必须首先拥有关系数据库服务器，如Sybase、MicrosoftSQL语言服务器或Oracle。dbSNP位于美国国立生物技术信息中心在MSSQL server 2000版上运行，但有些用户已在Oracle上成功创建了dbSNP的本地副本。
• 数据加载工具.从dbSNP加载数据文件传输协议将站点转换为数据库需要一个批量数据加载工具，该工具通常与数据库安装一起提供。此类工具的一个示例是Sybase附带的bcp（bulk-copy）实用程序，或MSSQL服务器中的“bulkinert”命令。
• winzip/gzip解压缩文件传输协议文件夹。完成有关如何解压缩*.gz和*的说明。可以在dbSNP上找到Z文件文件传输协议现场。

硬件：

• 计算机平台/OS

数据库可以通过互联网连接在任何PC、Mac或UNIX上维护。

• 磁盘空间

要确定特定有机体的dbSNP完整副本所需的磁盘空间，请确定有机体的总下载文件大小作为起点。您至少需要三倍于数据文件大小的空间来创建索引和存储自己的工作表。dbSNP内部服务器上dbSNP human B137的分配大小为3TB，而鼠标B137的大小约为700GB。

• 存储器

所需的最小内存量约为4GB.

• Internet连接

dbSNP建议使用高速连接来下载如此大的数据库文件。

dbSNP数据位置

这个FTP数据库目录在dbSNP FTP站点中包含架构、数据和SQL语言语句创建dbSNP的表和索引：

• 这个共享模式子目录包含模式DDL(SQL语言数据定义语言）。
• 这个共享数据子目录包含所有生物体共享的dbSNP_main_table中的数据。
• 这个组织_模式子目录包含指向每个特定生物体的模式DDL的链接数据库.
• 这个组织_数据子目录包含指向存储在每个特定生物体中的数据的链接数据库。数据组织在表中，其中每个表有一个文件。文件名约定为：<tablename>.bcp.gz。的文件名约定映射表还包括dbSNP构建ID号和美国国立生物技术信息中心 基因组构建ID号。例如，B125_SNPContigLoc_35_1表示在dbSNP构建125期间，此SNPContigLoc表具有映射到NCBI的SNP康蒂格构建35版本1。数据文件的每个表行有一行。每个文件中的数据字段以制表符分隔。

dbSNP使用标准SQL语言DDL（数据定义语言）创建表、这些表的视图和索引。有许多实用程序可用于从数据库.

创建dbSNP本地副本的逐步过程

1

准备当地

（检查可用空间等）

2

下载架构文件

a。

从dbSNP下载以下文件共享​_模式子目录：dbSNP_main_table、dbSNP_main_index_contraint以及共享​_数据子目录。同时，这两个子目录中的文件将允许您为dbSNP_main_table创建表和索引。

b。

转到有机体​_模式子目录并选择要为其创建数据库。在本例中，选择了human_9606。选择human_9606后，您将被定向到人类组织模式子目录。下载此子目录中包含的所有文件。

c。

转到有机体​_数据子目录，然后选择要为其创建数据库。在本例中，选择了human_9606。选择human_9606后，您将被定向到人类有机体数据子目录。下载此子目录中包含的所有文件。

除了任何特定于生物体的内容外，用户必须始终下载位于shared_schema和shared_data子目录的最新版本中的文件。

将所有文件保存在本地目录中并解压缩。

在自己的窗口中查看

提示:

在UNIX操作系统上，使用gunzip解压缩文件：dbSNP_main_table和dbSNP_main_index_constraint。 上的文件SNP公司 文件传输协议站点是UNIX文件。UNIX、MS-DOS和Macintosh文本文件使用不同的字符表示新行。在使用bcp之前，为您的系统加载适当的新行转换程序。

三。

创建dbSNP_main_table

a。

从共享​_模式子目录中，使用dbSNP_main_table文件创建表，并使用dbSNP_main_index_constraint文件为dbSNP主目录创建索引数据库.

b。

加载位于共享​_数据您刚才使用的数据加载工具创建的dbSNP_main_table的子目录数据库服务器（例如，用于Sybase的bcp）。请参阅示例文件传输协议协议和Unix C Shell脚本示例（如下）以获取指导。

c。

通过打开dbSNP_main_index_constraint.sql文件创建索引。如果您正在使用数据库提供isql实用程序的服务器，然后使用以下命令：

isql-S＜服务器名称＞-U用户名-P密码-i dbSNP_main_index_contraint.sql

在自己的窗口中查看

提示:

通过将字段分隔符设置为“tab”，可以将shared_data和organism_data子目录中的“.bcp”文件加载到大多数电子表格程序中。

4

创造有机体特异性数据库
创建dbSNP_main_table后，使用特定有机体的organim_schema和organim_data子目录中的文件创建有机体特定的数据库。在本例中，将使用Human_9606：

a。

创建human_9606数据库使用human 9606中的以下文件有机体​_模式：human_9606_table.sql.gz、human_966_view.sql.gz、human _9606_index_containt.sql.gz、，
和human_9606_foreign_key.sql.gz

b。

加载位于共享​_数据human9606的子目录数据库您刚刚使用数据库服务器的数据加载工具（例如，用于Sybase的bcp）创建了。请参阅示例文件传输协议协议和示例Unix C shell脚本（如下）以获取指导。

在自己的窗口中查看

提示:

使用“ftp-i”在多个文件传输期间关闭交互式提示，以避免数百次点击“是”确认传输。

在自己的窗口中查看

提示:

使用bcp命令选项时避免事务日志溢出 （在Sybase和SQL语言服务器），使用 命令选项：-b行数。例如，命令选项-b 10000将导致每10000行提交一次表。

5

样品文件传输协议加载协议

a。

键入ftp-i ftp.ncbi.nih.gov（使用“匿名”作为用户名，使用电子邮件作为密码）。

b。

类型：cd snp/数据库

c。

要获取共享表和共享数据的dbSNP_main：键入ls查看您是否在包含正确文件的目录中。然后键入“cd shared_schema”以获得dbSNP_main的模式文件，最后键入“cd shared_data”以获取dbSNP_main的数据。

d。

键入binary（设置二进制传输模式）。

e、。

键入mget*.gz（以启动传输）。根据连接速度的不同，这可能需要数小时，因为总传输大小为千兆字节，并且还在增长。

f、。

要解压缩*.gz文件，请键入gunzip*.gz。（目前，未压缩bcp文件的总大小超过10GB（英国）).

6

使用脚本自动加载数据。

a。

位于加载脚本dbSNP的子目录文件传输协议站点上，有一个名为cmd.create_local_dbSNP.txt的文件，它提供了一个示例UNIX C shell脚本，用于创建dbSNP_main的本地副本和特定有机体的本地副本数据库使用sharedschema和organismschema子目录中的文件。

b。

也在加载脚本dbSNP的子目录文件传输协议站点中，有一个名为cmd.bulkinsert.txt的文件，它提供了一个示例UNIX C shell脚本，用于加载包含shared_data和organizm_data子目录中文件的表。

7

数据完整性（创建dbSNP的部分本地副本）

dbSNP是一个关系型数据库。每个表都有唯一索引或主键。外键没有加强。这种方法有优点也有缺点。这种方法的优点是很容易使用dbSNP_main_table删除和重新创建表，从而可以创建dbSNP的部分本地副本。例如，如果您只对提交的原件感兴趣SNP公司和它们的种群频率，而不是在它们的地图位置上美国国立生物技术信息中心 基因组contigs或GenBank Accession数字（都是巨大的表），则可以跳过这些表（即SNPContigLoc和MapLink）。请记住映射SNPContigLoc等表的文件名中将包含构建ID前缀和后缀。（例如，SNP构建125和NCBI的SNPContigLoc将为b125_SNPContigLoc_35_1康蒂格构建35版本1）。当然，要为特定的查询需要理解每个表的内容和dbSNP实体关系（ER）图。非增强引用的缺点是，需要编写存储过程或外部代码来确保引用的完整性。