NCBI submission--上傳基因序列備忘

NCBI submission -- 上傳基因序列備忘
[NCBI系統一直在更新，這是2019 summer的紀錄]

1. 先到Submission Portal的新網頁，導覽比較清楚： https://submit.ncbi.nlm.nih.gov/onboarding/
我是以Google帳號進入，缺點是他會一直默認Gmail是你的primary email，每次的修改只要一重新登入就復原
Sequin將逐漸停用："NCBI is phasing out support of the Sequin submission tool. Please submit your data using BankIt, Submission Portal or tbl2asn."所以直接都線上操作即可，不須要下載Sequin操作。

2. 16s, 5.8S-its2-28S: 會導引到GenBank / Submit ribosomal RNA (rRNA), rRNA-ITS, Influenza or Norovirus sequences.
   coi等：會導引到 BankIt / Submit nucleotide sequences from any organism, including mRNA, genomic DNA, organelle, ncRNA, plasmids, other viruses, phages and synthetic constructs.

3. 都只要準備fasta檔即可，說明裡說要準備 modifier檔與feature annotation檔都不必（例外見以下第5-6點），而Fasta檔最低資訊的格式如下：
>seqID  [organism=...] [isolate=...]
例如：
>IGSD11884e [organism=Aegista mackensii] [isolate=IGSD11884e]
TATATAATTTTTGGGGTATGATGTGGA....
>BJ2451 [organism=Acusta ravida] [isolate=BJ2451]
TACATACTGTTTGGTGTGTGGTGTGGT.....

[注意]
(1) seqID就用isolate，以我的樣本編碼系統而言這樣比較清楚，不必改成seq1, seq2, ....
(2) modifier只要包括 [organism=...] [isolate=...]即可，不需要另外準備modifier檔案，除非真的很想提供更多資訊給GenBank使用者，我是沒那麼熱心，有興趣請閱讀並引用我的著作。
(3) modifier [organism=...] [isolate=....]之間要空格
(4) [isolate=....]的後面不要再加入任何optional descriptive title，例如"mitochondrial COI gene for cytochrome oxidase subunit 1, partial cds"，反正每個負責的人會把它改成他個人喜歡的樣子，乾脆空白留給他去做。
(5) 記得把原來align之後產生的gap符號刪掉，比較單純。
(6) 其他格式的疑問見https://www.ncbi.nlm.nih.gov/books/NBK53702/，以及其他官網，但是注意不同時期的官網似乎有些說法不一致，例如modifier [organism=...] [isolate=....]之間空不空格

4. 系統會自己去找5.8S-its2-28S各基因的起始終結位置，不需要自己做feature annotation檔案

5. 唯一要先準備的feature是COI等有 protein product 的translation frame (1, 2 or 3)。
   只有一個gene時，feature的設定選擇藉由填入form設定。
   E.C. number不填入也無所謂。

6. 使用BankIt中如果包括多基因或是intron，例如Histone3-spacer-Histone4，則要準備feature table比較方便

7. 操作過程每個系統都會逐步給建議，隨時可以停止登出，每一次只要有按下"continue"按鈕，系統就會儲存，下次進來選擇繼續未完成的submission即可由最後畫面繼續編輯。

8. 送出後如果有問題系統負責人會 email聯絡，主要遇過的是學名不在他們的系統中，軟體動物看來是有參考World Register of Marine Species (WoRMS)，可能情況有：
(1)該學名沒建檔，你可以提供相關文獻給他們。如果是你尚未發表的新種，一開始Fasta檔裡就填入[organism=Aegista sp. n.]或是[organism=Aegista sp.]，然後把isolate定義清楚讓自己知道哪個新種是那一條序列
(2)可能是你學名拼錯了：承認拼錯請他們修正，不必重新上傳。
(3)系統的學名跟你的使用不同，可能你錯或是系統錯，或是有更複雜的分類學問題。如果明顯是系統錯，你可以提供最新的相關文獻給他們。如果怕麻煩，就接受系統目前現有的學名拼法、亞種位階或是屬級分類，請他們修正我的資料，說等發表分類訂正後再通知他們修改，不過看GenBank上的資料就知道大多數人都不回頭修改的，這只是客套話。